电信行业如何应对大数据挑战?

2019-09-22    来源:raincent

容器云强势上线!快速搭建集群,上万Linux镜像随意使用

根据思科的预测,到2022年,移动数据将达到每月77艾字节。虽然大多数人不会考虑他们每天产生的大量数据,但电信公司对此了如指掌。同时,物联网、智能设备和新内容平台也让电信公司面临着数据冲击。

为了将数据挑战转化为机遇,大多数电信提供商正在通过研发分析技术进行创新。在本文中,我们将使用Yellowbrick Data技术营销总监Josh Miner提供的信息,看看他们是如何全面优化业务的。

 

 

看点1:电信业解决数据问题时遵循的基本步骤

一般而言,电信业在解决数据问题时遵循以下基本步骤:

定位营销和添加新服务,以减少用户流失;

确保每个级别的订阅者计费反映实际使用量和执行利润率分析;

通过优化路由降低成本;

为内容提供商等相邻市场提供分析。

电信提供商目前使用许多不同的技术和平台来执行这些分析,这种方法从长远来看是不可持续的。电信公司必须继续创新以实现两个对立目标:一是收集和分析大量的实时和历史数据,二是减少单独分析平台的数量以控制成本。

这些目标在实现过程中有哪些挑战?传统和新型的技术又如何被应用以解决这些挑战?

看点2:现代电信提供商需要快速、深入的分析

对于人们和企业每天使用的大部分数据,电信公司既是渠道也是纽带。如果要使用这些数据,就需要对这些数据进行分析。电信服务提供商必须同时分析实时数据和历史数据,以便在需要的时候及时了解情况。

例如:

为订阅者提供无缝体验,包括基于地理位置帮助优化路由器的分析。

在内容提供者、广告提供商和使用者的应用程序之间快速传递相关数据。

支持服务人员对设备的实时监控,以排查问题,同时允许查看历史模式,以推荐最佳计划或进行升级。

能够实时查看路由数据并优化网络基础设施,从而减少问题。同时还可以检查历史问题,以确定某问题是偶然事件还是基础设施达到设计极限的表现。

 

 

看点3:如何应对数据激增问题

为解决众多分析挑战,电信公司研发了多种技术。例如,内存数据库等技术可为实时数据提供即时分析,Hadoop等大数据技术可扩展以支持大量历史数据集,而NoSQL数据库可帮助企业扩展以经济、高效地支持数据激增问题。

但内存数据库成本往往过高,且无法满足电信公司需要分析PB数据的需求,大数据无法支持实时分析,NoSQL数据库缺乏SQL数据库的特性,从而无法提供丰富的分析功能。

总之,由于没有传统解决方案能够满足这些公司的分析需求,因此大多数公司都在探索新技术。 但这种方法是不可持续的,电信提供商将面临不断增加的硬件、空间、电力和冷却成本。 跨平台管理和集成分析也变得越来越复杂,这样更容易出错且成本高昂。

看点4:新兴技术有望解决分析挑战

市场需求促进产品的创新。电信公司是最早部署内存数据库和Hadoop等技术的公司之一。这些技术既可以进行实时和历史数据分析,也可以在硬件和管理复杂性限制的情况下进行扩展。

新的高性能SQL数据库能够获取实时数据,并且可以从其他数据源批量加载PB级别的数据,同时提供分析应用程序以分析数据。

标签: 大数据挑战 移动数据

版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点!
本站所提供的图片等素材,版权归原作者所有,如需使用,请与原作者联系。

上一篇:阿里高级安全专家自述:阿里如何实现数据“可用不可见”

下一篇:人工智能的12个典型案例