基于大數據網管運營支撐的探索和研究是以4G運營為驅動力的，運營商應轉變原有單一支撐網絡分析的模式，將支撐能力向市場及流量運營、終端運營延伸，同時將4G業務支撐從電信傳統模式向互聯網新模式推進，通過信令數據的采集、跨域平臺的互通、大數據的聚合分析，實現4G業務支撐能力的全面提升。

多維構建網絡架構，打通數據源壁壘

基于大數據的網管運營支撐體系，運營商可以通過構建統一采集、共享處理、拓展應用，推動4G運營的專業化和流程的標準化，轉變網絡支撐傳統分析模式，形成多維度的自動化分析支撐能力，還可以通過數據聚合、平臺互通，形成4G網絡、用戶、終端的運營體系，實現4G業務支撐能力的提升。

構建以流量、終端為切入點的運營分析體系：運營商可依托專題分析及模型挖掘，對重點流量用戶、終端機型、重點終端指標異動、重點客戶群特征等開展深入分析，通過分析結論指導運營工作的開展。此外，深入分析“終端、客戶、流量、網絡”的關系，引導差異化服務及營銷資源，形成流量一體化的運營分析體系。

固化運營場景及分析模型至全省網絡管理運營視圖，形成運營資源共享及模型推廣：運營商可構建“用戶流量遷移運營分析”“4G用戶常駐小區”“它網蘋果手機”“CPE健康發展支撐管理”等以“用戶、流量、終端”為核心的運營場景及分析模型，并形成“4G運營分析報告”及專項分析報告，共享分析成果，提高運營效率。

打通不同領域數據源壁壘，實現大數據資源共享：為更好地輔助4G運營分析工作，運營商打通了O域、B域連接通道，實現按日、按月的雙向數據共享，同時與終端公司建立終端庫完善機制，實現多方數據源在數據共享平臺中的處理、整合、優化，推進O域的信令數據、B域的用戶數據、終端公司的終端數據等多方面的數據融合，為上層應用提供堅實的數據基礎。

滿足市場、流量運營等多方數據支撐需求：針對運營體系固化的運營場景，運營商可支撐重點關注小區信息收集，支撐市場重點關注用戶、重點關注終端、重點業務發展區域等信息的收集；支撐流量運營重點流量業務、流量激活用戶等信息的收集，建立完善的“數據支撐需求流程”，推動數據運營支撐工作的高效落地。

多層系統搭建，實現數據溯源

硬件組成：文件接口服務器、應用服務器、數據共享服務器和Hadoop/MPP數據庫集群服務器（如圖1所示）。

圖1? 網絡硬件結構組成

數據共享服務器負責管理數據共享平臺系統與應用層系統間的數據共享服務管理，應用服務器負責元數據及數據質量管理，數據庫集群服務器負責存儲海量數據，文件接口服務器負責執行文件接口傳輸服務，各類服務器間均以主、備交換機相連，保證網絡質量及速度（如圖2所示）。

圖2? 數據共享平臺軟件模塊結構

平臺內部通過數據質量總線及數據溯源兩種技術方案實現了系統內部的數據質量管控。為解決數據快速溯源問題，數據共享平臺通過對現有的南向采集接口及北向共享接口進行改造，加入系統標簽位，通過解析這個標簽位，直接提取其溯源關系，實現數據溯源，呈現數據傳輸的完整拓撲結構，具體增加的標簽位規范為：。數據共享平臺在數據裝載、處理、分發、計算的每步遵照規范自動寫入新的唯一標簽，實現數據溯源能力。

在多層系統架構中增加數據質量總線，在自下而上的數據匯聚過程中，主動將每一個數據匯聚任務的核查結果推送到數據質量總線中，當上層系統發現數據質量問題時，通過該總線直接定位到出現問題的數據匯聚任務所在的層級系統。

分層解耦，支撐應用層百花齊放

相比于傳統架構，多層系統架構有諸多創新點。一是打通不同領域數據源壁壘，實現大數據資源共享。打通跨域連接通道，實現多方數據源在數據共享平臺中的處理、整合、優化，推進O域的信令數據、B域的用戶數據、終端公司的終端數據等多方面的數據融合，為上層應用提供堅實的數據基礎。二是分層解耦，支撐應用層百花齊放。通過Hbase、Webservice、FTP等多種共享方式實現了多廠家支撐能力，攻克兼容性及數據共享能力的技術重點與難點，實現數據支撐服務。三是終端、業務、網絡協同，推進業務精益運營。以客戶分類為基礎，通過與網絡指標和市場指標等營銷要素匹配，結合客戶終端、行為等特征分析，輸出客戶4G運營模型，從而形成終端、業務、網絡協同一體化的4G運營體系。

具體到實際應用，多層系統架構分為3個方面。

在互聯網端到端業務質量方面，針對互聯網五元五階的結構，實現互聯網端到端業務質量分析，協助各專業部門解決性能問題進行問題定界（如圖3、圖4、圖5、圖6所示）。

圖3? LTE互聯網端到端質量分析

圖4? 移動互聯網端到端業務質量分析

圖5? 終端質量分析

圖6? 業務整體評估

在視頻端到端業務質量方面，從基于網絡本身的質量管理向注重客戶感知的端到端橫向一體化質量保障機制轉變，建立視頻業務端到端質量管理機制，確保客戶視頻業務感知（如圖7所示）。

圖7? 視頻業務端到端質量管理機制

在客戶滿意度畫像方面，基于傳統手段獲取用戶真實滿意度，通過數據挖掘手段深度挖掘KPI與用戶滿意度的關系，實現基于KPI的用戶滿意度畫像預測，支持各地市用戶數量及占比，進行各級問題小區數量、待修復數量、已修復數量統計。

基于大數據網管運營支撐體系已容納網絡側、經分側、終端側大部分數據，能夠支撐網絡、市場、終端、流量等多方面數據需求，其中最細粒度的場景為億級條記錄的用戶級數據分析。該研究已逐步融入吉林移動日常的運營工作中，應用范圍逐步擴大。