基于电信大数据的5G网络海量用户复访行为预测模型

5G网络中的用户会产生大量的访问数据,导致用户复访行为难以精准预测,因此提出基于电信大数据的5G网络海量用户复访行为预测模型。从电信大数据中提取用户上网历史行为特征数据,构建数据集。引入多阶加权马尔可夫链模型,通过计算各阶自相关系数,得到模型权重值,计算模型的统计量。经过分析后得到各阶步长的马尔可夫氏链一步转移概率矩阵,从而实现对5G网络海量用户复访行为的精准预测。实验结果表明,该模型拥有最低的均值误差和标准差,以及最高的精度、查全率、查准率、F1指标,可证明该方法在预测用户复访行为方面有着非常明显的优势。

电信大数据在信用风险管理中的应用

电信大数据是非常好的可替代数据源,用于消费者的信用评估。同时信用风险管理也是电信运营商日常的一个重要工作。介绍了消费者信用评分在电信信用风险管理中的应用,对电信大数据作为重要的替代数据在金融授信中的应用进行了案例分析,对国内电信大数据如何在信用风险管理中发挥作用,提出了专业的建议和展望。

电信大数据在征信领域的应用研究

通过对大数据时代征信领域展现的新特点进行剖析,提出了一种基于电信大数据在征信领域的应用方案,并从征信理念、数据来源、数据形式、数据量、技术要求等方面对传统征信、互联网征信及电信大数据征信进行对比分析。电信大数据承载了大量的用户连续行为信息,可以应用于征信领域,为社会征信体系建设提供了有益的启示。

基于电信大数据的流动人口数据特征分析

我国流动人口呈现出规模持续扩大,人口结构日益复杂化的趋势,但是目前的流动人口统计方法明显滞后,不能满足各级政府和社会各界对流动人口数据的需求,亟待结合大数据分析方法进行改进。而随着智能手机等移动终端的普及,电信运营商获取了用户身份、通讯记录、地理位置等海量客观数据,本文将结合电信运营商获取的数据信息分析流动人口所表现出的数据特征,为统计流动人口提供判定思路。

基于电信大数据的信用评价体系构建方法及商业模式研究

在大数据上升到国家战略的时代背景下,充分挖掘电信大数据应用价值对于完善社会信用体系具有重要的意义。应用多指标聚类系数方法,提出了一套基于电信大数据的信用评价体系构建方法,探讨了信息安全及隐私保护策略,并对商业模式进行了研究。该信用评价体系已与相关企业开展了商务合作。

基于复杂网络的电信大数据处理研究

文章针对目前电信运营商在大数据处理中的实际需求,全面分析研究了关于复杂网络在大数据处理中的关键技术和具体应用,深入讨论了复杂网络在静态数据、动态数据和社团挖掘等方面的实用,为目前电信大数据的处理提供了一种比较实用的方法。

电信大数据管理应用技术研究

目前针对电信大数据管理应用技术的研究方法与手段众多,但目前主要集中在Hadoop架构的数据存储及应用开发上,采用Hadoop对于电信大数据的应用主要包括存储系统(HDFS)、计算系统(Map Reduce)和HBase。该框架的实现为我国高效合理的电信大数据管理提供了一种解决问题的新思路。

一种基于电信大数据的移动客户职业自动识别方法

客户职业在CRM(客户关系管理)中有着重要的作用,本文提出了一种基于电信大数据,通过用户的APP使用行为和通话行为特征进行数据挖掘的移动客户职业自动识别方法,有效解决了目前CRM系统中客户职业数据存在大量缺失和不准确的难题,同时本文以识别网约车司机为例,通过某电信公司数据为测试集对本方法的可行性进行了测试,并取到了较好的效果,大大减少人工方式采集信息,为企业节省费用。

电信大数据关键技术挑战

大数据逐渐对用户体验和生产效率带来颠覆性影响。电信大数据来源于运营商通信网络平台的BSS和OSS,沉淀了海量用户7个维度的信息:1维用户真实ID、1维行为数据、1维社交数据、1维时间数据和3维空间数据。运营商构建电信大数据分析平台,通过对7维用户数据建模,可以实现3个数据业务方向的升级:用户洞察、网络洞察和数据开放。着重探讨电信大数据分析平台遇到的9个关键技术挑战和可能的技术突破方向。

电信大数据分析下的时空区域经济可视化应用

当前,国内移动电话用户已达15.9亿,在巨大的用户基数下,电信大数据呈现的特征在一定程度上反映了人群活动特征,进一步能够反映特定区域的发展状况。时空区域经济可视化应用利用数据挖掘技术对电信大数据进行处理和提取,以提高数据质量,并对数据进行不同规则的筛选,通过建模技术进行分析,结合电子地图数据、交通数据等多源信息,多角度分析用户行为特征。该应用分析对时空区域经济状况进行可视化研究,分析居民生活属性,同时,利用双重差分(DID)统计模型对区域经济政策进行评价。基于特征分析结果,为区域经济发展热点选址、指导城市商圈布局提供决策依据,提高了城市系统运行的效率,扩大了经济区域效益范围。

基于复杂网络的电信大数据处理研究

我国经济和科技的快速发展,为电信公司的发展提供了机会,但同时网络的日益复杂,也对电信大数据处理提出了更高的要求。在复杂网络发展过程中,电信大数据如何处理受到了人们的广泛关注,若是此方面处理工作不到位,那么所产生后果将会十分严重。面对这样的情况,本文对复杂网络背景下的电信大数据处理进行了深入地分析,并阐述了自己的见解,希望可以为电信大数据处理工作更好地开展提供一点帮助。

Spark on Yarn模式的电信大数据处理平台

为了提高电信大数据处理的性能,提出了一种Spark on Yarn模式的电信大数据处理平台SY-TPP(Spark on Yarn Telecommunication Big Data Processing Platform)。SY-TPP平台的实现采用Hadoop2.0的Yarn规范,运用了Spark分布式内存计算框架,使SY-TPP平台数据集的处理尽量在内存中进行。以分级聚类算法为案例分析了SY-TPP平台的编程步骤;测试结果表明:电信运营商的上GB级的用户数据能够半个工作日内完成,32物理节点的SY-TPP平台比同等配置的MapReduce平台的加速比从9.5提升10.25。

电信大数据的数据挖掘关键技术分析与探讨

从电信大数据中挖掘丰富的价值,对于电信运营商服务转型和产业升级具有重要意义。文章从电信大数据自身特点和研究现状出发,提出电信大数据的数据挖掘流程,从数据沉淀和数据融合、系统化特征工程、精确预测算法三个方面对电信大数据的数据挖掘关键技术进行分析和探讨,指出各个阶段的技术难点和存在的问题,并提出相应的解决方案,希望能为更好应用电信大数据提供帮助。

电信大数据平台的网络安全防护体系设计

为保障电信大数据平台的数据安全,文章对电信大数据平台的网络安全防护体系设计进行研究。首先,分析电信大数据平台及电信网的安全现状;其次,设计电信大数据平台的网络安全防护体系架构,包括物理隔离安全、访问控制安全、实时监测预警3个方面。其中,物理隔离安全包括用户安全访问平台、数据安全交互平台,访问控制安全包括用户访问认证机制、行为审计分析机制,实时监测预警包括事前监测、事中分析、事后处置3种监测预警机制。本研究成果已应用到某省电信大数据平台建设工作中,并且取得了较好的使用效果。

基于电信大数据的信用评分应用研究

国内三大运营商均已涉足征信领域并开发了相关征信评分产品,这些产品在电信企业内部和外部都得到了应用,但目前仍存在数据共享程度低、缺乏应用标准等问题。基于此,通过对国内外信用评价产品及在电信大数据的应用进行研究,分析比较了国内电信运营商开发的三种征信评分产品,并对国内征信评分产品研究过程中遇到的问题进行了探讨,提出了一个基于手机号码作为统一智能账号进行电信数据整合的思路。电信大数据信用评分已在电信企业内部运营风险防控及外部大数据合作得到应用。

基于AHP-熵权法的电信大数据应用项目风险评估

为了提升电信行业大数据应用类项目的风险管理水平,将层次分析法和熵权法结合,提出了针对此类项目的风险组合评估模型。以某电信运营商大数据应用平台项目为例,构建项目风险指标体系,并通过组合评估模型实现了项目风险的重要度评估。

四川省电信大数据综合分析平台初步建成

本刊讯为充分利用电信大数据为我省新型冠状病毒肺炎疫情防控提供有力支撑,按照工业和信息化部安排部署,1月29日以来,四川省通信业全力推进四川省电信大数据综合分析平台建设工作。2月28日,四川省电信大数据综合分析平台初步建成,并接入全国电信大数据综合分析平台,目前已共享十三个省份相关数据。

电信大数据运营平台的架构及实现技术分析

近年来大数据技术得到了快速发展,利用大数据技术可以构建运营分析平台,在电信行业同样具有较大的应用空间。本文首先分析了电信大数据运营平台的架构和实现原理,之后介绍了电信大数据运营平台的应用现状,并阐述了电信大数据运营平台的发展趋势。

电信大数据分析支撑服务疫情防控阻击战

2020年伊始,一场没有硝烟的战争席卷而来。科学防治、精准施策是疫情防控的关键。习近平总书记强调,要运用大数据等手段加强疫情溯源和监测。我国拥有16亿手机用户,运用电信大数据分析,能够更加实时、准确、全面地为疫情防控提供强有力的决策支撑。在防控新冠肺炎这场战役中,工业和信息化部统筹协调,组织信息通信业以电信大数据分析全力支撑疫情防控工作。

大数据创新导向的电信人才跨界培养模式研究

研究电信大数据涵盖数据的类型、特点,提出建设高校电信人才培养方向,在不新增专业的前提下,培养电信行业内的大数据技术人才。引入大数据技术教育的跨界思维培养模式,将是解决大部分电信数据不能开放共享,但又能够充分挖掘数据金矿的有效途径,可以缩短教学改革初见成效的时间,为高校人才培养模式提供新的思路。