基于“大数据+人工智能”的电信运营商舆情管理研究

在大数据和人工智能时代,企业如何提升舆情监测、分析及响应的效能与精确度成为关键议题。该文以中国联通客服部互联网服务运营中心为例,探讨了其舆情管理实践及对企业声誉的维护,评估了人工智能的应用价值与潜在贡献,旨在为电信业的舆情管理提供理论与实践指导。

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。

对公安大数据系统的电信网络诈骗犯罪智能预警研究

在电信网络诈骗犯罪治理层面,公安机关借助大数据系统,先期已开展了诸多有益尝试,但总体来看,仍存在整合效果较差、预警滞后、相关分析不佳、管控能力不足、侵犯个人隐私等实际问题。有鉴于此,以“数据收集、数据管理、数据分析、数据应用”全生命周期为主线,形成精准信息、及时预警、有效控制的预警机制。加强被害人预防、大数据系统的安全管控,强化“资金流”“人员流”和“信息流”的分析与追踪,乃是实现电信网络诈骗犯罪智能预警的有效方案。

通信运营商驱动行业数字化转型探讨

以数字技术为主导的新一轮科技革命加速演进,数字中国战略升级,千行百业逐渐进入数字化转型深水区。分析了数字化转型的历史必然性、本质核心与演进路径。在此基础上,提出通信运营商的数据、算力、算法及应用场景这四大要素,从而实现数字时代的生产资料价值释放、生产力激发以及生产关系重构。分别基于以数智技术驱动通信运营商企业本身的降本增效以及赋能垂直行业智慧变革2个应用场景,探讨通信运营商如何践行数字化转型中的“转型者”和“赋能者”双重使命,为推动科技工作与国家经济社会发展深度融合贡献力量。

全流程实时智能反电信欺诈防控体系研究

随着电信网络诈骗的犯罪形态持续演变,精准识别和预防欺诈行为的反诈工作迫在眉睫。针对新型电信网络诈骗案件的特征及侦查需求,本文探讨了基于电信运营商大数据支持的防控反诈策略与一套贯穿事前、事中、事后的全流程实时智能反诈骗体系。具备精准性、动态性、协同性的防控体系与闭环管控机制相结合,加强了综合治理,有效实施了专项整治行动,铲除了诈骗犯罪的潜在土壤。研究结果表明,这一体系显著提升了防范和打击电信网络诈骗犯罪的能力,对于消除此类犯罪行为具有重要意义。

运营商大数据标签体系加速行业数字化转型实践

“数据二十条”的发布加速了政务运行、经济活动、社会服务与民生等领域拓展数据应用的步伐,将推动更多领域实现数据驱动与数字化转型。运营商数据具备超大规模、全面连续、时效性强、真实度高、关联价值显著等特征。运营商大数据标签体系可以拓展数据应用场景,提高数据资源利用率,推进数据要素市场化配置,实现数据价值流通。结合中国联通数据市场化服务实践,设计并提出了一套集约化的跨行业、分场景的标签体系。

面向多源异构数据融合的反诈大数据平台建设路径研究

当前涉诈数据来源广泛、结构多样,实现多源异构数据融合是提升反诈大数据平台建设水平的必要条件。针对面向多源异构数据融合的反诈大数据平台建设需求,在总体设计上提出了由数据、功能、协同三大中心组成的分层耦合逻辑系统框架;在实现路径上,首先,基于联盟链的分布式数据融合系统作为技术支撑以实现数据共享和隐私保障;其次,引入综合集成研讨厅模式为具体方案形成落地提供动态循环研判与知识利用的思维模式和工作流程。最后,以“时间维—对象维—性质维”框架构建了标准体系,从模块应用和质量保证两方面对系统运行过程形成规范约束力。

面向统一运营的电信运营商大数据战略

首先介绍国内外电信运营大数据发展现状,然后总结了国内电信运营商大数据发展面临的挑战,进一步提出了面向统一运营的电信运营商大数据战略,并对大数据资产盘点和大数据服务平台架构和功能进行详细阐述。

面向移动通信大数据的云存储系统优化

移动通信大数据对底层云存储系统提出了三大苛刻的需求:高性能、高可靠、低成本,但是通用云存储系统无法满足移动通信业务的现实需求。针对三大需求,提出对应的三项优化技术:面对高性能需求,提出一种小文件读写访问性能优化技术;面对高可靠需求,提出一种日志写入与回放优化技术;面对低成本需求,提出一种固态硬盘垃圾回收优化技术。相关测试表明,在典型的移动通信大数据应用场景中,相较于优化前,性能最多提升54%,平均提升27%~37%;可靠性处理效率最多提升67%,平均提升18%~22%;成本最多降低80%,平均降低26%~42%。

基于异构关联的大数据价值密度提升方法

电信大数据通常分散存储在DPI、OIDD、CRM等多个系统中,且格式、表述和规则在各系统中互不相同;因而,同一对象在不同系统中的多类数据很难被有效识别及完整利用,大数据分析的样本规模和特征维度严重受限,导致分析结果可信度和准确率下降。提出了电信大数据的异构关联方法与实现架构,并进行了方法的流程举例和验证,从用户维度实现了多系统间的数据融合,优化了诸如用户画像等应用的数据样本空间,从而大幅提升电信大数据价值密度。

深度分组检测技术研究及在流量经营中的应用

针对电信企业在大数据时代下数据流量存在的增量不增收的迫切问题,通过研究深度分组检测技术,结合流量经营策略,提出了深度分组检测技术在流量经营中的流量洞察、用户行为分析及智能策略3种应用模式,并对应用中出现的深度分组检测未识别应用、与计费流量比对及数据稽核等技术难点给出了切实可行的解决方案。

移动互联网数据可视化技术及应用研究

大数据时代的到来给电信运营商带来了更多的机会和挑战,为从日趋庞大的数据中快速提炼出有用的信息,亟需研究大数据可视化技术,以有效支撑精准分析和决策。总结了移动互联网数据可视化新技术的特征,并结合多个移动互联网客户画像的典型场景,深入探讨数据可视化技术的实际应用。

电信运营商大数据业务创新模式

从一些企业大数据重技术、轻应用,重建设、轻运营的问题出发,探讨业务创新对于企业大数据转型的重要性,分析大数据业务创新的特征,结合电信运营商的业务和数据特点,研究适合电信运营商的大数据业务创新模式,设计业务创新支持系统功能框架,提出实施策略建议。

电信运营商能耗优化的大数据分析模型研究

针对电信运营商现网的实际情况,提出一种低成本可实施、基于大数据的能耗分析模型,帮助运营商在现有条件下,快速实现能耗分析管控,逐步建立精细化运营管理,为节能减排提供科学依据和决策,未来可发展到智能化的能耗管控。

大数据关键技术及运营商落地建议

首先介绍了当下适用于大数据处理的集中热点技术,如Hadoop和MPP。在分析企业实际运营情况的基础上,提出适合运营商的落地建议,包括构架混搭的基础大数据平台、开放式数据分析挖掘平台及数据安全网关,并列举了几类典型的企业级大数据应用。

大数据时代的精准诈骗及其治理

大数据和互联网技术在给我们的工作、学习、生活等带来巨大变革的同时,也给我们带来了诸多的负效应,其中精准的电信诈骗就是突出的问题之一。大数据和互联网让传统诈骗变成了具有隔空、隐形、面广、精准诸特点的新型诈骗。骗子利用大数据挖掘出行骗对象的详细信息,利用电信、互联网等技术实现精准诈骗,大众生活因此深受影响。数据立法是治理电信诈骗的有效手段,可将大数据作为反骗利器。最根本的治理手段是建立诚信体系,构建诚信社会,彻底铲除诈骗土壤。

运营商大数据助力复工复产的探索与应用

随着全国疫情防控工作的有序开展,国内新型冠状病毒的疫情已经进入平稳阶段,然而,企业复工复产对保持经济社会稳定发展至关重要,迫在眉睫。因此,如何统筹疫情防控和复工复产,成为摆在各级政府面前的又一大挑战。国务院联防联控机制发文要求各地"分区分级精准防控,统筹疫情防控与经济社会秩序恢复"。在此背景下,中国联通充分发挥运营商大数据特有的多源、海量、融合的优势,从区域到岗复工率实时洞察、栅格化危险指数评估、区域人口流入风险分析、员工出行方式风险分析等4个方面,助力企业复工复产,为企业决策者制定科学政策提供支撑依据,逐步实现全面到岗复工。

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。

数据驱动下的电信业务数字化转型

针对新形势下电信运营商传统业务发展乏力的问题,文章通过对全球运营商案例进行分析,提出以用户为中心、以大数据贯穿电信业务发展所涉及的渠道、建设、营销等流程,实现电信业务在互联网+背景下的数字化提质增效。

电信运营商大数据资源变现模式及策略研究

简述了电信运营商大数据资源的主要来源与特点,并对大数据公司的运营模式进行了分析。在此基础上,针对电信运营商的特点提出了适合运营商的大数据资源变现模式,并介绍了一些典型的应用案例。同时基于我国的实际情况,提出了我国运营商大数据资源变现策略,为运营商大数据变现提供了一定的参考。