大數據驅動運營轉型中興通訊DAP平臺挖掘海量數據價值

本刊記者 | 魯義軒

大數據驅動運營轉型中興通訊DAP平臺挖掘海量數據價值

本刊記者 | 魯義軒

一個功能完備的大數據應用平臺可以極大地簡化數據處理與分析的繁瑣，并能更有效地挖掘各類數據的價值。

伴隨著巨大網絡流量涌來的各類數據，其價值的重要性已日益突出。按照Gartner預測，到2020年大約75%的企業都將大數據分析融入其日常經營決策中，未來大數據分析將成為企業經營的一項基本能力。

大數據技術的應用，起到的是實實在在的效果。根據Sysbase的統計分析，電信行業通過在運營中應用大數據，人均產值提升了17%，而在行業價值貢獻方面更是排在了所有行業的首位。在電信行業收入增幅日趨放緩的今天，這樣的產值增幅令人鼓舞。

通過構建行業大數據分析系統讓運營商具備了大數據分析處理的技能，但這只是在大數據時代獲得成功的基礎；運營商還需要從企業戰略和經營思維層面改變，發現新的機遇和模式并付諸實施，才能真正將自己所掌握的大數據資產和大數據技能轉變為企業價值。

需求變化快挑戰大數據應用

在很多行業尤其是電信行業中，大數據的“大”并不僅僅指的是數據的體量，在應用層面，大數據的真正挑戰是來源于其需求變化快，如果缺乏一個靈活、可擴展的基礎架構和運營平臺作為基礎，企業就很難真正挖掘大數據價值。

對此，中興通訊股份有限公司中心研究院副院長陳堅稱，要滿足企業對數據價值挖掘的需求，基礎架構與運營平臺至少需要滿足四個特征。

一是平臺在架構上需要具備可伸縮性。不僅模塊具備可裁剪性，而且系統的規模也具備可擴展性。這樣，系統初始建設時可以按需建設，將初始投資壓縮在可接受的范圍，然后，系統隨著業務量增長而擴展，以架構的可伸縮性，兼顧初始投資與業務增長的平衡。

二是必須具備數據的開放能力。無論是在平臺上開發各類業務，還是與第三方進行數據交換，都要求平臺具備數據的開放能力。

三是要具備集成與被集成能力。如果大數據系統是主系統，則需要具備集成原有生產的能力；如果大數據系統是輔助系統，則需要具備被原有生產系統集成的能力。只有這樣，大數據系統才能無縫地與原有系統對接，在不干擾原有系統穩定運行的前提下，提高生產力。

四是要有一套強大的統一管理系統。大數據平臺需要將多種開源軟件，以及多廠家的軟硬件模塊集成在一起，其面臨的一個很大的困難與問題，就是統一管理的問題。所以大數據平臺必須具備統一管理其集成的開源軟件，以及第三方軟硬件的能力。只有具備統一管理能力的平臺，才是一個真正可用的大數據平臺。

直面非結構化數據的分析難點

大數據處理的技術，特別是云存儲與云計算技術的成熟應用，為大數據的存儲與處理提供了技術可能性。企業可以利用生產系統以及管理系統中產生的大量數據，一方面可以對自己的生產活動進行更為準確的預測與指導，從而提高企業生產活動的準確性；另一方面還可以利用通過對數據價值的挖掘，產生新的業務。

中興通訊針對電信大數據進行了專家級的建模，其大數據平臺DAP可以利用云存儲與云計算的技術，對海量的數據進行存儲、挖掘分析，以幫助企業充分開發數據的價值。

但現階段大數據的數據分析被認為是難點，尤其是非結構化數據的分析。對此，陳堅表示，當前對結構化數據的處理技術相對成熟，但對非結構化數據的處理上，的確是難點。不同的非結構化數據，往往需要不同的技術去處理，才能讓這些數據產生效益。目前，中興DAP平臺對非結構化數據處理有很大的投入。例如，在電信領域自研DPI硬探針，可以解析電信信令、上網記錄等電信領域的非結構化數據；在安全領域，通過圖像算法，可以從運動圖像中做車牌號碼識別以及人臉識別等等。

大數據平臺的特色

一個功能完備的大數據應用平臺可以極大地簡化數據處理與分析的繁瑣，并能更有效地挖掘各類數據的價值。中興通訊中心研究院總工王德政總結DAP大數據平臺時提到三個有別于其他系統的“不同”：一，DAP采用貨架式架構，采用企業總線ESB的技術，可以靈活地對各個組件模塊進行裁剪與拼裝，滿足“集成”與“被集成”的兩種角色要求，在不影響生產系統穩定性的前提下，與原有生產系統無縫集成，引入大數據系統；二，DAP在數據分析挖掘層面的智慧生成的特征，可以提高企業活動的準確性，DAP通過針對性的挖掘算法改進，可以做出超越人類專家經驗與直覺的智慧建議，提升人類活動準確性，提高社會生產能力；三，DAP具備平臺特性，聚焦于數據的存儲、處理時效、以及挖掘算法，可為上層應用解決大數據應用的技術難點與障礙，上層應用可以根據自身的需求，快速地進行定制開發，以很短的時間周期與研發成本推出新的大數據應用，未來，DAP還可以對第三方開放，支撐第三方的大數據業務開發。

大數據平臺的功能與特色，只有在實際應用中才能體現出真正價值。

據王德政稱，當前各家運營商已經認識到電信數據所蘊含的價值，并都已經在做積極的嘗試，進行各類大數據平臺的建設，并在其上規劃各類業務規劃。例如，中國移動的資源池建設、中國電信的號百公司等等。

但當前電信行業大數據工作雖然取得很多的進展，與IT界的大數據相比，仍存在著聚焦不清晰、業務目標較模糊的問題。例如，電商的大數據聚焦于電子商務領域的精準營銷，社交網站對SNS的數據做深入挖掘分析。王德政坦言，電信領域的大數據項目往往是很多目標的混合體，在資源有限的情況下，如何同時達到這些目標，則是當前電信大數據領域面臨的問題與考驗。