中興通訊UniCare助力運營商運維轉型

中興通訊 | 楊毅 畢舒

中興通訊UniCare助力運營商運維轉型

中興通訊 | 楊毅 畢舒

UniCare解決方案基于用戶感知體系評估，聚焦各種典型場景，可通過分析找出影響用戶感知的故障原因，端到端發現問題、定位問題并解決問題，提升各項業務質量和用戶感知。

LTE以比預期更快的速度控制了移動互聯網的通道。2014年，移動數據業務及互聯網業務占電信業務收入的比重從上年的17%提高至23.5%，移動寬帶用戶在移動用戶中的滲透率達到45.3%，比上一年提高12.6個百分點。

從上述數據可以看出，數據業務用戶在爆發式增長，數據業務已迅速代替語音業務成為運營商收入主要來源。為了迎接數據業務沖擊帶來的挑戰，從2012年開始，越來越多的運營商開始從以網絡為中心的運維向以用戶體驗為中心的運維轉型。轉型過程分為如下兩個核心階段。

第一階段：用戶體驗評價體系搭建

目前，業界對用戶體驗評價體系搭建方法的認識比較一致，主要通過在網絡的各接口部署探針和分析工具，采集原始數據，再通過DPI識別業務以及抽取表征業務質量的關鍵字段，再針對業務和字段進行計算形成單用戶、單業務的業務質量指標。

從各運營商試驗點的運作效果來看，雖然方法一致，但是各項目用戶體驗評價的準確性差別很大，差別主要體現在以下幾個方面。

1、網絡覆蓋體驗缺失。主要體現在手機終端顯示的信號格，如果信號格不滿，用戶則認為這個網絡不好。目前這類體驗沒有納入評價體系。

2、業務接入體驗不足。主要體現在接入是否成功以及接入時長，接入是否成功包含無線側的接入，核心網接入，業務接入。目前大多數項目只考慮了業務接入階段。

3、業務使用體驗不深。主要體現在使用過程中的各種問題，如網頁打不開或打開慢、視頻卡頓、下載速率慢等。目前大多數項目業務識別能力欠缺，比如超過10%的流量沒有被有效識別，導致部分用戶體驗無法評價。或者已經識別的網頁瀏覽業務沒有細化到例如網易新聞APP，鳳凰新聞APP等應用，更沒有細化具體的頭條新聞、體育新聞等子網頁識別，導致用戶體驗評價太粗。還有一些核心的業務和應用的指標提取和算法不準確，如視頻卡頓等，導致用戶體驗評價不準。

第二階段：用戶體驗端到端優化提升

用戶體驗評價體系這個基礎夯實以后，運營商便可以通過用戶體驗評價體系的指標值來快速發現VVIP/VIP/VAP/漫游等用戶組維度和區域維度用戶體驗的好與壞。當發現用戶體驗不好或者下降時，下一步要做的就是用戶體驗的端到端分析和提升。

端到端分析和提升分為三個階段，分別為問題定界、定位、解決。

定界是指把用戶體驗下降的原因定界到網元和對應的部門，如終端原因由終端部門配合解決，如無線原因則提交到網優部門或者無線維護部門配合解決；定位是指各問題解決的責任門通過進一步的分析找出問題原因；解決問題顯而易見，就是解決目前找出的問題，如通過網絡優化解決覆蓋、容量、干擾問題，通過網絡擴容解決容量問題。還有類似PCC管控等差異化服務等來提升用戶體驗。

但是目前，用戶體驗端到端分析和提升還不太成熟，耗費大量的人力投入，但往往問題定界、定位的準確度還不夠。

中興通訊UniCare解決方案

中興通訊UniCare解決方案基于用戶感知體系評估，聚焦各種典型場景，可通過分析找出影響用戶感知的故障原因，端到端發現問題、定位問題并解決問題，提升各項業務質量和用戶感知。

更準確的用戶體驗評估體系

1、終端APP探針采集終端側信令，以此補充網絡側獲取不到的用戶體驗相關數據，如反向覆蓋弱導致網絡側收不到終端發起的業務請求。準確度可提升1%～3%。

2、無線側MR/CDT數據補充用戶體驗相關數據，如網絡覆蓋體驗，無線RRC建立，RAB建立階段體驗。準確性可提升2%～3%。

3、深度DPI解析，可實現95%以上流量的業務解析，可細化到具體應用和用戶旅程軌跡。如網頁瀏覽類的網易新聞每一次頁面打開。

4、深度體驗指標，除淺層DNS成功率/時延、TCP握手成功率/時延、網頁響應成功率/時延、下載速率等，還有深層的網頁顯示成功率和時延、視頻卡頓次數等關鍵指標。

更智能的定界定位能力

1、端到端問題自動定界能力。UniCare解決方案的核心支撐工具ZXVMAX把大數據機器學習技術應用到電信領域，通過機器學習的聚類算法，實現了準確的用戶體驗問題自動定界，包括投入處理自動定界和業務質量問題自動定界，能把問題定界到問題小區、問題MME、問題XGW、問題SP、問題終端等。

2、無線問題自動定位能力。針對無線側問題，通過MR/CDT數據，網絡配置、參數配置等數據關聯，通過規則庫自動匹配算法，實現無線側問題的自動定位，如自動定位到弱蓋問題、過覆蓋問題、容量問題、參數配置問題、網絡故障等問題。

更強大的數據處理能力

UniCare解決方案核心支撐工具ZXVMAX基于中興通訊大數據平臺搭建，采用HADOOP、MPALA、SPARK等核心組件，通過集群分布部署數據存儲、計算可以實現超大數據關聯分析，同時可大范圍提升數據分析和查詢速度。