单位文秘网 2022-02-14 08:15:48 点击: 次
企业与个人用户产生的价值与影响的相关数据,并用以指导旧业务的完善与新业务的开展。数据分析包含数据可视化、提取统计分析与数据挖掘3个主要步骤。运营商将各类海量数据资源通过分析,将其封装为各项服务数据,使移动通信向信息服务的转型成为可能。数据分析主要包括区域价值与客户价值两类价值研究。区域价值的目的在于推动业务运营的精细化,提高网络管理的智能化水平,为企业发展战略提供有效的分析。客户价值的研究目的则在于实现精准化营销,根据客户的网络特征与性能指标预测提供针对性的服务,不断提高客户拥有量,为客户提供更符合自身需求的业务体验。
3.2 数据挖掘技术的应用
KPI在通信网络中往往以时间序列显示,传统的预测方法由于数据量选择范围较小、实时性差,导致结果准确率不足,通信网络数据量的增加也使传统算法的局限性与准确性不断降低。大数据技术的出现,使KPI预测算法得到了有效的改进。基于大数据技术改进KPI预测方法,挖掘隐藏的海量数据背后的价值更高的有效信息,能够提高预测准确率。
(1)要预测趋势分量T(t),将每段无线网络的起始话务量设为Xk,斜率设为Slopek,并将斜率拟合成一条直线,每一条拟合线之间保持首尾连续,采用无线网络话务量的所有数据为训练样本,并建模进行预测分析,其公式为:
其中,KT+i代表补偿后的得出的改善斜率,当最近的连续Ⅳ个斜率均不低于0时,第N+l个的斜率也不应低于0;y是一个可调节的常数,直至调节为一个最佳常数。因此,预测值前的数据权重就由历史数据与斜率所决定。
(2)需要预测季节性分量,设为S(t),在确定周期时间后,利用统计分析,根据所需要的特征对海量数据完成抽取,并根据以下公式完成差分运算,获得一个矩阵:
对该矩阵作线性拟合,可以获得多条拟合直线,即Y-aX+b,取拟合误差值最小的一个列数作为周期L,根据下式计算季节性分量:
式中p代表每一周期L中的样本数量,每-q位置处的S(t)代表P样本中同一位置q处的数据均值。
(3)要预测突发分量,设该分量为B,是由各种突发事件所产生的一个分量,该分量有很强的可列举性,可通过特定类别与特定数值相对应来表示,如下式:
在分析突發变量时,只需要知道需要查询位置的ID号,就能够将该ID号相应的突发分量代入预测公式中。
(4)要预测随机误差分量,设该分量为R。基于大数据进行预测时,该分量具有非独立分布性,是将无线网络话务量产生的历史数据减掉T(t)、S(t)与B(t)即可获得R的预估值,该结果可增强R值的实际性。
(5)预测KPI,采用以下公式即可计算获得:
X(t)=(1+B(t))×(T(t)+S(t)+R(t)
(6)在运用以上预测算法时,还需要对数据完成预处理,主要任务在于利用线性拟合曲线插入缺值,如利用最小二乘法进行线性回归即可获得缺失点的值。然后需要对需要预测的区域根据特征采取分类处理,如根据不同时间分布点的忙碌时段作为特征进行分类,再对不同类型的区域采取分类分析预测。第三步要排除异常值,对各类型数据作可信度取舍,置信度为95%,边界取值为u-2σ与u+2σ,排除不在此区间内的异常值,当时间序列呈非正太分布时,则需要采取其他方法排除异常值。第四步就能够根据以上预测算法进行分析预测与结果判定。当结果和真实值之间的误差处于非接受范围时,需要返回第一步,修正模型参数。
4 结语
未来的大数据技术将会使移动通信行业与交通、物流、银行等各个行业、领域实现战略合作,完成更为宏大的布局,发挥海量数据的最大价值。
[参考文献]
[1]周天绮,严奥霞.基于移动通信大数据的流动人口统计中Hadoop的应用研究[J].软件导刊,2015 (3):36-38.
[2]王超.基于大数据技术的现代移动通信研究[J].中国新通信,2015 (3):108.
(责任编辑:单位文秘网) )地址:https://www.kgf8887.com/show-157-98784-1.html
版权声明:
本站由单位文秘网原创策划制作,欢迎订阅或转载,但请注明出处。违者必究。单位文秘网独家运营 版权所有 未经许可不得转载使用