移动网络运营商的大数据
大数据/数据浓缩
该图显示了过去的筒仓结构，其中每个系统都生成XDR、 计数器、日志以及其他类型的信息，这些信息存储在许多不同的位置、格式和DB中。
信息只能通过专门设计的软件进行关联，而原始数据通 常无法被客户访问。
每一份新报告请求都会产生效益和成本。 结果就导致， 没有办法使用很多有用的信息，并且经常有数据重叠。 这产生了额外的成本。
大数据不仅仅是一个流行词。这种方法为客户带来了真正的优势。通常情况是许多数据源提供给一个大数据存储系统。该系统是一个文档存储系统，可以处理大量非结构化数据。
•
一个数据存储区，可存储
所有类型的数据
•
一个报告工具
•
一站式数据保护
•
一个托管基础架构
http://bigdata-madesimple.com/11-interesting-big-data-case-studies-in-telecom/
大数据-MNO的宝藏
- Facebook和Google的唯一资产就是他们的数据
- 作为MNO，您正坐在一块巨大的宝藏上，网络每秒都会处理一次数据
- 您可以在内部使用数据或将数据转售给第三方来收获财富
- Cubro可以帮助您从数据中获利
- Cubro可以帮助您将监视系统从OPEX坟墓切换为摇钱树
地理位置数据的用法：
市场行销:
该数据通常可用于分析客户行为；这些数据的用途是无限的。以下是一些示例：
客户在一个位置停留多长时间
客户加入特定位置的频率。
客户用来到达某个地点的运输介质是哪种。
利用此信息，可以优化资源的可用性。 （公共交通、停车场的更多员工，优化价格等）
安全性:
借助数据安全性，可以在很早的阶段就可以检测到威胁，因为可以看到有多少人正朝某个地方移动，如果这是一种不寻常的行为，则法律和执法部门可以更快地做出反应。当他们拨打紧急电话或处于灾难性情况时，请查找人员。
事件:
分析大事件中的客户动向，以避免恐慌和仓促情况。
交通：
借助此数据，可以通过更改交通信号灯配置来自动进行交通转向。
大数据集成移动网络
当前的XDR（数据扩展记录）
用户服务流记录字段
数据中心大数据集成流监控
多个100 Gbit流量监控解决方案的示例
每个探针可以支持启用DPI分析的60 Gbit流量，和不进行DPI分析 的120 Gbit流量
典型应用数据的丰富
用于移动网络中的地理定位应用程序
要求是生成基于用户的、高质量的实时地理位置数据，以便从该数据中为MNO产生收入。
挑战
：实时、所有连接的用户、优于单元ID
- 实时意味着需要大量处理能力
- 所有用户意味着每秒必须处理大量信息
- 更好的位置单元ID意味着从UTRAN接口或eNodeB的CDR获取数据
- IMSI重新填充率优于95％（Cubro达到97-98％）的所有核心接口的实时相关性
- 核心和UTRAN CDR的近实时关联来组合用户
- 信息：终端模型、带有单元ID的IMSI、天线矢量
- 从eNodeB接收HF功率以计算出准确的位置。
挑战
：实时意味着需要大量处理能力
即使在较小的网络中，每秒也有数十万个事件。必须捕获、解密、实时分析来自所有核心接口（S1MME、S11、S6A、S3、S10）的所有这些事件，以便每个XDR达到较高的IMSI重新填充率
挑战：更好的定位单元ID意味着要从UTRAN接口获取数据，或从eNodeB获取CDR。
要获得此信息，有两个选项 - 点击X2接口或从eNodeB获取信息。
困难在于，来自eNodeB的CDR没有获得完成任务所需的全部信息。
第三相关阶段是在Apache Kafka集群中完成的。然后将所得数据存储在hadoop集群中以进行进一步处理。
真正的挑战是XDR的质量，只有在对所有接口进行实时解码的情况下，才能在此类应用中产生有用的结果，而IMSI重新填充率必须大于95％。
该项目的投资回报率为
1
年。 大数据
可能是
MNO
的宝藏。
Cubro可以提供帮助！