大數(shù)據(jù)技術(shù)及其在電信行業(yè)的應(yīng)用研究

梁楊+朱宏文+趙大海

【摘 要】為了對大數(shù)據(jù)技術(shù)及其在電信行業(yè)的應(yīng)用進行研究，首先梳理了電信運營商的大數(shù)據(jù)資產(chǎn)，其次通過對大數(shù)據(jù)主流技術(shù)的研究，歸納出電信運營商大數(shù)據(jù)服務(wù)能力，然后分析電信行業(yè)大數(shù)據(jù)的應(yīng)用并給出案例，最后提出大數(shù)據(jù)的運營與發(fā)展建議。

【關(guān)鍵詞】大數(shù)據(jù)資產(chǎn) 大數(shù)據(jù)技術(shù) 對外變現(xiàn)

[Abstract] In order to investigate big data technology and its applications in the telecommunication industry， big data assets of telecommunication operators were combed firstly. Then， based on investigations of the mainstream big data technology， the big data service capability of telecommunication operators was summarized. In addition， applications and practical cases on big data in the telecommunication industry were analyzed. Finally， suggestions on the operation and development of big data were put forward.

[Key words]big data assets big data technology external realization

1 引言

移動互聯(lián)網(wǎng)的飛速發(fā)展催生了“大數(shù)據(jù)時代”的到來，各種新型智能移動設(shè)備的迅速普及帶來了海量數(shù)據(jù)的爆炸式增長，運營商業(yè)務(wù)面臨著前所未有的數(shù)據(jù)膨脹和數(shù)據(jù)多樣化（手機信令、海量手機用戶上網(wǎng)、B/O/M/DPI各域協(xié)同分析等），能否有效地利用和分析這些數(shù)據(jù)，成為市場競爭的關(guān)鍵，國內(nèi)外電信運營商的發(fā)展戰(zhàn)略也由“流量經(jīng)營”逐漸向“數(shù)據(jù)經(jīng)營”轉(zhuǎn)變。

自2013年“大數(shù)據(jù)元年”以來，大數(shù)據(jù)相關(guān)技術(shù)日臻成熟，但是電信行業(yè)在大數(shù)據(jù)技術(shù)的應(yīng)用方面目前還主要以企業(yè)內(nèi)部應(yīng)用為主，在大數(shù)據(jù)資產(chǎn)對外變現(xiàn)方面的應(yīng)用相對較少，仍舊處于探索階段。本文將研究電信運營商如何利用自身掌握的數(shù)據(jù)資源優(yōu)勢，結(jié)合大數(shù)據(jù)技術(shù)，盡快推出各類應(yīng)用，對內(nèi)強化自身優(yōu)勢，對外拓展盈利機會。

2 運營商大數(shù)據(jù)資產(chǎn)

用戶從開戶、充值到通話、短信、上網(wǎng)等使用通信服務(wù)的行為產(chǎn)生了大量的數(shù)據(jù)，這些數(shù)據(jù)和電信基礎(chǔ)設(shè)施數(shù)據(jù)以及由其衍生的預(yù)算、財務(wù)等各類數(shù)據(jù)，積累在電信運營商的IT系統(tǒng)中，形成了巨大的數(shù)據(jù)資產(chǎn)。我國三大電信運營商均為全業(yè)務(wù)運營商，各自的數(shù)據(jù)資產(chǎn)大同小異，下面以我國最大的電信運營商——中國移動為例，闡述電信運營商所掌握的大數(shù)據(jù)資產(chǎn)情況，如表1所示。

從中國移動的大數(shù)據(jù)資產(chǎn)列表中可以看出，各個電信運營商的IT系統(tǒng)中存儲著種類眾多的數(shù)據(jù)，這些數(shù)據(jù)涵蓋了通信業(yè)務(wù)類、網(wǎng)絡(luò)信令類、互聯(lián)網(wǎng)內(nèi)容類、企業(yè)管理類等諸多方面。通信業(yè)務(wù)類數(shù)據(jù)可以幫助電信運營商提供更好的客戶服務(wù)，實現(xiàn)更加精準和靈活的計費；網(wǎng)絡(luò)信令類數(shù)據(jù)可以讓運營商實時地獲取用戶當(dāng)前所處的位置、通信行為產(chǎn)生的時間、地點等，DPI（Deep Packet Inspection，深度包檢測）數(shù)據(jù)經(jīng)過二次解析后，可以讓運營商清楚地知道用戶的網(wǎng)絡(luò)行為，比如訪問過哪些網(wǎng)站、購買過哪些商品，從而判斷出用戶的興趣及關(guān)注點；互聯(lián)網(wǎng)內(nèi)容類數(shù)據(jù)來自Web和APP客戶端，一般通過JS（JavaScript，一種腳本語言）插碼或SDK（Software Development Kit，軟件開發(fā)工具包）的方式收集包括用戶支付記錄、商鋪信息、終端數(shù)據(jù)、內(nèi)容訂購以及消費記錄等信息；企業(yè)管理類數(shù)據(jù)可以幫助電信運營商優(yōu)化和提升自身的管理效率等。

針對大數(shù)據(jù)資產(chǎn)（勞動對象），電信運營商（勞動者）需要通過運用大數(shù)據(jù)技術(shù)（生產(chǎn)工具）才能輸出有用的數(shù)據(jù)（價值），為企業(yè)創(chuàng)造價值。

3 大數(shù)據(jù)技術(shù)及服務(wù)能力

3.1 大數(shù)據(jù)主流技術(shù)

大數(shù)據(jù)的海量、多結(jié)構(gòu)、高增速、低價值等特點對數(shù)據(jù)庫、文件系統(tǒng)等數(shù)據(jù)處理和挖據(jù)技術(shù)提出了很高的要求。傳統(tǒng)的RDBMS技術(shù)受限于容錯性和擴展性，不能適應(yīng)大數(shù)據(jù)的快速處理和深度分析需求，在大數(shù)據(jù)領(lǐng)域適合的場景逐漸萎縮至數(shù)據(jù)可視化，擔(dān)任數(shù)據(jù)集市的角色。

近幾年來，X86架構(gòu)服務(wù)器以高性價比、功耗低、占用空間小等優(yōu)勢逐漸取代傳統(tǒng)小型機，成為電信運營商使用最廣泛的硬件資源，與X86服務(wù)器相適配的大數(shù)據(jù)技術(shù)也同步快速發(fā)展。以Hadoop等為首的大數(shù)據(jù)技術(shù)日益成熟，被業(yè)界廣泛接受和應(yīng)用，從開源版本到商業(yè)定制化版本均有成熟穩(wěn)定產(chǎn)品，廣泛應(yīng)用于海量數(shù)據(jù)的批處理場景，Hadoop技術(shù)的發(fā)展促生了良好的生態(tài)環(huán)境。MPP（Massively Parallel Processing，大規(guī)模并行處理）數(shù)據(jù)庫是基于關(guān)系型數(shù)據(jù)庫的改進，在擴展性方面得到了增強，使之在深度分析領(lǐng)域占有一席之地；Spark技術(shù)屬于新興技術(shù)，通過基于內(nèi)存的計算框架提高計算性能，適合準實時數(shù)據(jù)處理等場景；流處理技術(shù)則是針對實時性非常強的流式數(shù)據(jù)進行處理的利器；NoSQL技術(shù)是對關(guān)系數(shù)據(jù)庫的功能進行簡化或者去除，拋棄一些對具體應(yīng)用場景不太關(guān)鍵的關(guān)系數(shù)據(jù)庫的累贅，以在某些方面獲得優(yōu)于關(guān)系數(shù)據(jù)庫的特性，絕大多數(shù)NoSQL數(shù)據(jù)庫的本質(zhì)都是Key-Value store（鍵值對存儲），適合簡單高效的海量數(shù)據(jù)快速存取場景。

大數(shù)據(jù)主流技術(shù)情況介紹以及對應(yīng)的應(yīng)用場景和代表產(chǎn)品如表2所示。

上述大數(shù)據(jù)技術(shù)在具體應(yīng)用的時候，根據(jù)實際應(yīng)用場景，可能采用一種技術(shù)，也可能采用幾種技術(shù)的組合。

3.2 運營商大數(shù)據(jù)服務(wù)能力

電信運營商將自己掌握的大數(shù)據(jù)資產(chǎn)與大數(shù)據(jù)技術(shù)相結(jié)合，就可以產(chǎn)出大數(shù)據(jù)服務(wù)能力，包括位置信息服務(wù)能力、價值信用評估能力、體驗感知評測能力、社交關(guān)系識別能力、興趣偏好分析能力、行為關(guān)聯(lián)預(yù)測能力等，這些服務(wù)能力是運營商大數(shù)據(jù)應(yīng)用的基礎(chǔ)。

3.3 電信行業(yè)大數(shù)據(jù)應(yīng)用

按照電信運營商的角度，可以將大數(shù)據(jù)的應(yīng)用分為企業(yè)內(nèi)部應(yīng)用和企業(yè)外部應(yīng)用兩類。企業(yè)內(nèi)部的應(yīng)用大多以報表和專題的形式展現(xiàn)，包括提升系統(tǒng)效率、提高用戶滿意度、提升營銷效果等；企業(yè)外部的應(yīng)用則以報告和應(yīng)用等形式輸出為主，包括旅游、公安、征信、氣象、人口密度等領(lǐng)域的應(yīng)用。這些應(yīng)用無論是對內(nèi)使用還是對外變現(xiàn)，都可以歸納為網(wǎng)絡(luò)、運營、用戶、市場營銷等維度，如表3所示。

接下來，本文將基于上述內(nèi)容，結(jié)合國內(nèi)和國外有代表性的電信運營商的大數(shù)據(jù)應(yīng)用案例分別進行闡述。

3.4 國內(nèi)運營商應(yīng)用案例

國內(nèi)電信運營商（中國移動、中國電信、中國聯(lián)通）的大數(shù)據(jù)應(yīng)用目前還是以內(nèi)部應(yīng)用居多，外部變現(xiàn)類應(yīng)用較少。

（1）中國移動近3年密切跟蹤并研究大數(shù)據(jù)技術(shù)，積極探索和推廣大數(shù)據(jù)應(yīng)用，企業(yè)內(nèi)部應(yīng)用較多，具有代表性的應(yīng)用有：某省公司A引入Hadoop平臺解決Gn口海量數(shù)據(jù)的實時接入、海量存儲、高效運算、數(shù)據(jù)分析挖掘、數(shù)據(jù)實時服務(wù)等問題；為了滿足移動互聯(lián)網(wǎng)時代帶來的經(jīng)分海量數(shù)據(jù)處理需求，某省公司B引入Spark技術(shù)搭建流量運營平臺實現(xiàn)數(shù)據(jù)處理效率的提升，支持海量數(shù)據(jù)分析，從技術(shù)上助力流量運營平臺更好地發(fā)展；為了解決傳統(tǒng)經(jīng)分主庫壓力大、擴展困難的問題，某省公司C將原經(jīng)分系統(tǒng)中的Oracle A、B庫的清單匯總以及各類應(yīng)用逐步遷移到Vertica分析數(shù)據(jù)庫集群中，減輕主庫壓力，滿足應(yīng)用增長的需求；某省公司D構(gòu)建Storm流處理技術(shù)的實時經(jīng)分體系，進行實時數(shù)據(jù)獲取與處理、實時數(shù)據(jù)分析與展現(xiàn)，讓使用者及時獲取市場動態(tài)，凸顯數(shù)據(jù)價值；某省公司E為了給用戶提供實時詳單查詢服務(wù)，提高用戶滿意度，引入HBase技術(shù)，提供高吞吐、低延時、低成本的查詢服務(wù)；某省公司F引入Flume+Kafka+Storm技術(shù)組合架構(gòu)，搭建實時日志采集平臺，實現(xiàn)從各數(shù)據(jù)源采集點的數(shù)據(jù)采集、數(shù)據(jù)接入、在線處理到最終數(shù)據(jù)輸出的快速高效解決方案。廣州移動通過網(wǎng)絡(luò)優(yōu)化大數(shù)據(jù)的共享平臺結(jié)合移動辦公，進一步提高網(wǎng)絡(luò)優(yōu)化的效率，拓展了網(wǎng)絡(luò)優(yōu)化的時間和空間，摸索了一條在移動互聯(lián)技術(shù)背景下，如何對網(wǎng)絡(luò)優(yōu)化生產(chǎn)進行“轉(zhuǎn)型”和“升級”的道路，也填補了移動互聯(lián)優(yōu)化這一領(lǐng)域的空白。

中國移動大數(shù)據(jù)對外應(yīng)用也在積極探索中，目前大數(shù)據(jù)對外變現(xiàn)類應(yīng)用在征信領(lǐng)域代表性的案例是東莞移動與東莞某銀行的合作：東莞移動構(gòu)建的基于電信大數(shù)據(jù)的個人征信評價體系由客觀變量、評價指標及信用評分三部分組成。客觀變量包含ARPU（Average Revenue Per User，每用戶平均收入）、流量消費、在網(wǎng)時長等用戶業(yè)務(wù)數(shù)據(jù)，以及用戶的性別、年齡、身份證號碼或者實名制信息等用戶基礎(chǔ)數(shù)據(jù)共24項變量?；诳陀^變量，將24項變量劃分為身份特征、通信消費能力、信用歷史、行為偏好以及人脈關(guān)系五類評價指標。最終評分參考了美國個人信用評級法FICO評分，通過評分模型邏輯計算輸出用戶評級，分數(shù)越高代表用戶的信用越好。銀行在發(fā)行信用卡或?qū)徍速J款時通常面臨申請人資料是否屬實和給予申請人信用卡或貸款額度多少的問題，為解決這兩個問題，東莞某銀行與東莞移動就大數(shù)據(jù)評分在信用卡授信方面通過上述聯(lián)合建模，提出了應(yīng)用方案，即：問題一可通過運營商實名制結(jié)果予以驗證，問題二可通過綜合信用評分予以解決。該合作從2015年9月份開始正式運營，共受理銀行信用卡授信請求1709筆，通過銀行驗證1075筆，應(yīng)用效果良好。

在旅游大數(shù)據(jù)應(yīng)用領(lǐng)域，河北移動通過前期在秦皇島等地市的試點推廣獲得普遍認可，系統(tǒng)通過對信令數(shù)據(jù)的采集與挖掘，輸出游客游覽景區(qū)的行為，幫助旅游和景點管理部門掌握景區(qū)流量、優(yōu)化景區(qū)設(shè)施等，后期將大數(shù)據(jù)報告形式的服務(wù)轉(zhuǎn)化為以系統(tǒng)支撐的常態(tài)化服務(wù)。

在公共服務(wù)領(lǐng)域，河北移動推出人群密度大數(shù)據(jù)，針對各類熱點事件、重大節(jié)日，如廟會、跨年夜、演唱會、體育賽事等區(qū)域，進行人群密度的實時監(jiān)控，包含對人群的年齡分析、來源分析、市場占有率分析等，并對人群聚集較多的區(qū)域及時預(yù)警，通知相關(guān)人員，做好防范工作，避免踩踏等事件的上演。

（2）中國電信是國內(nèi)電信運營商中最早實施互聯(lián)網(wǎng)行為分析用于自有業(yè)務(wù)推廣的企業(yè)。在對外應(yīng)用方面，中國電信在2013年啟動大數(shù)據(jù)RTB（Real Time Bidding，實時競價）廣告業(yè)務(wù)；在對內(nèi)應(yīng)用方面，中國電信河南公司對運營商網(wǎng)絡(luò)數(shù)據(jù)進行深度加工，對原本只用于計費的通話詳單進行深度加工，挖掘其中的用戶行為屬性，構(gòu)建用戶行為分析模型，并成功應(yīng)用于養(yǎng)卡用戶監(jiān)控等業(yè)務(wù)。

（3）中國聯(lián)通建設(shè)的“移動通信用戶上網(wǎng)記錄集中查詢與分析支撐系統(tǒng)”中引入大數(shù)據(jù)和Hadoop技術(shù)，構(gòu)建了一個全國集中的一級架構(gòu)海量數(shù)據(jù)存儲和查詢系統(tǒng)，用于支撐全網(wǎng)數(shù)億用戶的上網(wǎng)記錄查詢工作，通過集中統(tǒng)一的大數(shù)據(jù)平臺對用戶數(shù)據(jù)進行深度的挖掘分析，提升針對用戶的個性化業(yè)務(wù)支持能力。

3.5 國外運營商應(yīng)用案例

國外一些主流運營商的大數(shù)據(jù)應(yīng)用案例如下所示，其中的對外變現(xiàn)應(yīng)用案例尤其值得國內(nèi)運營商參考借鑒。

（1）T-Mobile：利用大數(shù)據(jù)分析來推動其“去運營商化”策略來減少客戶流失：通過跨部門數(shù)據(jù)整合和分析來全方位審視客戶，鼓勵客戶共享其社交媒體頁面，針對特定項目跨業(yè)務(wù)部門共享所有客戶數(shù)據(jù)，用于從內(nèi)部和外部（例如社交媒體）全方位檢視客戶對客服、技術(shù)支持和營銷的看法；洞察產(chǎn)品和服務(wù)的性能、客戶與公司接觸的觸點；洞察收入管理系統(tǒng)、采購-下單、出貨和物流；洞察網(wǎng)絡(luò)質(zhì)量和覆蓋范圍。

（2）Orange：1）通過對客戶進行細分，分析客戶數(shù)百萬電話的數(shù)據(jù)記錄，重點關(guān)注客戶的通話對象以及通話頻率，有效提高了用戶流失預(yù)測模型的精確性，另外還通過分析掉話率數(shù)據(jù)，尋找超負荷運行的網(wǎng)絡(luò)并進行維護及擴充；2）“Orange Business Services”還將大數(shù)據(jù)應(yīng)用到公共服務(wù)領(lǐng)域，如根據(jù)高速公路上車輛每天產(chǎn)生的數(shù)據(jù)記錄進行分析，幫助車輛獲得及時準確的信息，提高道路通行率。

（3）AT&T：1）AT&T選擇與Facebook結(jié)成戰(zhàn)略聯(lián)盟，通過對Facebook的非結(jié)構(gòu)化數(shù)據(jù)進行分析，挖掘用戶對價格、移動功能、服務(wù)感知等產(chǎn)品指標的體驗情況，從而推出更加準確的電信捆綁服務(wù)；2）通過客戶在星巴克門店附近通話等通信行為收集客戶的位置信息，挑選高忠誠度客戶，簽署AT&T與星巴克之間業(yè)務(wù)協(xié)議，并把隱私管理權(quán)交給客戶自己，AT&T將這些信息服務(wù)賣給星巴克，星巴克通過對這些數(shù)據(jù)的挖掘做出個性化推薦。

（4）Verizon：成立精準營銷部門，洞察用戶需求以進行精準營銷，為廣告投放提供數(shù)據(jù)支撐，并推出面向ISIS（Verizon、AT&T和T-Mobile發(fā)起的移動支付系統(tǒng)）的移動商務(wù)。

（5）意大利電信：通過對客戶數(shù)據(jù)的洞察，有效地預(yù)測收入狀況與客戶行為的關(guān)聯(lián)性，推出諸多個性化產(chǎn)品滿足客戶需求。

（6）Telefonica：啟動一個針對移動寬帶網(wǎng)絡(luò)的端到端用戶體驗管理項目，并建立一個包含60多個用戶體驗指標的系統(tǒng)，支持無線網(wǎng)絡(luò)控制器（RNC）、域名系統(tǒng)（DNS）、在線計費系統(tǒng)（OCS）、SGSN等各種網(wǎng)絡(luò)節(jié)點的信息采集，為用戶體驗優(yōu)化提數(shù)據(jù)支撐。

（7）西班牙電信：通過采集網(wǎng)絡(luò)側(cè)的用戶位置、行為、域名等數(shù)據(jù)，基于完全匿名和聚合的移動數(shù)據(jù)，對某個時段、某個地點人流量的關(guān)鍵影響因素進行分析，將洞察結(jié)果提供給零售商，供他們?yōu)樾碌暝O(shè)計和選址、設(shè)計促銷方式、反饋客戶等提供決策支撐。

電信運營商既是大數(shù)據(jù)的生產(chǎn)者，也是大數(shù)據(jù)的傳輸者和使用者。由于用戶數(shù)據(jù)的隱私問題，各運營商在對外應(yīng)用推廣方面十分謹慎，進展緩慢，但受上述國外運營商的一些對外變現(xiàn)案例的啟發(fā)，電信運營商在對外變現(xiàn)類應(yīng)用推廣過程中可以考慮采取如下策略來規(guī)避隱私問題：第一種策略，售賣的信息是人群分組信息（基于完全匿名和聚合的數(shù)據(jù)），采用群體性的、趨勢性的分析，并非用戶個人明細信息；第二種策略，對數(shù)據(jù)的某些敏感信息通過某些規(guī)則進行數(shù)據(jù)的變形，實現(xiàn)數(shù)據(jù)“脫敏”，引入第三方中立機構(gòu)進行評估佐證，以規(guī)避用戶隱私方面的法律風(fēng)險；第三種策略，客戶在充分了解業(yè)務(wù)的基礎(chǔ)上與電信運營商（或電信運營商和合作商一起）簽署協(xié)議，客戶隱私的管理權(quán)交給客戶自己。

4 結(jié)束語

目前，電信行業(yè)大數(shù)據(jù)技術(shù)的應(yīng)用還處于初級階段，以企業(yè)內(nèi)部應(yīng)用為主，側(cè)重改善技術(shù)、管理、流程、服務(wù)等方面的問題，對外變現(xiàn)類應(yīng)用極少，實現(xiàn)數(shù)據(jù)資產(chǎn)對外變現(xiàn)才是大數(shù)據(jù)的真正魅力和意義所在。

大數(shù)據(jù)的重要性已眾所周知，互聯(lián)網(wǎng)企業(yè)憑借其靈活機制和互聯(lián)網(wǎng)基因等優(yōu)勢率先開拓了市場，電信運營商面臨更加嚴重的管道化威脅，電信運營商應(yīng)盡快利用掌握的優(yōu)勢資源和儲備的大數(shù)據(jù)技術(shù)，開展對外變現(xiàn)類的增值應(yīng)用，迅速建立對外服務(wù)的生態(tài)圈，提高自身競爭力。

通過本文的分析可知，要實現(xiàn)大數(shù)據(jù)的廣泛關(guān)聯(lián)，進而提高大數(shù)據(jù)的價值，電信運營商要有開放的思想、開闊的思路。通過建立企業(yè)大數(shù)據(jù)開放平臺，借助外腦，與友商合作開發(fā)應(yīng)用，實現(xiàn)共贏；通過與潛在的互聯(lián)網(wǎng)企業(yè)合作（如百度公司，百度在掌握用戶資料方面處于弱勢，而運營商則處于明顯優(yōu)勢），互補、共享雙方的大數(shù)據(jù)資源，實現(xiàn)共贏。合作可以通過開放接口等技術(shù)方式實現(xiàn)，也可以通過直接投資對方企業(yè)進行控股等商業(yè)手段實現(xiàn)。更理想的情況，電信運營商在擁有大數(shù)據(jù)技術(shù)能力和運營能力的基礎(chǔ)上還可以自己做電商，或者開展諸如RTB廣告業(yè)務(wù)盈利。

總之，電信運營商要爭取占領(lǐng)大數(shù)據(jù)生態(tài)圈的上下游，拓展征信、交通、旅游、氣象、公安等各個領(lǐng)域的戰(zhàn)略合作，盡快布局，決勝未來。

參考文獻：

[1] Ovum. Using Big Data Analytics To Manage Customer Churn and Loyalty KPIs[Z]. 2015.

[2] 覃雄派，王會舉，杜小勇，等. 大數(shù)據(jù)分析——RDBMS與MapReduce的競爭與共生[J]. 軟件學(xué)報， 2012（1）： 32-41.

[3] 胡舜耕，魏進武. 大數(shù)據(jù)及其在電信運營中的應(yīng)用研究[J]. 電信技術(shù)， 2015（1）： 14-17.

[4] 王波，陳標，魏宇航. 電信大數(shù)據(jù)在征信領(lǐng)域的應(yīng)用研究[J]. 移動通信， 2016，40（8）： 80-83.

[5] 張云帆. 電信運營商大數(shù)據(jù)發(fā)展策略與價值挖掘[J]. 移動通信， 2016，40（5）： 20-23.

[6] 谷紅勛，楊珂. 基于大數(shù)據(jù)的移動用戶行為分析系統(tǒng)與應(yīng)用案例[J]. 電信科學(xué)， 2016（3）： 139-146.

[7] 許汝鵬，崔晶也，關(guān)則洛，等. 網(wǎng)優(yōu)大數(shù)據(jù)共享架構(gòu)設(shè)計及應(yīng)用實踐[J]. 電信科學(xué)， 2016（4）： 152-157.

[8] 鄭雪菲. 國外電信運營商大數(shù)據(jù)應(yīng)用及啟示[J]. 移動通信， 2015，39（13）： 29-33.

[9] 何小朝. 縱橫大數(shù)據(jù)-云計算數(shù)據(jù)基礎(chǔ)設(shè)施[M]. 北京： 電子工業(yè)出版社， 2014.

[10] 中國移動通信企業(yè)標準. 中國移動省大數(shù)據(jù)平臺技術(shù)規(guī)范分冊[S]. 2015.

[11] 中國移動通信集團公司業(yè)務(wù)支撐系統(tǒng)部. 大數(shù)據(jù)技術(shù)指南（版本號：3.0.0）[S]. 2016.

[12] 段云峰. 電信行業(yè)大數(shù)據(jù)架構(gòu)研究與實踐[A]. 2016中國信息通信大數(shù)據(jù)大會[C]. 2016.