楊明川+賈元昕

隨著互聯(lián)網(wǎng)+的提出與發(fā)展，大數(shù)據(jù)分析作為傳統(tǒng)行業(yè)分析、利用數(shù)據(jù)的技術(shù)手段，迎來了新的發(fā)展。電信運(yùn)營商具有得天獨(dú)厚的數(shù)據(jù)優(yōu)勢，但數(shù)據(jù)質(zhì)量、分析能力及隱私安全等問題對運(yùn)營商發(fā)展大數(shù)據(jù)提出了更高的要求。本文總結(jié)中國電信“燈塔大數(shù)據(jù)行業(yè)應(yīng)用平臺”過程中的一些經(jīng)驗(yàn)，探討了中國電信運(yùn)營商在大數(shù)據(jù)領(lǐng)域的技術(shù)創(chuàng)新與研究成果，面向互聯(lián)網(wǎng)+的大數(shù)據(jù)挑戰(zhàn)進(jìn)行分析。

互聯(lián)網(wǎng)+在大數(shù)據(jù)應(yīng)用中的機(jī)遇與挑戰(zhàn)在大數(shù)據(jù)浪潮中，電信運(yùn)營商是率先開展大數(shù)據(jù)研究和應(yīng)用的行業(yè)之一。通過利用運(yùn)營商海量的網(wǎng)絡(luò)大數(shù)據(jù)資源，各個(gè)運(yùn)營商都構(gòu)建大數(shù)據(jù)平臺并開展大數(shù)據(jù)創(chuàng)新。對燈塔大數(shù)據(jù)定位于整合多源數(shù)據(jù)、打造能力平臺、創(chuàng)新行業(yè)應(yīng)用， 通過對800億電信數(shù)據(jù)的脫敏、互聯(lián)網(wǎng)數(shù)據(jù)（來自地產(chǎn)、金融和社交）的抓取和對第三方（如法院、銀行、人力）數(shù)據(jù)的接入，形成龐大的相對基層的數(shù)據(jù)量；并對多源數(shù)據(jù)進(jìn)行整合，控制數(shù)據(jù)質(zhì)量，增強(qiáng)數(shù)據(jù)融合，同時(shí)對數(shù)據(jù)能力封裝，由此開展數(shù)據(jù)行業(yè)應(yīng)用創(chuàng)新。

在大數(shù)據(jù)應(yīng)用到互聯(lián)網(wǎng)+的過程中，目前發(fā)現(xiàn)還有大量的問題需要解決（見圖），主要包括如下三個(gè)方面：

數(shù)據(jù)質(zhì)量不高是常態(tài)，如何建立更加有效的分析方法？

數(shù)據(jù)的價(jià)值密度是關(guān)鍵，如何尋找價(jià)值高地？

用戶的隱私保護(hù)日益重要，如何找到平衡點(diǎn)？

運(yùn)營商大數(shù)據(jù)關(guān)鍵技術(shù)研究

為了有效的服務(wù)于互聯(lián)網(wǎng)+，大數(shù)據(jù)需要在如下幾個(gè)方面進(jìn)行技術(shù)突破：

（1） 數(shù)據(jù)拼接技術(shù)

（2） 高階深度標(biāo)簽技術(shù)

（3） 行業(yè)知識建模技術(shù)

（4） 基于場景的智能推薦技術(shù)

（5） 海量模糊數(shù)據(jù)降維和關(guān)聯(lián)分析技術(shù)

（6） 大規(guī)模交互式數(shù)據(jù)可視化技術(shù)

（7） 數(shù)據(jù)安全和隱私保護(hù)

文本對其中幾個(gè)關(guān)鍵技術(shù)進(jìn)行介紹。

數(shù)據(jù)拼接技術(shù)

大數(shù)據(jù)的一個(gè)特征是異構(gòu)多維，只有將來自不同來源的異構(gòu)數(shù)據(jù)進(jìn)行有效的整合，才能真正發(fā)揮大數(shù)據(jù)的價(jià)值。猶如瞎子摸象，每個(gè)單一來源都只涉及一個(gè)單一的側(cè)面，只有把不同的側(cè)面重新組合并且關(guān)聯(lián)起來，才能完整的拼出一只“大象”。但是這個(gè)工作遠(yuǎn)比想象的要難，原因有幾個(gè)方面：數(shù)據(jù)格式不同；數(shù)據(jù)標(biāo)識（ID）不同；數(shù)據(jù)覆蓋不同；數(shù)據(jù)計(jì)量標(biāo)準(zhǔn)不同（特別是經(jīng)過一定處理后數(shù)據(jù)）；大量的數(shù)據(jù)噪聲（重復(fù)數(shù)據(jù)，錯誤數(shù)據(jù)）。這些因素導(dǎo)致將不同數(shù)據(jù)拼接成一個(gè)完整的立體數(shù)據(jù)具有非常大的挑戰(zhàn)。

然而，在這方面，運(yùn)營商有較大的資源優(yōu)勢。結(jié)合運(yùn)營商數(shù)據(jù)廣度覆蓋的特點(diǎn)，有可能作為所有數(shù)據(jù)的基礎(chǔ)數(shù)據(jù)而實(shí)現(xiàn)數(shù)據(jù)拼接功能。在技術(shù)上，我們開發(fā)了基于圖的數(shù)據(jù)模型，進(jìn)行數(shù)據(jù)拼接。

高階深度標(biāo)簽技術(shù)

用戶畫像一直是大數(shù)據(jù)研究的重點(diǎn)方向。在DMP中，系統(tǒng)根據(jù)用戶訪問軌跡來打標(biāo)簽，但是DMP通常僅僅通過關(guān)鍵詞提取來打標(biāo)簽。為了進(jìn)一步滿足行業(yè)大數(shù)據(jù)的應(yīng)用需求，我們需要補(bǔ)充兩類標(biāo)簽，一類是模糊標(biāo)簽；一類是抽象標(biāo)簽。模糊標(biāo)簽是因?yàn)閿?shù)據(jù)缺失而需要通過算法來補(bǔ)全的標(biāo)簽，例如用戶的性別屬性，如果基礎(chǔ)數(shù)據(jù)里面沒有這個(gè)屬性，我們就需要通過機(jī)器學(xué)習(xí)算法去預(yù)測這個(gè)值，而且這個(gè)值往往是一個(gè)概率。抽象標(biāo)簽是針對一類高階的屬性，例如用戶購買力，用戶購物模式，用戶口味偏好等，去建立標(biāo)簽?zāi)Ｐ?。在燈塔平臺中，我們建立了一套相對比較完整的深度標(biāo)簽體系。

圖3是分別用TAN和NBC算法進(jìn)行標(biāo)簽計(jì)算的效果：

行業(yè)知識建模技術(shù)

在互聯(lián)網(wǎng)+結(jié)合行業(yè)大數(shù)據(jù)的過程中，行業(yè)知識的獲取和利用是關(guān)鍵的一環(huán)。只有將行業(yè)知識通過建模數(shù)據(jù)化，才能將行業(yè)知識和其他數(shù)據(jù)進(jìn)行混合和關(guān)聯(lián)處理。行業(yè)知識建?？梢苑譃閮蓚€(gè)層次：第一個(gè)層次是行業(yè)字典，通過大規(guī)模爬蟲，可以將行業(yè)信息轉(zhuǎn)化為行業(yè)字典。目前，燈塔平臺已經(jīng)積累了超過三億條行業(yè)字典，包括一億條電商字典，五千萬條視頻字典；第二個(gè)層次是知識圖譜，字典的缺點(diǎn)是信息之間缺乏關(guān)聯(lián)性，我們通過構(gòu)建知識圖譜，去建立語義級的行業(yè)知識。

基于場景的智能推薦技術(shù)

推薦系統(tǒng)是非常成熟的大數(shù)據(jù)精準(zhǔn)營銷技術(shù)，目前已經(jīng)在廣告、電商、視頻、閱讀等領(lǐng)域得到了廣泛的應(yīng)用。但是，通常的推薦系統(tǒng)往往存在推薦效率不高，重復(fù)推薦，過度推薦等問題。在大數(shù)據(jù)的場景下，我們結(jié)合地理位置分析和場景識別技術(shù)，對推薦系統(tǒng)進(jìn)行了優(yōu)化。

大數(shù)據(jù)交互式可視化技術(shù)

數(shù)據(jù)可視化不僅僅是大數(shù)據(jù)分析結(jié)果的直觀展現(xiàn)，更重要的是一種分析數(shù)據(jù)關(guān)聯(lián)性的方法和手段。通過交互式數(shù)據(jù)可視化的方法，可以從不同的角度去分析數(shù)據(jù)，并直接得到結(jié)果。交互式可視化在技術(shù)上最大的難點(diǎn)在于針對大規(guī)模數(shù)據(jù)進(jìn)行可視化操作的時(shí)候性能優(yōu)化。例如基于地理的可視化數(shù)據(jù)分析，需要在不同的放大尺度下對數(shù)據(jù)進(jìn)行實(shí)時(shí)的歸并和關(guān)聯(lián)性計(jì)算。圖5是通過地理位置和人群信息模型進(jìn)行交互式可視化，實(shí)現(xiàn)人口遷徙分析的案例。

中國電信大數(shù)據(jù)的探索與實(shí)踐

通過在互聯(lián)網(wǎng)+的大數(shù)據(jù)關(guān)鍵技術(shù)突破，燈塔大數(shù)據(jù)團(tuán)隊(duì)構(gòu)建了面向互聯(lián)網(wǎng)+的行業(yè)大數(shù)據(jù)平臺。

在燈塔平臺的基礎(chǔ)之上，打造了一套完整的5+1+1大數(shù)據(jù)產(chǎn)品體系，即5個(gè)直客產(chǎn)品方向、1個(gè)流量入口、1個(gè)能力平臺。中國電信面向行業(yè)垂直領(lǐng)域直接客戶，結(jié)合燈塔平臺的能力，開發(fā)5類細(xì)分產(chǎn)品并逐步商用，并且根據(jù)融合數(shù)據(jù)、整合深度標(biāo)簽、ID圖譜、GIS、爬蟲、行業(yè)字典等平臺能力，面向行業(yè)和政府提供技術(shù)解決方案。

互聯(lián)網(wǎng)+的提出與發(fā)展為作為基礎(chǔ)設(shè)施的大數(shù)據(jù)帶來了新的發(fā)展契機(jī)，是傳統(tǒng)行業(yè)與互聯(lián)網(wǎng)融合的一種有效的手段；運(yùn)營商發(fā)展大數(shù)據(jù)應(yīng)用已經(jīng)成為一種趨勢，然而數(shù)據(jù)處理的障礙使得尋求技術(shù)創(chuàng)新與轉(zhuǎn)型成為必然；中國電信“燈塔”大數(shù)據(jù)行業(yè)應(yīng)用平臺力圖打造大數(shù)據(jù)行業(yè)應(yīng)用生態(tài)圈，加速產(chǎn)業(yè)升級和商業(yè)模式創(chuàng)新，提供零售研究、消費(fèi)者研究、店鋪選址、精準(zhǔn)營銷、泛義征信，背景調(diào)查等服務(wù)，通過技術(shù)創(chuàng)新和應(yīng)用創(chuàng)新共同驅(qū)動，分析利用互聯(lián)網(wǎng)中的大數(shù)據(jù)，使世界更加扁平化，同時(shí)也為自身轉(zhuǎn)型走出了一條創(chuàng)新之路。