梅振宇

【摘 要】隨著計算機(jī)信息技術(shù)的不斷發(fā)展，在其中衍生出來多個方面的應(yīng)用，其中大數(shù)據(jù)分析以及構(gòu)建大數(shù)據(jù)服務(wù)模型已然成為當(dāng)前企業(yè)發(fā)展最熱門的話題之一，而數(shù)據(jù)融合問題對于企業(yè)未來的發(fā)展有著較為嚴(yán)重的影響。在這個信息量巨大的社會中，電信領(lǐng)域有著巨大的挑戰(zhàn)。本文旨在借助分析目前電信領(lǐng)域用戶消費(fèi)習(xí)慣，結(jié)合大數(shù)據(jù)現(xiàn)階段的大環(huán)境構(gòu)建一個全新的用戶服務(wù)模型，在Hadoop模型的幫助下完成大數(shù)據(jù)處理框架，最后實(shí)現(xiàn)電信領(lǐng)域數(shù)據(jù)融合。

【關(guān)鍵詞】大數(shù)據(jù)；數(shù)據(jù)融合；服務(wù)模型；Hadoop模型

在互聯(lián)網(wǎng)技術(shù)火熱發(fā)展的今天，大數(shù)據(jù)呈爆發(fā)式的增長，數(shù)據(jù)已經(jīng)成為一種新的資源，為這個快速發(fā)展的社會提供著巨大的價值，也為創(chuàng)新驅(qū)動，萬眾創(chuàng)新的時代主題提供推動力。尤其在電信領(lǐng)域大數(shù)據(jù)有著巨大的潛在價值，但其面對的挑戰(zhàn)也非常大且問題類型很多，如在該領(lǐng)域下怎樣完成用戶服務(wù)模型的搭建，如何實(shí)現(xiàn)所有數(shù)據(jù)的有效融合等。

一、電信領(lǐng)域用戶消費(fèi)特征與用戶服務(wù)模型構(gòu)建

眾所周知，企業(yè)想要設(shè)計一款符合大眾消費(fèi)者的產(chǎn)品，必須要抓住消費(fèi)者普遍的消費(fèi)心理以及消費(fèi)特征。同樣的電信企業(yè)也應(yīng)該牢記，新信息時代下消費(fèi)群眾常有的習(xí)慣，而后可以結(jié)合大數(shù)據(jù)完成全新的用戶服務(wù)模型的構(gòu)建。所以整個電信服務(wù)系統(tǒng)中應(yīng)該具備了消費(fèi)群眾的個人基本信息，可以根據(jù)不同的消費(fèi)用戶制定出符合他們特色的消費(fèi)產(chǎn)品。同時記錄的數(shù)據(jù)中還應(yīng)該包括了用戶每日流量使用情況、通話時長以及短信和通話的比例關(guān)系，種種數(shù)據(jù)也能大體的了解電信用戶的消費(fèi)習(xí)慣。

在所有的電信領(lǐng)域消費(fèi)群眾中，可以根據(jù)消費(fèi)群眾個人消費(fèi)特征的不同構(gòu)建出特有的服務(wù)模型，本系統(tǒng)對于用戶的特征數(shù)據(jù)進(jìn)行數(shù)據(jù)集的處理。比如數(shù)據(jù)集的總和是所有注冊過的電信用戶，可以用U={u1，u2，…，uN}來表示；同樣電信用戶的自然特征數(shù)據(jù)應(yīng)該包括了消費(fèi)群眾的基本的個人信息（性別、年齡、收入水平以及日常生活地區(qū)等），同樣也可以用數(shù)據(jù)集A={a1，a2，…，an}來代替，圖中的其他特征數(shù)據(jù)信息同樣可以構(gòu)建數(shù)據(jù)集的形式，影響力特征對應(yīng)的數(shù)據(jù)集為B={b1，b2，…，bn}；生活軌跡、電信特征、品牌特征、文化特征對應(yīng)的數(shù)據(jù)集依次為C、D、E、F。但是在構(gòu)建這些特征數(shù)據(jù)集之間又存在交叉重合的子集，根據(jù)不同用戶交叉子集的比例權(quán)重就可以看出兩個消費(fèi)用戶具有的情景相似情況，就能做出針對性的消費(fèi)產(chǎn)品。

二、Hdoop模型的大數(shù)據(jù)處理框架及數(shù)據(jù)融合策略

電信企業(yè)需要使用的數(shù)據(jù)主要包括了企業(yè)內(nèi)部數(shù)據(jù)以及用戶的外部數(shù)據(jù)。內(nèi)部數(shù)據(jù)又可以分為系統(tǒng)下電信用戶個人信息數(shù)據(jù)、消費(fèi)特征以及消費(fèi)習(xí)慣以及電信企業(yè)具有的業(yè)務(wù)信息數(shù)據(jù)等；外部數(shù)據(jù)主要包括了用戶在使用電信產(chǎn)品時利用到的電子產(chǎn)品（手機(jī)、電腦以及平板電腦等）以及各種各樣的網(wǎng)絡(luò)社交平臺。所以整個數(shù)據(jù)量非常龐大，如果采用以前的數(shù)據(jù)采樣形式，需要進(jìn)行許多不必要的工作，導(dǎo)致數(shù)據(jù)的精準(zhǔn)度有待商榷，電信服務(wù)模型在性能上也無法滿足目前消費(fèi)用戶的要求。為了改善這方面的不足，使用的數(shù)據(jù)存取為層次分布的方法。在Hadoop模型的幫助下，搭建出一個更有效、可完成層次計算的系統(tǒng)基礎(chǔ)架構(gòu)，最后還可以兼顧電信領(lǐng)域數(shù)據(jù)特點(diǎn)，完成了Hadoop模型的大數(shù)據(jù)處理框架。

1.數(shù)據(jù)采集層

數(shù)據(jù)采集層主要完成的任務(wù)是實(shí)現(xiàn)各個不同系統(tǒng)實(shí)現(xiàn)傳輸協(xié)議，并在此基礎(chǔ)下記錄電信用戶在不同數(shù)據(jù)源中獲得API的數(shù)據(jù)信息。上圖可以看出電信用戶主要在網(wǎng)上營業(yè)廳以及掌上營業(yè)廳完成電信產(chǎn)品的消費(fèi)，電信企業(yè)可以借助HTTP記錄下用戶使用的IP地址以及訪問記錄；其他的內(nèi)部系統(tǒng)一般需要向外來用戶提供專門的API，系統(tǒng)就可以借助這些專門的API獲得用戶使用電信產(chǎn)品的數(shù)據(jù)信息；現(xiàn)代化常用的社交平臺同樣也添加了開放性的API從而可以有效的獲得電信用戶數(shù)據(jù)情況；互聯(lián)網(wǎng)則有自身特有的網(wǎng)關(guān)采集能夠及時的記錄電信用戶的數(shù)據(jù)。

2.數(shù)據(jù)存儲層

數(shù)據(jù)存儲層主要將采集層收集到的數(shù)據(jù)信息進(jìn)行專門的歸類，最后整理有序?qū)⑵浯娴秸麄€模型的層次性數(shù)據(jù)庫中。數(shù)據(jù)庫主要包括了牽引庫以及特征庫；兩者分工明確，根據(jù)收集數(shù)據(jù)的信息不同，將內(nèi)部系統(tǒng)采集到用戶數(shù)據(jù)集中分布在特征庫中，最后可以將收集數(shù)據(jù)進(jìn)行專門的數(shù)據(jù)分析以及整合工作，形成有效的特征庫以及牽引庫，有利于電信企業(yè)制定針對性的消費(fèi)產(chǎn)品，實(shí)現(xiàn)更便利的業(yè)務(wù)服務(wù)模型的構(gòu)建，該層還附帶者將系統(tǒng)收集到的數(shù)據(jù)存儲到其他文件系統(tǒng)中。

3.文件存儲層

文件存儲層相比于數(shù)據(jù)存儲層，最主要的區(qū)別是文件存儲層是在HDFS的基礎(chǔ)下，并且該層下面有三個不同的節(jié)點(diǎn)協(xié)同工作完成文件存儲的工作，即存儲控制（namenode）、數(shù)據(jù)存儲（datanode）以及集群監(jiān)控節(jié)點(diǎn)。namenode作為HDFS的管理者，負(fù)責(zé)完成不同系統(tǒng)的文件的命名工作，是三個節(jié)點(diǎn)中最為重要的，還需要在它的幫助下完成文件系統(tǒng)的維護(hù)工作。

三、結(jié)語

大數(shù)據(jù)時代下，數(shù)據(jù)帶來了價值的同時，也給電信企業(yè)帶來無限的商機(jī)。所以怎樣利用好大數(shù)據(jù)這個平臺，成為電信企業(yè)發(fā)展的關(guān)鍵所在。掌握好電信用戶的消費(fèi)習(xí)慣以及消費(fèi)特征，有針對性的設(shè)計出符合大眾用戶的產(chǎn)品。必須用戶內(nèi)部環(huán)境以及網(wǎng)絡(luò)平臺外部環(huán)境兩方面進(jìn)行，完成電信領(lǐng)域數(shù)據(jù)融合。

【參考文獻(xiàn)】

[1]王笑宇，程良倫. 云計算下的多源信息資源云體系及云服務(wù)模型研究[J]. 計算機(jī)應(yīng)用研究，2014，31（03）：784-788.

[2]高永梅，琚春華，鮑福光. 基于大數(shù)據(jù)的電信領(lǐng)域用戶服務(wù)模型與數(shù)據(jù)融合策略研究[J]. 電信科學(xué)，2014，30（07）：62-69.

[3]張春麗. 基于數(shù)字圖書館關(guān)聯(lián)數(shù)據(jù)的用戶服務(wù)模型與協(xié)同信息推薦模型研究[J]. 圖書館理論與實(shí)踐，2017（07）：89-92.

[4]姜強(qiáng)，趙蔚，王朋嬌，王麗萍. 基于大數(shù)據(jù)的個性化自適應(yīng)在線學(xué)習(xí)分析模型及實(shí)現(xiàn)[J]. 中國電化教育，2015（01）：85-92.

[5]鄧仲華，劉偉偉，陸穎雋. 基于云計算的大數(shù)據(jù)挖掘內(nèi)涵及解決方案研究[J]. 情報理論與實(shí)踐，2015，38（07）：103-108.