張 濤，程新洲，徐樂西，高 潔，曹麗娟（中國聯(lián)通網(wǎng)絡(luò)技術(shù)研究院，北京 100048）

0 前言

5G 網(wǎng)絡(luò)商用牌照的發(fā)放，標(biāo)志著我國正式進(jìn)入5G 商用元年，5G 產(chǎn)業(yè)鏈在牌照頒發(fā)后也得到了迅猛發(fā)展。信通院公開數(shù)據(jù)顯示，截至2020 年2 月初，三大運營商共在全國開通5G基站約15.6萬個，網(wǎng)絡(luò)建設(shè)順利推進(jìn)。同時在5G終端的發(fā)展上，截至2020年2月初，我國已有43 款5G 手機(jī)終端入網(wǎng)，手機(jī)價格下探至3 000 元區(qū)間，大大降低了用戶的5G 準(zhǔn)入門檻。另外從5G 應(yīng)用的角度來說，5G 的高帶寬、高速率、低時延及海量高可靠連接的特性將驅(qū)動更多新應(yīng)用場景及新業(yè)務(wù)的產(chǎn)生?？傮w上來說，5G 網(wǎng)絡(luò)的到來，將真正實現(xiàn)人與人、人與物、物與物的互聯(lián)互通，創(chuàng)造萬物互聯(lián)的新時代。

運營商在萬物互聯(lián)新時代將迎來黃金發(fā)展機(jī)會，物聯(lián)網(wǎng)終端的海量接入以及由此產(chǎn)生的海量數(shù)據(jù)，將為運營商物聯(lián)網(wǎng)發(fā)展“連接+數(shù)據(jù)服務(wù)”創(chuàng)造巨大市場機(jī)會。據(jù)IoT Analytics 咨詢機(jī)構(gòu)預(yù)測，運營商物聯(lián)網(wǎng)連接數(shù)呈指數(shù)級增長，預(yù)計2021 年全球的物聯(lián)網(wǎng)連接數(shù)將超過人聯(lián)網(wǎng)連接數(shù)。所以對于運營商來說，人口紅利結(jié)束后，在5G時代將迎來海量物聯(lián)網(wǎng)終端接入的紅利時代，未來的業(yè)務(wù)增長點也聚焦于具有巨大市場空間的產(chǎn)業(yè)互聯(lián)網(wǎng)2B 市場。5G 將成為各行業(yè)數(shù)字化轉(zhuǎn)型的重要引擎，越來越多的傳統(tǒng)企業(yè)將會把他們的產(chǎn)品、服務(wù)接入互聯(lián)網(wǎng)，由此會產(chǎn)生海量的行業(yè)異構(gòu)數(shù)據(jù)，這就為運營商探索5G物聯(lián)網(wǎng)大數(shù)據(jù)運營提供豐厚的土壤環(huán)境。

對于中國聯(lián)通來說，在5G為萬物互聯(lián)提供連接服務(wù)的基礎(chǔ)上，更大的價值在于海量數(shù)據(jù)的運營，在于隱藏在海量數(shù)據(jù)金礦中大量具備行業(yè)屬性的終端行為。因此在5G物聯(lián)網(wǎng)大數(shù)據(jù)呈現(xiàn)井噴式爆發(fā)之前，亟需建立起5G物聯(lián)網(wǎng)大數(shù)據(jù)的分析方法體系，探索如何更好地分析、挖掘5G物聯(lián)網(wǎng)大數(shù)據(jù)來為各垂直行業(yè)更好地服務(wù)，從而全面提升5G物聯(lián)網(wǎng)大數(shù)據(jù)的應(yīng)用價值。

1 5G物聯(lián)網(wǎng)大數(shù)據(jù)的機(jī)遇與挑戰(zhàn)

與2G、3G、4G 網(wǎng)絡(luò)的服務(wù)主體為人聯(lián)網(wǎng)不同，5G將開啟萬物互聯(lián)、萬物智聯(lián)的新時代，服務(wù)對象也將變?yōu)橐晕锫?lián)網(wǎng)為主體。圖1 描述了中國聯(lián)通2G/3G/4G連接數(shù)前10 的省份截至2019 年9 月份的物聯(lián)網(wǎng)和人聯(lián)網(wǎng)連接數(shù)的對比統(tǒng)計情況，可以看到在當(dāng)前階段各個省份人聯(lián)網(wǎng)連接數(shù)占據(jù)絕對主體，連接數(shù)占比都在95%以上。而在一份IoT Analytics 的咨詢報告中顯示，隨著5G 產(chǎn)業(yè)鏈的逐漸成熟，預(yù)計2021 年物聯(lián)網(wǎng)連接數(shù)將超過人聯(lián)網(wǎng)連接數(shù)（見圖2）。因此在未來5G時代，5G 物聯(lián)網(wǎng)大數(shù)據(jù)將呈現(xiàn)出很多新的特征和特點，也給運營商帶來了很多新的機(jī)遇與挑戰(zhàn)。

圖1 中國聯(lián)通人聯(lián)網(wǎng)和物聯(lián)網(wǎng)連接數(shù)對比

圖2 全球人聯(lián)網(wǎng)和物聯(lián)網(wǎng)連接數(shù)預(yù)測

首先，5G 網(wǎng)絡(luò)中海量設(shè)備的接入以及更快的傳輸速率，將帶來數(shù)據(jù)量的急劇增長。海量數(shù)據(jù)為運營商帶來更大價值金礦的同時，也給運營商存儲、傳輸、處理、挖掘海量數(shù)據(jù)帶來了更大的代價和成本。所以運營商需要在5G物聯(lián)網(wǎng)數(shù)據(jù)全面爆發(fā)前，對當(dāng)前的大數(shù)據(jù)平臺處理架構(gòu)和流程進(jìn)行重塑和升級。

其次，萬物互聯(lián)的開啟，使得數(shù)據(jù)維度和種類會更加豐富，會產(chǎn)生很多諸如視頻、圖片等非結(jié)構(gòu)化數(shù)據(jù)；眾多行業(yè)數(shù)據(jù)的接入也會使得物聯(lián)網(wǎng)大數(shù)據(jù)的應(yīng)用場景更加豐富。圖3展示了中國聯(lián)通截至2019年8月份的物聯(lián)網(wǎng)連接數(shù)在各個行業(yè)的分布，其中連接數(shù)占比最多的為車聯(lián)網(wǎng)行業(yè)，達(dá)到64%；其次為運輸與物流行業(yè)，占比為11%；后面依次為消費電子（6%）、能源與公共事業(yè)（6%）、零售與商業(yè)（6%）等。面對眾多垂直行業(yè)，而且行業(yè)間業(yè)務(wù)多樣化、差別大，場景碎片化更加嚴(yán)重，物聯(lián)網(wǎng)行業(yè)解決方案難以形成規(guī)模效應(yīng)。同時運營商也迎來了巨大的機(jī)遇，在掌握各行業(yè)大數(shù)據(jù)后，可以借此機(jī)會進(jìn)入垂直行業(yè)領(lǐng)域，推動各行各業(yè)的數(shù)字化轉(zhuǎn)型升級，開辟新的利潤增長點；然而運營商的短板在于缺乏大量的垂直行業(yè)的專業(yè)知識和專家人才。運營商可以通過與行業(yè)客戶進(jìn)行深入合作，也可以通過自行儲備培養(yǎng)垂直行業(yè)人才來補(bǔ)齊短板。圖4從市場成熟度以及市場空間2個維度展示了各垂直行業(yè)的吸引力，運營商物聯(lián)網(wǎng)大數(shù)據(jù)可在技術(shù)相對成熟、經(jīng)濟(jì)價值大的行業(yè)優(yōu)先發(fā)力，如車聯(lián)網(wǎng)行業(yè)、工業(yè)互聯(lián)網(wǎng)行業(yè)等典型行業(yè)優(yōu)先入局，后面隨著時間的推移，為更多垂直行業(yè)賦能，將物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、人工智能等技術(shù)與行業(yè)設(shè)計、生產(chǎn)、管理、服務(wù)等各個環(huán)節(jié)進(jìn)行深度融合，在更多行業(yè)凸顯5G物聯(lián)網(wǎng)大數(shù)據(jù)價值。

圖3 中國聯(lián)通物聯(lián)網(wǎng)行業(yè)連接數(shù)占比

圖4 運營商物聯(lián)網(wǎng)重點突破典型行業(yè)

再次，物聯(lián)網(wǎng)管道的業(yè)務(wù)識別會更加困難，物聯(lián)網(wǎng)針對不同行業(yè)的應(yīng)用層協(xié)議沒有形成統(tǒng)一的標(biāo)準(zhǔn)，每個行業(yè)、甚至每個企業(yè)都使用不同的協(xié)議標(biāo)準(zhǔn)。物聯(lián)網(wǎng)常用的應(yīng)用層協(xié)議包括MQTT 協(xié)議、CoAP 協(xié)議、HTTP 協(xié)議等，從當(dāng)前物聯(lián)網(wǎng)應(yīng)用發(fā)展趨勢來分析，MQTT 協(xié)議具有一定的優(yōu)勢。物聯(lián)網(wǎng)業(yè)務(wù)眾多的應(yīng)用層協(xié)議，對于運營商通過DPI 深度包解析來對流經(jīng)管道的物聯(lián)網(wǎng)業(yè)務(wù)數(shù)據(jù)流進(jìn)行流量應(yīng)用識別提出了巨大挑戰(zhàn)。

2 5G物聯(lián)網(wǎng)大數(shù)據(jù)平臺架構(gòu)演進(jìn)

5G 時代，隨著大數(shù)據(jù)急劇增長、數(shù)據(jù)維度和數(shù)據(jù)類型越來越多樣化，對于大數(shù)據(jù)平臺的要求會進(jìn)一步提升，對于數(shù)據(jù)存儲效率、數(shù)據(jù)ETL、計算算力、實時計算引擎、數(shù)據(jù)批處理引擎等提出更高的要求。傳統(tǒng)的單一計算中心平臺將難以有效應(yīng)對如此復(fù)雜、多樣、海量的數(shù)據(jù)采集、清洗、處理和挖掘帶來的挑戰(zhàn)。對于中國聯(lián)通來說，4G 時代全國數(shù)據(jù)單點集中，這種數(shù)據(jù)全集中的方式在5G 海量數(shù)據(jù)時代將未必是最優(yōu)的解決方案，海量數(shù)據(jù)的集中存儲、計算和挖掘?qū)砭薮蟮挠布顿Y，分析處理的效率會大大降低，同時也會面臨數(shù)據(jù)單點故障的巨大安全隱患。此外在今后服務(wù)眾多垂直行業(yè)客戶時，單點集中的方式不利于滿足不同行業(yè)客戶個性化的需求和業(yè)務(wù)應(yīng)用場景，如車聯(lián)網(wǎng)場景（對時延要求較高）和AR/VR 場景（對業(yè)務(wù)速率和時延要求都較高）對平臺的計算能力和響應(yīng)速度的要求都是不同的。因此，在本文中，探討了如何提前重塑當(dāng)前的大數(shù)據(jù)平臺架構(gòu)，同時對于物聯(lián)網(wǎng)大數(shù)據(jù)處理的流程進(jìn)行了重新梳理。

5G時代的物聯(lián)網(wǎng)大數(shù)據(jù)平臺架構(gòu)將向中心+邊緣協(xié)同計算的方向演進(jìn)。邊緣計算將作為物聯(lián)網(wǎng)大數(shù)據(jù)平臺的“神經(jīng)末梢”，旨在將一定規(guī)模的數(shù)據(jù)分析功能下沉到更靠近應(yīng)用的地方，從而提升響應(yīng)速度，避免所有數(shù)據(jù)都上傳到中心平臺側(cè)，給中心平臺造成巨大的壓力；而中心平臺作為物聯(lián)網(wǎng)大數(shù)據(jù)平臺的“大腦”，會將邊緣計算的結(jié)果回傳到中心平臺匯總統(tǒng)一整理，同時對于邊緣計算無法處理的數(shù)據(jù)、算法、模型等進(jìn)行處理、分析之后，再下發(fā)到邊緣節(jié)點，此外中心平臺也負(fù)責(zé)對邊緣大數(shù)據(jù)平臺節(jié)點的管理以及算法升級等工作。中心平臺和邊緣節(jié)點之間的協(xié)同工作模式，就成為5G物聯(lián)網(wǎng)大數(shù)據(jù)的主流數(shù)據(jù)處理模式，二者只有緊密協(xié)同才能更好地滿足各種需求場景的匹配。

圖5 展示了5G 時代物聯(lián)網(wǎng)大數(shù)據(jù)處理的基本流程。物聯(lián)網(wǎng)行業(yè)終端產(chǎn)生海量數(shù)據(jù)并傳輸?shù)诫x自己更近的邊緣大數(shù)據(jù)節(jié)點，邊緣大數(shù)據(jù)節(jié)點會根據(jù)業(yè)務(wù)場景的需求進(jìn)行實時、短周期的局部數(shù)據(jù)統(tǒng)計挖掘分析，并將結(jié)果反饋到物聯(lián)網(wǎng)行業(yè)終端，從而快速響應(yīng)需求；而對于全局?jǐn)?shù)據(jù)進(jìn)行加工處理的需求，邊緣大數(shù)據(jù)節(jié)點會與中心大數(shù)據(jù)節(jié)點進(jìn)行交互，提供經(jīng)過加工分析后的高價值數(shù)據(jù)，相當(dāng)于為中心大數(shù)據(jù)節(jié)點做了數(shù)據(jù)的預(yù)處理服務(wù)，一方面極大地節(jié)省了網(wǎng)絡(luò)帶寬資源，另一方面降低了中心節(jié)點的計算壓力。當(dāng)中心大數(shù)據(jù)節(jié)點通過對全局?jǐn)?shù)據(jù)的挖掘處理后，再將結(jié)果通過邊緣計算節(jié)點反饋到物聯(lián)網(wǎng)行業(yè)終端，從而完成物聯(lián)網(wǎng)大數(shù)據(jù)處理的閉環(huán)。

圖5 5G物聯(lián)網(wǎng)大數(shù)據(jù)處理流程示意圖

從5G物聯(lián)網(wǎng)對于大數(shù)據(jù)平臺的演進(jìn)要求來說，為了滿足不同場景下的業(yè)務(wù)需求，各級數(shù)據(jù)中心要向智能、彈性、自適應(yīng)、開放的分布式架構(gòu)演進(jìn)。要能夠提供大規(guī)模的彈性存儲容量與高效的計算能力支撐，平臺可以根據(jù)行業(yè)自適應(yīng)配置和使用不同的智能引擎，結(jié)合該行業(yè)領(lǐng)域的背景知識與數(shù)據(jù)建模，從海量數(shù)據(jù)中快速學(xué)習(xí)和提煉出高價值信息與策略。

3 5G物聯(lián)網(wǎng)大數(shù)據(jù)分析方法體系

在前5G 時代，運營商大數(shù)據(jù)以人聯(lián)網(wǎng)為主體，積累形成的人聯(lián)網(wǎng)大數(shù)據(jù)分析方法體系在5G 物聯(lián)網(wǎng)大數(shù)據(jù)時代不再適用。因此，本文旨在建立5G物聯(lián)網(wǎng)大數(shù)據(jù)的分析方法體系，探索如何更好地分析、挖掘5G物聯(lián)網(wǎng)大數(shù)據(jù)來為各垂直行業(yè)賦能。

3.1 5G物聯(lián)網(wǎng)大數(shù)據(jù)分析流程

5G 物聯(lián)網(wǎng)將服務(wù)于千行百業(yè)，而行業(yè)間的業(yè)務(wù)多樣化、差別大，各行各業(yè)物聯(lián)網(wǎng)的不同業(yè)務(wù)場景，將會呈現(xiàn)出不同的規(guī)律和特點，所以對于物聯(lián)網(wǎng)大數(shù)據(jù)分析，需要針對于不同行業(yè)來分別進(jìn)行處理。圖6 給出了對于5G物聯(lián)網(wǎng)大數(shù)據(jù)的簡要分析流程。

圖6 5G物聯(lián)網(wǎng)大數(shù)據(jù)分析流程

對于5G物聯(lián)網(wǎng)大數(shù)據(jù)分析，最重要的是建立典型行業(yè)數(shù)據(jù)識別特征庫，實現(xiàn)行業(yè)數(shù)據(jù)識別，這是開展后續(xù)處理、挖掘分析工作的基礎(chǔ)。本文中提出可以通過屬性標(biāo)識、DPI 協(xié)議特征識別或者AI 智能算法3 種方法來實現(xiàn)行業(yè)數(shù)據(jù)識別。

第一種方法是通過行業(yè)屬性信息去識別，類似于人聯(lián)網(wǎng)的實名認(rèn)證。行業(yè)企業(yè)在入網(wǎng)時，運營商會根據(jù)其行業(yè)類別為該企業(yè)的所有物聯(lián)網(wǎng)SIM 卡分配一個行業(yè)標(biāo)識。對于采集到的O 側(cè)物聯(lián)網(wǎng)數(shù)據(jù)，可以根據(jù)IMSI或者M(jìn)SISDN 與物聯(lián)網(wǎng)的用戶管理平臺中的數(shù)據(jù)進(jìn)行關(guān)聯(lián)，從而得到該物聯(lián)網(wǎng)卡的行業(yè)類別。

第二種方法是通過DPI 深度包解析技術(shù)，對物聯(lián)網(wǎng)原始碼流進(jìn)行識別，通過積累形成的IP 規(guī)則庫、端口規(guī)則庫、傳輸層&應(yīng)用層解析規(guī)則庫等，對物聯(lián)網(wǎng)數(shù)據(jù)的業(yè)務(wù)內(nèi)容進(jìn)行識別，企業(yè)信息進(jìn)行提取等從而識別出行業(yè)類別。

第三種方法是通過人工智能AI 算法來進(jìn)行行業(yè)識別。物聯(lián)網(wǎng)在不同行業(yè)的業(yè)務(wù)場景下的業(yè)務(wù)特征會存在顯著差別，如車聯(lián)網(wǎng)行業(yè)物聯(lián)網(wǎng)卡的終端類別、傳輸時延、速率、流量、傳輸周期、是否高速移動等指標(biāo)特征，與工業(yè)互聯(lián)網(wǎng)中相同的指標(biāo)會呈現(xiàn)出截然不同的規(guī)律和特點?？梢愿鶕?jù)對于不同行業(yè)數(shù)據(jù)的觀察和積累，形成不同行業(yè)的指標(biāo)特征庫，對于采集到的物聯(lián)網(wǎng)數(shù)據(jù)可以通過聚類或者分類的AI 算法來進(jìn)行行業(yè)的智能分類和識別。

完成行業(yè)數(shù)據(jù)分類后，可以根據(jù)行業(yè)類別形成基于不同行業(yè)種類的物聯(lián)網(wǎng)行業(yè)大數(shù)據(jù)庫，如可形成物聯(lián)網(wǎng)能源大數(shù)據(jù)庫、物聯(lián)網(wǎng)車聯(lián)網(wǎng)大數(shù)據(jù)庫、物聯(lián)網(wǎng)智慧醫(yī)療大數(shù)據(jù)庫、物聯(lián)網(wǎng)智慧交通大數(shù)據(jù)庫等，從而可以針對不同垂直行業(yè)進(jìn)行深度探索和研究，形成滿足于該行業(yè)需求的物聯(lián)網(wǎng)大數(shù)據(jù)上層應(yīng)用及產(chǎn)品。

3.2 5G物聯(lián)網(wǎng)大數(shù)據(jù)分析方法體系

類比4G 人聯(lián)網(wǎng)大數(shù)據(jù)分類，5G 物聯(lián)網(wǎng)大數(shù)據(jù)總體上也可以分為2 類，網(wǎng)絡(luò)側(cè)OSS 域數(shù)據(jù)以及行業(yè)屬性BSS側(cè)數(shù)據(jù)。網(wǎng)絡(luò)側(cè)OSS 域數(shù)據(jù)重點關(guān)注通過各接口掛表采集合成得到的業(yè)務(wù)行為數(shù)據(jù)，行業(yè)屬性BSS側(cè)數(shù)據(jù)則重點記錄了企業(yè)標(biāo)識、開戶地、營賬數(shù)據(jù)及行業(yè)屬性等信息?；贠SS 側(cè)和BSS側(cè)的物聯(lián)網(wǎng)大數(shù)據(jù)聯(lián)合分析，可以從行業(yè)、業(yè)務(wù)、網(wǎng)絡(luò)和模組等不同視角，實現(xiàn)物聯(lián)網(wǎng)大數(shù)據(jù)的多維度關(guān)聯(lián)分析，切實對運營商物聯(lián)網(wǎng)內(nèi)外部業(yè)務(wù)進(jìn)行支撐，對內(nèi)輔助決策，降本增效；對外探索如何為垂直行業(yè)更好地服務(wù)，創(chuàng)新合作提升物聯(lián)網(wǎng)大數(shù)據(jù)應(yīng)用價值，增加營收。

圖7 給出了5G 物聯(lián)網(wǎng)大數(shù)據(jù)分析方法體系的總體框架。整個分析方法體系建立在對物聯(lián)網(wǎng)全域數(shù)據(jù)的收集，并將B 側(cè)數(shù)據(jù)與O 側(cè)數(shù)據(jù)打通，從而將行業(yè)靜態(tài)數(shù)據(jù)與動態(tài)數(shù)據(jù)進(jìn)行關(guān)聯(lián)，完成底層數(shù)據(jù)關(guān)聯(lián)層構(gòu)建。然后基于B+O 打通構(gòu)建的關(guān)聯(lián)層數(shù)據(jù)，根據(jù)典型行業(yè)數(shù)據(jù)識別特征庫，構(gòu)建行業(yè)、企業(yè)數(shù)據(jù)庫，并根據(jù)不同行業(yè)進(jìn)行標(biāo)簽化數(shù)據(jù)加工處理，為上層的關(guān)聯(lián)分析打好基礎(chǔ)。以上這2步為整個分析方法體系的基礎(chǔ)工作，決定了上層專題分析和綜合應(yīng)用的準(zhǔn)確度。

圖7 5G物聯(lián)網(wǎng)大數(shù)據(jù)分析方法體系總體框架

關(guān)聯(lián)分析為整個分析方法體系的核心，主要思路是從網(wǎng)絡(luò)、業(yè)務(wù)、行業(yè)、模組等多個維度對各垂直行業(yè)進(jìn)行專題分析，從而可以對不同垂直行業(yè)進(jìn)行全面分析，更有利于全面掌握各垂直行業(yè)網(wǎng)絡(luò)運行狀況、業(yè)務(wù)行為特征，發(fā)掘各垂直行業(yè)潛在需求。為滿足上層百花齊放的業(yè)務(wù)應(yīng)用需求，專題分析的數(shù)據(jù)分析與模型要分層構(gòu)建，第一層要分行業(yè)構(gòu)建多維寬表匯總數(shù)據(jù)及公共指標(biāo)匯總數(shù)據(jù)，提升公共指標(biāo)的復(fù)用性，減少重復(fù)的加工，通過對一些公共指標(biāo)進(jìn)行抽取，構(gòu)建行業(yè)場景化應(yīng)用標(biāo)簽庫；第二層基于公共數(shù)據(jù)中心構(gòu)建行業(yè)個性化的統(tǒng)計指標(biāo)數(shù)據(jù)中心，直接為上層應(yīng)用提供數(shù)據(jù)服務(wù)。這里指出關(guān)聯(lián)分析內(nèi)容的設(shè)定并不局限于圖7 中所包含的分析模塊，可以根據(jù)行業(yè)類別和上層業(yè)務(wù)需求來進(jìn)行定制化的開發(fā)。分析模塊間的配合就像搭積木，不同模塊間的組合可以滿足特定的上層綜合應(yīng)用需求。如對消費電子類物聯(lián)網(wǎng)企業(yè)，為了助力其進(jìn)行市場營銷，可以對企業(yè)畫像、企業(yè)分布、人物互聯(lián)等模塊進(jìn)行聯(lián)合分析，得到該類消費電子產(chǎn)品的潛在用戶以及潛在群體的消費能力，并對有消費能力的群體進(jìn)行產(chǎn)品定向推廣。再如對車聯(lián)網(wǎng)企業(yè)，為了助力其對客戶提供更優(yōu)質(zhì)的服務(wù)，可以對行為軌跡、業(yè)務(wù)行為等模塊進(jìn)行聯(lián)合分析，為客戶下班后的目的地進(jìn)行預(yù)判并推薦避堵線路。

最上層為業(yè)務(wù)應(yīng)用層，物聯(lián)網(wǎng)時代業(yè)務(wù)應(yīng)用層最大的變化為需求靈活多變，業(yè)務(wù)百花齊放，這就為整個數(shù)據(jù)底層的物聯(lián)網(wǎng)大數(shù)據(jù)分析方法體系構(gòu)建提出了更高的要求，也為大數(shù)據(jù)平臺的可拓展性、敏捷性、輕量化，并注重與前臺的交互能力提出了更高的要求?？傊?，整個物聯(lián)網(wǎng)大數(shù)據(jù)分析方法體系的構(gòu)建是需要經(jīng)歷業(yè)務(wù)閉環(huán)不斷去完善，不斷去驗證和優(yōu)化的過程，從而逐漸支撐越來越多的物聯(lián)網(wǎng)行業(yè)業(yè)務(wù)應(yīng)用。

4 總結(jié)

5G 的快速發(fā)展將支撐物聯(lián)網(wǎng)在各行業(yè)迅速落地應(yīng)用，物聯(lián)網(wǎng)也將成為5G最重要的應(yīng)用場景。海量的連接和多樣化的應(yīng)用將給運營商帶來海量的物聯(lián)網(wǎng)大數(shù)據(jù)，也會帶來新的利潤增長點。本文即在這種背景下，提出了一種面向5G 物聯(lián)網(wǎng)大數(shù)據(jù)的分析方法體系，探索如何更好地分析、挖掘5G 物聯(lián)網(wǎng)大數(shù)據(jù)來為各垂直行業(yè)更好地服務(wù)，從而全面提升5G物聯(lián)網(wǎng)大數(shù)據(jù)的應(yīng)用價值。該分析體系將有助于運營商全面掌握各垂直行業(yè)網(wǎng)絡(luò)運行狀況、業(yè)務(wù)行為特征，發(fā)掘各垂直行業(yè)潛在需求，從而助力運營商不僅成為網(wǎng)絡(luò)連接的提供者，也成為垂直行業(yè)市場的參與者和整合者。