近年，在移动互联网日益蓬勃的背景下，国内电信运营商传统的语音、短信业务日渐萎缩，ARPU值下降，量收剪刀差突出等已成既定事实。逐渐“被管道化”的运营商，如何在新时代突围？

在新环境下，部分运营商开始着手利用Big Data技术，补充现有IT系统，提升客户体验，同时实现精细化流量经营，利用数据创收。目前，电信行业重点的大数据应用主要包括清单查询、客户行为分析、日志分析、流量分析等。

清单查询系统：开源Hadoop难胜任

当前运营商现有清单查询系统大多采用传统架构，支持5+1个月或者11+1个月的详单查询，可以查询到N天后的最新话单。然而传统架构却存在一系列问题。在容量方面，数据增长过快（n×100亿条，n×TB数据），应用紧耦合，不能平滑的横向扩展，导致查询响应时间长，查询成功率保障不足，系统部署过于集中，主机资源竞争严重。同时传统模式建设与扩展成本高，除此之外，在安全、可靠、管理方面，传统架构系统高可用保障能力不足。

为了解决上述问题，运营商迫切希望应用Big Data技术。开源Hadoop技术的高扩展性，接近100%的性能线性扩展比正越来越受到业界青睐。然而对于运营商，其除了数据密集型的M-R型，还需支持更多的计算场景；需要多负载支持，一个集群上支持多种不同类型应用；需要智能的作业调度能力，支持抢占、独占、共享等各种调度策略，保证服务等级SLA；需要数据生命周期管理，包括备份、快照；需支持短任务，低延迟（任务延迟<1毫秒 ）等，而这些能力是开源Hadoop方案难以支撑的。

据了解，福建电信基于3台IBM PowerLinux服务器7R1，采用IBM的Symphony + GPFS-FPO+ HBase的企业级大数据解决方案，以满足清单查询的业务需求。在其清单加载场景中，加载了一个月的清单数据，约29.9亿条，共700GB，而该系统以每秒72.7Mbit/s，30万条数据记录的结果展现了优势。

用户行为分析：挖掘数据资产

海量且稳定的客户群体，可持续的数据源，用户每一条上网话单中包含的重要信息，正是电信运营商在大数据时代的重要资产。而借用大数据技术，运营商可以通过判定用户的使用习惯实现精准的定向营销、制定符合用户习惯的资费政策，通过预判用户的兴趣爱好提供有针对性的网络便利性服务，比如精准广告、应用推送。

据悉，在北京信合运通科技有限公司与北京电信联合打造的大数据和分析项目——互联网行为标签系统中，已建立独立的DPI流量即席查询功能，并可以开展针对性的内容与应用推荐营销。

该系统采用四层应用架构。在接口层，互联网行为标签系统抽取白名单用户号码，并从DPI采集用户移动互联网上网日志信息；数据库层，保存同步的用户移动互联网上网日志、保存并更新URL库、APP库、分类库，以及互联网行为标签结果数据；应用层，实现对用户移动互联网行为标签分析过程、智能机搜索匹配分析过程、专题分析的网址匹配分析过程，并将分析结果标识，同时应用层实现对地址库的定期更新；输出层，互联网行为标签系统将互联网行为标签、智能机搜索标签、专题分析的地址匹配标签统计并输出到ODS等应用系统。