共享开放的运营商大数据平台架构研究

共享开放的运营商大数据平台架构研究

王晖  唐向京

当前电信运营商大数据业务模式和应用场景日趋清晰，对内对外大数据应用支撑要求搭建集约和开放共享的大数据平台。Hadoop生态系统的更新与扩展、混合计算模式与内存计算等技术发展为大数据平台建设提供了新的技术思路。文章通过分析运营商大数据建设面临的业务和技术新形势，提出近期运营商大数据平台建设向共享和开放能力平台的演进方向和核心要求，并从总体架构、技术架构等方面详细给出一种集约、融合、开放的运营商大数据平台架构设计方案及其工程实践案例。

共享开放的运营商大数据平台架构研究

时间： 2024-09-27 13:31:04

共享开放的运营商大数据平台架构研究的相关文章

中国移动钱岭：电信运营商大数据商务模式研究

[CSDN现场报道]2014年12月12-14日,由中国计算机学会(CCF)主办,CCF大数据专家委员会承办,中科院计算所与CSDN共同协办,以推进大数据科研.应用与产业发展为主旨的2014中国大数据技术大会(Big Data Technology Conference 2014,BDTC 2014)暨第二届CCF大数据学术会议在北京新云南皇冠假日酒店盛大开幕. 中国移动苏州研发中心大数据产品部总经理钱岭带来的演讲是"电信运营商大数据商务模式研究",通信管道是大数据的一个重要来源,钱岭

数介牵手亿阳，ALEIYE深入运营商大数据

文章讲的是数介牵手亿阳,ALEIYE深入运营商大数据,日前,北京数介与亿阳信通正式签署了<运营商大数据平台联合开发协议>.根据协议,双方将在平等互利.资源互补的原则基础上,依托Aleiye实时大数据分析引擎,联合开发统一数据管理平台,并共同完成该软件在运营商及其他行业的销售和渠道拓展. 随着国家大数据战略的发布和落实,三大运营商都在积极布局大数据战略.运营商掌握着最全面.最具价值的各类数据资源,然而这些数据在结构上存在差异,很难统一,形成许多"数据孤岛".以Aleiye引擎

PK BAT，运营商大数据其实更有价值

要谈起大数据,必然要提到BAT等互联网公司,它们在大数据领域是先发者,不过这也很正常,因为它本身是有数据基因的,其天然的在线性,其血液中流淌着BIT的血,并通过BIT的形式来售卖自己的产品和服务,它如果不提大数据,不提DT,反倒是不正常了,况且他的数据处理能力和应用成熟度也是领先的.但是,从对整个社会的价值角度讲,其数据也是很受局限的,而运营商的数据也许更有代表性和竞争力. 互联网大数据公司的劣势 先来说说BAT等互联网公司的大数据,其数据存在局部性.割裂性.封闭性和全面性等问题哦,当然这仅代表

宽带运营商大数据和机器学习支出将突破500亿美元

根据市场研究公司ABI Research发布的最新预测显示,由于进行数字服务供应商转型,2021年移动宽带运营商在大数据和机器学习的支出将超过500亿美元. 宽带运营商大数据和机器学习支出将突破500亿美元 责任编辑:editor004 作者:Oscar译 |  2016-10-12 10:40:52 本文摘自:OFweek光通讯网 根据市场研究公司ABI Research发布的最新预测显示,由于进行数字服务供应商转型,2021年移动宽带运营商在大数据和机器学习的支出将超过500亿美元. 电信网

发达国家运营商大数据发展情况

运营商发展大数据具有其他行业无可比拟的优势,主要 体现在: 一.运营商掌握数据全面充足.电信的领域之中,数以亿计的通信用户基数保证了数据的海量和多元性: 二.数据提供的可持续性.通信网络的时时存在为数据的持续和速度提供了保证: 三.运营商对数据可以有效利用.运营商可以通过对海量数据的有效分析,更加精准.更加高效地把握用户需求,为广大用户和社会各界提供他们需要的产品和服务. 大数据概念很热门,在互联网行业,Google公司起步最早,目前已经拥有庞大的数据搜集和分析系统,发展相对成熟:苹果. Fac

电信运营商大数据应用典型案例分析

电信运营商大数据应用典型案例分析 余飞 移动互联网时代,云计算.物联网.智能终端等新技术新应用不断涌现,移动互联网的迅猛发展给电信运营商带来流量收益的同时,也带来了新的机遇和挑战.文章结合大数据的技术现状以及电信运营商的数据特点,分析电信运营商大数据发展遇到的问题,探讨电信运营商应用大数据的策略,最后提出一种适合电信运营商的大数据平台架构和方案. 电信运营商大数据应用典型案例分析

电信运营商大数据应用研究和实践

电信运营商大数据应用研究和实践 中国移动研究院 --大数据发展概况 --运营商大数据处理的需求 --中国移动在大数据处理方面的研究和实践 --运营商对Hadoop发展的需求 电信运营商大数据应用研究和实践

为什么选择这样的大数据平台架构？

当前BAT基本公开了其大数据平台架构,从网上也能查询到一些资料,关于大数据平台的各类技术介绍也不少,但在那个机制.那个环境.那个人才.那个薪酬体系下,对于传统企业,可借鉴的东西也是有限的. 技术最终为业务服务,没必要一定要追求先进性,各个企业应根据自己的实际情况去选择自己的技术路径. 与传统的更多从技术的角度来看待大数据平台架构的方式不同,笔者这次,更多的从业务的视角来谈谈关于大数据架构的理解,即更多的会问为什么要采用这个架构,到底能给业务带来多大价值,实践的最终结果是什么. 它不一定具有通用性

大数据平台架构技术选型与场景运用

一.大数据平台 大数据在工作中的应用有三种: 与业务相关,比如用户画像.风险控制等; 与决策相关,数据科学的领域,了解统计学.算法,这是数据科学家的范畴; 与工程相关,如何实施.如何实现.解决什么业务问题,这是数据工程师的工作. 数据工程师在业务和数据科学家之间搭建起实践的桥梁.本文要分享的大数据平台架构技术选型及场景运用偏向于工程方面. 如图所示,大数据平台第一个要素就是数据源,我们要处理的数据源往往是在业务系统上,数据分析的时候可能不会直接对业务的数据源进行处理,而是先经过数据采集.数据存储