大数据思想在运营商维护工作中的应用

摘要近年来，大数据的概念横空出世，在世界的任一角落，大家纷纷提及大数据的话题。一个大规模生产、分享以及在各方面使用数据的模式正在形成。可以说大数据带给了我们一次思维上的革命，同时改变了我们以往工作的方式，本文就大数据思想在通信运营商的维护工作中的应用一例做一简单分析。

【关键词】大数据 运营商 维护 应用

知识爆炸的年代，我们接触到的数据和信息越来越多，互联网络是如此巨大，我们一眨眼都能被数量巨大的的数据所淹没。人们获取信息变得越来越容易，所以反而导致我们面对海量的数据无从下手，在这个背景之下，催生了一种针对庞大数据进行分析和加工，寻找数据中所蕴藏的巨大价值的工作、思维方法，即本文中所指的“大数据”的思维方法。

在普通人的理解上，诸如“大”、“全”、“所有”字样，都会带来巨大的存储或分析的挑战。其实“大数据”并不完全由其字面意义所代表，名称中的“大”并不是代表绝对意义上的数量大，而是指完整，包容万象，一网打尽所涉及的所有资料和详细信息。举个简单的例子，我们可以通过一个人的上网记录，分析出这个网民的喜好、日常生活的规律等等信息。一名网友一星期之内的上网记录数据，可能只有数千条到几万条不等，相对规模而言，仅EXECL工具都可以用来分析，因此大数据并不是指绝对意义上的数量巨大。

我们无时无刻不在接触数据，但是在以前，我们由于技术手段的限制，往往忽视了这些数据当中所蕴藏的巨大的价值，

笔者是一名通信运营商的维护工作人员，在以往的维护工作中，通过参加各种培训或者自学，每个人都能够掌握一定的知识和技巧，并尽可能地把它应用到自己的工作中。自从接触了大数据的思想之后，发现自己的工作面前出现了一个全新的领域，或者说为笔者做好运维工作提出了更多的可能性。下面简单谈一个运用大数据的思想，优化和改造网络故障的处理流程，提高维护的有效性的案例。

我们以用户电话的来电显示故障处理为例（文中岗位及数据均取自真实生产环境）。在这一案例中采用的处理预案如表1所示。

这个流程的设计之初是典型的电信思维，从技术人员的角度出发，依靠技术人员的经验所设计。在之前很长的一段时间之内，这个流程都能够正常地运作。

如今电信集团公司提出“去电信化”的口号，所有的一切工作从用户的角度出发去思考。从上述例子来说，如何减少故障的处理时长，提高用户的感知度呢？如果从传统的思路着手，一定是统计每个环节的平均处理时长，看看哪一项用的时间最多，然后再针对该项进行优化，缩短整个故障处理的历时。但是一项流程能运作这么长时间，本身已经是千锤百炼，想用传统的方法来实现提升是非常困难的。如今接触到了大数据思维方法，我们可以换一个方向，从另一个角度来将这整个流程做一次优化。

1 统计分析

首先，在故障受理的系统中对一段时期之内的此类别全部工单进行全面的统计分析，如表2所示。

2 结果

通过上述分析，我们获得以下分析结果：

（1）该项业务出现故障的问题点并不是平均出现。

（2）故障出现的频次概率高低，并不是和原有处理步骤相匹配。

3 修订公话的故障处理流程为如下步骤

（1）智能公话平台查看状态数据，如果是“未查询”则改为“已查询”；智能公话平台对公话用户进行复位操作；如果是GPON用户，则在ITMS平台上进行下载数图操作；

（2）回复外线：“请外线检查用户是否恢复，如果未恢复请更换端口和话机测试”；

（3）如果外线回复仍然不可以，则派一站式工单给维护交换岗专业部门协助处理。

从上述新的流程来看，我们并不关心每个环节内部的操作如何优化及归并缩减，仅在全面掌握某段时间内的所有故障案例数据的基础上，简单地将故障出现的频次按照从高到低重新排列，并分别对应这些故障频次安排故障处理流程环节，完全不涉及高深的技术理论知识，却能在后期的工作处理过程中发挥出意想不到的作用。

从结果上分析，重新设计流程前后，对故障处理的平均历时从实施前的560分钟缩短为95分钟，故障单在各岗位环节间的平均流转次数从实施前的4次缩短为3次。减少了社区经理去用户侧处理问题的次数，整个优化调整工作取得了显著的成效。

大数据的思想在这个例子中带给我们的启发有如下几点：

（1）全面掌握某一事物的所有数据。本例中汇总了某段时间内的全部800多个故障案例开展统计分析，而不是以往的针对抽样的案例进行详细的分析。

（2）简单地处理大量的数据比精确地处理少量数据更有效率。本例中并没有运用复杂的统计或处理的手段，而是直奔目标主题，即如何缩短故障处理的时间，让用户对我们的服务感知得到提升。

（3）把我们的思维从传统的因果关系中解脱出来，开始更多地考虑事物的相关关系。本例中并没有研究为何某个环节要耗时这么多，有没有能够缩短该环节的处理时间的可能，而是直接分析环节与环节之间的顺序和衔接关系，通过重新的排列组合来实现我们预期的目的。

大数据能帮助我们更好地进行已有的工作，并处理全新的事务，但他也并不是魔术棒，有着自己的自已的特征和缺陷。比如我们对于数据的一些局限性必须给予高度的重视，数据的质量可能会很差、可能不够客观、可能存在分析错误或具有误导性。它需要我们重新讨论决策，它标志着信息社会终于名副其实。

参考文献

[1]英国维克托•迈尔-舍恩伯格 (Viktor Mayer-Schnberger),肯尼思•库克耶 (Kenneth Cukier), 盛杨燕, 周涛译.大数据时代―生活、工作与思维的大变革[M]. 浙江人民出版社,2013(1).

[2]英国维克托•舍恩伯格（Viktor Schnberger）,袁杰译.delete 删除―大数据取舍之道,浙江人民出版社, 2013(1).

作者单位

台州电信公司浙江省台州市318000