通信行业基于大数据的精确化服务应用研究

潘洋

【摘要】 随着社会的发展，信息化的发展引领时代进入一个全新的时代--大数据时代，成为发展共识。数据是一种重要的资源，是企业发展的根基，是企业提升竞争力的根本。对此，笔者就通信行业在大数据的精准化服务应用，进行简要分析，并且提出相应方法。

【关键词】 通信行业 大数据 精准化服务 应用研究

随着移动网络的高速发展，带动了通信行业的进步，为了更好的满足用户要求，通信行业有必要打破传统营销方法，制定创新型的方法，从用户的实际需求入手。现阶段，移动用户逐年增加，其需求也就越来越多，而通信企业想要满足不同的用户需求，需要不断的提升自身服务能力，才能实现长久发展。

一、通信行业基于大数据的精确化服务应用方法

大数据时代下，通讯企业需要对用户进行市场精细化分析、总结，进而制定出有效的营销方法。分析、总结主要是对用户的消费情况、行为导向等进行探究，进而掌握用户要求；在进行市场精细化分析过程中，能够确保用户信息的隐秘性、保密性，通过信息的挖掘开发潜在客户资源；另一方面，通讯企业也要审视自身行业地位，确定发展目标，为通信企业设计精准化的营销方法提供保障。制定市场营销程序过程中，需要尊重用户的主体地位，对营销方法进行动态管理。

二、大数据精确化服务模型构建

大数据模型用户精准类模型。在数据背景下搜集用户数据信息，按照通信用户的需求建立模型，例如：网络、流量、投诉等信息，根据数据模型对不同的用户进行划分，同时匹配相应的服务类型、业务。分类法作为数据搜集中的常见方法，其关键在于数据目标特点，分类方法包含：贝叶斯方法、决策树方法；根据分类规则，对数据项进行划分。聚类法主要是基于同组数据下，根据相同特征数据进行不同划分，进而将同组数据中的共同性尽量增大，差异性数据共性尽量减小。聚类方法包含：K--means均值法、系统聚类。无论是分类，还是聚类，他们的共同特点都是对数据的划分，但也具有较大不同性。分类方法是一种监督性的学习，简而言之，数据的不同是已知的，将已知数据进行分类、学习，进而找到其存在的差异性，而后将没有分类的数据进行划分；聚类方法相对于分类方法，具有一定的自由性，是在一种无监督下的学习，无需进行数据学习。1、回归分析。该种分析方主要是确定变量相互依存的定量关系，是一种同类分析方法，其中包含：数据顺序的预测、有关关系、数据发展趋势特点研究等。根据模型自变量，利用回归方法将其划分为多种回归分析、一元回归分析；根据自变量、因变量的联系，也可以将其分为非线性、线性回归分析。2、神经网络。神经网络方法是一种模仿人脑信息处理机制的网络系统，它是基于现代神经生物学理论下产生的，由数据搜集--准备--提取--应用--预评等组成。这种方法不仅具有计算功能，同时还能进行知识的处理、学习等，是一种导师型的学习方法，能够模仿较为繁琐的数据输入、输出。

三、大数据精准化服务应用效果分析

第一，通信行业内应用效果；如果从通信商家角度而言，根据服务对象，大数据应用包含：内应用、外应用两种。其中，内应用主要包含：内部经营研究、网络优化、客户服务，比如：根据用户得爱好与特点，将不同的客户进行登记划分，进而增加用户转化率，增加存量用户。以联通某城市的B侧、O侧数据显示，构成潜在离网用户预测、4G潜在用户与应用效果，相对传统计算方法的效果提升（如图1）。

第二，目前，运营商会根据大數据时代发展特点，制定有效的营销模式，并且进行全面推广应用在不同领域中，根据用户的不同与网络结构，将自身产品属性规划至相应用户中，进行推广，进而挖掘潜在黄金用户，同时与保险、汽车等有关商家合作，展开营销服务，提升客户转化率，节省运营支出。电信企业通过有效的沟通交流，与用户构建良好的合作关系，主动吸取用户的合理建议，使企业服务更人性化、提升服务质量，满足用户。

结语：总而言之，随着大数据时代的到来，为通信行业提供了前提保障，推动了通信行业的发展，使通信行业服务更为人性化、个性化，能够更好的满足用户要求，不断推出不同的产品类型，扩大用户的满意度。笔者分别从：通信行业中大数据优势、通信行业基于大数据的精确化服务应用方法、由泛在式服务转向精准聚类服务类型，三方面进行分析，希望对通信行业数据精确化服务应用有所帮助。

参 考 文 献

[1]张延彬.基于移动通信行业的大数据服务研究[J].电信工程技术与标准化，2016（02）.

[2]崔传桢.助力“互联网+”行动：解读北信源的信息网络安全——基于“互联网+”行动背景下的北信源信息安全及战略布局[J].信息安全研究，2016（03）.

[3]金紫阳.大数据在移动通信网络中的应用及发展策略研究[J].中国新通信，2016（10）.