通信行為分析的大數據處理策略的研究

楊婧瑋

內容摘要 隨著互聯網技術的深度發展，物聯網及大數據技術隨著“互聯網+”的理念已經逐漸蔓延在人們生活的方方面面?？梢岳么髷祿夹g，將用戶的通信行為進行識別和分析，將用戶的行為習慣及變化規律進行研究，并針對性地滿足用戶的需求。文章對用戶行為進行大數據技術層次的研究，有利于更好地掌握用戶需求的變化趨勢。

關鍵字 通信行為分析 大數據處理策略 用戶需求

1 引言

當前，移動端設備已經成為人們生活的基本需求，隨著“互聯網+”概念的興起，我國網民群體的規模變得越來越大，運營商需要對用戶通信行為進行分析，并進行相應改革。為了減少在傳統電信行業中對用戶行為發掘過程的不穩定性及資源浪費，可以利用當下物聯網大數據技術，對日益增長、數據龐大的用戶進行行為習慣及需求的深度挖掘，以對用戶展開個性化的服務。

2 大數據相關概念及相關技術簡介

2.1 大數據概述

計算機互聯網技術發展至今，已經擁有了海量的用戶，越來越多的領域都依托于互聯網技術而發展，這也導致了互聯網擁有著海量的數據。這些數據中包含著各類價值，是一種虛擬資源，就如同石油和煤礦對人類的作用，對這些海量數據的開采也將為人類世界帶來前所未有的便利和價值，為此大數據技術應運而生[1]。大數據技術將龐大且復雜的數據流進行挖掘和分析，并對這些數據中的規律進行深層探索，發掘出有效、準確、多樣的用戶信息。

2.2 大數據技術用戶分析系統平臺

大數據需要依托處理平臺來進行數據處理，在用戶通信分析上，可以使用Hadoop分布式系統。該系統自出現到現在十余年中經過不斷地改進和完善，已經擁有了強大的功能，具有強大的生態，各級組件或者系統分工明確。Hadoop系統在開發方面并不需要按部就班地將底層細節進行大規模的投入研發，而是可以直接簡化開發過程，先模塊化底層細節，研究人員就可以將精力投入在上層開發上，大大提高了開發效率[2]。同時，在傳統的分布式開發過程中由于容量龐大導致在數據運行方面發生存儲器失效、網絡連接中斷、數據丟失等問題，而Hadoop系統則可以將一份數據存儲在多個地方，稱為“復制因子”，減小了故障發生率。Hadoop系統也可以通過疊加設備、擴展集群的方式提高系統的運算及存儲性能，非常方便。

2.3 Hadoop平臺的構成

Hadoop平臺的構成較為復雜，具有資源管理系統、分布式文件系統、數據儲藏系統、分布式列存數據庫、分布式協作服務、數據同步工具等多系統或組件，其中最為關鍵的兩個部分是分布式文件系統（HDFS）和分布式計算框架（MapReduce）。Hadoop框架最基礎的就是HDFS，簡單來說就是一類將平臺所有文件進行存儲的一類結構。而在數據的處理過程中則是依靠MapReduce來進行，該引擎是將map函數和reduce函數共同對由main函數輸入的數據進行轉換和縮小，最后通過main函數將處理之后的文件輸出。其他的結構或者系統都各自在HDFS和MapReduce的基礎上運行[3]。

3 對客戶行為的分析要點

3.1 掌握客戶的群體構成

不同階層、年齡、性別、職業的客戶之間有著不同的行為習慣和能力。例如，在消費方面，學生對書籍、文具等類型的商品購買率較高，而消費水平通常并不是很高，但是收入水平較高的高管就會對職場中對自己有利的商品或者辦公用具有著較高水平的消費和購買率。所以，掌握用戶群體有利于分析和判斷他們在各方面的行為習慣，同時給予他們更智能便捷的服務。

3.2 記錄顧客的使用地

商家通過對用戶所在地進行法律要求范圍內的定位，一般情況下會利用GPS或者基站等方式。定位功能主要在于當移動端使用者遇到了緊急情況但是卻無法說清自己所處的位置的時候，方便援救者及時進行救援采取措施，另外，在用戶的移動設備丟失之后，可以通過定位功能來找到設備所在位置。定位功能將分配信號的問題大大簡化，實現了信號資源的合理分配。

3.3 描述用戶使用習慣

用戶在客戶端訪問互聯網時，需要知道用戶對某軟件或應用的使用率，通過用戶對某應用的使用習慣獲取用戶的愛好，或者根據用戶訪問互聯網的時間段、地點等信息分析出用戶的出入場所、愛好，根據這些分析推出一定的服務措施。例如，用戶喜歡出入某書城或者圖書館，就可以針對此為該客戶推薦書籍應用和小說服務。

4 基于大數據的用戶行為分析探究

4.1 通信用戶分析的大數據系統功能要求

在大數據分析平臺上，采集收納大量數據之后，平臺系統要從IP、端口等方面將用戶的通信行為進行統計，并且要能夠還原及重組TCP、UDP等協議，并且平臺需要有應對大量數據的能力，因為用戶信息量大，實時產生的數據非常多，且類型復雜、結構不明確，所以要有快速處理能力。最后則是對用戶通信行為的查找、統計和分析，將用戶使用的網絡協議、互聯網使用的側重點進行統計并分析其規律和習慣，對目標用戶的通信行為信息進行查找，這樣方便從用戶的行為中理順其網絡關系。

4.2 大數據處理系統的框架

用戶通信行為分析系統，就是將用戶使用互聯網所產生的流量信息進行探針式采集并分析，利用分析結果對用戶對互聯網的使用情況進行采集和監控。在其對數據的操作過程中，一般使用TCP/IP協議分析、Hadoop技術等手段，通過可視化系統呈現數據。

4.3 大數據處理系統的結構

首先要對數據進行高效地采集，可以利用各類服務反饋、服務情況等信息，建立高效的數據采集系統。采集數據之后，要經過互聯網協議分析才可以進行真正的數據分析，因為互聯網中存在很多交互協議，所以要進行解構重組和分析，建立TCP/IP的分析系統。當對互聯網協議的分析結束后就可以建立篩選系統，將值得利用的信息進行分組，如使用手機的高峰段、用戶瀏覽率較高的網站等，并將這些有用的信息存儲在寄存器中，同時將這些數據進行統計，建立數據庫系統。最后一項系統也是最為重要的系統，即數據分析報表系統，該系統可以將數據庫中的信息分析并篩選，在用戶的IP、賬號、流量使用時間段方面將業務方面的流量和歷史數據進行檢測和檢查，可以將現階段的用戶愛好和網絡熱點進行排序，提供報表。

4.4 可視化平臺建設

可視化平臺的建立是為了將用戶的流量和位置趨勢和軌跡進行直觀的表達。在用戶位置方面，為了可以更好地將用戶的愛好和習慣進行精準的描繪，可視化平臺將會根據用戶的位置、時間點等數據，繪制出軌跡圖，利用軌跡圖可以更加方便地進行服務決策。例如，某健身應用在客戶使用中將會發起詢問位置的請求，然后就會調用其后臺地圖來記錄用戶鍛煉或者跑步的路徑。在用戶的流量方面，利用大數據平臺分析后將會利用可視化平臺進行用戶流量使用時的數據變化，繪制出與時間相關的趨勢圖，以及業務方面的流量使用情況圖。一般情況下，對于流量的可視化可分為每日流量散點圖、每小時流量環形圖、月流量使用走勢圖，以方便分析用戶的業務喜好。

5 結語

在此對大數據技術平臺及大數據在分析用戶通信行為方面進行了相關闡述。在移動互聯網的快速發展中，為了應對不斷增長的用戶量及流量所帶來的龐大數據，將結構復雜、類型多樣、內容豐富的信息進行有效的分析處理，解決當下用戶的實際需求，方便網絡更好地提出服務措施，大數據技術系統將會被廣泛地應用于對用戶通信行為的分析中。隨著大數據技術的進一步深入使用，人們的生活將會步入更加智能的時代，用戶在大數據技術中將受益無窮。

【參考文獻】

[1]于澤川.基于大數據的用戶精準定位與行為分析[D].北京：北京郵電大學，2019.

[2]肖朔晨.基于多源數據的移動通信用戶行為識別及個性化推薦研究[D].北京：北京郵電大學，2018.

[3]馬冬旸.通信行為分析的大數據處理策略的研究[D].長春：吉林大學，2017.