大數據/數據濃縮
該圖顯示了過去的筒倉結構，其中每個系統都生成XDR、 計數器、日誌以及其他類型的信息，這些信息存儲在許多不同的位置、格式和DB中。
信息只能通過專門設計的軟件進行關聯，而原始數據通 常無法被客戶訪問。
每一份新報告請求都會產生效益和成本。 結果就導致， 沒有辦法使用很多有用的信息，並且經常有數據重疊。 這產生了額外的成本。
大數據不僅僅是一個流行詞。這種方法爲客戶帶來了真正的優勢。通常情況是許多數據源提供給一個大數據存儲系統。該系統是一個文檔存儲系統，可以處理大量非結構化數據。
•一個數據存儲區，可存儲
所有類型的數據
•一個報告工具
•一站式數據保護
•一個託管基礎架構
http://bigdata-madesimple.com/11-interesting-big-data-case-studies-in-telecom/
大數據-MNO的寶藏
- Facebook和Google的唯一資產就是他們的數據
- 作爲MNO，您正坐在一塊巨大的寶藏上，網絡每秒都會處理一次數據
- 您可以在內部使用數據或將數據轉售給第三方來收穫財富
- Cubro可以幫助您從數據中獲利
- Cubro可以幫助您將監視系統從OPEX墳墓切換爲搖錢樹
地理位置數據的用法：
市場行銷:
該數據通常可用於分析客戶行爲；這些數據的用途是無限的。以下是一些示例：
客戶在一個位置停留多長時間
客戶加入特定位置的頻率。
客戶用來到達某個地點的運輸介質是哪種。
利用此信息，可以優化資源的可用性。 （公共交通、停車場的更多員工，優化價格等）
安全性:
藉助數據安全性，可以在很早的階段就可以檢測到威脅，因爲可以看到有多少人正朝某個地方移動，如果這是一種不尋常的行爲，則法律和執法部門可以更快地做出反應。當他們撥打緊急電話或處於災難性情況時，請查找人員。
事件:
分析大事件中的客戶動向，以避免恐慌和倉促情況。
交通：
藉助此數據，可以通過更改交通信號燈配置來自動進行交通轉向。
大數據集成移動網絡
當前的XDR（數據擴展記錄）
用戶服務流記錄字段
數據中心大數據集成流監控
多個100 Gbit流量監控解決方案的示例
每個探針可以支持啓用DPI分析的60 Gbit流量，和不進行DPI分析 的120 Gbit流量
典型應用數據的豐富
用於移動網絡中的地理定位應用程序
要求是生成基於用戶的、高質量的實時地理位置數據，以便從該數據中爲MNO產生收入。
挑戰：實時、所有連接的用戶、優於單元ID
- 實時意味着需要大量處理能力
- 所有用戶意味着每秒必須處理大量信息
- 更好的位置單元ID意味着從UTRAN接口或eNodeB的CDR獲取數據
- IMSI重新填充率優於95％（Cubro達到97-98％）的所有核心接口的實時相關性
- 核心和UTRAN CDR的近實時關聯來組合用戶
- 信息：終端模型、帶有單元ID的IMSI、天線矢量
- 從eNodeB接收HF功率以計算出準確的位置。
挑戰：實時意味着需要大量處理能力
即使在較小的網絡中，每秒也有數十萬個事件。必須捕獲、解密、實時分析來自所有核心接口（S1MME、S11、S6A、S3、S10）的所有這些事件，以便每個XDR達到較高的IMSI重新填充率
挑戰：更好的定位單元ID意味着要從UTRAN接口獲取數據，或從eNodeB獲取CDR。
要獲得此信息，有兩個選項 - 點擊X2接口或從eNodeB獲取信息。
困難在於，來自eNodeB的CDR沒有獲得完成任務所需的全部信息。
第三相關階段是在Apache Kafka集羣中完成的。然後將所得數據存儲在hadoop集羣中以進行進一步處理。
真正的挑戰是XDR的質量，只有在對所有接口進行實時解碼的情況下，才能在此類應用中產生有用的結果，而IMSI重新填充率必須大於95％。
該項目的投資回報率爲1年。 大數據可能是MNO的寶藏。Cubro可以提供幫助！