中兴通讯UniCare助力运营商运维转型

中兴通讯 | 杨毅 毕舒

中兴通讯UniCare助力运营商运维转型

中兴通讯 | 杨毅 毕舒

UniCare解决方案基于用户感知体系评估，聚焦各种典型场景，可通过分析找出影响用户感知的故障原因，端到端发现问题、定位问题并解决问题，提升各项业务质量和用户感知。

LTE以比预期更快的速度控制了移动互联网的通道。2014年，移动数据业务及互联网业务占电信业务收入的比重从上年的17%提高至23.5%，移动宽带用户在移动用户中的渗透率达到45.3%，比上一年提高12.6个百分点。

从上述数据可以看出，数据业务用户在爆发式增长，数据业务已迅速代替语音业务成为运营商收入主要来源。为了迎接数据业务冲击带来的挑战，从2012年开始，越来越多的运营商开始从以网络为中心的运维向以用户体验为中心的运维转型。转型过程分为如下两个核心阶段。

第一阶段：用户体验评价体系搭建

目前，业界对用户体验评价体系搭建方法的认识比较一致，主要通过在网络的各接口部署探针和分析工具，采集原始数据，再通过DPI识别业务以及抽取表征业务质量的关键字段，再针对业务和字段进行计算形成单用户、单业务的业务质量指标。

从各运营商试验点的运作效果来看，虽然方法一致，但是各项目用户体验评价的准确性差别很大，差别主要体现在以下几个方面。

1、网络覆盖体验缺失。主要体现在手机终端显示的信号格，如果信号格不满，用户则认为这个网络不好。目前这类体验没有纳入评价体系。

2、业务接入体验不足。主要体现在接入是否成功以及接入时长，接入是否成功包含无线侧的接入，核心网接入，业务接入。目前大多数项目只考虑了业务接入阶段。

3、业务使用体验不深。主要体现在使用过程中的各种问题，如网页打不开或打开慢、视频卡顿、下载速率慢等。目前大多数项目业务识别能力欠缺，比如超过10%的流量没有被有效识别，导致部分用户体验无法评价。或者已经识别的网页浏览业务没有细化到例如网易新闻APP，凤凰新闻APP等应用，更没有细化具体的头条新闻、体育新闻等子网页识别，导致用户体验评价太粗。还有一些核心的业务和应用的指标提取和算法不准确，如视频卡顿等，导致用户体验评价不准。

第二阶段：用户体验端到端优化提升

用户体验评价体系这个基础夯实以后，运营商便可以通过用户体验评价体系的指标值来快速发现VVIP/VIP/VAP/漫游等用户组维度和区域维度用户体验的好与坏。当发现用户体验不好或者下降时，下一步要做的就是用户体验的端到端分析和提升。

端到端分析和提升分为三个阶段，分别为问题定界、定位、解决。

定界是指把用户体验下降的原因定界到网元和对应的部门，如终端原因由终端部门配合解决，如无线原因则提交到网优部门或者无线维护部门配合解决；定位是指各问题解决的责任门通过进一步的分析找出问题原因；解决问题显而易见，就是解决目前找出的问题，如通过网络优化解决覆盖、容量、干扰问题，通过网络扩容解决容量问题。还有类似PCC管控等差异化服务等来提升用户体验。

但是目前，用户体验端到端分析和提升还不太成熟，耗费大量的人力投入，但往往问题定界、定位的准确度还不够。

中兴通讯UniCare解决方案

中兴通讯UniCare解决方案基于用户感知体系评估，聚焦各种典型场景，可通过分析找出影响用户感知的故障原因，端到端发现问题、定位问题并解决问题，提升各项业务质量和用户感知。

更准确的用户体验评估体系

1、终端APP探针采集终端侧信令，以此补充网络侧获取不到的用户体验相关数据，如反向覆盖弱导致网络侧收不到终端发起的业务请求。准确度可提升1%～3%。

2、无线侧MR/CDT数据补充用户体验相关数据，如网络覆盖体验，无线RRC建立，RAB建立阶段体验。准确性可提升2%～3%。

3、深度DPI解析，可实现95%以上流量的业务解析，可细化到具体应用和用户旅程轨迹。如网页浏览类的网易新闻每一次页面打开。

4、深度体验指标，除浅层DNS成功率/时延、TCP握手成功率/时延、网页响应成功率/时延、下载速率等，还有深层的网页显示成功率和时延、视频卡顿次数等关键指标。

更智能的定界定位能力

1、端到端问题自动定界能力。UniCare解决方案的核心支撑工具ZXVMAX把大数据机器学习技术应用到电信领域，通过机器学习的聚类算法，实现了准确的用户体验问题自动定界，包括投入处理自动定界和业务质量问题自动定界，能把问题定界到问题小区、问题MME、问题XGW、问题SP、问题终端等。

2、无线问题自动定位能力。针对无线侧问题，通过MR/CDT数据，网络配置、参数配置等数据关联，通过规则库自动匹配算法，实现无线侧问题的自动定位，如自动定位到弱盖问题、过覆盖问题、容量问题、参数配置问题、网络故障等问题。

更强大的数据处理能力

UniCare解决方案核心支撑工具ZXVMAX基于中兴通讯大数据平台搭建，采用HADOOP、MPALA、SPARK等核心组件，通过集群分布部署数据存储、计算可以实现超大数据关联分析，同时可大范围提升数据分析和查询速度。