1

概述

隨著5G及人工智能時(shí)代的到來，通信行業(yè)的競爭也越發(fā)激烈，各大運(yùn)營商都希望能在每個(gè)業(yè)務(wù)中為客戶提供優(yōu)質(zhì)的服務(wù)，提升用戶滿意度，保留更多的用戶，其中就包含固網(wǎng)業(yè)務(wù)。人工智能技術(shù)同5G技術(shù)一樣剛剛登上歷史舞臺，都處于“嬰兒期”，日后也都會(huì)茁壯成長，本文討論人工智能算法模型今后在通信運(yùn)營商實(shí)際生產(chǎn)環(huán)境中對固網(wǎng)業(yè)務(wù)用戶保留維系的應(yīng)用及存在的問題。

當(dāng)前，各個(gè)領(lǐng)域都開始向更智能化、通信更快的方向前進(jìn)，比如美國Google、特斯拉等企業(yè)開始研發(fā)的無人駕駛汽車，中國阿里巴巴、京東等電商使用的精準(zhǔn)營銷系統(tǒng)，這些都是通過人工智能深度學(xué)習(xí)及機(jī)器學(xué)習(xí)算法加上快速的通信網(wǎng)絡(luò)融合而成的新技術(shù)。對于通信行業(yè)，5G與人工智能技術(shù)同樣和這個(gè)領(lǐng)域摩擦碰撞出了火花，例如智能化的故障排查檢測、智慧城市等一系列項(xiàng)目。在眾多的5G、人工智能技術(shù)與通信行業(yè)融合的項(xiàng)目中，智能化運(yùn)營維護(hù)就是一個(gè)非常有應(yīng)用前景，并且是實(shí)實(shí)在在產(chǎn)生經(jīng)濟(jì)效益的方向，通過人工智能算法達(dá)成的智能化運(yùn)維將會(huì)大大提升通信運(yùn)營商的運(yùn)行效率，減少之前非智能化時(shí)代的不必要開支。

從通信運(yùn)營商角度出發(fā)，如果可以預(yù)知用戶行為，例如固網(wǎng)業(yè)務(wù)行為、手機(jī)離網(wǎng)、換機(jī)等，并且有針對性地得知用戶產(chǎn)生一系列行為的主要原因是什么，然后，對用戶進(jìn)行有針對性的維系挽留，有目標(biāo)性的故障問題解決，那么，對于通信運(yùn)營商來說，這一個(gè)運(yùn)行系統(tǒng)將會(huì)為其保留更多的用戶，帶來更多的經(jīng)濟(jì)效益。從用戶角度出發(fā)，如果通信運(yùn)營商可以提早有針對性地幫助其解決使用通信產(chǎn)品時(shí)的問題，讓其產(chǎn)品體驗(yàn)感更加舒適的話，對用戶來說也是一個(gè)福音，也愿意繼續(xù)使用原本的產(chǎn)品服務(wù)。

上述的這些智能運(yùn)維系統(tǒng)設(shè)想，都可以通過人工智能算法來實(shí)現(xiàn)，預(yù)知用戶行為，并采取有目標(biāo)的高效運(yùn)維。本文以固網(wǎng)存量保障業(yè)務(wù)為例，闡述人工智能算法與通信運(yùn)營相互合作的應(yīng)用過程及后續(xù)智能化發(fā)展還需解決的問題。

固網(wǎng)業(yè)務(wù)行為預(yù)測的智能化運(yùn)維實(shí)施主要分為2個(gè)部分，第1部分為用戶離網(wǎng)行為的預(yù)測，該部分將使用深度學(xué)習(xí)領(lǐng)域的人工神經(jīng)網(wǎng)絡(luò)算法，最終給出用戶離網(wǎng)的概率，例如一個(gè)用戶的離網(wǎng)概率為 78.5%。在建立神經(jīng)網(wǎng)絡(luò)的過程中會(huì)遇到的數(shù)據(jù)清洗、變量篩選都會(huì)在下文中詳細(xì)說明。第2部分為影響用戶固網(wǎng)業(yè)務(wù)離網(wǎng)行為變量的重要度排名，比如，對某一用戶離網(wǎng)行為影響較大的前 3個(gè)變量為 MOS告警數(shù)、用戶上行帶寬、費(fèi)用。這些變量的重要度排名將會(huì)給營銷維系人員一個(gè)參考，讓他們有針對性地對用戶進(jìn)行挽留。該部分使用機(jī)器學(xué)習(xí)中決策樹分支的隨機(jī)森林算法。

圖1示出的是固網(wǎng)用戶離網(wǎng)預(yù)測算法。

▲ 圖1 固網(wǎng)用戶離網(wǎng)預(yù)測算法

在建立模型的過程中將會(huì)選取 O 側(cè)指標(biāo)、B 側(cè)指標(biāo)、故障信息、投訴信息、附屬業(yè)務(wù)、用戶家庭圈等數(shù)據(jù)。模型算法建立的過程中依舊存在許多問題，例如數(shù)據(jù)庫的復(fù)雜程度、原始數(shù)據(jù)庫的填充錯(cuò)誤以及設(shè)計(jì)人工智能算法的工作人員對通信類數(shù)據(jù)不了解等問題，這些問題都會(huì)影響最后智能化運(yùn)維的效果，具體細(xì)節(jié)將在下文中討論。

圖2示出的是固網(wǎng)用戶離網(wǎng)預(yù)測模型。

▲圖2 固網(wǎng)用戶離網(wǎng)預(yù)測模型

根據(jù)前期階段的實(shí)驗(yàn)結(jié)果、人工智能算法可以幫助提高通信運(yùn)營商進(jìn)行智能化運(yùn)維，提高運(yùn)維效率。

2

深度學(xué)習(xí)算法模型研究

2.1 深度學(xué)習(xí)應(yīng)用設(shè)計(jì)概述

在通信行業(yè)進(jìn)行人工智能化運(yùn)維的改造主要包含幾個(gè)方面。

第1，設(shè)計(jì)人工智能算法，仔細(xì)依照業(yè)務(wù)實(shí)際情況來設(shè)計(jì)，要深入了解通信業(yè)務(wù)的過程及最終目標(biāo)。

第2，進(jìn)行有效的數(shù)據(jù)選取，清洗整理建模所需要的數(shù)據(jù)，根據(jù)原始數(shù)據(jù)生成新的字段變量。

第3，將生成驗(yàn)證完成的模型進(jìn)行自動(dòng)化運(yùn)行，這一過程包含建模數(shù)據(jù)庫的定時(shí)自動(dòng)生成以及模型的定時(shí)自動(dòng)調(diào)取數(shù)據(jù)、更新輸出。

以固網(wǎng)業(yè)務(wù)離網(wǎng)行為預(yù)測為例，該項(xiàng)目的目標(biāo)是幫助運(yùn)營商有針對性地挽留維系固網(wǎng)業(yè)務(wù)用戶，主要由2個(gè)部分組成。

第1，由模型算法給出用戶的離網(wǎng)概率。

第2，給出對用戶離網(wǎng)行為影響較大的幾個(gè)變量排名，方便一線運(yùn)維人員有目標(biāo)性地與用戶進(jìn)行交流。

2.2 人工神經(jīng)網(wǎng)絡(luò)算法

在固網(wǎng)業(yè)務(wù)離網(wǎng)行為預(yù)測項(xiàng)目的第 1 個(gè)部分，使用了深度學(xué)習(xí)分支的人工神經(jīng)網(wǎng)絡(luò)，使用這個(gè)算法的原因是該算法較機(jī)器學(xué)習(xí)的回歸模型更具有包容性，深度學(xué)習(xí)算法不需要像機(jī)器學(xué)習(xí)算法一樣，需要前期對數(shù)據(jù)進(jìn)行復(fù)雜的清洗來達(dá)到減少共線性，減少誤差率的目的。再者，人工神經(jīng)網(wǎng)絡(luò)也比傳統(tǒng)的回歸模型具備更高的準(zhǔn)確度。

人工神經(jīng)網(wǎng)絡(luò)是模仿人類大腦神經(jīng)元而形成的，一個(gè)神經(jīng)網(wǎng)絡(luò)由多層神經(jīng)元構(gòu)成，每一層神經(jīng)元都有輸入與輸出，每一層神經(jīng)元接受上一層神經(jīng)元的輸入，經(jīng)過加權(quán)處理再傳入下一層神經(jīng)元當(dāng)中，以此類推。人工神經(jīng)網(wǎng)絡(luò)主要分為輸入層、輸出層及隱藏層 3 個(gè)部分。

圖3示出的是神經(jīng)網(wǎng)絡(luò)示意圖。

▲圖3 神經(jīng)網(wǎng)絡(luò)示意圖

第1部分輸入層的作用是向算法傳輸數(shù)據(jù)變量的值，通常來說，輸入層的輸入節(jié)點(diǎn)數(shù)量與數(shù)據(jù)變量數(shù)量相等。這一層的節(jié)點(diǎn)都是被動(dòng)地接受外來數(shù)據(jù)，不做任何改動(dòng)，復(fù)制獲取得到的數(shù)據(jù)并向下一層中的多個(gè)隱藏節(jié)點(diǎn)傳輸數(shù)據(jù)。

第2部分隱藏層的任務(wù)就是對輸入的數(shù)據(jù)進(jìn)行處理改變。隱藏層可以有一層或者多層，隱藏層的節(jié)點(diǎn)數(shù)目不定，但是越多的節(jié)點(diǎn)會(huì)使得模型的非線性更加突出。

第3部分的輸出層就是輸出經(jīng)過神經(jīng)元處理的數(shù)據(jù)，針對設(shè)計(jì)變量輸出相應(yīng)的值，在固網(wǎng)業(yè)務(wù)項(xiàng)目中輸出0~1的數(shù)值代表概率。

2.3 隨機(jī)森林算法

固網(wǎng)業(yè)務(wù)離網(wǎng)預(yù)測的第2個(gè)部分是變量重要度的排名，該部分要對所有變量進(jìn)行排名篩選，選擇出幾個(gè)會(huì)影響離網(wǎng)行為的重要特征變量。選擇隨機(jī)森林算法來完成，隨機(jī)森林對特征值重要度評估的大體思路不復(fù)雜，在每一棵形成的樹上觀察每一個(gè)特征變量的貢獻(xiàn)度，然后將這些貢獻(xiàn)度平均一下，即獲得了特征變量的重要度排名。每一棵樹觀察的貢獻(xiàn)度即是基尼指數(shù)：

隨機(jī)森林算法的一大優(yōu)勢在于其解決了每棵樹之間存在強(qiáng)共線性問題，在決策樹方法中，假設(shè)有一個(gè)對于寬帶離網(wǎng)行為非常重要的變量，然后還有一些其他的重要變量存在，那么在決策樹算法中，幾乎每一次每棵樹都會(huì)選用影響力最大的那個(gè)變量作為最頂層樹的分類標(biāo)準(zhǔn)，其次是其他重要變量，那么，按這個(gè)思路所形成的所有決策樹都會(huì)十分相似，這樣會(huì)導(dǎo)致結(jié)果存在高誤差。但是隨機(jī)森林算法不同，該算法很好地克服了這個(gè)問題，隨機(jī)森林算法強(qiáng)制每一次的分叉都選用一部分的變量，所以，這樣的做法不僅將重要的變量列入考慮范疇，其他的變量也享受了公平的“待遇”，一視同仁地選擇分叉處的變量。所以，利用隨機(jī)森林算法得出的重要度排名是有最小誤差保證的。

3

深度學(xué)習(xí)應(yīng)用與不足

3.1 深度學(xué)習(xí)算法應(yīng)用

利用人工神經(jīng)網(wǎng)絡(luò)輸出的概率大大提升了一線運(yùn)維人員的工作效率，固網(wǎng)業(yè)務(wù)離網(wǎng)預(yù)測項(xiàng)目的建模數(shù)據(jù)庫包含了 200 萬名固網(wǎng)業(yè)務(wù)用戶，如果選取離網(wǎng)概率高于 70%的用戶，那么一線運(yùn)維人員可以將運(yùn)維的范圍從 200萬名用戶縮小至 30萬名用戶，運(yùn)維工作量從人數(shù)上來說降低了 87%，大大提升了工作效率以及運(yùn)維的精準(zhǔn)度。利用隨機(jī)森林算法給出的特征變量重要度排名中，排名前 3 位的是上網(wǎng)總上行流量、tcp 建立時(shí)長、上網(wǎng)總下行流量。

圖4示出的是特征變量重要度。

▲圖4 特征變量重要度

3.2 深度學(xué)習(xí)算法的不足

雖然，利用人工智能的方法可以幫助實(shí)現(xiàn)運(yùn)維的智能化，但是在實(shí)現(xiàn)的過程中依舊存在許多問題。其中最主要的問題是數(shù)據(jù)庫的完整度與清洗難度。大部分通信運(yùn)營商都會(huì)選擇讓第三方公司幫助其采集數(shù)據(jù)，但是在采集數(shù)據(jù)的過程中因?yàn)槿鄙俦O(jiān)管，同時(shí)對數(shù)據(jù)完整度的重視程度不高，導(dǎo)致許多第三方公司在采集導(dǎo)入數(shù)據(jù)的時(shí)候出現(xiàn)問題，比如少采集、錯(cuò)誤采集數(shù)據(jù)、導(dǎo)入填充數(shù)據(jù)時(shí)存在數(shù)據(jù)字段錯(cuò)行的現(xiàn)象、錯(cuò)誤的值填入了錯(cuò)誤的字段名稱下方。在數(shù)據(jù)處理及模型設(shè)計(jì)方面，存在不相符的問題，換而言之，懂得人工智能算法的人才不清楚通信業(yè)務(wù)，明白通信業(yè)務(wù)的人才不明白人工智能算法，導(dǎo)致在項(xiàng)目進(jìn)行過程中有重復(fù)無效的動(dòng)作發(fā)生，嚴(yán)重拖慢了項(xiàng)目進(jìn)程，甚至導(dǎo)致項(xiàng)目設(shè)計(jì)錯(cuò)誤。綜上所述，在實(shí)施真正的智能化運(yùn)維之前，一定要保證數(shù)據(jù)源的準(zhǔn)確度，不然再優(yōu)秀的模型算法設(shè)計(jì)及團(tuán)隊(duì)協(xié)作都不可能完成任務(wù)，數(shù)據(jù)一定要有質(zhì)量保證。所以，通信運(yùn)營商可以對采集數(shù)據(jù)的第三方公司進(jìn)行更加嚴(yán)格的監(jiān)管，協(xié)商簽署可以保證數(shù)據(jù)源頭質(zhì)量的合作協(xié)議。對于復(fù)合型人才缺少的問題，當(dāng)前解決的方法是增強(qiáng)團(tuán)隊(duì)協(xié)作能力，在管理智能化項(xiàng)目團(tuán)隊(duì)的時(shí)候要有明確的分工安排，讓通信人才和人工智能人才緊密地融合團(tuán)結(jié)在一起。

除此之外，還存在前期模型驗(yàn)證的問題，每一個(gè)算法模型在前期建立完畢之后，一定需要人員去嘗試驗(yàn)證，這樣才可以方便之后的模型迭代與優(yōu)化，這個(gè)工作一定要在設(shè)計(jì)之初完成，計(jì)劃好每一次需要驗(yàn)證的版塊。例如，固網(wǎng)業(yè)務(wù)行為預(yù)測，當(dāng)?shù)谝粋€(gè)人工神經(jīng)網(wǎng)絡(luò)搭建完畢之后，一定需要將其輸出的結(jié)果投放至市場上去驗(yàn)證，如果準(zhǔn)確率不高的話，需要工作人員及時(shí)地對數(shù)據(jù)庫及算法本身進(jìn)行檢查，嘗試重新整理，清洗數(shù)據(jù)，再建立更新模型。

人工智能算法在智能運(yùn)維方面的價(jià)值一定要在保證數(shù)據(jù)庫盡量完整準(zhǔn)確，工作人員深度了解業(yè)務(wù)情況的前提下，才可以發(fā)揮出來。

4

人工智能未來展望

從用戶體驗(yàn)角度出發(fā)，利用人工智能實(shí)現(xiàn)的智能化運(yùn)維一定會(huì)創(chuàng)造出新的通信產(chǎn)品體驗(yàn)，從經(jīng)濟(jì)角度出發(fā)，智能化運(yùn)維會(huì)為通信運(yùn)營商帶來新的經(jīng)濟(jì)增長點(diǎn)。如何在這個(gè)新老時(shí)代交接之際把握住機(jī)會(huì)，學(xué)會(huì)將人工智能技術(shù)運(yùn)用到通信運(yùn)維當(dāng)中就是非常必要的一步。在電信運(yùn)營商的發(fā)展戰(zhàn)略中，學(xué)會(huì)挽留維系客戶是非常重要的一點(diǎn)，例如固網(wǎng)業(yè)務(wù)等的用戶維系挽留，如果可以預(yù)知用戶行為，并進(jìn)行維系挽留，那么對于運(yùn)營商來說是非常有利的。

所以，深度學(xué)習(xí)及機(jī)器學(xué)習(xí)算法在通信運(yùn)營領(lǐng)域是有用武之地的，是可以幫助運(yùn)營商提高工作效率，在不同的業(yè)務(wù)中實(shí)現(xiàn)智能化的，但是，在徹底實(shí)現(xiàn)智能化之前，要做的就是保證數(shù)據(jù)源的完整性與準(zhǔn)確性，保證復(fù)合型人才的培養(yǎng)速度。那么，在不久的將來，由智能化運(yùn)維武裝的通信企業(yè)必定會(huì)為自己帶來可觀的收益，同時(shí)，為通信行業(yè)的用戶帶來人工智能及 5G 時(shí)代的優(yōu)質(zhì)服務(wù)。