对于服务提供商而言网络数据是新的“油”

为了吸引全球受众这些网络规模巨头需要服务提供商及其网络提供的无处不在的连接性

这些网络在网络基础架构和服务上生成并存储大量数据，例如向全IP的演进以及流量，设备和用户的指数增长，已将Internet路由器和其他网络系统变成了流遥测形式的大量控制平面信息生成器。

对于服务提供商而言挑战在于将这些数据转化为有关其网络，服务和订户的宝贵知识

在许多情况下，服务提供商无法使用可能提供给他们的大量数据，因为它们缺乏用于数据挖掘的策略或适当的工具，但是大数据驱动的网络已经被诸如ITU等行业和标准组织认可为未来网络的模型架构，该模型使服务提供商能够利用大数据中的情报来促进自动化，简化运营提高体验质量（QoE），增强安全性并提高业务敏捷性。

了解您的网络但也了解互联网

服务提供商向客户提供的大多数内容都是基于Internet的，视频流和游戏产生了的网络流量份额，而传统的语音和消息服务正在为基于互联网的对等物铺平道路，想要今天成功的服务提供商也必须为OTT服务提供优质的QoE，这就需要对何时何地进行网络更改（例如添加内容缓存或优化对等和传输）的准确了解。

为了知道如何地提供Internet服务

服务提供商需要深入了解Internet流量如何穿越其网络-从对等和传输接口，跨越IP核心和骨干网，到网络边缘和访问层，他们需要对互联网及其内容起源的域和内容传递网络（CDN）有完整的了解，并需要识别和分类流量，在云时代基于网络设备的传统方法无法轻松或经济高效地扩展，基于深度包检查（DPI）技术的方法可以通过端到端流量加密来阻止。

服务提供商需要一种新的方法

该方法应将有关Internet服务的详细知识与完整的网络和服务见解相结合，这种方法必须维护互联网服务和应用程序的精确动态的“供应图”，并将其与服务提供商网络中的大数据实时关联，通过使用可以轻松添加其他相关数据集的开放框架，将这两个大型数据集完全关联的方法，服务提供商可以获取有关如何配置，交付和使用互联网和网上服务的多维见解。没有这种整体观点，服务提供商将无法从他们可能获得的大量网络数据中受益。

机器学习人工智能和大数据驱动网络

机器学习（ML）和人工智能（AI）有助于资本化服务提供商网络中的大型网络数据并从中获利。它们的实现将遵循图1所示的演进路径，但是只有将其同等地应用于与Internet相关的领域和与网络相关的领域时，它才有效。

2020年CPDA数据分析师线上报名：

http://www.chinacpda.com/baoming.php

数据分析师的职业规划：

http://www.chinacpda.com/career/

CPDA数据分析师考核时间：

http://www.chinacpda.com/examine/

免费客服热线：400-050-6600

商业联合会数据分析专业委员会