日本在线www-日本在线播放一区-日本在线不卡免费视频一区-日本在线不卡视频-成人影院久久久久久影院-成人影院一区二区三区

中移在線服務有限公司宋桂祥、張洋、王國飛、李先鵬、王輝

1　項目目標和概述

1.1　背景

隨著電信行業業務的高速發展，及公司業務數字化、線上化轉型需要，各電信集團公司多為規模化多級化發展，在業務公司擴展與公司業務整合過程中，因設備分散、網絡不通等問題導致數據鏈路不通、各業務公司間數據無法實時高效融通賦能生產，阻礙了公司高效快速發展。中移在線服務有限公司同樣面臨上述問題，亟待數智化支撐能力打通省專數據融通通道，實現斷點數據補全，實時賦能一線業務營銷服務，助力數據使用質效雙提升。

1.2　主要目標

為了較好解決各分中心與省公司數據鏈路不通、數據交互不充分、數據資源使用效率較低以及各渠道間數據無法實時融通賦能生產等問題，同時為滿足各業務部門及分中心對提升數據融通實時性迫切需求，本項目采用“1+N”云邊協同架構，如圖1所示，構建基于云原生的實時邊緣計算能力，實現一站式數據匯聚、融通計算、敏捷分析、知識問答、補全數據服務斷點，為中心、分中心各業務條線開展跨域數據融通、全域數據沉淀、全域洞察分析、全觸點客戶服務提供豐富的數據要素供給，為生產運營、經營分析、管理決策提供高效豐富的實時標簽、實時指標、分析報表、觸點軌跡服務等實時數據應用，支撐公司5G營銷、CHBN領域業務高速發展。同時，本項目引入了面向大數據領域AI大模型等一攬子技術，自主構建智能輔助工具，重點圍繞文本對話、會話共享、問答推薦、建議反饋等，提供一站式應用開發運維智能輔助。

圖1“1+N”云邊協同架構圖

1.3　總體概述

實時數據邊緣計算能力是基于Flink的實時流式數據處理引擎采用“1+N”云邊協同部署架構，部署至分中心邊緣節點上的數據加工處理能力，具備實時多源多目標交互、圖形化及SQL化可視開發、實時任務容器化運行、智能輔助運營等能力，向開發人員提供了高效、低門檻的實時應用開發服務，面向業務提供了毫秒級全量跨域數據統一數據匯聚、清洗、加工、處理、統計分析及外部交互能力，實現了數據要素高效流通與開放共享，為生產運營、經營分析、管理決策提供了全業務用戶意圖實時洞察識別、全渠道用戶行為軌跡實時融通匯聚、全過程營銷服務經營分析決策、全流程開發運維一站式智能輔助應用，支撐了公司5G營銷、CHBN領域業務高速發展。實時數據邊緣計算創新能力構建主要如下：

1.3.1構建可視化SQL化開發能力，實現多源數據秒級加密融通計算

基于Flink的實時任務開發部署對普通數據開發者具有較高門檻，為降低開發門檻，實時數據邊緣計算能力基于Javastream與SQL化數據加工處理能力封裝了圖形化、SQL化的實時應用低代碼開發組件，支持數據格式轉換、過濾、補全、關聯、時間窗口計算等功能，通過控件拖拽的方式快速實現實時應用建設，從應用開發到單元測試，再到程序部署和日志查詢，實現了全流程可視化操作，提升了實時應用開發效率。

圖2 可視化SQL開發流程圖

同時為了減少邊緣數據傳輸風險，實現數據就近融通，實時數據邊緣計算能力支持屬地存儲、自定義數據加解密，保障了數據融通的高可靠傳輸與應用，實現了實時數據交互與計算屬地化開展，從而避免了數據出省，縮短了數據處理延遲，保障了數據可靠安全，助力分中心高效融通一二級渠道數據、省專業務系統數據及客戶軌跡數據。

1.3.2構建1+N的云邊協同能力，實現省專數據多集群跨域實時計算

基于“Docker+K8S”云原生技術的云邊協同自治能力采用“中心+單元+節點”三級隔離架構設計，將實時數據處理平臺實時應用部署分中心邊緣云節點，將邊緣云作為區域隔離單元，具備所有容器技術優勢的同時可自動感知邊緣容器故障范圍，全場景覆蓋中心/邊緣斷網、弱網、Pod故障、組件故障、節點故障及區域故障，確保了業務穩定運行不中斷，連續性達到“99.999%”。同時它具備自動部署、快速擴縮容、可視化管理等服務化能力，為業務系統提供了穩定、高效的實時數據融通服務的同時有效提升了服務器的資源使用率以及組件的運維效率。

圖3 云邊協同自治三級隔離架構圖

“1+N”云邊協同的邊緣數據融算能力，充分發揮了中心與邊緣算力，較好地緩解了中心實時數據計算壓力，縮短了數據傳輸鏈路，提升了數據計算效率，同時降低了中心洛陽、淮安機房的網絡帶寬壓力。

1.3.3構建面向大數據領域AI大模型助手，實現應用開發運維一站式智能輔助

本項目創新性地引入面向大數據領域應用的大模型、向量知識庫等智能化能力底座，自主構建智慧運營助手，實現運營、開發、分析等場景化咨詢和答疑。面向開發人員，該助手提供實時數據開發指導幫助、開發規范查詢、常見問題解答及詞法語法檢查糾錯；面向業務運營人員，該助手提供數據報表圖表呈現、指標趨勢分析等智能化運營輔助。基于參數微調、RAG、文本和語義相似度混合索引等技術，本項目創新性地將離線文檔（知識庫）、實時接口（數據庫等）查詢邏輯與智能輔助流程融合，實現智能體應用，系統根據用戶提問內容，解析意圖，轉發至知識庫或實時數據接口等，獲取運營、開發、運維知識，由大模型理解知識并生成結果，呈現至用戶。

圖4 智能輔助交互圖

2　案例介紹

2.1　系統架構

實時數據處理平臺借助Flink容器化+云邊協同框架建立“中心+邊緣”分布式計算的能力，如圖5所示。云端部署的Flink-Operator組件會統一管理各分中心Flink集群生命周期，其中FlinkCluster根據業務預先定義完成集群容器方式編排部署，并基于資源池匹配調度能力，完成實時任務調度到指定的邊緣計算節點上；依靠邊端負載均衡調度器提供服務暴露，來實現任務狀態信息查詢。同時為消除對本部HDFS、ZooKeeper高可用模式的依賴，降低邊端Flink外部中間件依賴復雜度，Flink在邊緣部署時采用Kubernetes高可用模式，并基于OSS對象存儲實現任務狀態管理。

圖5 系統架構圖

2.2　硬件平臺

在云網一體化戰略規劃下容器云已經將計算能力下沉至分公司，實現云邊協同一點管控，可以基于容器底座為實時數據處理平臺提供統一的邊緣計算支撐。通過建立邊緣Flink分布式計算框架，實時數據處理平臺能夠充分利用容器云平臺的彈性算力優勢來滿足大數據實時處理資源需求的增長，助力云數融通創新發展。硬件管理架構圖如圖6所示。

圖6 硬件管理架構圖

2.3　軟件平臺

實時數據邊緣計算平臺是基于實時Flink流式數據加工引擎采用“1+N”云邊協同部署架構，部署至各分中心邊緣節點的數據加工處理能力，集專業計算、資源管控、性能分析、數據治理、租戶管理、任務監控、智能輔助運營于一體，為實時任務開發人員提供了低代碼、低門檻的數據開發平臺。它基于Javastream與SQL數據加工處理能力封裝了圖形化、SQL化的實時應用低代碼開發組件，支持數據格式轉換、過濾、補全、關聯、時間窗口計算等功能，通過控件拖拽的方式可快速實現實時應用建設，從應用開發到單元測試，再到程序部署和日志查詢，實現了全流程可視化操作，并以業務需求為導向，為各業務實時應用提供了豐富的數據要素供給，滿足了業務側營銷服務、熱線運營、監控預警等需要。同時它引入了AI大模型、知識向量庫構建智能輔助工具，為運營、開發、分析提供了全流程開發運維一站式智能輔助。平臺功能架構圖如圖7所示。

圖7 平臺功能架構圖

2.4　數據通訊

為較好解決省專數據融通鏈路不通、時效低、中心網絡帶寬壓力大、數據傳輸安全風險以及單點故障風險等問題，本項目構建了邊緣實時數據融通高效交互能力。如圖8所示，在網絡通訊方面，本項目采用“中心分中心”承載網交互、“省移動/專業公司-分中心”內網交互模式，實現了數據鏈路打通采用不同網絡交互模式，降低了中心網絡帶寬計算壓力，同時減少了數據傳輸時間。在數據處理方面，本項目基于屬地就近數據融通計算，減少了數據計算與傳輸延遲，提高了處理速度。在存儲方面，本項目基于屬地數據庫、FTP服務器、Kafka、redis、MQ等多目標交互存儲，提升了邊緣計算平臺的兼容性。在數據安全防護方面，本項目與省/專公司建立協同機制，構建了一體化數據傳輸加解密能力，同時針對敏感數據本地存算，降低了數據泄露的風險。在系統高可用方面，為減少云邊下沉對本部Zookeeper高可用依賴，同時減少分中心Zookeeper部署與運維，本項目采用基于k8s容器底座實現FlinkJobManager組件高可用，移除對Zookeeper的依賴，降低了單點故障的風險，提高了系統的穩定性。

圖8 數據交互架構圖

2.5　安全措施

在數據傳輸過程中，為保障數據傳輸安全，加密傳輸安全措施必不可少，其中密鑰的生成、傳輸、存儲和使用都是至關重要的環節。一旦密鑰泄露，整個加密系統便形同虛設，數據的安全性將無法得到保障。為了保障省端數據融通的高可靠傳輸與應用，實時數據邊緣計算能力在數據傳輸時支持自定義構建對稱加密、非對稱加密等多種數據傳輸加密方式，保障了數據傳輸安全。

3　代表性及推廣價值

3.1　創新應用情況及效果

截至2024年11月，實時數據處理基于“1+N”云邊協同架構，完成系統部署規模超200臺主機，其中邊緣數據應用16個單位，用戶數1000余人，日均實時數據融通處理中心數據量約1000億條，邊緣數據融通數據量約1億余條，累計承載實時任務4200個，其中中心任務4000余個，邊緣實時任務200余個。系統重點圍繞全業務用戶意圖實時洞察識別、全渠道用戶行為軌跡實時融通匯聚、全過程營銷服務經營分析決策、全流程開發運維一站式智能輔助應用賦能，為公司熱線、互聯網運營、營銷與智能策略服務等提供了高效、實時的數據融通服務，助力數據要素價值高效釋放。以下為四大實時邊緣數據融通賦能場景：

3.1.1　全業務用戶意圖實時洞察識別

截至2024年11月，系統重點圍繞業務訂購、活動到期、流量超套、話費超套等分中心重點營銷服務場景邊緣實時標簽建設240余個，為千人千面營銷、個性化服務推薦、用戶群體的生命周期管理提供了全業務用戶意圖實時洞察識別，其中江西分中心自建實時標簽疏忙分流策略應用36項，主動服務策略9項，分流策略命中量年均233.8萬，人機協同疏忙來話年均146萬，主動服務策略命中年均351萬，有效分流率68.64%，滿意度保持90%以上。河南分中心自建實時標簽年均服務生產11.1億次，實時超套標簽中臺營銷辦理238.8萬筆，轉化率達19.2%，較非瞬時營銷類項目成功率高5.8PP。

圖9 意圖洞察智能策略服務應用

3.1.2　全渠道用戶行為軌跡實時融通匯聚

目前系統已融通省端BOSS系統短信、CRM系統業務辦理、熱線、互聯網、工單等渠道省專軌跡數據，日融通數據量10余億條，補全數據斷點，實現跨觸點、跨平臺省專觸點客戶軌跡數據融通匯聚。系統為投訴溯源、產品推薦、意圖識別、跨渠道營銷服務協同等提供實時數據服務月調用量約5.4億次。其中新疆“熱外呼”營銷已承載提速包、流量高飽和、IVR商機引導、權益偏好等場景20余個，月均觸客71.87萬，簽單量12.57萬，營銷轉化率達到17.49%，高價值業務辦理量5.52萬，占比43.9%。相比傳統外呼營銷呼通率提升8.76pp，簽單率提升9.39pp，同時每項外呼任務可節省2-3人天工作量。

3.1.3　全過程營銷服務經營分析決策

目前系統已承載分中心邊緣實時指標建設700余個，重點圍繞話務服務、產品精準營銷、坐席精細化管控等，提供全過程全鏈路營銷服務經營分析決策。其中四川分中心構建短信群發回撥聯動話務監控分析，輔助坐席實時話務異動原因定位，保障話務接通率；陜西分中心構建省專營銷產能監控，針對重點營銷業務分渠道、分團隊、分隊列等進行實時產能監控，幫助管理層發現內在規律、發掘深度規律、指導經營決策，助力各渠道、團隊等快速實現營銷目標分解與目標達成。

圖10 營銷產能監控分析

3.1.4　全流程開發運維一站式智能輔助

目前已面向系統開發、運營、運維人員提供智能輔助流程編排能力，面向應用使用方人員提供文本對話、會話共享、問答推薦、建議反饋等能力，輔助用戶解答系統使用、開發規范、優秀案例、常見問題及進行指標報表開發和呈現。

已完成全網運營、運維4大場景、70余文檔、2000余知識點及2個實時接口數據采編錄入，服務1022個開發運營運維人員應用。

3.2　經濟價值

本成果主要為業務系統提供高效、低成本的實時數據處理能力，助力業務系統降本增效，直接節省了業務系統建設+運維成本開支約69萬元，節約了一線坐席話務成本409人年。

（1）任務運行服務器資源節省?；谠圃萜骰瘜崟r邊緣任務運行，較標準物理主機運行由2CPU、2GB減少至0.6CPU、2GB運行，平臺承載實時邊緣計算任務200余個；減少物理服務器約3臺（單臺ARM服務器規格為128CPU/384GB），節約服務器投資成本24萬元（單臺ARM服務器投資成本8萬元）。

（2）任務開發成本節省?；诘痛a可視化應用開發一個實時任務或應用節省年度開發、運維成本2人天，目前承載實時任務200個，按照1人年=30萬元=22人天*12月=264人天計算，200任務*2人天÷264人天*30萬=45萬元。

（3）業務效能成本節省。以實時標簽話務分流策略應用，月策略命中通話量628萬，月分流話務198萬通，結合一線坐席反饋每220通話務可節省1人天，節約一線坐席話務成本=198萬通*12個月/220通/264年工作日=409人年。

3.3　社會價值

通信是國民經濟的基礎設施，提高通信服務質量有利于提高勞動生產率，方便人民生活，在這些方面所帶來的社會宏觀經濟效益是巨大的。中國移動在線營銷服務中心的使命是為客戶創造便捷和快樂，致力成為客戶滿意、社會信賴的服務專家。

本成果建設后，基于邊緣實時數據處理能力可以提升業務數據處理效率，提升客服人員工作效率和服務質量，促進電信運營商行業客服服務水平和質量提升。同時，該成果也實現了實時投訴預警建設，有利于及時發現客戶不滿意方面，及時做出調整，服務客戶需求，提升服務水平和提升公司形象。

該成果可進行單獨部署，功能多樣，可應用于銀行、證券、智慧城市、電子政務等其他民生行業，對促進社會經濟發展具有良好效益。

3.4　技術示范與可推廣性

目前實時邊緣計算已應用至16個分中心，完成標準化案例沉淀10余個，聚焦實時數據融通低門檻、可復用、自動化運維、多介質數據融通適配、多數據要素供給共享、云邊多節點協同等總結輸出了一套高效標準的運營推廣與技術支撐模式，為高效數據融通賦能營銷服務全過程全流程高質量發展提供了運營和技術支撐。

圖11 運營推廣與技術支撐模式圖

門檻低：提供可視化拖拽式開發能力，一線開發運營分析人員容易學習上手，無渠道、場景限制，低代碼開發，有助于業務場景創新落地。

可復制：基于實時數據邊緣計算的實時應用可移植性強，可快速復制應用，降低重復開發成本，提升應用構建效率。

自動化：實時任務異常具備自動化拉起，資源使用具備自動推薦，異常日志具備自動診斷。

多介質適配：支持不同渠道不同存儲介質融算適配，實現多渠道多目標數據高效匯聚統一管理，支持跨渠道數據融合運營分析，助力運營效率提升。

多數據共享：業務數據一次加工處理，多渠道多場景復用，減低數據清洗加工成本，提升數據應用構建效率，緩解計算資源壓力。

多節點協同：實時數據處理平臺，可實現“中心+邊緣”多節點協同部署，系統可移植性強，有助于系統商用推廣。

摘自《自動化博覽》2025年2月刊