业务挑战

● 数据类型复杂、缺少整合且处理速度缓慢，运行类基础数据来自于TMS业务系统、其他业务系统、运维报表、各类总结报告等，多数保存在本地系统中，且不能被检索分析。

● 流量流向及带宽预测是人工针对历史数据进行主观判别计算，存在极大的主观性与不确定性。

● 缺少基于趋势预测的对网络设备、通道及网络态势系统地风险评估、预测方法体系，对安全风险的感知和应对均较为滞后。

● 依赖于调度人员针对当前网络各链路的运行情况，通过人为经验进行业务的开通与传输路径生成等工作，无法把握未来网络的发展趋势，使得网络的运行客观上存在安全风险问题。

ALEIYE解决方案

● 业务监测与数据质量分析系统

通过ALEIYE大数据平台实现电力通过网络中数据的采集，从业务角度对数据进行整理和识别，提取数据特征，建立业务匹配模式，实现数据快速清洗和流量的准确分类，从而实现电力通信业务实时监测和数据质量的智能化分析。

● 安全风险评估和专家知识库系统

基于电力通信网设备运行势态分析，结合设备运行等相关数据以及性能评价指标，采用大数据分析以及计量分析等方法，预测性能运行趋势以及故障发生概率，提出故障预警方案；同时基于业务专家经验、厂家手册、基于故障数据进行机器学习及训练后解决方案，形成电力通信网运行专家知识库。

● 网络态势分析和趋势分辅助工具系统

针对电力通信设备、通道和网络态势进行分析，形成面向时间、空间、职能、对象、状态、业务的多维态势分析路线，进行多维势态分析机制和多维势态分析。

● 电力通信资源智能调配辅助决策系统

采用大数据分析方法，研究网络健康状态分析，建立模型分析用户体验、客观业务及网络质量的关系，实时分析业务承载和网络健康状况，动态跟踪用户感知，提出网络优化和智能调配方案，实现智能化。

客户收益

● 提供通信设备、通道、业务质量的全方位监测，为重大业务的监测和保障提供了量化依据。

● 实时监测通信通道、设备、链路的风险状态，缩短了检修时间，提升了检修的精准度。

● 通过备件模型预测，使得备件选用更科学合理，减少浪费，同时最优链路的选取，能够极大程度的保证链路的稳定性、安全性。

● 节约人力成本、全面提升电力通信网络运行服务水平。