人工智能解决方案

解决的问题：

对运营商用户进行用户行为分析，以及相关的预测。网络规划的好坏直接决定了未来的用户体验和投资回报，与传统的以语音业务为基础的网络不同，现在互联网业务已成为网络流量的主体，用户体验对网络的要求大幅提高。机器学习和预测模型可以大大提升网络规划的质量，在达到网络覆盖目标的同时，更好地满足用户体验的需求。

使用方式：

公司研发团队通过与Google开源的TensorFlow（谷歌基于DistBelief进行研发的第二代人工智能学习系统）结合开发出了一套针对运营商的数据分析系统ApploSpFlow。主要用于对运营商相关网络质量、用户行为分析。

通过自主研发网络采集程序对相关网络设备进行信息收集。把采集到的相关数据输入到ApploSpFlow系统进行模型训练，最后获取最优的分析方案。

应用场景：

A组网方案优化

（1）运营商组网方案优化

（2）运营商设备匹配度评估

（3）运营商现有组网方案评估

B用户行为分析

（1）用户网络故障预警

（2）用户离网趋势预告

（3）用户营销方案痛点预估

（4）用户兴趣分析

C网络问题预警

（1）网络链路潜在故障预警

（2）网络设备潜在故障域名

（3）潜在网络攻击预警