毛片网站在线观看-毛片网站在线-毛片网站有哪些-毛片网站视频-女生脱衣服app-女色综合

中移在線服務(wù)有限公司宋桂祥、張洋、王國飛、李先鵬、王輝

1　項(xiàng)目目標(biāo)和概述

1.1　背景

隨著電信行業(yè)業(yè)務(wù)的高速發(fā)展，及公司業(yè)務(wù)數(shù)字化、線上化轉(zhuǎn)型需要，各電信集團(tuán)公司多為規(guī)模化多級化發(fā)展，在業(yè)務(wù)公司擴(kuò)展與公司業(yè)務(wù)整合過程中，因設(shè)備分散、網(wǎng)絡(luò)不通等問題導(dǎo)致數(shù)據(jù)鏈路不通、各業(yè)務(wù)公司間數(shù)據(jù)無法實(shí)時(shí)高效融通賦能生產(chǎn)，阻礙了公司高效快速發(fā)展。中移在線服務(wù)有限公司同樣面臨上述問題，亟待數(shù)智化支撐能力打通省專數(shù)據(jù)融通通道，實(shí)現(xiàn)斷點(diǎn)數(shù)據(jù)補(bǔ)全，實(shí)時(shí)賦能一線業(yè)務(wù)營銷服務(wù)，助力數(shù)據(jù)使用質(zhì)效雙提升。

1.2　主要目標(biāo)

為了較好解決各分中心與省公司數(shù)據(jù)鏈路不通、數(shù)據(jù)交互不充分、數(shù)據(jù)資源使用效率較低以及各渠道間數(shù)據(jù)無法實(shí)時(shí)融通賦能生產(chǎn)等問題，同時(shí)為滿足各業(yè)務(wù)部門及分中心對提升數(shù)據(jù)融通實(shí)時(shí)性迫切需求，本項(xiàng)目采用“1+N”云邊協(xié)同架構(gòu)，如圖1所示，構(gòu)建基于云原生的實(shí)時(shí)邊緣計(jì)算能力，實(shí)現(xiàn)一站式數(shù)據(jù)匯聚、融通計(jì)算、敏捷分析、知識問答、補(bǔ)全數(shù)據(jù)服務(wù)斷點(diǎn)，為中心、分中心各業(yè)務(wù)條線開展跨域數(shù)據(jù)融通、全域數(shù)據(jù)沉淀、全域洞察分析、全觸點(diǎn)客戶服務(wù)提供豐富的數(shù)據(jù)要素供給，為生產(chǎn)運(yùn)營、經(jīng)營分析、管理決策提供高效豐富的實(shí)時(shí)標(biāo)簽、實(shí)時(shí)指標(biāo)、分析報(bào)表、觸點(diǎn)軌跡服務(wù)等實(shí)時(shí)數(shù)據(jù)應(yīng)用，支撐公司5G營銷、CHBN領(lǐng)域業(yè)務(wù)高速發(fā)展。同時(shí)，本項(xiàng)目引入了面向大數(shù)據(jù)領(lǐng)域AI大模型等一攬子技術(shù)，自主構(gòu)建智能輔助工具，重點(diǎn)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(yīng)用開發(fā)運(yùn)維智能輔助。

圖1“1+N”云邊協(xié)同架構(gòu)圖

1.3　總體概述

實(shí)時(shí)數(shù)據(jù)邊緣計(jì)算能力是基于Flink的實(shí)時(shí)流式數(shù)據(jù)處理引擎采用“1+N”云邊協(xié)同部署架構(gòu)，部署至分中心邊緣節(jié)點(diǎn)上的數(shù)據(jù)加工處理能力，具備實(shí)時(shí)多源多目標(biāo)交互、圖形化及SQL化可視開發(fā)、實(shí)時(shí)任務(wù)容器化運(yùn)行、智能輔助運(yùn)營等能力，向開發(fā)人員提供了高效、低門檻的實(shí)時(shí)應(yīng)用開發(fā)服務(wù)，面向業(yè)務(wù)提供了毫秒級全量跨域數(shù)據(jù)統(tǒng)一數(shù)據(jù)匯聚、清洗、加工、處理、統(tǒng)計(jì)分析及外部交互能力，實(shí)現(xiàn)了數(shù)據(jù)要素高效流通與開放共享，為生產(chǎn)運(yùn)營、經(jīng)營分析、管理決策提供了全業(yè)務(wù)用戶意圖實(shí)時(shí)洞察識別、全渠道用戶行為軌跡實(shí)時(shí)融通匯聚、全過程營銷服務(wù)經(jīng)營分析決策、全流程開發(fā)運(yùn)維一站式智能輔助應(yīng)用，支撐了公司5G營銷、CHBN領(lǐng)域業(yè)務(wù)高速發(fā)展。實(shí)時(shí)數(shù)據(jù)邊緣計(jì)算創(chuàng)新能力構(gòu)建主要如下：

1.3.1構(gòu)建可視化SQL化開發(fā)能力，實(shí)現(xiàn)多源數(shù)據(jù)秒級加密融通計(jì)算

基于Flink的實(shí)時(shí)任務(wù)開發(fā)部署對普通數(shù)據(jù)開發(fā)者具有較高門檻，為降低開發(fā)門檻，實(shí)時(shí)數(shù)據(jù)邊緣計(jì)算能力基于Javastream與SQL化數(shù)據(jù)加工處理能力封裝了圖形化、SQL化的實(shí)時(shí)應(yīng)用低代碼開發(fā)組件，支持?jǐn)?shù)據(jù)格式轉(zhuǎn)換、過濾、補(bǔ)全、關(guān)聯(lián)、時(shí)間窗口計(jì)算等功能，通過控件拖拽的方式快速實(shí)現(xiàn)實(shí)時(shí)應(yīng)用建設(shè)，從應(yīng)用開發(fā)到單元測試，再到程序部署和日志查詢，實(shí)現(xiàn)了全流程可視化操作，提升了實(shí)時(shí)應(yīng)用開發(fā)效率。

圖2 可視化SQL開發(fā)流程圖

同時(shí)為了減少邊緣數(shù)據(jù)傳輸風(fēng)險(xiǎn)，實(shí)現(xiàn)數(shù)據(jù)就近融通，實(shí)時(shí)數(shù)據(jù)邊緣計(jì)算能力支持屬地存儲、自定義數(shù)據(jù)加解密，保障了數(shù)據(jù)融通的高可靠傳輸與應(yīng)用，實(shí)現(xiàn)了實(shí)時(shí)數(shù)據(jù)交互與計(jì)算屬地化開展，從而避免了數(shù)據(jù)出省，縮短了數(shù)據(jù)處理延遲，保障了數(shù)據(jù)可靠安全，助力分中心高效融通一二級渠道數(shù)據(jù)、省專業(yè)務(wù)系統(tǒng)數(shù)據(jù)及客戶軌跡數(shù)據(jù)。

1.3.2構(gòu)建1+N的云邊協(xié)同能力，實(shí)現(xiàn)省專數(shù)據(jù)多集群跨域?qū)崟r(shí)計(jì)算

基于“Docker+K8S”云原生技術(shù)的云邊協(xié)同自治能力采用“中心+單元+節(jié)點(diǎn)”三級隔離架構(gòu)設(shè)計(jì)，將實(shí)時(shí)數(shù)據(jù)處理平臺實(shí)時(shí)應(yīng)用部署分中心邊緣云節(jié)點(diǎn)，將邊緣云作為區(qū)域隔離單元，具備所有容器技術(shù)優(yōu)勢的同時(shí)可自動感知邊緣容器故障范圍，全場景覆蓋中心/邊緣斷網(wǎng)、弱網(wǎng)、Pod故障、組件故障、節(jié)點(diǎn)故障及區(qū)域故障，確保了業(yè)務(wù)穩(wěn)定運(yùn)行不中斷，連續(xù)性達(dá)到“99.999%”。同時(shí)它具備自動部署、快速擴(kuò)縮容、可視化管理等服務(wù)化能力，為業(yè)務(wù)系統(tǒng)提供了穩(wěn)定、高效的實(shí)時(shí)數(shù)據(jù)融通服務(wù)的同時(shí)有效提升了服務(wù)器的資源使用率以及組件的運(yùn)維效率。

圖3 云邊協(xié)同自治三級隔離架構(gòu)圖

“1+N”云邊協(xié)同的邊緣數(shù)據(jù)融算能力，充分發(fā)揮了中心與邊緣算力，較好地緩解了中心實(shí)時(shí)數(shù)據(jù)計(jì)算壓力，縮短了數(shù)據(jù)傳輸鏈路，提升了數(shù)據(jù)計(jì)算效率，同時(shí)降低了中心洛陽、淮安機(jī)房的網(wǎng)絡(luò)帶寬壓力。

1.3.3構(gòu)建面向大數(shù)據(jù)領(lǐng)域AI大模型助手，實(shí)現(xiàn)應(yīng)用開發(fā)運(yùn)維一站式智能輔助

本項(xiàng)目創(chuàng)新性地引入面向大數(shù)據(jù)領(lǐng)域應(yīng)用的大模型、向量知識庫等智能化能力底座，自主構(gòu)建智慧運(yùn)營助手，實(shí)現(xiàn)運(yùn)營、開發(fā)、分析等場景化咨詢和答疑。面向開發(fā)人員，該助手提供實(shí)時(shí)數(shù)據(jù)開發(fā)指導(dǎo)幫助、開發(fā)規(guī)范查詢、常見問題解答及詞法語法檢查糾錯(cuò)；面向業(yè)務(wù)運(yùn)營人員，該助手提供數(shù)據(jù)報(bào)表圖表呈現(xiàn)、指標(biāo)趨勢分析等智能化運(yùn)營輔助。基于參數(shù)微調(diào)、RAG、文本和語義相似度混合索引等技術(shù)，本項(xiàng)目創(chuàng)新性地將離線文檔（知識庫）、實(shí)時(shí)接口（數(shù)據(jù)庫等）查詢邏輯與智能輔助流程融合，實(shí)現(xiàn)智能體應(yīng)用，系統(tǒng)根據(jù)用戶提問內(nèi)容，解析意圖，轉(zhuǎn)發(fā)至知識庫或?qū)崟r(shí)數(shù)據(jù)接口等，獲取運(yùn)營、開發(fā)、運(yùn)維知識，由大模型理解知識并生成結(jié)果，呈現(xiàn)至用戶。

圖4 智能輔助交互圖

2　案例介紹

2.1　系統(tǒng)架構(gòu)

實(shí)時(shí)數(shù)據(jù)處理平臺借助Flink容器化+云邊協(xié)同框架建立“中心+邊緣”分布式計(jì)算的能力，如圖5所示。云端部署的Flink-Operator組件會統(tǒng)一管理各分中心Flink集群生命周期，其中FlinkCluster根據(jù)業(yè)務(wù)預(yù)先定義完成集群容器方式編排部署，并基于資源池匹配調(diào)度能力，完成實(shí)時(shí)任務(wù)調(diào)度到指定的邊緣計(jì)算節(jié)點(diǎn)上；依靠邊端負(fù)載均衡調(diào)度器提供服務(wù)暴露，來實(shí)現(xiàn)任務(wù)狀態(tài)信息查詢。同時(shí)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(fù)雜度，F(xiàn)link在邊緣部署時(shí)采用Kubernetes高可用模式，并基于OSS對象存儲實(shí)現(xiàn)任務(wù)狀態(tài)管理。

圖5 系統(tǒng)架構(gòu)圖

2.2　硬件平臺

在云網(wǎng)一體化戰(zhàn)略規(guī)劃下容器云已經(jīng)將計(jì)算能力下沉至分公司，實(shí)現(xiàn)云邊協(xié)同一點(diǎn)管控，可以基于容器底座為實(shí)時(shí)數(shù)據(jù)處理平臺提供統(tǒng)一的邊緣計(jì)算支撐。通過建立邊緣Flink分布式計(jì)算框架，實(shí)時(shí)數(shù)據(jù)處理平臺能夠充分利用容器云平臺的彈性算力優(yōu)勢來滿足大數(shù)據(jù)實(shí)時(shí)處理資源需求的增長，助力云數(shù)融通創(chuàng)新發(fā)展。硬件管理架構(gòu)圖如圖6所示。

圖6 硬件管理架構(gòu)圖

2.3　軟件平臺

實(shí)時(shí)數(shù)據(jù)邊緣計(jì)算平臺是基于實(shí)時(shí)Flink流式數(shù)據(jù)加工引擎采用“1+N”云邊協(xié)同部署架構(gòu)，部署至各分中心邊緣節(jié)點(diǎn)的數(shù)據(jù)加工處理能力，集專業(yè)計(jì)算、資源管控、性能分析、數(shù)據(jù)治理、租戶管理、任務(wù)監(jiān)控、智能輔助運(yùn)營于一體，為實(shí)時(shí)任務(wù)開發(fā)人員提供了低代碼、低門檻的數(shù)據(jù)開發(fā)平臺。它基于Javastream與SQL數(shù)據(jù)加工處理能力封裝了圖形化、SQL化的實(shí)時(shí)應(yīng)用低代碼開發(fā)組件，支持?jǐn)?shù)據(jù)格式轉(zhuǎn)換、過濾、補(bǔ)全、關(guān)聯(lián)、時(shí)間窗口計(jì)算等功能，通過控件拖拽的方式可快速實(shí)現(xiàn)實(shí)時(shí)應(yīng)用建設(shè)，從應(yīng)用開發(fā)到單元測試，再到程序部署和日志查詢，實(shí)現(xiàn)了全流程可視化操作，并以業(yè)務(wù)需求為導(dǎo)向，為各業(yè)務(wù)實(shí)時(shí)應(yīng)用提供了豐富的數(shù)據(jù)要素供給，滿足了業(yè)務(wù)側(cè)營銷服務(wù)、熱線運(yùn)營、監(jiān)控預(yù)警等需要。同時(shí)它引入了AI大模型、知識向量庫構(gòu)建智能輔助工具，為運(yùn)營、開發(fā)、分析提供了全流程開發(fā)運(yùn)維一站式智能輔助。平臺功能架構(gòu)圖如圖7所示。

圖7 平臺功能架構(gòu)圖

2.4　數(shù)據(jù)通訊

為較好解決省專數(shù)據(jù)融通鏈路不通、時(shí)效低、中心網(wǎng)絡(luò)帶寬壓力大、數(shù)據(jù)傳輸安全風(fēng)險(xiǎn)以及單點(diǎn)故障風(fēng)險(xiǎn)等問題，本項(xiàng)目構(gòu)建了邊緣實(shí)時(shí)數(shù)據(jù)融通高效交互能力。如圖8所示，在網(wǎng)絡(luò)通訊方面，本項(xiàng)目采用“中心分中心”承載網(wǎng)交互、“省移動/專業(yè)公司-分中心”內(nèi)網(wǎng)交互模式，實(shí)現(xiàn)了數(shù)據(jù)鏈路打通采用不同網(wǎng)絡(luò)交互模式，降低了中心網(wǎng)絡(luò)帶寬計(jì)算壓力，同時(shí)減少了數(shù)據(jù)傳輸時(shí)間。在數(shù)據(jù)處理方面，本項(xiàng)目基于屬地就近數(shù)據(jù)融通計(jì)算，減少了數(shù)據(jù)計(jì)算與傳輸延遲，提高了處理速度。在存儲方面，本項(xiàng)目基于屬地?cái)?shù)據(jù)庫、FTP服務(wù)器、Kafka、redis、MQ等多目標(biāo)交互存儲，提升了邊緣計(jì)算平臺的兼容性。在數(shù)據(jù)安全防護(hù)方面，本項(xiàng)目與省/專公司建立協(xié)同機(jī)制，構(gòu)建了一體化數(shù)據(jù)傳輸加解密能力，同時(shí)針對敏感數(shù)據(jù)本地存算，降低了數(shù)據(jù)泄露的風(fēng)險(xiǎn)。在系統(tǒng)高可用方面，為減少云邊下沉對本部Zookeeper高可用依賴，同時(shí)減少分中心Zookeeper部署與運(yùn)維，本項(xiàng)目采用基于k8s容器底座實(shí)現(xiàn)FlinkJobManager組件高可用，移除對Zookeeper的依賴，降低了單點(diǎn)故障的風(fēng)險(xiǎn)，提高了系統(tǒng)的穩(wěn)定性。

圖8 數(shù)據(jù)交互架構(gòu)圖

2.5　安全措施

在數(shù)據(jù)傳輸過程中，為保障數(shù)據(jù)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(guān)重要的環(huán)節(jié)。一旦密鑰泄露，整個(gè)加密系統(tǒng)便形同虛設(shè)，數(shù)據(jù)的安全性將無法得到保障。為了保障省端數(shù)據(jù)融通的高可靠傳輸與應(yīng)用，實(shí)時(shí)數(shù)據(jù)邊緣計(jì)算能力在數(shù)據(jù)傳輸時(shí)支持自定義構(gòu)建對稱加密、非對稱加密等多種數(shù)據(jù)傳輸加密方式，保障了數(shù)據(jù)傳輸安全。

3　代表性及推廣價(jià)值

3.1　創(chuàng)新應(yīng)用情況及效果

截至2024年11月，實(shí)時(shí)數(shù)據(jù)處理基于“1+N”云邊協(xié)同架構(gòu)，完成系統(tǒng)部署規(guī)模超200臺主機(jī)，其中邊緣數(shù)據(jù)應(yīng)用16個(gè)單位，用戶數(shù)1000余人，日均實(shí)時(shí)數(shù)據(jù)融通處理中心數(shù)據(jù)量約1000億條，邊緣數(shù)據(jù)融通數(shù)據(jù)量約1億余條，累計(jì)承載實(shí)時(shí)任務(wù)4200個(gè)，其中中心任務(wù)4000余個(gè)，邊緣實(shí)時(shí)任務(wù)200余個(gè)。系統(tǒng)重點(diǎn)圍繞全業(yè)務(wù)用戶意圖實(shí)時(shí)洞察識別、全渠道用戶行為軌跡實(shí)時(shí)融通匯聚、全過程營銷服務(wù)經(jīng)營分析決策、全流程開發(fā)運(yùn)維一站式智能輔助應(yīng)用賦能，為公司熱線、互聯(lián)網(wǎng)運(yùn)營、營銷與智能策略服務(wù)等提供了高效、實(shí)時(shí)的數(shù)據(jù)融通服務(wù)，助力數(shù)據(jù)要素價(jià)值高效釋放。以下為四大實(shí)時(shí)邊緣數(shù)據(jù)融通賦能場景：

3.1.1　全業(yè)務(wù)用戶意圖實(shí)時(shí)洞察識別

截至2024年11月，系統(tǒng)重點(diǎn)圍繞業(yè)務(wù)訂購、活動到期、流量超套、話費(fèi)超套等分中心重點(diǎn)營銷服務(wù)場景邊緣實(shí)時(shí)標(biāo)簽建設(shè)240余個(gè)，為千人千面營銷、個(gè)性化服務(wù)推薦、用戶群體的生命周期管理提供了全業(yè)務(wù)用戶意圖實(shí)時(shí)洞察識別，其中江西分中心自建實(shí)時(shí)標(biāo)簽疏忙分流策略應(yīng)用36項(xiàng)，主動服務(wù)策略9項(xiàng)，分流策略命中量年均233.8萬，人機(jī)協(xié)同疏忙來話年均146萬，主動服務(wù)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(shí)時(shí)標(biāo)簽?zāi)昃?wù)生產(chǎn)11.1億次，實(shí)時(shí)超套標(biāo)簽中臺營銷辦理238.8萬筆，轉(zhuǎn)化率達(dá)19.2%，較非瞬時(shí)營銷類項(xiàng)目成功率高5.8PP。

圖9 意圖洞察智能策略服務(wù)應(yīng)用

3.1.2　全渠道用戶行為軌跡實(shí)時(shí)融通匯聚

目前系統(tǒng)已融通省端BOSS系統(tǒng)短信、CRM系統(tǒng)業(yè)務(wù)辦理、熱線、互聯(lián)網(wǎng)、工單等渠道省專軌跡數(shù)據(jù)，日融通數(shù)據(jù)量10余億條，補(bǔ)全數(shù)據(jù)斷點(diǎn)，實(shí)現(xiàn)跨觸點(diǎn)、跨平臺省專觸點(diǎn)客戶軌跡數(shù)據(jù)融通匯聚。系統(tǒng)為投訴溯源、產(chǎn)品推薦、意圖識別、跨渠道營銷服務(wù)協(xié)同等提供實(shí)時(shí)數(shù)據(jù)服務(wù)月調(diào)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(jī)引導(dǎo)、權(quán)益偏好等場景20余個(gè)，月均觸客71.87萬，簽單量12.57萬，營銷轉(zhuǎn)化率達(dá)到17.49%，高價(jià)值業(yè)務(wù)辦理量5.52萬，占比43.9%。相比傳統(tǒng)外呼營銷呼通率提升8.76pp，簽單率提升9.39pp，同時(shí)每項(xiàng)外呼任務(wù)可節(jié)省2-3人天工作量。

3.1.3　全過程營銷服務(wù)經(jīng)營分析決策

目前系統(tǒng)已承載分中心邊緣實(shí)時(shí)指標(biāo)建設(shè)700余個(gè)，重點(diǎn)圍繞話務(wù)服務(wù)、產(chǎn)品精準(zhǔn)營銷、坐席精細(xì)化管控等，提供全過程全鏈路營銷服務(wù)經(jīng)營分析決策。其中四川分中心構(gòu)建短信群發(fā)回?fù)苈?lián)動話務(wù)監(jiān)控分析，輔助坐席實(shí)時(shí)話務(wù)異動原因定位，保障話務(wù)接通率；陜西分中心構(gòu)建省專營銷產(chǎn)能監(jiān)控，針對重點(diǎn)營銷業(yè)務(wù)分渠道、分團(tuán)隊(duì)、分隊(duì)列等進(jìn)行實(shí)時(shí)產(chǎn)能監(jiān)控，幫助管理層發(fā)現(xiàn)內(nèi)在規(guī)律、發(fā)掘深度規(guī)律、指導(dǎo)經(jīng)營決策，助力各渠道、團(tuán)隊(duì)等快速實(shí)現(xiàn)營銷目標(biāo)分解與目標(biāo)達(dá)成。

圖10 營銷產(chǎn)能監(jiān)控分析

3.1.4　全流程開發(fā)運(yùn)維一站式智能輔助

目前已面向系統(tǒng)開發(fā)、運(yùn)營、運(yùn)維人員提供智能輔助流程編排能力，面向應(yīng)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(tǒng)使用、開發(fā)規(guī)范、優(yōu)秀案例、常見問題及進(jìn)行指標(biāo)報(bào)表開發(fā)和呈現(xiàn)。

已完成全網(wǎng)運(yùn)營、運(yùn)維4大場景、70余文檔、2000余知識點(diǎn)及2個(gè)實(shí)時(shí)接口數(shù)據(jù)采編錄入，服務(wù)1022個(gè)開發(fā)運(yùn)營運(yùn)維人員應(yīng)用。

3.2　經(jīng)濟(jì)價(jià)值

本成果主要為業(yè)務(wù)系統(tǒng)提供高效、低成本的實(shí)時(shí)數(shù)據(jù)處理能力，助力業(yè)務(wù)系統(tǒng)降本增效，直接節(jié)省了業(yè)務(wù)系統(tǒng)建設(shè)+運(yùn)維成本開支約69萬元，節(jié)約了一線坐席話務(wù)成本409人年。

（1）任務(wù)運(yùn)行服務(wù)器資源節(jié)省。基于云原生容器化實(shí)時(shí)邊緣任務(wù)運(yùn)行，較標(biāo)準(zhǔn)物理主機(jī)運(yùn)行由2CPU、2GB減少至0.6CPU、2GB運(yùn)行，平臺承載實(shí)時(shí)邊緣計(jì)算任務(wù)200余個(gè)；減少物理服務(wù)器約3臺（單臺ARM服務(wù)器規(guī)格為128CPU/384GB），節(jié)約服務(wù)器投資成本24萬元（單臺ARM服務(wù)器投資成本8萬元）。

（2）任務(wù)開發(fā)成本節(jié)省。基于低代碼可視化應(yīng)用開發(fā)一個(gè)實(shí)時(shí)任務(wù)或應(yīng)用節(jié)省年度開發(fā)、運(yùn)維成本2人天，目前承載實(shí)時(shí)任務(wù)200個(gè)，按照1人年=30萬元=22人天*12月=264人天計(jì)算，200任務(wù)*2人天÷264人天*30萬=45萬元。

（3）業(yè)務(wù)效能成本節(jié)省。以實(shí)時(shí)標(biāo)簽話務(wù)分流策略應(yīng)用，月策略命中通話量628萬，月分流話務(wù)198萬通，結(jié)合一線坐席反饋每220通話務(wù)可節(jié)省1人天，節(jié)約一線坐席話務(wù)成本=198萬通*12個(gè)月/220通/264年工作日=409人年。

3.3　社會價(jià)值

通信是國民經(jīng)濟(jì)的基礎(chǔ)設(shè)施，提高通信服務(wù)質(zhì)量有利于提高勞動生產(chǎn)率，方便人民生活，在這些方面所帶來的社會宏觀經(jīng)濟(jì)效益是巨大的。中國移動在線營銷服務(wù)中心的使命是為客戶創(chuàng)造便捷和快樂，致力成為客戶滿意、社會信賴的服務(wù)專家。

本成果建設(shè)后，基于邊緣實(shí)時(shí)數(shù)據(jù)處理能力可以提升業(yè)務(wù)數(shù)據(jù)處理效率，提升客服人員工作效率和服務(wù)質(zhì)量，促進(jìn)電信運(yùn)營商行業(yè)客服服務(wù)水平和質(zhì)量提升。同時(shí)，該成果也實(shí)現(xiàn)了實(shí)時(shí)投訴預(yù)警建設(shè)，有利于及時(shí)發(fā)現(xiàn)客戶不滿意方面，及時(shí)做出調(diào)整，服務(wù)客戶需求，提升服務(wù)水平和提升公司形象。

該成果可進(jìn)行單獨(dú)部署，功能多樣，可應(yīng)用于銀行、證券、智慧城市、電子政務(wù)等其他民生行業(yè)，對促進(jìn)社會經(jīng)濟(jì)發(fā)展具有良好效益。

3.4　技術(shù)示范與可推廣性

目前實(shí)時(shí)邊緣計(jì)算已應(yīng)用至16個(gè)分中心，完成標(biāo)準(zhǔn)化案例沉淀10余個(gè)，聚焦實(shí)時(shí)數(shù)據(jù)融通低門檻、可復(fù)用、自動化運(yùn)維、多介質(zhì)數(shù)據(jù)融通適配、多數(shù)據(jù)要素供給共享、云邊多節(jié)點(diǎn)協(xié)同等總結(jié)輸出了一套高效標(biāo)準(zhǔn)的運(yùn)營推廣與技術(shù)支撐模式，為高效數(shù)據(jù)融通賦能營銷服務(wù)全過程全流程高質(zhì)量發(fā)展提供了運(yùn)營和技術(shù)支撐。

圖11 運(yùn)營推廣與技術(shù)支撐模式圖

門檻低：提供可視化拖拽式開發(fā)能力，一線開發(fā)運(yùn)營分析人員容易學(xué)習(xí)上手，無渠道、場景限制，低代碼開發(fā)，有助于業(yè)務(wù)場景創(chuàng)新落地。

可復(fù)制：基于實(shí)時(shí)數(shù)據(jù)邊緣計(jì)算的實(shí)時(shí)應(yīng)用可移植性強(qiáng)，可快速復(fù)制應(yīng)用，降低重復(fù)開發(fā)成本，提升應(yīng)用構(gòu)建效率。

自動化：實(shí)時(shí)任務(wù)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(zhì)適配：支持不同渠道不同存儲介質(zhì)融算適配，實(shí)現(xiàn)多渠道多目標(biāo)數(shù)據(jù)高效匯聚統(tǒng)一管理，支持跨渠道數(shù)據(jù)融合運(yùn)營分析，助力運(yùn)營效率提升。

多數(shù)據(jù)共享：業(yè)務(wù)數(shù)據(jù)一次加工處理，多渠道多場景復(fù)用，減低數(shù)據(jù)清洗加工成本，提升數(shù)據(jù)應(yīng)用構(gòu)建效率，緩解計(jì)算資源壓力。

多節(jié)點(diǎn)協(xié)同：實(shí)時(shí)數(shù)據(jù)處理平臺，可實(shí)現(xiàn)“中心+邊緣”多節(jié)點(diǎn)協(xié)同部署，系統(tǒng)可移植性強(qiáng)，有助于系統(tǒng)商用推廣。

摘自《自動化博覽》2025年2月刊