运行电信网络运营比以往更加复杂。它提出了一个完整的挑战目录,例如遗留,多供应商,多RAN(2G,3G,4G,5G),多种技术(无线,有线等),以及不同的计费和基于硬件的专有解决方案。
这些操作可以跨越任何给定通信服务提供商(CSP)的不同组织部门,例如技术,市场营销,客户服务,产品计划和策略以及计费。随着5G和备受期待的IoT设备爆炸式增长,CSP面临的挑战是必须管理数量不断增长的用例,新服务需求,虚拟化和网络切片。同时,这为改变网络操作提供了机会,使网络操作具有自主性,主动性,并减少了人工干预。
我们最近的网络AI和自动化报告强调了运营的重要性日益提高,以提供出色的客户体验。压倒性优势之一告诉我们,运营不仅是成本效率的中心,而且对客户体验也有重大影响。因此,现代化电信网络运营方式变得更加重要。
随着5G和IoT的网络复杂性增加,如果不使用认知技术,就不可能管理电信网络的运营。
网络中的认知技术是什么?
对于初学者,认知技术试图通过自然语言处理,数据挖掘和模式识别来模仿人脑的功能。通常将它们视为更广泛的人工智能(AI)范式的子分支。简而言之,它们被认为能够执行人类经常执行的任务。
在电信网络中引入机器人过程自动化将使网络操作具有自主性,从而使人们能够做出更早的决策。这也可以减少平均修复时间(MTTR)。但是,“一刀切”的认知框架不适用于电信运营。这是因为用于捕获有关不同环境的信息的技术是多种多样的,特定于域且取决于用例。例如,自然语言处理可以与人类用户进行交互;机器人过程自动化执行重复的任务,这些任务以前是由人类完成的,主动/被动探针和传感器捕获网络数据,分析系统处理数据以提供相关的见解。