5G的期望——移动运营商将如何满足客户期望？

增强现实、无人机送货、遥控机器人、云游戏、高清视频服务。

客户已经对5G抱有很高的期望。其中一些是由于5G市场的炒作，但总的来说，随着数字服务不断普及开来，客户的期望一直在稳步增长。GSMA Intelligence的研究表明，近三分之一（31%）的运营商表示，他们面临的第一大市场挑战是满足客户对5G的“极高”期望。

“尽力而为”的消费者移动服务时代一去不复返了。超过三分之二的移动运营商将企业服务视为最有希望的潜在5G收入来源。5G基于服务的架构可以提供超可靠、有保证的低延迟连接与新的客户体验。

这是一个梦想，但挑战是让网络运营足够高效，以跟上流量的大幅增长，同时学习新技术（如网络切片和云原生软件）并满足严格的服务性能目标。在未来五年里，将有来自不同行业、数量比人类还多的机器连接到互联网，这在一定程度上推动了互联网流量的大幅增长。

网络运营需要最好的工具

面对53%的同比流量增长、虚拟化、大量新设备、大规模机器类型通信、网络切片和边缘云，运营部门面临着淹没在数据湖中的风险。如果湖中充斥着大量的数据，使得分析它们的速度不够快，从而无法采取有效的行动，就会出现这种情况。尽管有庞大的网络运营数字化改造计划，但并没有增加人员数量的类似计划，以管理5G网络及其将产生的数据。

对于5G来说，在创造新的服务体验、实时监测关键的低延迟或高吞吐量服务（包括人员和设备!）以及在5G服务中创造价值（不仅仅是速度）方面，风险很高。

OPEX预算不断缩减，提供更可靠服务的压力日益增加，这两个问题让运营商左右为难，必须重新考虑自己的方法。

运营部门正在努力减少手动作业，消除互相独立的传统系统留下来的技术债务，并确定将服务提供和保障自动化、检测服务质量问题以及排除故障的最佳方法。

目前，运营商缺少端到端地洞察移动网络（接入网、传输网和核心网）的能力，从而导致在运营方面出现盲点。

运营商进行网络和服务保障自动化的首要原因是在运营中实现数字化改造（90%的受访者这么表示）¹，他们有充分的理由这么做。

运营商将约70%的运营时间和资金用在发现问题和分析问题根源上，这是一个被动的流程，客户故障申报、网络运营中心（NOC）的KPI未达标告警或网络/服务故障都可以触发这个流程²。

在依赖关键网络和服务的医院、工厂与城市中，对于重要的5G网络——无论是公共或专用的5G网络，被动的流程都不起作用。移动运营商将需要完全支持自己的解决方案，并通过企业SLA来保障移动服务质量。

Omdia（原名Ovum）分析师James Crawshaw说得很好，“他们必须为运营团队提供最好的工具，以了解网络和服务性能，并迅速排除质量问题。”

5G客户体验和满足期望

需要一种新的体验质量（QoE）洞察力——客户至上的洞察力，才能开发市场，让客户满意而不是失望。

多达98%的糟糕用户体验和80%的客户流失是由质量劣化而不是故障所引起³。 然而，大多数运营商都不能很快地发现这些短暂的问题，从而防止它们造成影响。对于5G，必须自动检测并解决这些类型的问题。

对于按需的5G服务，提供服务和保障服务质量的过程更紧密地相互交织起来，并实现自动化操作。客户通过门户网站订购服务，运营商自动根据显示所需CPE和接入线路已经到位的“准确资源”信息，一次性成功地提供服务。接下来，执行服务开通测试和主动监测，以确保服务能持续满足SLA要求。然后将数据和KPI关联起来，并直接报告给客户自助服务门户。

通过主动监测客户或设备的服务体验质量，运营部门能够立即发现和解决服务质量问题，因为这种体验质量都与基础设施（物理和叠加）、接入网、传输网和核心网相关。

即使在今天，这个问题也常常存在。平均而言，运营商使用六种不同的系统来确定造成问题的根本原因。只有3%的运营商将这些互不联系的系统集成起来⁴。当系统无法相互通信，或者它们的信息相冲突时，就不可能实现自动化。

自动化的另一个关键因素是获得统一、动态的资源与拓扑视图。如今，只有15%的运营商拥有准确的网络和服务资源视图⁵。如果有将资源整合起来的解决方案，加上网络、服务和客户关系的端到端动态拓扑图（不断更新），就可以大幅提高数据的质量和准确性。这一点至关重要，因为89%的美国运营商（全球65%）认为数据质量问题会妨碍自动化⁶。

GSMA Intelligence主管Peter Jarrich说：“如果没有整体的洞察力，就不能实现自动化。5G设备和用户的性能要求多种多样，只有以客户为中心、洞察力驱动的自动化才能满足这些要求。”

企业希望每台设备都能被实时监测，由SLA确保符合要求，根据他们的需求量身定做，并通过API实时报告相关状况。简而言之，他们对移动运营商的期望不亚于对超大规模云服务提供商的期望。

详细了解Nova 5G服务保障如何帮助您：

• 揭示传统工具看不到的90%劣化情况
• 通过自动的AI诊断，将MTTR缩短40%，并将根因分析时间从数小时减少到数分钟