流量和数据量

网络是一个丰富的数据来源，但它提供的数据量却多到让人应接不暇。移动数据流量不断增长，而连接到5G网络的新设备持续增加，因此掌握网络情况并提高可视性就变得非常关键。看穿纷繁复杂的网络，找出异常情况并解决问题至关重要。

复杂程度阻碍了自动化的实施

系统非常复杂，降低了运营团队的工作效率并延缓了实现数字化改造目标的速度。简化网络运营，进而实现自动化运营需要有清晰的数字化流程、开放的API和提供深刻洞察力的数据。自动化的调配、保障和排障过程需要有动态、高质量、低延迟的网络性能数据作为后盾。

跨域的可视性

分布式网络将管理范围延伸到涵盖从物理网到虚拟网、从核心网到边缘网的所有网域。将各个网域的性能数据整合起来，形成一个综合视图对于了解网络状况至关重要。最终目标是将网络基础设施性能与服务质量和客户体验关联起来。

动态的按需网络

推出服务的速度越来越快，而网络变得高度动态和虚拟化，这些正在推动各种变化。按需提供的网络服务要求快速调配资源、排除故障和解决问题，这些都依赖于动态的拓扑视图。这有助于了解混合网络中不断变化的网络事件，并维持服务质量水平。

集成的多域可视性

全面了解网络各层情况——从客户到RAN以及从核心到云。将各个数据源关联起来，以监测每个服务、客户和设备。

集成的可视性还意味着可以无缝地洞察混合的物理和虚拟网络与服务，以及混合的2G/3G/4G和5G网络。

更迅速地解决问题

将主动的服务保障、即时的异常检测、跨越的拓扑可视性以及看穿大量告警自动分析故障根因的功能结合起来，进而识别影响客户的事件并对其进行分组。

将QoE与QoS关联起来，以迅速隔离故障域，并通过客户影响评估和案例自动关联来确定操作的优先顺序。将排障所花费的时间从几小时缩短到几分钟。

为自动化提供高质量的数据

建立统一、准确的资源、服务、性能、客户体验及其关系的视图，为实时的自动化运营创造基础。

通过动态的拓扑和AI驱动的分析，从现有系统提取更有价值的数据，将各个原本相互独立的系统统一起来，揭示各个系统之间的依赖关系并解决影响自动化效率的数据质量问题。

保障动态网络和服务的质量

将监测、测试、流式分析和人工智能高效地组合起来，从而维持所有关键服务、基础设施和客户体验的可视性。

通过故障根因自动分析以及预测性和规范性分析，实现闭环自动化和修复故障。在需要时，从实时数据中提取正确的信息。