摘要：现当今，随着我国大数据时代的来临，使我国经济体制改革速度得到了大幅提升，大大推动了国家经济水平的增长。与此同时，各个领域对大数据技术的广泛应用，使大数据在各个领域发展中的应用价值愈发凸显出来。本文分析了大数据与5G通信发展中所面临的挑战，并提出应对这些挑战的具体建议，以期能够加深人们对大数据的理解与认知。
关键词：5G；物联网；大数据分析方法；体系
引言
5G将开启万物互联新时代。5G在为万物互联提供连接服务的基础上，更大的价值在于海量物联网行业终端接入带来的海量数据，在于隐藏在海量数据金矿中大量具备行业属性的终端行为。因此提出了一种面向5G物联网大数据的分析方法体系，探索如何更好地分析、挖掘5G物联网大数据来为各垂直行业赋能，全面提升5G物联网大数据应用价值。
1物联网与5G通信技术的基本含义分析
1.1物联网
物联网技术的出现与广泛应用在某些层面上初步实现了物物相连目标，促进全球信息资源的紧密联系与互动共享。根据目前发展情况来看，物联网技术已经成为新型技术的主力军代表，且在计算机技术的不断推动作用下，物联网技术体系取得了进一步发展。举例而言，物联网技术在日常生活与生产实践中应用范围宽泛，基本上可以涉及到各个领域层面当中。
1.2 5G通信技术
5G通信技术作为当前炙手可热的通信技术代表形式，大体上得到了世界范围的广泛关注。相较于4G通信技术而言，5G通信属于是一种在4G通信技术的应用优势基础上，不断提升数据传输速度、突破传统空间限制的技术类型。对于当前5G通信技术研发环节而言，技术试验、技术方案验证、技术系统验证等都可以视为5G通信技术的关键环节。
2大数据与5G通信发展中面临的挑战
2.1专业人才缺失
由于大数据的采集、处理和分析需要计算机具有强大的信息处理能力与运算能力，这也使人们在对这些大数据进行处理时，需要具备较高的专业能力，这也造成5G通信行业在发展过程中的专业人才非常匮乏，而现有的5G通信行业工作人员在专业能力上却较为低下，从而导致5G通信行业在发展过程中极易产生各种问题。
2.2管理制度不完善
就目前来看，大数据时代下，5G通信技术得到了快速发展，但由于我国对5G通信技术的研究时间较短，这也使5G通信在发展过程中势必会存在很多问题，而其中最大的问题便是5G通信尚未建立一个完善的管理制度。正是由于没有完善的管理制度支撑，使5G通信技术在发展过程中很难将技术要求、实施方法等进行完美的融合，从而给5G通信行业的发展带来了许多困难。
3大数据与5G通信在发展中应对挑战的具体建议
3.1加强设备间直接通信技术的应用效果
通常来讲，唯有经过基站覆盖范围，才能够有效接收到移动网络。如果传输距离超出覆盖范围，那么移动网络接收过程势必会受到较大限制。5G通信技术针对这一问题进行了积极改正，并深刻意识到传统基站网络传输过程中的不足问题。主张利用直接通信技术打破传统覆盖范围的局限要求，即便不在基站覆盖范围内，也可以实现数据资源传输过程。这种技术优势的出现无疑视为未来社会生产提供极大便利。
3.2完善5G通信行业的管理制度
5G通信行业在我国经济发展中正发挥着越来越重要的作用，因此必须要对5G通信行业的技术管理体制进行相应的完善与健全，使其能够为5G通信行业的发展起到引领作用。对于企业来说，其管理体制的是否优质，需要观察其是否严格把关各个工作环节，能否保障数据信息在企业中的安全性，当发现问题时，便需要通过具有针对性的措施来进行解决。在对5G通信行业的管理体制进行建立时，可对西方发达国家的管理模式进行借鉴，不断引起具有丰富管理经验的专业人士，确保管理制度能够得到有效建立和实施。在完善5G通信行业的管理制度时，需要明确内部权责关系，使企业相关人员能够认清自己的职责和权利。并且，还要通过奖惩制度的建立来适当奖励企业中表现良好的员工，对于态度不积极、表现不佳的员工应进行批评和惩罚，以此保证5G通信行业的管理制度能够井然有序的实施。
4 5G物联网大数据分析方法体系
4.1 5G物联网大数据分析流程
5G物联网将服务于千行百业，而行业间的业务多样化、差别大，各行各业物联网的不同业务场景，将会呈现出不同的规律和特点，所以对于物联网大数据分析，需要针对于不同行业来分别进行处理。第一种方法是通过行业属性信息去识别，类似于人联网的实名认证。行业企业在入网时，运营商会根据其行业类别为该企业的所有物联网SIM卡分配一个行业标识。对于采集到的O侧物联网数据，可以根据IMSI或者MSISDN与物联网的用户管理平台中的数据进行关联，从而得到该物联网卡的行业类别。第二种方法是通过DPI深度包解析技术，对物联网原始码流进行识别，通过积累形成的IP规则库、端口规则库、传输层&应用层解析规则库等，对物联网数据的业务内容进行识别，企业信息进行提取等从而识别出行业类别。第三种方法是通过人工智能AI算法来进行行业识别。物联网在不同行业的业务场景下的业务特征会存在显著差别，如车联网行业物联网卡的终端类别、传输时延、速率、流量、传输周期、是否高速移动等指标特征，与工业互联网中相同的指标会呈现出截然不同的规律和特点。可以根据对于不同行业数据的观察和积累，形成不同行业的指标特征库，对于采集到的物联网数据可以通过聚类或者分类的AI算法来进行行业的智能分类和识别。完成行业数据分类后，可以根据行业类别形成基于不同行业种类的物联网行业大数据库，如可形成物联网能源大数据库、物联网车联网大数据库、物联网智慧医疗大数据库、物联网智慧交通大数据库等，从而可以针对不同垂直行业进行深度探索和研究，形成满足于该行业需求的物联网大数据上层应用及产品。
4.2 5G物联网大数据分析方法体系
类比4G人联网大数据分类，5G物联网大数据总体上也可以分为2类，网络侧OSS域数据以及行业属性BSS侧数据。网络侧OSS域数据重点关注通过各接口挂表采集合成得到的业务行为数据，行业属性BSS侧数据则重点记录了企业标识、开户地、营账数据及行业属性等信息。基于OSS侧和BSS侧的物联网大数据联合分析，可以从行业、业务、网络和模组等不同视角，实现物联网大数据的多维度关联分析，切实对运营商物联网内外部业务进行支撑，对内辅助决策，降本增效；对外探索如何为垂直行业更好地服务，创新合作提升物联网大数据应用价值，增加营收。
结语
5G的快速发展将支撑物联网在各行业迅速落地应用，物联网也将成为5G最重要的应用场景。海量的连接和多样化的应用将给运营商带来海量的物联网大数据，也会带来新的利润增长点。本文即在这种背景下，提出了一种面向5G物联网大数据的分析方法体系，探索如何更好地分析、挖掘5G物联网大数据来为各垂直行业更好地服务，从而全面提升5G物联网大数据的应用价值。该分析体系将有助于运营商全面掌握各垂直行业网络运行状况、业务行为特征，发掘各垂直行业潜在需求，从而助力运营商不仅成为网络连接的提供者，也成为垂直行业市场的参与者和整合者。
参考文献
[1]沈同平等.近十年国内物联网研究热点分析[J].安庆师范学院学报,2017(02):54-56.
[2]赵国锋等.5G移动通信网络关键技术综述[J].重庆邮电大学学报,2018(08):442-444.
[3]方箭等.5G频谱研究现状及展望[J].电信科学,2019(12):29-30.