移动数据业务内容识别方案的深度分析-论文

合集下载

基于内容识别技术的数据安全综合解决方案

深入了解客户的数据安全需求，包括数据类型、敏感程度、存储方式等，以及现有安全措施的评估。
风险评估
对客户的数据安全风险进行全面评估，包括潜在的威胁、漏洞和弱点。
技术选型与采购
技术选型
根据需求分析和风险评估结果，选择合适的内容识别技术和工具。
供应商评估
对潜在的供应商进行评估，确保其技术成熟度、可靠性和性价比。
02
标记是对数据进行分类后的标识，用于标识数据的类别和属性。
03
数据分类与标记是数据安全管理的基础，有助于提高数据的安全性和可管理性。
数据加密与解密
数据加密是通过加密算法将明文数据转换为密文数据，以保护数据的机密性和完整性。
解密是将加密后的密文数据还原为原始的明文数据。
数据加密与解密是数据安全的重要手段，可以有效防止数据泄露和未经授权的访问。
提升数据中心的物理安全
安全区域划分
在数据中心内部划分安全区域，限制人员和设备的进出，确保核心区域的安全。
监控与报警系统
部署视频监控和报警系统，实时监测数据中心的物理安全状况，及时发现并处置异常情况。
安全审计与演练
定期进行安全审计和演练，提高数据中心工作人员的安全意识和应急响应能力。
06
案例分析与实践经验
THANKS
谢谢您的观看
02
数据安全综合解决方案是解决数据安全问题的关键，而基于内容识别技术的数据安全综合解决方案则是其中的一种重要手段。
解决方案的必要性和意义
随着数据量的爆炸式增长，传统的数据安全手段已经难以满足需求，需要更加高效、智能的技术手段来保障数据安全。
基于内容识别技术的数据安全综合解决方案能够实现对数据的实时监测、识别和防护，有效防止数据泄露、网络攻击等事件的发生，保障企业和个人的数据安全。

中国移动数据业务深度运营的研究

中国移动数据业务深度运营的研究
张永明
【期刊名称】《广东通信技术》
【年(卷),期】2008(28)3
【摘要】本文通过引入市场细分和目标市场的选择,着重阐述了以用户需求为导向的数据业务深度运营视角,在此基础上进行了定性的分析,从而提出了对于中国移动数据业务深度运营的若干策略.
【总页数】4页(P53-56)
【作者】张永明
【作者单位】南京邮电学院
【正文语种】中文
【中图分类】F6
【相关文献】
1.3G移动数据业务深度运营的分析 [J], 张永明;林晨
2.电信企业数据业务深度运营平台架构与关键技术研究 [J], 楼揽月
3.电信运营商大数据业务运营流程深度剖析 [J], 樊耀东;张海彤
4.利用客服信息深化数据业务深度运营 [J], 郑宇晟
5.湖南移动公司移动数据业务深度运营策略研究 [J], 郑传均; 雷华英
因版权原因，仅展示原文概要，查看原文内容请购买。

移动群智感知数据的处理与分析技术研究

移动群智感知数据的处理与分析技术研究随着智能手机的普及和移动互联网的发展，移动群智感知成为一种新型的数据采集方法。

移动群智感知利用大量的智能手机用户，通过手机的传感器收集各种环境数据并上传至云端进行处理和分析。

这种方法不仅能够有效地采集大规模的数据，还可以快速响应用户需求，在特定情境下提供实时的数据支持。

然而，移动群智感知数据的处理与分析也带来了一系列挑战。

本文将重点探讨如何有效地进行移动群智感知数据的处理与分析，以提高数据的质量和挖掘数据的价值。

首先，移动群智感知数据的处理包括数据清洗和预处理。

由于数据是由智能手机用户主动上传的，不同用户之间的数据质量可能存在差异。

因此，需要对数据进行清洗，删除错误的数据、噪声数据和冗余数据。

同时，还需要进行数据预处理，包括数据格式的转换、数据的标准化和数据的归一化。

通过数据清洗和预处理，可以提高数据的准确性和一致性，为后续的分析工作奠定基础。

接下来，移动群智感知数据的分析涉及到数据挖掘和机器学习等技术。

数据挖掘是从大规模数据中发现潜在模式和关联规则的过程。

在移动群智感知的场景下，数据挖掘可以帮助我们发现用户行为模式、社会网络关系和地理信息分布等。

通过对这些模式和规则的挖掘，可以为用户提供个性化的服务和决策支持。

机器学习是一种通过训练算法来自动分析和解释数据的方法。

在移动群智感知的数据分析中，机器学习可以应用于识别和分类、预测和推荐等任务。

例如，可以利用机器学习算法对用户上传的图片数据进行图像识别，从而实现自动标签和分类。

另外，还可以使用机器学习算法对用户的行为数据进行预测，从而提供更好的个性化推荐和服务。

除了数据挖掘和机器学习，移动群智感知数据的处理与分析还需要考虑数据隐私和安全。

由于用户上传的数据可能包含个人隐私信息，如位置信息、通话记录等，因此需要采取相应的隐私保护措施。

例如，可以对用户数据进行加密和脱敏处理，以保护用户隐私。

同时，还需要建立有效的权限管理机制，限制数据的访问和使用范围。

移动互联网时代下的数据采集与分析研究

移动互联网时代下的数据采集与分析研究在移动互联网时代，数据采集与分析已经成为企业和组织决策不可或缺的一部分。

利用大数据分析技术，可以帮助企业获取更准确的市场信息和用户需求，促进企业业务的发展和增长。

本文将探讨移动互联网时代下的数据采集与分析，并研究其在商业领域中的应用。

一、移动互联网时代下的数据采集随着移动设备的普及和移动网络的完善，移动互联网已经成为人们日常生活不可或缺的一部分。

在这个时代，各种设备和App 都能够产生大量的数据。

数据采集工具也越来越多样化了，包括Web服务器日志、API、移动SDK、Cookie、数据挖掘等技术。

不同的方法对于不同的移动应用程序可能会有不同的效果。

1.1 Web服务器日志Web服务器日志是一种传统的数据采集方法。

对于移动应用，由于其内部结构是一个网络应用，因此也可以通过Web服务器日志收集数据。

这种数据采集方法可提供大量的用户行为数据，例如用户使用的移动设备，用户地理位置，用户使用的App，用户的访问时间和持续时间等信息。

同时也可以收集应用程序崩溃的日志数据。

1.2 CookieCookie是存储在用户移动设备上的文本文件。

这种数据采集方法主要用于分析用户的行为，例如用户在应用程序中的浏览历史、搜索历史、购买历史等信息。

与Web服务器日志方法相比，这种方法提供的数据更为细致，因为Cookie可以记录用户对于移动应用的全方位交互。

1.3 移动SDK移动SDK是专门为移动开发者而设计的编程工具包。

这种工具包通常包括数据收集、用户追踪、事件追踪、用户行为分析等功能。

使用移动SDK可以捕捉用户在应用程序中的事件、行为和交互等数据，并将这些数据上传到云端数据分析平台。

1.4 数据挖掘数据挖掘是指通过挖掘大量数据中的隐藏规律，发现其中蕴含的信息价值。

移动互联网时代下的数据采集正是为数据挖掘提供了充足的数据支持。

使用数据挖掘技术，可以挖掘用户群体的标签、行为和兴趣，并为商业活动提供智能的数据支持。

如何进行移动应用数据分析与优化

如何进行移动应用数据分析与优化移动应用数据分析与优化是现代互联网行业中非常重要的一环。

通过对移动应用的数据进行分析，可以了解用户行为、用户偏好、产品功能使用情况等信息，从而为产品的优化提供依据。

本文将介绍如何进行移动应用数据分析与优化的方法和步骤。

一、数据采集与整理首先，需要确定需要采集哪些数据。

根据产品的特性和需求，可以选择采集用户行为数据、设备信息、应用使用情况等。

常见的数据采集方式有使用第三方数据分析工具、自建数据分析系统等。

选择合适的数据采集方式，并进行数据埋点，确保采集到的数据准确且完整。

采集到的数据需要进行整理和清洗，以便后续的分析和利用。

可以使用数据清洗工具对数据进行处理，去除重复、无效数据，修复错误数据等。

同时，还需要对数据进行分类和归档，方便后续的分析和查询。

二、数据分析与挖掘在数据采集和整理完成后，就可以进行数据分析和挖掘了。

数据分析的目的是通过对数据的深入挖掘，找到其中的规律和问题，为产品的优化提供依据。

首先，可以对用户行为数据进行分析。

通过分析用户的点击、浏览、购买等行为，可以了解用户的兴趣和偏好，从而优化产品的推荐和个性化服务。

同时，还可以通过对用户留存率、活跃度等指标的分析，了解用户的忠诚度和用户流失原因，从而采取相应的措施。

其次，可以对应用使用情况进行分析。

通过分析用户对各个功能的使用情况，可以了解用户对产品的满意度和需求，从而优化产品的功能设计和界面交互。

同时，还可以通过对应用的性能数据进行分析，了解应用的稳定性和响应速度，从而优化产品的性能和用户体验。

三、数据驱动的优化数据分析完成后，就可以根据分析结果进行产品的优化了。

数据驱动的优化是指根据数据分析的结果，有针对性地进行产品的改进和调整。

首先，可以根据用户行为数据的分析结果，优化产品的推荐算法和个性化服务。

通过对用户的兴趣和偏好的了解，可以提供更精准的推荐和个性化服务，提升用户的满意度和使用体验。

其次，可以根据应用使用情况的分析结果，优化产品的功能设计和界面交互。

如何进行移动应用的大数据分析

如何进行移动应用的大数据分析移动应用的大数据分析移动应用的兴起和普及，带来了海量的用户数据，这些数据蕴含着宝贵的信息，能够为移动应用的开发者和运营者提供重要的洞察和决策依据。

然而，要想真正实现移动应用的大数据分析并从中获得价值，需要运用合适的技术和方法。

首先，要进行移动应用的大数据分析，需要搭建一个完善的数据采集与存储体系。

这个体系主要包括数据采集、数据清洗、数据存储和数据处理四个环节。

数据采集是指通过不同的手段如SDK（软件开发工具包）、日志、API等方式获取用户在应用中产生的各类数据。

数据清洗是为了去除冗余、错误和无效数据，使得数据更加准确和可靠。

数据存储是将清洗后的数据存储在大数据平台中，以供后续的分析和挖掘。

数据处理则是指对存储的数据进行加工、计算和分析，以提取出有价值的信息和知识。

其次，为了有效地进行移动应用的大数据分析，需要借助合适的数据挖掘和机器学习算法。

数据挖掘是一种通过发掘隐藏在大数据中的模式、关联和规律来获取知识的方法。

它可以帮助我们发现用户行为、偏好和需求等关键信息，为产品和服务的优化提供指导。

机器学习是一种通过让计算机从数据中学习和提取特征，从而使其可以进行预测和决策的方法。

它可以帮助我们建立用户画像、预测用户行为和个性化推荐等，提升用户体验和增加用户粘性。

此外，移动应用的大数据分析也需要结合用户反馈和市场调研等外部数据。

用户反馈可以来自于应用评分、用户评论、用户调查等多种渠道，它可以帮助我们了解用户对应用的意见、建议和需求，从而提供产品和服务的改进方向。

市场调研可以通过问卷调查、焦点小组等方式来获取用户对竞品应用的使用情况和评价，以及对未来需求的预测，这些信息对于制定市场营销策略和产品规划非常有帮助。

最后，移动应用的大数据分析需要达到一定的深度和广度。

深度指的是对数据和问题的深入分析和挖掘，包括利用统计方法、模型和算法来解决具体的业务问题；广度指的是对不同角度和维度的数据进行综合和横向比较，以获取全面的洞察和决策依据。

大数据分析技术在移动通信业务拓展中的应用分析

大数据分析技术在移动通信业务拓展中的应用分析随着移动通信技术的不断发展与普及，用户数量也随之不断增加。

运营商面临着巨大的数据存储和处理压力，同时也加大了运营商对于数据的深度挖掘。

在此情形下，大数据分析技术的应用显得尤为重要，它能够帮助运营商更好地理解用户，预测用户需求，为用户提供更为精准、个性化的服务。

移动通信业务的拓展需要依靠大量的数据分析，这涉及到数据的收集、存储、处理和分析等环节。

大数据分析技术能够通过对用户行为和使用习惯等方面的数据进行分析，帮助运营商了解用户的需求和喜好，为用户提供更好的服务体验。

1.用户行为分析：大数据分析技术可以对用户使用移动通信产品的行为进行深入分析，了解用户对于移动通信产品的使用习惯和特点。

例如，可以通过分析用户在通话中的话费、通话时长等数据，来确定用户的使用模式和习惯，进而为用户提供个性化的套餐和产品。

2.业务增长预测：通过对不同时段的用户数据进行分析，可以预测未来的业务增长趋势，对运营商的业务规划和决策更具有指导意义。

比如，可以通过分析节假日和假期用户的使用情况，预判未来一段时间内的业务增长情况，并调整运营策略。

3.产品改进和优化：大数据分析技术可以帮助运营商收集用户反馈和建议，分析用户对产品的评价和反馈，进而对产品进行改进和优化。

比如，分析用户对于操作界面的接受程度，运营商可以对操作界面进行优化，提高用户体验。

4.市场竞争分析：运营商可以通过大数据分析技术，对市场竞争进行深入分析。

比如，可以分析用户流失和留存情况，对竞争对手的产品优劣进行比较，从而调整运营策略和增强市场竞争力。

5.安全管理：大数据分析技术可以对用户隐私数据进行更加全面的监控和管理，对网络安全问题进行实时监测和处理。

比如，运营商可以通过对用户账户数据进行分析，发现账户被盗用等异常情况，提高用户的账户安全性。

综上所述，大数据分析技术在移动通信业务拓展中的应用非常广泛，它可以对用户行为和使用习惯进行深入分析，提高用户体验；可以预测未来的业务增长趋势，指导业务规划和决策；可以分析用户反馈和建议，优化产品和服务；可以对市场竞争进行深入分析，增强市场竞争力；可以对用户隐私数据进行更加全面的监控和管理，提高账户安全性。

大数据分析技术在移动通信业务拓展中的应用分析

大数据分析技术在移动通信业务拓展中的应用分析随着移动通信业务的快速发展，用户需求不断增长，运营商面临着巨大的市场竞争和数据处理压力。

为了更好地满足用户需求，提高运营效率，移动通信行业开始广泛应用大数据分析技术。

大数据分析技术通过对海量数据的处理和挖掘，为移动通信业务拓展提供了更多有力的支持。

本文将从数据采集、用户分析、市场营销和运营管理等方面，分析大数据分析技术在移动通信业务拓展中的应用情况。

一、数据采集在移动通信业务中，海量的用户数据、网络数据、服务数据等都是宝贵的资源。

如何高效地采集和管理这些数据，成为提升运营商竞争力的关键。

大数据分析技术可以借助先进的数据采集方法，实现对各种类型的数据进行高效、准确地采集和整合。

通过数据采集，运营商可以获得更加全面、精准的数据支持，为业务发展提供了更有效的基础。

二、用户分析移动通信行业拥有庞大的用户群体，如何更好地了解和分析用户需求，是提升用户满意度和粘性的关键。

大数据分析技术可以通过对用户行为、偏好、消费习惯等数据进行深入分析，为运营商提供更加精准的用户画像。

通过对用户数据的分析，可以更好地理解用户需求，发现潜在的用户群体，为产品开发和服务优化提供更多的参考依据。

三、市场营销移动通信业务的市场竞争激烈，如何通过精准的营销手段吸引用户，成为运营商关注的焦点。

大数据分析技术可以通过对用户数据和市场行情进行综合分析，为运营商提供更加精准的市场营销方案。

借助大数据分析技术，运营商可以更好地了解用户的偏好和需求，制定个性化的营销方案，提高营销效率和成效。

四、运营管理移动通信业务的运营管理涉及到网络运行、资费管理、客户服务等多个方面，如何通过科学的数据分析手段，提升运营效率和管理水平，是运营商不断追求的目标。

大数据分析技术可以通过对网络运行数据、资费数据、用户体验数据等进行综合分析，发现潜在问题和改进空间，优化运营流程和服务水平。

通过大数据分析技术，运营商可以实现运营成本的降低，用户体验的提升，提高整体运营效率。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

费产品采用不同内容识别规则的能力（见图５）。
采用ＰＣＣ架构解决了目前用户详单中只要用户
型。采用中间代理型方案时，内容网站通常把指定用
户导引到代理服务器，由代理服务器代为获取内容（见图６）。这种方案的特点是运营商控制力度高，但
１内容识别的背景
在固网通信时代，有周末和夜间时段半价的资费
政策，目的是鼓励普通民众在夜间和周末使用通信线路，一方面降低工作Ｅｌ对通信线路的需求，一方面又提高了闲时通信线路的利用率。到了移动数据时代，分组交换和电路交换发生了
Ｋｅｙｗｏｒｄｓ：
Ｍｏｂｉｌｅｄａｔａｓｅｒｖｉｃｅ；Ｃｏｎｔｅｎｔｉｄｅｎｔｉｆｉｃａｔｉｏｎ；Ｄａｔａｆｌｏｗｇａｔｅｗａｙ；Ｏｆｆｌｉｎｅｉｄｅｎｔｉｆｉｃａｔｉｏｎ；Ｄｉｖｅｒｓｉｏｎｏｆｄａｔａｌｆｏｗ
ｔｉｏｎ，ｔｈｅｎａｎａｌｙｚｅｓｉｎｆｌｕｅｎｃｅｏｆｃｈａｒｇｉｎｇａｎｄａｐｐｌｉｃａｔｉｏｎｏｆｓｃｅｎｅｔｏｅａｃｈｋｉｎｄｏｆｓｏｌｕｔｉｏｎＳｅｃｏｎｄ，ｉｔｄｅｓｃｒｉｂｅｓｔｈｅｐｒｉｎｃｉｐｌｅｏｆ
不同的内容识别方案具备的特点和适应的场景，希望能够为业务设计人员和工程设计人员提供一些参考，
为移动数据业务流量经营提供帮助。
经营是运营商的必然之选，流量经营分为基于流量的简单价格战和基于内容的差异化服务的价值战。目前运营商设计的大量套餐其本质就是流量价格战，简单的流量价格战会导致运营商面临被管道化的趋
０引言
移动数据业务是３Ｇ和４Ｃ，时代的核心业务，在语音和短信增长乏力的情况下，移动数据业务是运营商
新的业务增长点。充分利用移动数据业务做好流量
术角度深度分析提升管道价值的内容识别问题，探讨
餐定向流量பைடு நூலகம்，包含微博、ＱＱ等业务。在上线之初，可
到代理网关以及代理网关到内容网站的通道带宽。
图６基于流量导引的内容识别优化方案一
另外一种流量导引方案则省略了中间的代理网
管，由内容服务器直接将指定用户导引到另外一个用
Ａｂｓｔｒａｃｔ：
ＣｏｎｔｅｎｔｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｍｏｂｉｌｅｄａｔａｓｅｒｖｉｃｅｉＳｅｓｓｅｎｔｉａＩｆｏｕｎｄａｔｉｏｎｆｏｒｔｈｅｄａｔａｍｏｎｅｔｉｚａｔｉｏｎ．Ｆｉｒｓｔ．ａｃｃｏｒｄｉｎｇｔｏｔｈｅｃｏｎｔｅｎｔ
数据通信宋齐军，汤泳
ＤａｔａＣｏｍｍｕｉｎｃａｔｉｏｎ移动数据业务内容识别方案的深度分析
移动数据业务内容识别方案的深度分析
ＤｅｅｐＡｎａｌｙｓｉｓｏｆＣｏｎｔｅｎｔＩｄｅｎｔｉｆｉｃａｔｉｏｎＳｏｌｕｔｉｏｎｏｆＭｏｂｉｌｅＤａｔａＳｅｒｖｉｃｅ
图７基于流量导引的内容识别优化方案二
了培育用户习惯的作用，用户无论是否享受这些定向流量的优惠，在内容服务上得到的结果是一致的。因
此，将内容提供方纳入到利益体系中来，才有可能做大定向流量经营的蛋糕。而且无论ＰＣＣ架构方案还是ＧＧＳＮ识别方案，每次引入新的内容识别后，都要重
ｏｐｔｉｍｉｚｉｎｇｃｏｎｔｅｎｔｉｄｅｎｔｉｆｉｃａｔｉｏｎｂａｓｉｓｏｆＰＣＣａｒｃｈｉｔｅｃｔｕｒｅｏｒｄｉｖｅｒｓｉｏｎｏｆｄａｔａｆｌｏｗ，ｇｉｖｅｓｔｗｏｔｙｐｉｃａｌｓｏｌｕｔｉｏｎｓａｎｄｔｈｒｅｅｍｅｔｈ—
摘
要：
关键词：
移动数据业务内容识别是差异１匕流量经营的基础。根据内容识别功能单元所处移动数据业务；内容识别；流量网关；离线识别；流
的位置以及在数据报文获取方式上的不同，归纳为３类主流内容识别方案，并对量导引
每一种方案适应的场景和对计费的影响进行了剖析。对ＰＣＣ架构方案和流量ｄｏｉ：１Ｏ．１６４６３４．ｃｎｋｉ．ｉｓｓｎｌ００７ — ３０４３．２０１５．０２．０１３
容识别提供丰富的定价策略和营销手段。本文从技
收稿日期：２０１４－１２ — ３０
６２ｌ２０１５／０２／ＤＴＰＴ
宋齐军，汤泳【数据通信
移动数据业务内容识别方案的深度分析ＤａｔａＣｏｍｍｕｉｎｃａｔｉｏｎ
缺点也很明显，就是对大流量的业务，需要扩容ＧＧＳＮ
使用了微博、ＱＱ、微信等业务，都会产生４条明细记录
的问题。只有在用户选择了定向流量产品时，才会进
行相应的内容识别和统计，对一般用户，则只需匹配默认规则，只生成１条明细。同时也降低了ＧＧＳＮ对ＯＣＳ统一时间发起多个流量资源片请求的计费消息压力。但ＰＣＣ架构仍然没有摆脱依靠不断增加识别规则来区分不同内容的传统思路，还是无法解决内容的变化与识别规则不同步的问题。３．２流量引导方案无论采用前面哪种识别方案，本质上都是运营商发起的技术解决方案。但是应该清楚流量识别的内容并不在运营商手中，因此内容服务器的任何改动，只要超出了运营商预定的规则，就可能造成内容识别的遗漏。例如中国联通在３Ｇ运营之初提供的沃派套
ｏｄｓｕｓｅｄｆｏｒｄｉｖｅｒｓｉｏｎｏｆｄａｔａｆｌｏｗ．Ｆｉｎａｌｌｙ，ｉｔｐｏｉｎｔｓｏｕｔｔｈｅｐｏｓｉｔｉｖｅｆａｃｔｏｒｓａｎｄｄｉｓａｄＶａｎｔａｇｅｓｏｆｃｏｎｔｅｎｔｉｄｅｎｔｉｆｉｃａｔｉｏｎｓｏｌｕｔｉｏｎ，
于识别的ＩＰ地址或域名上即可，后端的内容实际是直
以利用与这些合作伙伴的传统合作关系，把与这些内
容关联的ＩＰ地址以及ＵＲＬ等信息都配置到识别规则中去，但是当这些合作伙伴升级自身系统的时候，并
没有义务向中国联通通知这些变化。对这些合作伙伴而言，缺乏配合运营商做好移动数据业务内容识别
导引方案对内容识别的优化进行了原理描述，给出了流量导引的２种典型方案中图分类号：ＴＮ９２９．５和３种常用的流量导引技术。最后，指出了内容识别方案在流量经营中的积极文献标识码：Ａ
因素和不利条件，提出了流量经营者制定经营策略时应考虑的内容识别限制。文章编号：１００７ — ３０４３（２０１５）０２ — ００６２ — ０７
宋齐军，汤泳（中讯邮电咨询设计院有限公司。北京１０００４８）
ＳｏｎｇＱｉｊｕｎ，ＴａｎｇＹｏｎｇ（ＣｈｉｎａＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙＤｅｓｉｇｎｉｎｇ＆ＣｏｎｓｕｌｔｉｎｇＩｎｓｔｉｔｕｔｅＣｏ．。Ｌｔｄ．．Ｂｅｉｊｉｎｇ１０００４８，Ｃｈｉｎａ）
ｔｈｅｎｇｉｖｅｓｓｏｍｅｒｅｓｔｒｉｃｔｉｏｎｓｏｎｃｏｎｔｅｎｔｉｄｅｎｔｉｆｉｃａｔｉｏｎｗｈｅｎｔｈｅｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓｏｐｅｒａｔｏｒｓｆｏｒｍｕｌａｔｅｂｕｓｉｎｅｓｓｓｔｒａｔｅｇｙ