通过单一特定用户的Gb口数据，再现该用户的某次（或某一段时间内所有的）数据业务过程，从CDR(calling detail records)层级到最底层的信令原始数据，通过过程树图、阶段信息、信令解码等多个层次的逐步展开，从而获知此次数据业务中存在的问题或者原因，更好的贴近用户感知，为移动用户排忧解难。

通过用户的手机号码或SIM卡号来选定分析用户。

根据手机号码、时间段等条件查询客户使用记录，并能以树形结构显示GPRS通讯过程各层次关系：

在点击树形的节点时，能在右方显示其明细数据详细信息。

同一级别的阶段将会使用统一的颜色作为底纹，展现出数据业务交互的层次感。

样例：

交互过程树图例

如果该用户在这个GPRS数据业务的使用过程中，使用了WAP方式访问网络，并且向WAP服务器发送了一个请求，从而下载了一个应用程序。那么，这个流程应该有以下的树形结构：

用户数据业务行为过程再线示例图

在CDR/SDR明细查询功能中，可以对所有的明细数据进行查询。查询的条件包括：

采集开始时间、采集结束时间、网络位置、手机号码、成功标志、用户IP、APN、错误代码、ConnectAbort类型、ConnetAbort类型、手机型号、失败类别、响应码、请求类型、URL、协议类型、收发方向、ContenType等

不同的CDR/SDR查询中会包含和各自数据相关的查询条件。查询条件输入支持模糊查询。不同类型查询条件间支持复合查询。

对于指定手机用户在特定时间段和特定网络位置下，使用HTTP、WAP和MMS等数据业务产生的详单，详单的内容包含：

数据业务类型、用户归属小区、用户归属套餐品牌、用户号码、登陆的网址、手机类型、产生的上行流量和下行流量等。

网络KPI分析的主要对象是能够反映网络情况和网络性能的各项KPI。

分为网络情况考核KPI、分类业务KPI、网络预警三个子功能。

网络情况考核KPI是考量一个地区的网络情况的主要指标。通过输入开始时间和结束时间，选择网元，采用图表方式显示以下KPI：

页面平均刷新时间图

业务KPI指的是各种数据业务的市场营销业绩、用户使用频度和范围等，那些能够反映出用户的普遍数据业务需求的那些指标。

业务KPI分析包含套餐流量分析、资费与账单对比、有效流量分析三个功能。

对明细数据中的网络性能相关的KPI通过折线图的方式进行展现，图中包含有统计数据基线（红色），标志历史平均的指标数据水平。可以选择统计情况的开始和结束时间，通过下拉框的方式，选取查看的指标（网络流量、PDP激活时间、页面显示时间、页面刷新时间等）

网络预警实例图

移动互联网服务内容应用提供商在通常来讲并不是固定的机构，也不是都是能够提供长久服务的网站，数量上也不易确定。根据实际情况，我们将采用以下策略展示SP的统计与分析。

SP分析的主要功能有：

下面给出SP访问量排名图例：

HTTP/WAP SP访问量排名实例图

数据库中的记录可被化分为一系列有意义的子集，即聚类。聚类增强了人们对客观现实的认识，是概念描述和偏差分析的先决条件。聚类技术主要包括传统的模式识别方法和数学分类学。

在本平台中，主要提供了数据范围的聚类分析方式，通过设定聚类的个数，将当前指标的数据取值范围分为若干个区段，统计每个区段内的业务次数及所占比例，以及最值，从一个比较宏观的分析角度察知当前指标的实际情况。不仅可以对各个SP按照HTTP流量进行聚类分析，同样可以针对其他指标进行聚类分析，如：各小区按数据业务流量聚类分析等。

HTTP流量按SP进行聚类分析实例图

另外，图中每一个数据聚类区和表中每一条数据的聚类字段，都可以进行一级钻取，得到其中SP的名称和流量信息。

聚类钻取实例图

预测是利用持续性、阶段性的历史数据，对未来数据的走向和趋势进行一个与预测模型和算法有关的推测。

本平台支持常用的预测模型，包括移动平均预测模型、一次指数平滑预测模型、季节预测模型、线性回归预测模型、对数线性回归预测模型、神经网络预测模型等。

如下图，利用平均移动预测模型，依据前两天的数据，对第三天（2008年1月23日）的平均延迟时间、连接数、Attach成功数、成功率以及平均在线时长等数据进行了预测。

平均移动预测模型实例图

这里需要说明的是，在不同的情况下，同一指标的变化趋势可能会接近于不同的预测模型。只有在持续的业务数据积累和模型对比中，才能够得出最适合当前指标的预测模型。

利用手机通过HTTP方式访问系统，提请需要访问KPI，经过身份验证后，浏览网络KPI和业务KPI。