随着互联网技术的迅速发展，数据产生速度越来越快，其中隐藏着巨大的机会和价值，大数据时代已经到来，“大数据”的概念已经广为人知，并被认为是新时代的石油。在我国，目前GSM网络是发展最为成熟的移动通信网络系统。
同时，随着 TD 技术的不断发展，GSM 网络已经过渡到 4G移动通信网络系统，而且国内三大移动通信运营商都选择了组建 GSM 网络，演进 GPRS 网络，普及 3G 网络，建设 4G网络的发展道路，4G 时代已经到来。目前，我国的移动通信网络建设正处于快速发展阶段，国内移动通信用户数量激增，移动通信网络用户对网络数据业务的要求日益提高，移动通信网络优化工作势在必行。日常移动通信网络优化工作主要包括后台数据分析、道路测试、网络投诉处理三个方面，本文主要针对后台数据优化工作的瓶颈问题，采用文献调查法、理论与实际相结合的分析方法，具体讨论了基于聚类分析的后台数据优化的应用。
大数据
大数据由原有的海量数据发展演变而来，目前，国内外对大数据的定义呈多样化的趋势，尚未达成共识。本质上，大数据不仅意味着数据有相当大的容量，同时还体现了一些区别于海量数据和非常大的数据的特性。通过对大数据特性的一些理解，可以总结出大数据的四种基本特性：第一，数据量相当庞大。目前，大数据的最小单位已经达到10 ～ 20TB 量级[2] 。第二，数据类型丰富。大数据主要有三种形式，即结构化、半结构化以及非结构化的数据。第三，数据的价值密度低。第四，数据获取速度非常迅速。
后台数据优化理论基础
后台的网络优化工作主要包括网络KPI分析、KPI优化、故障排除与定位、告警监控处理等方面。由于早期计算机技术发展不成熟，建网流程不完善，目前我国后台优化工作面临着数据共享不充分、管理平台不统一、工作效率低等方面的巨大挑战。因此，本节内容提出了基于聚类分析对复杂的后台数据进行处理优化，能够有效地提高网络 KPI、优化用户网络感知度。
本文青岛网络推广小编主要研究了大数据分析技术在移动通信网络后台数据优化工作中的具体应用，通过建立简单的聚类分析优化模型，最终得出聚类分析能够有效地分析优化大量网络基础数据，节省时间、人力以及资金成本的结论。综上所述，将大数据技术综合运用在移动通信网络优化工作中，已经成为促进移动通信产业可持续发展的必然趋势。
