京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据助推通信业“华丽转身”
横空出世的大数据所释放出的巨大“能量”,如今已经波及大部分传统行业。其中,作为与大数据有天然紧密联系的通信业更是首当其冲。 运营管道中的数据是通信运营商多年来业务的积累,其间蕴藏着丰富的业务信息和商业信息。如何挖掘出这些数据的巨大价值而在大数据时代傲视群雄,成为运营商当前所面临的头等大事。 改变通信业现状 早在2012年,idc就发布研究报告指出:全球大数据市场规模将从2010年的32亿美元增长至2015年的169亿美元,年均增长率高达40%以上。 当前,通信行业已成为大数据最有作为的细分行业之一。
随着网业分离的加速实施和ott(互联网向用户提供各种应有服务)业务的不断渗透,目前通信运营商正逐步沦为“流量管道”。在互联网企业逐步成为电信业务主要提供者的趋势下,运营商的传统业务受到前所未有的冲击,用户的arpu值(每用户平均收入)也在同步降低。 在此背景下,通信业与大数据结合所带来最直接的改变,是推动了运营商与维护部门职能角色转换。 赛迪顾问通信产业研究中心分析师杨光接受《中国科学报》记者采访时表示,在大数据时代,网络侧的数据将成为有价值的蓝海,通信运营与维护部门可对海量的网络侧数据进行分析,以支撑市场部门营销活动,从被动响应客户的需求走向主动为其运营、维护,就此实现了职能的转型。 电信分析人士马继华也对《中国科学报》记者指出:“大数据与通信业结合可以提高运营商的管理水平,实现网络的优化。” 此外,运营商可以利用大数据分析寻找目标客户,制定有针对性的营销计划和产品组合,为不同用户群体提供差异化服务,实现精准营销。
在分析人士看来,传统的运营商业务决策由bss(业务支撑系统)数据决定,大数据出现后,运营商加强了bss数据和oss(运营支撑系统)数据的整合,甚至可以通过多维度的数据挖掘直达每一个用户、每一桩业务的细颗粒度分析,对用户进行精准画像。 “简言之,运用大数据能显著提高通信业对存量用户的管理能力。”杨光说。 同时,随着大数据时代的来临,运营商的成本支出也将出现下降。 盈利模式被颠覆 更为重要的是,大数据的出现将颠覆通信运营商的盈利模式和格局。 在过去,传统运营商的商业模式往往只提供管道而不关心内容。但是,在大数据出现之后,运营商管道内庞大且丰富的网络侧数据,可以为运营商提供深层次的经营决策支撑。
“运营商掌握大量别的行业所没有的数据,比如用户的通话轨迹等等,具有先天的优势,不仅数据量大,而且可靠性高。”马继华说。 长期以来,各个行业用户往往只专注某一领域,缺少宏观数据的视角。而通信业运营商可以利用自身数据与网络资源方面的优势,为这些行业用户提供定制化分析报告。 马继华说:“运营商可以运用大数据在不同行业中发现好的商业机会。以往他们只是将数据用于管理和决策的需要,并没有做成产品,而现在运营商完全可以将其做成数据分析产品出售给不同的行业用户。” 杨光也表示,未来新的通信业盈利模式之一即是面向行业用户提供增值服务。
“比如面向行业用户提供定制化报表,对流量、用户访问记录等个性化信息进行多维度分析,为行业用户提供端到端的业务质量管理。” 同时,运营商可以推出面向个人用户的短订购模式。比如以大数据分析为基础,将用户群细分,依托精细化营销平台面向每个自然用户推出多元化流量包套餐,支持不同场景下用户使用习惯。 在流量不充足时,用户可根据个人情况随时订购流量套餐,保证数据业务持续使用——目前,国内运营商已经正在积极推进这一新业务。
此外,通信运营商还能与ott企业或虚拟运营商进行合作共享数据,杨光指出,运营商可以采用收入分成的方式,与ott企业或虚拟运营商达成合作意向,通过技术改进保证特定ott业务使用者的业务质量,利用定向提速、定制套餐等手段提升用户感知,增加用户使用ott业务黏度,提高用户arpu值。 并非一路坦途 当然,进入大数据时代的通信业并非一路畅通无阻,仍然有许多因素在阻碍其“华丽转身”。 马继华告诉记者,运营商虽然掌握大量数据,但是对个人用户具体资料掌握得并不清楚。而且由于多年来数据无法给运营商带来商机,因此他们对于数据的保存并不重视。 “很多数据在系统维护时就被抹掉或者替换了,这对分析用户使用习惯的连续性有很大的影响,很多数据因此失去分析的意义。”马继华说。
而且,当前大数据的数据量级正在突破现有的物理设备上限,导致运营商需要不断增加存储平台以应对数据增长态势。 “基础设备的建设速度远远跟不上数据增长速度,烟囱式的系统架构投资过大且无法一次成型。”杨光说。 他建议,运营商可以建立自己的云网络,使用云存储手段实现数据的分布式存储,根据需求逐步扩充存储平台空间,形成数据存储的弹性架构。 此外,数据共享问题也应当引起运营商的重视。大数据应用的前提自然是数据开放,运营商如何在保证安全与隐私的前提下,最大限度地为用户提供数据共享的便利,成为在大数据实施规模应用前亟待解决的问题。
“可以培育数据管理人才,组建专职人才队伍负责数据开放共享,制定数据共享操作规则和相应规章制度,以强化隐私安全保护的重要性。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12在数字化转型深度渗透的今天,企业管理已从“经验驱动”全面转向“数据驱动”,数据思维成为企业高质量发展的核心竞争力,而CDA ...
2026-03-12在数字经济飞速发展的今天,数据分析已从“辅助工具”升级为“核心竞争力”,渗透到商业、科技、民生、金融等各个领域。无论是全 ...
2026-03-11上市公司财务报表是反映企业经营状况、盈利能力、偿债能力的核心数据载体,是投资者决策、研究者分析、从业者复盘的重要依据。16 ...
2026-03-11