京公网安备 11010802034615号
经营许可证编号:京B2-20210330
坐拥大数据“金矿”却难挖掘
大数据将成运营商“去管道化”利器,近期围绕这一话题,国内运营商人士讨论热烈。由受OTT的冲击,到“去电信化”等思索,再到大数据这一运营商手中天然的金矿成为理论中的突破口,这一逻辑顺理成章。
大数据并非运营商独家的概念,它已成为整个互联网行业共同关注的领域。那么运营商手中的金矿,含金量究竟几分,金矿如何挖?敢不敢挖?能否比其他人挖得更好?这是全球运营商共有的话题。
日本
隐私问题让NTT Docomo头疼
陶旭骏告诉记者,日本最大的移动通信运营商NTT Docomo 2010年以前就开始着手大数据运用的规划。Docomo不但着重搜集用户本身的年龄、性别、住址等信息,而且制作精细化的表格,要求用户办理业务填写更详细信息。
“我曾见过这样的表格,包括用户家里有几口人,每个人的教育水平,通信需求等都会有所涉及。而且他们的优势是可以掌握全国用户的数据,而不像我们的运营商划省而治,各地数据收集、整合方式不一。Docomo的CRM系统和知识库为此大大加强,业务办理中很少出现愚蠢的状况,比如一个用户此前刚投诉过还向其推销同类产品等。”
尽管信息完整度高,但因为日本社会十分注重个人隐私,Docomo多年来在大数据运营上仍停留在规划阶段,对如何越过隐私问题进行商用还是比较头疼。陶旭骏表示,Docomo曾为未来的大数据商业化制定了三个阶段:首先是建立资料库,其次是建立活用机制,最后是实现活用,而当前只处于第一阶段。
欧洲
运营商谨慎开放地理位置信息服务
方红刚表示,在德国,身为主流运营商的德国电信和Vodafone在利用大数据为自身业务服务之余,已向商业模式跨出了一步。主要尝试是通过开放API,向数据挖掘公司等合作方提供部分用户匿名地理位置数据,以掌握人群出行规律,有效地与一些LBS应用服务对接。而西班牙电信的商业模式与之比较相像,去年推出的“智慧足迹”大数据服务同样是通过人流移动网络数据,为零售客户开店选址和促销提供借鉴。
“欧洲运营商对大数据API开放同样持比较谨慎的态度,有时带有战略意图。比如数据开放同时伴随着收费,对于和自己合作紧密的初创型企业,就以更宽松政策予以扶持,而对于有竞争关系的OTT企业等,则要求更高。总而言之,运营商不太可能将未经加密的用户数据直接提供给第三方。”方红刚称。
美国
Verizon激进,向特定商家“兜售”数据
步子最为激进的则数美国运营商Verizon,其一项举措则让谭炎明等业内人士感到错愕:Verizon已开始通过一项名为Precision MarketInsights的服务,将手中的用户数据直接向第三方出售。谭炎明对此业务进行过详细了解,Verizon的该项服务主要针对商场、球场等特定的公开场所,搜集手机用户的背景信息,为第三方所用。
在美国,棒球和篮球比赛是观众云集,商家最为看中的营销场合,此前在超级碗和NBA的比赛中,Verizon针对观众的来源地进行了精确数据分析,球队得以了解观众对赞助商的喜好等。体育比赛中,观众随机买票,没有什么环节可以将身份信息进行录入,通过任何其他方式搜集数据成本都会更高,运营商的大数据在这项服务中无可替代。
“金矿”体量最大 挖掘出来有难度
与《IT时报》记者交流中,专家们一致认为运营商对大数据资源掌握的完整性远超任何一家互联网公司。“用户的属性、整个通信消费数据、GPS行走轨迹、登录网站的偏好、频率等运营商手中都有数据,这么完整、详尽的精准用户行为数据单一网站无法掌握。”方红刚总结,正因为运营商的“管道”特性,管道中的任何一个细节都逃不过运营商的眼睛。从这个层面来说,运营商手中大数据的金矿体量是最大的,如从事大数据业务是具有天然优势的。
正因为运营商手中的数据量太大,其整合为有价值信息的成本也较高。如何将“金矿”开采成不同属性的轻产品,是全球运营商面临的课题。
“之所以当前大数据应用多停留在零售层面,而非更复杂的功能,一方面是因为运营商手中数据到底该怎么用,还是取决于合作方最切实可行的需求。其次,复杂需求从技术上或尚难做到,或成本太高。”谈到技术局限,方红刚表示自己就曾亲自对一些大数据项目展开调研,发现提取有效数据的时间精力很高。
“互联网上的数据收集相对简单,例如用户在百度搜索某个关键词,百度后台一目了然。但通信网中的数据有物理层、逻辑层、应用层等层级化的特征,每层都是映射方式,所以问题就产生了,数据都存在于逻辑层以下,需要把它们从逻辑层解构到应用层,数据分析成为了协议分析。”方红刚表示,他曾在电脑上仅仅针对某一小块特定区域一小时内的通信数据进行采集,结果就跑了两个多小时。
“如今是一个信息泛滥的时代,在成本非常高,而且数据来源往往分散在各个部门的情况下,运营商内部需要做大量的工作才能进行有效的精华数据深度挖掘,所以如果没有来自合作方的非常明确需求,且该需求能带来相匹配的商业价值,业务发展就可能陷于停滞。”方红刚解释。为避免内部结构问题阻碍大数据业务的发展,西班牙电信与Verizon都已于去年专门成立了大数据部门,脱离于传统体制而单独发展业务,这也是这两家的大数据业务发展相对更快的原因之一。
顾洪文直言,基于上述因素,尽管国外运营商有一些突破性的应用案例,但纯属个别,且初始阶段的痕迹明显:“严格来说,全球运营商在大数据商业化挖掘方面都停留在一个浅层次的阶段。该概念当前过热,实际运营良好与否取决于数据持有方的运营能力。”
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