
运营商如何玩转大数据:挖掘出数据金矿的价值
基于互联网技术的蓬勃发展,大数据浪潮的兴起显得势不可挡,如同一种新生能源,物联网、智能手机、可穿戴设备、智能硬件等技术设备将让数据成几何倍数增长。思科预测,到2016年全球网络连接的数量将接近189亿,人均拥有2.5个连接。IDC则称,到2020年全球将拥有35ZB(1ZB=1万亿GB)的数据量。据统计,2013年,全球人类每天产生的数据就达25PB,这相当于1500家国家图书馆的全部信息量之和。可以说,作为数据的生产者,个体正推动着大数据时代的到来。
在成为生活要素的同时,大数据也开始具备资产属性,融入到政府、金融、消费、医疗等各个领域。据悉,美国已经将大数据战略上升为国家战略,并将对数据的占有和控制视为陆权、海权、空权之外的第四种国家核心资产。“大数据”也在2014年首次被写入中国的《政府工作报告》,《“十二五”国家战略性新兴产业发展规划》提出支持海量数据存储、处理技术的研发与产业化。广东、上海等地则在筹划大数据管理局,更多的地方政府也在筹划大数据产业集聚区。
与此同时,“拥抱”大数据成为不同行业发展的统一宣言。麦肯锡此前的一份研究显示,金融业在大数据价值潜力指数中排名第一。银行、证券、保险、信托、直投、小贷、担保、征信等金融,以及P2P、众筹等新兴的互联网金融领域,正在利用大数据进行一场新的革命。
对此,行业人士指出,大数据不仅让IT行业迎来新的黄金时代,更将颠覆各行各业的竞争格局。未来,大数据的发展更是被寄予厚望。权威机构分析,未来5年全球大数据市场拥有广阔的发展前景,复合年增长率将达到58%,其市场盈利将由2012年的50亿美元增长至2017年的500亿美元。
运营商如何玩转大数据
对于通信企业来说,有潜在价值的大数据包括哪些?如何才能用活大数据?
记者认为,除了主要来自于业务运营支撑系统、企业管理系统的传统数据外,通信企业拥有的大数据主要来源于互联网、移动互联网等,以非结构化为主,构成更全面的数据源,如上网行为数据、网上交易数据、位置数据、网管数据、信令数据、微博数据、即时通信数据、网页、传感器数据、音频数据、视频文件、图片、日志、实时监控视频等。
当前,电信运营商正利用其拥有的大数据进行全面、深入、实时的分析和应用,提升营销服务效率,避免沦为“管道”。从大数据的具体应用方向来看,当前主要集中在四个方向:流量经营精细化、智能客服中心建设、基于个性化服务的客户体验提升以及对外数据服务。
——流量经营精细化
在流量经营精细化上,大数据应用的价值主要体现在:深入洞察客户、助力精准营销和指导网络优化三个方面。首先,基于客户终端信息、手机上网行为轨迹等丰富的数据,借助DPI(Deep Packet Inspection,深度数据包检测)技术等,建立客户超级细分模型,为各细分群组客户打上互联网行为标签,可以帮助运营商完善客户的360度画像,帮助运营商深入了解客户行为偏好和需求特征。其次,根据用户行为偏好,推送合适的业务,并根据对客户特征的深入理解,建立客户与业务、资费套餐、终端类型、在用网络的精准匹配,同时做到在推送渠道、推送时机、推送方式上满足客户的个性化需求,实现全程精准营销。最后,利用大数据技术实时采集处理网络信令数据,监控网络状况,识别价值小区和业务热点小区,更精准地指导网络优化,实现网络、应用和用户的智能指配。
——智能客服中心建设
作为运营商与客户接触的第一界面,客服中心(或称客户联络中心)拥有丰富的数据资源,可以称得上是客户信息的“聚宝盆”,利用好客服中心的客户接触数据对于建设智能化客服中心意义巨大。利用大数据技术可以深入分析客服热线呼入客户的IVR行为特征、访问路径、等候时长等,同时结合客户历史接触信息、基本属性等,可以建立热线呼入客户的智能识别模型。基于客户智能识别模型可以在某类客户下次呼入前预先推测其呼入的需求大体是什么,IVR接入后应该走什么样的节点和处理流程。这样,就可以基于呼入客户习惯与需求的事先预测而设计的按键菜单、访问路径和处理流程,合理控制人工处理量,缩短梳理时限,为客户服务中心内部流程优化提供数据支撑,有助于提升热线服务管理水平,加速热线营销渠道资源整合,有效识别客户投诉风险,助力智能客服中心的建设。
——基于个性化服务的客户体验提升
大数据时代对于运营商为客户提供服务来说更加侧重于“小”,即更加关注每个个体“小我”的个性化需求,而融合了电商、医疗、社交等方面信息的“大”数据正是为了更深入地理解“小我”、服务好“小我”。利用大数据技术,一方面可以建立更全面、丰满的客户画像,另一方面还可以量化分解客户接触信息,识别客户特征与习惯偏好,预测客户可能在何时手机会出现故障、何时会产生换机行为等,为客户提供定制化的服务,优化产品、套餐和定价机制,实现“一户一策”的差异化、个性化服务,提升客户体验与感知。
——对外数据服务
对外数据服务是大数据应用的高级阶段,这个阶段电信运营商不再局限于利用大数据来提升内部管理效益,而是更加注重数据资产的平台化运营。利用大数据资产优势,将数据封装成服务,提供给相关行业的企业用户,为合作伙伴提供数据分析开放能力。例如,Telefonica和Verizon已经成立了专业化数据公司来运作对外数据售卖。如果将无线城市与物联网、电子政务等方面的信息结合起来,将能为电信运营商的数据和政府的政务数据增值,对于打造一个开放数据平台和民生服务平台有重大意义。让数据在不同行业之间流动起来,实现体外循环将能进一步释放数据的价值。当然,以简单的Data Seller模式售卖数据时,需要注意保护客户隐私、打消隐私顾虑。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17