浅谈电信运营商大数据

一、电信运营商的大数据及其特点

大数据是一种新的方式或能力，这种方式或能力来源于对海量数据的收集分析并从数据分析中获得巨大价值，它将极大的改变商家经营模式、人们社会生活和思维模式。

电信运营商的大数据主要包括以下几类：客户信息数据（如客户入网资料、套餐情况）、业务过程数据（如通话记录、客户服务记录等）和网络运行数据（网络性能、客户终端使用情况等）

对于大数据IT界归纳了4个V（Volume，Variety，Velocity和Value）的特征，已经基本得到大家的一致认同。具体到电信行业大数据的四个V表现如下。

Volume数据规模巨大：电信运营商仅日常运营产生的各类话单数据（xDR）和信令数据规模已相当可观，再加入网络流量的数据采集，数据规模将呈爆炸式增长。一个省一天的数据流量可高达PB级。

Variety数据类型丰富：除了传统的来自BOSS、BASS、CRM的结构化数据外，移动互联网业务的发展带来了诸如文本、图片、视频、位置信息等大量非结构化的数据。

Velocity高速实时的数据：即时话费查询、流量监管等新功能的应用随之产生了大量的高速动态数据流，对数据流的实时分析与处理要求不断增加，数据处理的越及时，产生的价值越大。

Value数据价值大密度低：从海量数据信息中能挖掘出的有限的知识量，数据的价值利用密度低，需要创新的技术和思维来提升从数据中挖掘知识的效率。

二、大数据为电信运营商带来新的机会

1、大数据是电信运营商的巨型金矿

运营商掌握用户的年龄、性别、爱好、消费习惯、行为特征、终端属性等信息，可以系统地给用户做深度、全面、360度全景‘画像’。这些数据与广告业、出 版业、传媒业结合起来，就可以做更加精准的内容定制与推荐，做更有效的产品推送，更精准地去营销产品。可以构建大数据平台，收集用户数据，通过数据挖掘算 法等各种技术来分析用户、了解用户，进行市场定位和精准营销，优化定价策略、提高广告效果、营销效率。将大数据分析融入其日常经营决策中，未来大数据分析 将成为运营商经营的一项基本能力。

电信运营商通过在应用大数据，人均产值提升了，而在数据价值贡献方面更是排在了所有行业的前列。在电信运营商收入增幅日趋放缓的今天，这样的产值增幅无疑是鼓舞人心的。

2、大数据为电信运营商改变经营思维

过去，运营商的数据分布在不同数据库中并且较独立的进行统计分析以服务于不同的运营部门，数据分析在 很大程度上仅仅作为部门运营报表输出和绩效考核功能应用而存在，这显然低估了数据的价值。在大数据时代数据的价值来源于数据的全面性、数据的共享和数据的 二次利用。电信运营商应该将不同部门、不同数据库收集存储的数据进行共享，重新挖掘历史数据而不是轻易删除，围绕客户进行整合分析，这才是大数据下的思维 方式。当电信运营商将数据进行组合、再利用，形成新的大数据集，大数据的真正价值才能显现。

电信运营商擅于利用数据分析推动业务发展。经营分析决策系统能充分发挥作用。电信运营商研究过用户终端换机周期及品牌忠诚度，分析这些用户将在近几个月 内陆续换机，电信运营商可以通过向用户针对性营销喜爱的终端。通过数据分析可以提高营销的精准性，提高营销效率并降低营销成本。

上述举例仅仅是电信运营商基于大数据思维创造新价值、提升运营效率的小应用。

3、大数据引领电信运营商转型

作为信息管道的经营者，电信运营商天然具备数据的收集能力。相比互联网公司获取的是用户在虚拟网络中的数据，提供用户入网接入服务的电信运营商拥有用户 的真实社会型数据信息，而管道的智能化又让电信运营商拥有获取用户在互联网虚拟社会数据的能力，电信运营商基于管道平台同时拥有了现实社会和虚拟社会两套 数据，通过用户属性的关联实现数据的无缝衔接，这是电信运营商特有的数据优势，在大数据时代这是一个重要的核心资产。

但是拥有大数据资产并不一定给电信运营商带来直接的收入和利润，还必须具备从数据中挖掘价值的技术和发现新价值的智慧理念，而大量的互联网公司和中小科 技公司却已经行动起来，利用开放的数据资源获得收益。国内领先的互联网公司如BAT（百度、阿里、腾讯）等都已经利用大数据来提升自身的产品和服务，并且 不断向传统的通信领域渗透，面对竞争电信运营商必须要积极跟进，利用大数据的资产优势，发展大数据技能，开拓大数据思维，实现客户的深入洞察和业务决策的 创新，驱动企业向围绕客户信息服务为中心的战略转型。

三、怎样构建电信行业大数据平台

电信运营商需要从企业战略和经营思维层面改变，发现新的机遇和模式并付诸实施，真正将自己所掌握的大数据资产和大数据技能转变为企业价值。电信运营商只有通过改变传统数据处理技术，构建新型大数据分析系统才能让其具备大数据分析处理的技能，才能在大数据时代获得成功。

电信运营商一直以来都是非常关注数据的收集和统计分析，BOSS、BASS、CRM等系统都大量部署应用了关系数据库（RDB）或数据仓库（DW），多 采用Oracle、DB2和MySQL等数据库管理系统。这类数据库处理的多是业务运营过程数据、资源信息、话单记录等结构化的数据类型，随着互联网数据 业务的发展，电信运营商需要收集处理更多的业务应用类数据，由此带来了数据量、数据类型和分析能力的巨大变化。原有的业务运营系统所产生的结构化数据量大 约只占所拥有数据量的一小半，大部分的新数据来自互联网、物联网等新业务应用，并且以视频流量、文本、网络点击行为等各类非结构化的形式存在。面对数据对 象的新变化，传统的数据库系统在处理能力和处理效率上都无法满足要求，转变势在必行。

从DB（Database）转向BD（Big Data）是一个大的技术演进，而不仅仅是需要处理的数据规模的扩大。电信运营商因为互联网应用的普及和管道智能化演进带来了大量非结构化数据的分析处理 以及高速流量数据的实时处理问题，对于这些数据处理的效率又不能满足要求。因此对电信运营商而言一个合适的大数据系统至少应该具备以下三种能力：分布式处 理能力，非结构化数据分析能力和流式数据实时处理能力。

大数据平台解决方案充分利用主流的大数据处理技术，并结合电信运营商数据处理的特点，提供融合传统数据仓库和大数据的 专用平台，可灵活适配各种数据规模、多种业务应用的场景。以MapReduce技术为核心的Hadoop开源平台已成为非结构化大数据处理的事实标准，其 适合非结构化数据，采用Hadoop开源技术满足对业务平台上非结构化和半结构化数据的批量处理需要，大规模并行处理的特点可以满足电信运营商的需要。而 在流式大数据实时处理方面则可以考虑应用CEP（Complex Event Processing）技术，对网络大量的信令、消息、特征媒体流等流数据具备良好的实时分析处理能力。CEP技术可满足大流量数据的实时处理需要，基于 NoSQL的HBase大数据存储架构可满足从GB到TB各种级别的数据存储和快速I/O需要。

从电信运营商目前的情况看，构建大数据平台主要考虑数据集中化、专业化、低成本高性能三点。

集中化：使得公司业务数据集中形成数据开放，在保障数据安全性的前提下，提供自助化服务平台，自动化服务方式，帮助数据分析人员通过自助服务的方式，降低人工成本，满足快速增长的需求。

专业化：从提供大量独立的系统/工具转变向提供集成、一体化、自动化数据开发平台服务。来源各个业务块数据进行整合和深入挖掘产生用户画像，为业务提供有价值的服务，并且快速孵化更多的数据应用。

成本与性能：优化平台存储和计算方案、优化的数据模型和算法、去除重复计算和存储；通过建设大规模集群，形成规模效应，提升平台能力并降低成本；随着平台上的数据量、用户数、任务数不断增长，每个新用户/新任务带来的新增成本不断降低，成本优势可以不断放大。