京公网安备 11010802034615号
经营许可证编号:京B2-20210330
电信运营商的大数据转型之路
自2011年开始,大数据的概念逐渐进入人们的视野。IDC、麦肯锡相继发布了有关大数据的研究报告,将大数据比喻为“未来的金矿”;国内不少互联网公司也开始着手部署各自的大数据战略,纷纷采取注资或收购的方式,以便构建一个良好的大数据生态圈,在大数据的卡位战中先拔头筹。相比之下,作为一切网络数据的必经管道,电信运营商却仿佛迷失在OTT的战争中,虽坐拥金矿却视而不见,亦无从下手。在此情形下,如何顺应大数据时代的趋势,重新审视新形势下的机遇与挑战,探索可能的商业模式,是电信运营商面临的重要课题。
大数据浪潮
大数据并非是一个全新的概念,早在1980年,阿尔文托夫勒就在《第三次浪潮》一书中预言了由数据构成的“碎片化未来”,并将海量数据赞颂为“第三次浪潮的华彩乐章”。然而,大数据真正流行起来是在2011年之后,数据量呈几何指数上升,物联网、云计算等技术的日渐成熟使得数据的获取、存储和处理的成本急剧下降,促使大数据一时间成为了各方视线的焦点。
首先,伴随着移动终端、传感器的迅速普及以及社会化媒体等互联网应用的日益多样化,数据量呈现出爆发式的增长,数据集的规模已经达到了TB甚至是PB的级别。这些海量的、碎片化的数据不仅能够较为完整地刻画出人们在线行为,还可以通过各类传感设备的数据来记录实体经济的运行状况。其次,数据的种类也愈发丰富,不仅包含文本内容,还包括图片、音频、视频等非结构化数据,为数据的存储和搜索带来了很大挑战,这意味着传统意义上适用于文本内容存储和分析的数据库关联算法、语义分析等手段已经渐渐失效。第三,大数据蕴含着巨大的价值,但相比于庞大的数据规模,其价值密度却是非常稀疏的,可谓是“浪里淘沙、弥足珍贵”。例如,公安视频监控系统需要7×24小时的记录,但用于犯罪证据获取的也许只是短短数秒;对于零售产业的推荐系统,也只有通过海量数据的分析,才能进行较为精准的预测。第四,大数据需要实时的记录与响应,如动态的股价、路况信息以及电子商务的交易数据等,都需要实时的调用和处理,才能够充分体现出数据的价值所在。此外,社会化媒体、社交网站中的关系数据成为了大数据的价值倍增器,这是因为人们已经不可避免地镶嵌于人际关系网络中,个体的影响力会经由社交网络快速蔓延。不久前,作为全球最大零售商的沃尔玛也充分意识到了关系数据的重要性,在其社交基因组(Social Genome)计划中整合了用户在Facebook、Twitter中的关系数据,用以更精准地推测消费者的偏好。
综上所述,大数据的基本特征可以概括为规模化(Volume)、多样性(Variety)、高价值(Value)、速度快(Velocity)以及社会化(Social)等五个特点,即“4V+1S”的特点。这样的大数据浪潮,也深刻的影响了各个传统行业的发展轨迹,变革一触即发。
电信运营商的挑战
可以说,电信业近十年来的变革,是电信运营商上百年的历史上都是不曾有过的。尤其是,2009年来以来,3G技术突飞猛进,移动互联网日益普及,电信运营商的各种商业模式随之被打破。尽管电信运营商一直积极地优化3G网络、不断加强WLAN的部署,中国移动也已经开始力推LTE,但网络的持续扩容与升级并未给电信运营商带来十分可观的收入,今年第一季度的数据显示,三大运营商的传统业务和整体固网业务都受到了移动互联网的巨大冲击,增长趋缓甚至下滑。
并且,更为严峻的是,电信运营商的收入和流量已经失去了关联性:从技术层面讲,3G的出现打破了电信运营商所构建的WAP时代的篱笆墙,现在用户不再需要通过WAP网端接入互联网,而是可以随时随地地“触网”,甚至不用打开浏览器就保持时刻在线,传统意义上打开浏览器、输入网址、关键词搜索的网络使用模式已不复存在,如今更多的人选择直接点击APP,开启浏览互联网的进程;虽然私网服务的篱笆花园被推翻,但是运营商还可以提升管道价值,基于自有网络做好自有增值服务,但在业务层面上讲,大量OTT业务涌现,进一步削弱了运营商的管道价值,米聊、微信等社交应用在几乎不改变用户使用习惯的同时,给运营商的短信、彩信业务带来的巨大的冲击,Viber、Skype等也让运营商的语音收入大幅缩水,视频、阅读、音乐等其他增值业务更是受到了来自互联网方方面面的冲击。
不仅如此,在大数据时代,电信运营商还面临着来自数据、管理方面的巨大挑战。海量的半结构化和非结构化的数据大大降低了数据处理的效率,给运营商带来了巨大的数据存储和读写压力。如若不能缩短数据处理的周期,很多数据的价值都会被极大地稀释。此外,庞大的数据规模和复杂的数据种类也给运营商带来了管理层面的难题。对于电信运营商自身而言,每一个省、市公司都是相对独立的,仅一个省的单月计费清单数量就多达数十亿条,而大数据时代要求跨地域、跨业务的数据整合和分析,对运营商统一的数据整合和管理能力提出了非常高的要求。
更为重要的是,大数据也引发了隐私方面的担忧,最近的“棱镜”事件为身处大数据浪潮中的政府和企业敲响了警钟,以牺牲个人隐私为代价的商业价值的创造将会受到来自全球范围的共同抵制,电信运营商也必须充分重视用户的隐私问题,对涉及用户资料、行为特征、地理位置等涉及个人隐私的信息加以保护。
掘金大数据
尽管面临着来自业务、数据、管理等多方面的挑战,但作为信息服务的龙头产业,电信运营商是用户享用信息服务的必经管道,也因而拥有着其他互联网公司难以复制的天然禀赋。以互联网三巨头百度、腾讯、阿里巴巴为例,百度拥有着最丰富的搜索数据,腾讯拥有最为完备的关系数据,而阿里则是交易数据的王国,而电信运营商则记录了从搜索、社交到在线购物的全部过程,占有大数据竞争最基础的资源。正是这样,电信运营商无须和互联网公司过分计较一城一池的得失,因为无论OTT业务冲击如何,数据都被牢牢的控制在电信运营商的手里。因此,电信运营商需要从战略层面对大数据展开部署,通过对数据的深度分析来挖掘其核心价值,将数据转化为精准营销、精细化运营以及开拓市场的生产力。
作为全球第五大电信运营商,西班牙电信在大数据方面率先试水,并取得了一定的成效。首先,为推动数据业务的发展,西班牙电信成立了专门的数字部门Telefonica Digital,涉及金融服务、电子医疗、广告、云计算等多个技术和应用领域。这一部门的成立,使得原来分散在各地区、各分公司的业务有了统一管理,利于集约资源进行大数据的规划和部署。其次,为了应对OTT的挑战,西班牙电信采取了“拥抱”而非“抵触”的姿态,将旗下的VoIP服务提供商Jajah、社交网络Tuenti等业务整合进了Telefonica Digital,以此来构建良好的移动互联网生态,为用户提供全面的“触网”体验。第三,他们推出了一个名为“智慧足迹”的产品,将整个城市的不同区域网格化,并在此基础上绘制客户流量分布图,不仅能够依据用户分布情况帮助企业进行选址,还能够为政府的公共交通疏导提供决策建议。
由此可见,掌握着丰富用户数据的电信运营商在大数据的竞争中拥有着得天独厚的优势。电信运营商应从战略、平台和应用创新三个角度来重新思考其大数据时代的核心竞争力。一是从战略上重视大数据的价值,将数据资源作为其自身企业最重要的资产和生产力;二是转换思路,以开放的、融合的平台思路拥抱移动互联网这一全新的背景,努力为用户提供一体化的产品和服务感知;三是利用自身丰富的数据资源开展业务创新,积极探寻新形势下的商业模式,深入挖掘大数据所蕴含的无限商机。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在问卷调研的数据分析流程中,“先检验信效度,再开展进阶统计分析”是通用的规范逻辑。很多从业者会听到“问卷效度高,后续可以 ...
2026-07-30【核心关键词】大数据、统计学、专业、毕业生、论文、课程、计算机、建模、知识、数据分析、机器学习、数据科学、大数据技术、 ...
2026-07-30 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-07-30在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-07-28在Excel数据分析与报表制作中,数据透视表是快速完成多维度汇总、分组统计的核心工具。很多从业者在得到透视表汇总结果后,为了 ...
2026-07-27 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-07-27当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运转的核心动能、滋养人工 ...
2026-07-27【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23 很多数据分析师精通Excel、SQL、Python等工具,但当被问到“面对一个具体的业务问题,该用什么分析方法”“描述性分析和诊断 ...
2026-07-23【核心关键词】埋点、产品、互联网、数据库、决策、数据分析、产品经理、商业模式、移动互联网、指标体系、运营模块、大数据平 ...
2026-07-22在高并发、大数据量的业务系统中,单表数据量达到千万级甚至亿级后,会出现查询性能骤降、索引维护成本飙升、存储扩容困难等问题 ...
2026-07-22