京公网安备 11010802034615号
经营许可证编号:京B2-20210330
利用大数据优势 摆脱“管道”困境
运营商发展大数据具有其他行业无可比拟的优势,主要体现在:一、运营商掌握数据全面充足。电信的领域之中,数以亿计的通信用户基数保证了数据的海量和多元性。二、数据提供的可持续性。通信网络的时时存在为数据的持续和速度提供了保证。三、运营商对数据可以有效利用。运营商可以通过对海量数据的有效分析,更加精准、更加高效地把握用户需求,为广大用户和社会各界提供他们需要的产品和服务。
大数据概念很热门,在互联网行业,Google公司起步最早,目前已经拥有庞大的数据搜集和分析系统,发展相对成熟;苹果、Facebook和国内的淘宝公司也在加速大数据库建设,并且在公司业务分析和产品创新方面有所应用。就运营商来说,大部分国家和地区都在发展探索,一些发达国家运营商在大数据商用上已起步。尽管有些国家取得突破,但是总体来说,全球运营商大数据还处在粗放的发展阶段。
国内的大数据发展挑战
国内运营商由于技术、数据系统限制、用户隐私和商业模式不明确等问题,目前大数据运营只处在探索阶段。运营商利用大数据需应对四方面挑战。
第一,国内运营商系统分散建设,难以实现资源共享。经营分析、信令监测、综合网络分析、不良信息监测、上网日志留存等大数据系统分专业建设,其中部分系统分省建设,造成资源重复建设、应用重复开发、专家资源无法共享。
第二,数据处理种类多,单一技术难以实现。各大数据系统数据模型不统一,只具备结构化数据处理能力,无法支持非结构化、半结构化数据处理,无法满足互联网类业务发展要求。
第三,如何避免隐私泄露问题未能解决,大数据运营有风险。人们对于隐私问题越来越重视,数据公司掌握大量数据和数据制造者要求隐私权之间的矛盾,使得大数据使用变得困难。
第四,尚未确立商业运营模式。运营商掌握的数据很多,但是这些数据应该怎样应用,给谁用,应用收益是否可以抵消数据开发分析的成本,这一系列问题也让国内运营商非常困扰。
探索大数据的运营模式
尽管大数据商用道路上存在困难,但是由于运营商经营大数据的先天优势,互联网时代沦为管道的压力,还有大数据时代信息价值的高昂,使得探索和发展大数据是运营商最明智的选择和最好的出路。
中国联通目前正在着手对大数据业务进行研究,并已经成立了云数据运营中心,计划依靠该部门,逐步尝试开展大数据业务的运营工作,甚至有计划将该运营中心公司化,使之独立运营。中国联通已经在“移动通信用户上网记录集中查询与分析支撑系统”上引入了基于英特尔发行版Hadoop的大数据解决方案,用于支撑全网数亿用户的查询工作。
中国电信认为最有价值的大数据应用表现在四方面,分别是语音数据分析、视频数据分析、网络流量分析、位置数据分析。第一,利用大数据处理平台分析呼叫中心海量语音数据,建立呼叫中心测评体系和产品关联分析,可为如保险公司等提供基于自动语音识别的大数据分析系统;第二,基于智能图像分析能力的视频索引、搜索、摘要服务,从海量视频挖掘有价值的视频信息,提供公用视频图像分析,中国电信全球眼智能系统在智慧城市、平安社区、交通监管等领域大规模的使用。第三,通过分析互联网流量及协议信息,对一般性网络使用者的行为习惯分群组提供有针对性的网络便利性服务,比如精准广告;第四,通过LBS系统平台,对移动通信使用者的位置和运动轨迹进行分析,实现热点地区的人群频率的概率性有效统,比如根据景区人流进行基站优化。
中国移动在三家运营商中大数据优势最明显,因为中国移动承载了最多的用户数据。中国移动经营分析系统从2001年开始建设,目前移动业务支撑系统主要依赖云技术,并开发了“彩云”云存储应用产品。在数据流量业务成为主营业务的阶段,移动正积极部署通过各类业务和网络运营数据的分析,通过数据驱动业务流程,以培养用户习惯。将来,移动将进一步精确洞察数据,从数据成本中心向数据运营中心转变,与合作伙伴开展业务合作。
大数据发展之建议
首先解决隐私问题
美国棱镜门掀起了政府部分和公众对于信息泄露的恐慌。在信息泛滥的时代,信息泄露已经成为了首要解决的问题,也是阻碍运营商大数据商用的绊脚石。日本运营商NTT Docomo正是因为没解决客户隐私问题阻碍了大数据发展。就我国来说,随着人们越来越强烈的隐私保护要求,隐私问题也亟待解决。
解决隐私问题,首先需要运营商有隐私意识,对客户信息搜集有法案地系统保护,防止客户资料泄露。目前,在“大数据”业务的开发中,我国三大运营商将在技术上采取更加系统全面的方式,对用户隐私进行保护。其中一个重要行动,就是要全面升级客户资料档案库;同时,不断提高客户资料管理系统的安全保护能力,加强账号管理。为确保用户隐私,本地三大运营商短信中心系统也将继续实行目前已不留存用户短息内容等原始信息,对垃圾短信的拦截则通过系统设置自动执行等措施,并将采取更加科学完善的技术措施和操作规范,为广大用户提供“大数据”时代的安全应用环境。其次,运营商需意识到对于某一领域批量无记名数据的利用并不会泄露具体到个人的信息,所以运营商利用大数据有很大的空间。
支撑内部语音与数据增值服务
第三方行业需要购买数据,但对于运营商来说,数据是现成的,而且还可以有效避开隐私的问题。大数据对于提高运营商内部运营水平来说具有重大意义。具体有以下作用:一、分析用户行为,改善用户体验。譬如通过分析用户上网时段,优化流量套餐设计;通过分析客户套卡品牌比例和品牌对象,改善套卡设计,更具针对性地推广套卡;通过用户偏好分析,及时、准确进行业务推荐和客户关怀。第二、优化网络质量。运营商通过对用户的位置、时间、职业、年龄、业务偏好、业务流量及所需带宽等进行关联分析,实现对用户业务流量的甄别和用户级的网络资源控制,细分用户业务流量,将数据流量与用户、网络资源相匹配。第三、刺激业务创新。通过用户业务大数据分析识别用户行为习惯和用户偏好,从而为用户提供个性化、差异化的电信服务,提高电信用户黏性和忠诚度,挖掘新的业务机会,实现电信业务价值的最大化。
尝试与第三方公司合作
大数据最具价值的还是数据本身。电信运营商在数据量和及时持续获取方面具有无可比拟的优势。数据整理分析成本非常高,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,大数据的挖掘非常困难,业务发展就可能陷于停滞。所以与第三方合作,共同承担开发成本,有可以预见的收益,对于开发和利用大数据非常必要
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26在数字化浪潮下,数据分析已成为企业决策的核心支撑,而CDA数据分析师作为标准化、专业化的数据人才代表,正逐步成为连接数据资 ...
2026-01-26数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23数字化转型已从企业“可选项”升级为“必答题”,其核心本质是通过数据驱动业务重构、流程优化与模式创新,实现从传统运营向智能 ...
2026-01-23CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2026-01-22在数字化时代,企业积累的海量数据如同散落的珍珠,而数据模型就是串联这些珍珠的线——它并非简单的数据集合,而是对现实业务场 ...
2026-01-22在数字化运营场景中,用户每一次点击、浏览、交互都构成了行为轨迹,这些轨迹交织成海量的用户行为路径。但并非所有路径都具备业 ...
2026-01-22在数字化时代,企业数据资产的价值持续攀升,数据安全已从“合规底线”升级为“生存红线”。企业数据安全管理方法论以“战略引领 ...
2026-01-22在SQL数据分析与业务查询中,日期数据是高频处理对象——订单创建时间、用户注册日期、数据统计周期等场景,都需对日期进行格式 ...
2026-01-21在实际业务数据分析中,单一数据表往往无法满足需求——用户信息存储在用户表、消费记录在订单表、商品详情在商品表,想要挖掘“ ...
2026-01-21在数字化转型浪潮中,企业数据已从“辅助资源”升级为“核心资产”,而高效的数据管理则是释放数据价值的前提。企业数据管理方法 ...
2026-01-21在数字化商业环境中,数据已成为企业优化运营、抢占市场、规避风险的核心资产。但商业数据分析绝非“堆砌数据、生成报表”的简单 ...
2026-01-20