京公网安备 11010802034615号
经营许可证编号:京B2-20210330
运营商的大数据能否有大影响的未来
大数据显然已经成为全社会的热点,而且,这个热点不再虚无缥缈,更多的大数据落地项目和前端应用让大数据开始发挥自身的效力。
2017年世界电信日主题是“发展大数据,扩大影响力(BigDataforBigImpact)”,这也是国际电联首次以大数据为主题。
就此,广东省通信管理局党组书记、局长苏少林表示,数据已成为国家基础性战略资源,正成为一种新的资产、资源和生产要素,是21世纪的“钻石矿”。通信行业作为目前数据量最大、覆盖面最广的行业之一,拥有大量具有社会属性、消费属性的数据资源,是一座储量惊人的“数据富矿”。
在大数据的使用中,阿里巴巴走在了互联网行业的领先位置。从淘宝、天猫等电商大数据出发,阿里巴巴将数据价值充分挖掘出来,不仅支持其精准营销和业务拓展,更是结合支付金融与其他行业的数据,芝麻信用已经化身中国商业社会的基础设施,这些都值得电信运营商学习借鉴。
据了解,北京移动从2013年底就开始大数据的研究和开发工作,2014年形成收益,2015年正式推出司马大数据品牌并固化了服务产品。其他的很多运营商也都在不断发展自己的大数据产品开发,取得了初步的成绩。从电信运营商数据特征来看,精确营销、征信产品、咨询服务、互联网服务等都可以成为大数据价值体现的主要方面。
未来,大数据的价值在于进一步用于参考预测分析,用户行为分析,高级数据方法(包括人工智能),而不仅仅停留在数据集的大小本身。电信运营商拥有最好的大数据资源,但长期并未得到最好的开发,也因为局限于电信领域而缺乏使用场景和实用案例。如果要让电信运营商能够将大数据的价值发挥出来,就必须有效的拓展电信运营商的业务范围,让数据可以得到安全的使用。
大数据并非仅仅是数据量大,不是数据数量多的应用就是大数据,需要的是全面,更需要的是跨界融合。如果仅是将某一方面的数据加以整理和分析,这样的所谓“大数据”只是统计报表的一种碰瓷而已。在大数据的发展中,包括运营商在内的使用者都应该致力于提高数据的跨度、融合度以及综合应用能力。
大数据不是泡沫,但也并非是很多想象的那样简单,不是所有的存储量大的数据就是大数据,而是要将不同的数据整合起来,比如运营商掌握的通信行为数据、交通数据、天气数据、旅游数据甚至分散在社会各个领域的数据进行整合,从而提升大数据的全面性和实用性。在这方面,电信运营商有社会公信力、有数据处理能力,也有投资能力和链接客户的资源,所以应该当仁不让的走在领路人的位置上。
所以,大数据代表大未来,也代表大的影响力,而这种影响力不会想当然的拥有,必须付出相当的努力。电信运营商需要的是更广阔的视野、更充分的研究,跳出通信运营商的小圈子,面向全社会提供服务。对于电信运营商来说,大数据战略中,需要的是利用自身的数据资源和能力整合全面数据,面向社会提供更有价值的服务,如此才能真正让大数据发挥应有的效力。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15