京公网安备 11010802034615号
经营许可证编号:京B2-20210330
全球电信行业面临日益严峻的收益挑战,市场趋向饱和、ARPU值持续走低、市场遭遇OTT侵袭等。另一方面,信息数据流量的快速增长、4G时代带来的更多创新应用也为运营商带来机会。作为一个“信息石油”大集成者,全球电信运营商已开始利用大数据技术实现转型,并着手打造信息生态。
冬日来临
开源节流是运营商的发展要义,特别是在如今的紧日子下。
5月初,工信部联合发改委发出通告,包括固定和移动的本地、长途、漫游语音、短消息、数据业务等,所有电信业务资费都实行市场调节价。
6月起,电信业“营改增”试点正式开启,从之前统一税率3%,提升至基础电信服务税率11%、增值电信服务税率6%。三大运营商均发布公告称公司财务将受到较大负面影响:中国移动今年收入下滑9%,利润下降超过200亿元(人民币,下同);中国电信经营利润减少30%,约52亿元;中国联通未公布具体数额,但净利润大幅下降是事实。
7月初,国资委通知三大电信运营商,要求三年内连续大幅度减少营销费用达20%。根据测算,仅中国移动3年里就需减少营销费用240亿元,而三大运营商3年总计需要减少营销费用400多亿元。
根据三大运营商2013年财报,中国电信2013年净利润175亿元,中国联通2013年净利润34.4亿元,中国移动2013年净利润1217亿元。
政策的一步步收紧,促使运营商不得不进一步加大力度降低成本、提高效率,并拓展新业务,也正是这样的背景加速了运营商采用大数据的步伐。
目前,运营商利用已有的信息资本,主要从两个方向发力大数据,一是改善企业运营效率,二是拓展新形态业务。
改善运营效率
降低运营成本,同时维持现有客户收益是运营商改革的主要目的。现在在大数据等新技术的推动下,运营商优化管理基础设施建设的系统资源,以及更深刻的了解用户并维持关系有了新的途径。
据工业技术研究产业经济与趋势研究中心钟俊元介绍,目前包括美国T-Mobile、韩国SKPlanet、中国联通等运营商已经开始利用大数据技术提高客户续约率;印度Bharti、爱尔兰Vodafone等也利用大数据增加资产使用效率。
以中国联通某公司为例,据悉其通过分析通话记录提高客户续约率达34%。中国联通与供应商合作开发了一套客户流失率分析和行销管理平台,对海量的通话记录进行分析,精确找出“高危”用户,准确预测了用户流失。同时该平台可以针对流失的用户提供符合需求的方案,针对APRU较低的客户群设计更个性化的增值服务与优惠方案,从而挽留客户。
采用该大数据平台后,效果十分明显,据相关数据表示,其公司整体APRU值提高10%,客户流失率预测准确性提高5倍以上,客户续约率提高34%。
拓展新业务
除了内部利用相关平台及工具提升效率,在对外开拓新业务方面,大数据也是一把好手,特别是在利用已有的移动设备产生的海量数据方面。
AT&T利用客户行为资料开始发展信息业务。其与其他企业策略结合,将用户资料加值利用,以增加业务收益,并提供对使用者有利价格或服务模式,让用户自愿提供隐私资料。运用这些信息,AT&T不仅可以改善网络及服务品质,同时提供了个人化广告服务,并计划在未来提供匿名化的用户资料行销报表给企业,如零售业、广告业等,当然,用户有权选择不使用。为鼓励用户开放信息,AT&T先是在2013年6月,公告修改隐私政策,明确告知所收集资料与应用模式,并在12月推出U-verse with GigaPower光纤到家服务,以优惠价格选项,获取用户同意被追踪网站浏览行为及提供广告等服务。
除了AT&T外,西班牙电信也利用销售用户行为数据来拓展收益。其针对用户群体流量与移动路径,搭配相关属性进行综合性追踪分析,如哪些因素为影响人们在什么时间去往何处,而这些信息将有助于零售业进行店面地址规划、广告行销,以及公共事业单位进行交通管理等。
在产业合作方面,大数据也为运营商提供了新的合作模式。运营商可以将信息资源开放授权给其他软件企业,由软件企业来开发用户信息的增值服务,创造业务收益。
例如美国IT公司AirSage便与两家无线运营商合作,利用运营商的信息资源提供匿名化、及时性的位置记录或人口普查等服务。据悉,其每天可获取超过1亿台移动装备数据信息,在及时性上,能获取一小时前的最新资料,从而其可以轻松对外提供行为报告、市场研究、城市交通规划、推算其他信息等服务。
同时通过这些信息,可以进一步扩展产业链。新创公司StreetLight Data便基于AirSage 的行为信息资源发展Geospatial BI产品。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
日常用Excel做数据管理、台账维护、报表整理时,添加备注列是高频操作——用来标注异常、说明业务背景、记录处理进度、补充关键 ...
2026-03-23作为业内主流的自助式数据可视化工具,Tableau凭借拖拽式操作、强大的数据联动能力、灵活的仪表板搭建,成为数据分析师、业务人 ...
2026-03-23在CDA(Certified Data Analyst)数据分析师的日常工作与认证考核中,分类变量的关联分析是高频核心场景。用户性别是否影响商品 ...
2026-03-23在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13