
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
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 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 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15