京公网安备 11010802034615号
经营许可证编号:京B2-20210330
中国联通推出“流量银行”抢滩流量市场
在近期举行的移动互联网流量创新峰会上,2014年中国联通正式推出“流量银行”,以流量为纽带,以技术和数据为基石,“颠覆性”推出包含用户、企业和运营商在内的流量2.0生态系统。
简评
微信等OTT压迫下,运营商大数据运营将是未来方向
移动互联网时代,微信等OTT压迫下,电信运营商有逐渐沦为管道的趋势下,传统语音和短信收入不断,中国联通2014年中报显示,其服务收入中语音部分占比高达59.5%,数据流量收入同比提升50%。传统的收入模式面临巨大挑战,运营商思变是必然选择,我们认为联通的“流量银行”的推出可以算作运营商思变的标志性事件之一,未来运营商将利用自身优势不断革新创造价值。除基础设施外,运营商最大的财富是其拥有的海量数据,包括用户号码身份特征、消费特征、位置轨迹、非流量业务行为特征等,利用这些数据进行对内及对外的大数据运营将是运营商扩大自身价值的不二选择,而在此之前对于数据收集、管理、应用的投入也将不断增加。
公司在电信大数据市场领域份额不断扩大
公司涉及大数据收集、管理、应用、运营全产业链,在电信大数据领域市场地位及技术均处于领先地位。我们将运营商大数据市场分为大数据项目和运营市场。大数据项目(主要指收集、管理、应用)市场份额方面,公司在联通占比超过80%,电信占比超30%,移动占比超过10%。公司今年中标移动大数据核心项目,可谓技术实力获得移动认可的标志性事件,有望改变公司未来在移动大数据市场的竞争格局,打破亚信联创的垄断地位。预计三家运营商明年在大数据领域的投资额度接近30亿,未来每年投入增速有望超过20%。大数据运营市场方面,公司不断尝试以各种方式参与运营项目,虽然目前尚未对收入产生大的影响,但未来尝试不会停止,想象空间巨大。另外,由于大数据运营最终涉及各垂直行业,运营商直接参与的难度很大,以有偿分享数据资源的方式开放合作大数据运营市场将是最佳选择。
金融BI将成比翼齐飞之形势
计世资讯数据显示电信和金融是目前对大数据投入最大的两个领域,占比超过60%。近年来公司大力拓展金融大数据领域布局,两年来连续并购科瑞明及屹通信息。另外,公司还有自身的金融事业部,预计三个部分明年将贡献7000w以上利润。金融BI市场相对电信市场更加分散,公司未来希望打造金融和电信大数据比翼齐飞的局面,若想达到这一目标,金融BI市场仍需不断加强和拓展,而利用上市公司平台进行并购将是扩大市场份额最快的方式。
产品化提升毛利率,募投项目拖累管理费用率.
今年8月份公司发布了东方国信大数据产品线核心产品,涵盖了大数据采集设备,大数据处理专用设备、大数据存储及计算、大数据管控等各个方面,这些产品已经在各个行业客户中得到了成功应用,未来公司将大力贯彻产品化策略,这将有效提高公司产品标准化程度,降低二次开发频率,从而提高公司毛利率。另外,由于公司上市募投项目导致的研发费用资本化的摊销,近年来管理费用率不断上升,到今年年底公司5个募投项目将全部完工,研发费用资本化将见顶,管理费用率未来有望逐渐步入下降通道。
盈利预测与投资建议.
除电信与金融大数据市场外,公司还通过内生和外延等方式渗透到工业、能源等大数据市场。未来电信和金融两领域将长期处于大数据投入景气期,整体市场增速有望保持在20%以上,公司在两个市场份额有望不断提升,预计公司2014~2016年收入5.86、7.54、9.76亿,增速分别为25.36%、28.50%、29.47%。EPS分别为0.51、0.70、1.05,对应估值分别为45.10、32.86、21.90,强烈推荐,维持“买入”评级,6个月目标价提高到38
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12