京公网安备 11010802034615号
经营许可证编号:京B2-20210330
看三大运营商如何将大数据的“富矿”变“钻石
如今我们处在一个无处不数据的时代,坐拥大数据这座富矿,国内无论是互联网企业还是运营商都在紧锣密鼓的建设大数据平台,企图将这座宝矿开发成为熠熠生辉的“钻石”。
目前,国内三大运营商迎接大数据时代的步伐和规划各自不同,中国电信的大数据平台已经扩展到31个省,基础平台建设基本完成;中国联通虽然起步晚一些,但是其大数据产品体系已经发展成为六大产品种类;相对于中国电信和中国联通的成熟,中国移动的数据中心资源略显不足,但是需求量不断递增,也在不断努力布局中。
中国电信:大数据平台扩展到31个省 基础平台建设基本完成
中国电信所有的大数据都是在云平台和云设施之上搭建的,如今其大数据平台建设从原来的5个省现在扩展到31个省,数据的种类从开始的几类主要的数据扩展到十几类,实效性是原来一周到现在小时的延时。
中国电信云计算分公司大数据事业部首席数据分析师张宇中表示:“中国电信的大数据平台跟其它合作伙伴的模式不一样,中国电信主要是做节约化运营,将数据的汇聚、接入、存储、加工、输出整合在一起,这样前端的响应可以快速的传递到客户中去,并且可以持续的循环。同时,中国电信的平台开发还做了具体功能区分。”
目前中国电信已经完成了大数据基础平台的建设,正在继续完善行业的应用。依托云网融合,中国电信的大数据开放平台一直拥有强大的资源,中国电信有八大资源基地,还有内蒙和贵州两大数据中心,并且很多区域下沉的边界。
2015年11月28日,中国电信正式发布“天翼大数据”品牌,并推出精准营销、风险防控、区域洞察、咨询报告四类数据型产品和大数据云平台型产品,重点服务于旅游、金融、广告、政府、交通等行业。这是中国电信运营商第一个大数据业务品牌。
据了解,中国电信推出的4+1产品模块,拥有15个子项。其中有面向个人拥护推出的风控的和精准营销产品;还有一部分是输出具体数据,形成相关报告;此外,中国电信还开发了PAAS的平台对价值链的某一方面具有专业特色的公司能够利用大数据平台做它所擅长的事情。可以说,中国电信通过多种手段为产业链打造了一个比较安全可靠的大数据平台。
此外,中国电信还和其它100家企业共同发起成立BDU中国企业大数据联盟,期望能够与产业链共同推进大数据生态的建设。
中国联通:大数据产品体系发展为六大类
中国联通从2013年开始发展大数据业务,如今其大数据产品体系已经发展成为六大产品种类。
据了解,这六大产品种类分别是:一征信产品,例如大数据最大的应用是在金融行业,金融行业需求电信运营商所拥有的大量用户的真实性数据;二沃指数,分析包括市场洞察和行业指数两个方面,行业指数涉及到金融、交通、旅游、APP,以及各类的各个垂直行业分析的指数;三精准营销产品,中国联通有很多用户资源和渠道,在保护用户隐私的前提下,可以做到针对不同的场景和不同的用户,进行内部和外部的精准营销;四用户标签;五能力开放平台;六智慧足迹。
特别需要指出的是去年底中国联通在第二届世界互联网大会上,首次发布了“沃指数”大数据产品体系。该产品体系以中国联通4亿用户数据为基础,具备海量、实时的数据处理能力,通过与政府、行业权威机构的数据进行整合、提炼、分析和挖掘,具有真实、全量、安全、实时、公正的特点。
据介绍,“沃指数”涵盖了3000余个用户标签,能够轻松识别3.8亿条URL、6万个互联网产品、约3000个手机品牌、8.2万个终端型号,据此可助力政府在城市规划、公共服务、交通出行、旅游监控、抢险救灾等方面提供决策依据;帮助企业在商业选址、广告投放、信用控制、产品设计等方面提供分析报告及经营决策指导;为公众提供交通出行、旅游选择、消费指南等生活服务。
目前中国联通对移动网和固网用户的数据采集、数据存储、分析和挖掘,形成了以下能力:包括9个大类的用户的标签,涉及到各个行业,各个类别,识别3.8亿条URL的特征,可以识别6万左右个互联网产品,以及可以对3000个手机品牌,以及8.2万个终端型号进行识别。
中国移动:数据中心资源不足 分两级布局
数据中心资源不足一直以来是中国移动面临的问题,尤其是随着4G用户近年来的高速发展,数据中心需求量不断递增。
据了解,2014年,中国移动数据中心全网机柜超过了43700架,预计2016年将突破10万架。
此外,日前中国移动启动2016-2017年度数据中心交换机集中采购工作,预计数据中心交换机(接入交换机)采购3697套,数据中心交换机(出口交换机)采购731套。
近日中国移动计划建设部基建管理处处长舒建军在公开场合谈及中国移动数据中心规划,“中国移动的数据中心在布局上分两级布局:一级是为全网服务的总部主管数据中心;另一级是省公司主管数据中心。总部主管数据中心主要部署在内蒙、哈尔滨这两个地方,主要服务于全网的集中化的自用系统,兼顾地域不敏感的IDC客户需求、公众服务云。”
另外,在选址方面,现在中国移动设计的数据中心,PUE在北方区域达到1.32,在南方甚至在海南、广东一带达到1.4。这些技术在呼和浩特、哈尔滨包括国际信息港、南方基地等数据中心都有应用,而且这四个数据中心都是为全网服务的数据中心。
总之,中国移动建设数据中心的目标是安全、高效、低成本、绿色,要努力实现IT、土建、机电的最佳匹配。
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