
产品和应用前景广阔 大数据为信息社会赋能
今年5·17世界电信和信息社会日主题是“发展大数据,扩大影响力”,这是国际电信联盟首次将“大数据”设为主题。发展大数据最活跃的是互联网公司,与BAT等互联网巨头相似,通信运营商储存和管理的数据量也十分惊人,通过把数据变为工具,使之成为GDP的“倍增器”。
目前,整个通信网络正在努力实现支持更大数据流量和更多终端的连接,5G带来的万物互联远景将会使整个通信网络中增加上百亿的连接,这些连接需要通过大数据、云计算等技术赋予更多的智慧,为整个信息社会赋能。
通信运营商沉淀海量数据
如何更好地发挥数据资产的价值,对于通信运营商来说是一个崭新的课题。通信运营商是大数据的传送者、生产者和使用者。运营商中的大数据主要可分为三大类。第一类是CS(Circuit Switch)域中的信令数据,主要包含用户的电话呼叫记录(CDR)、短信发送记录以及终端与网络的其他交互记录(如终端的开机消息、位置更新消息、鉴权消息)等;第二类是PS(Packet Switch)域中的IP包数据,PS域数据主要包含用户上网时的控制面和用户面数据包记录,控制面数据如AAA的鉴权、认证数据包,PDP建立、更新、删除等,用户面数据主要是用户的上网记录数据;第三类是包含用户个人属性的CRM数据,主要包含用户的身份资料数据、产品的订购数据、用户的消费数据、用户的支付数据、用户的套餐数据、用户的终端数据等。
目前通信运营商对这些数据的管理能力已经达到了新的水平。中国联通信息化事业部副总经理范济安告诉记者,自2012年中国联通成立全集团范围内的大数据中心以来,中国联通在持续强化和提升对公司内部数据支撑能力的同时,加快建设中国联通大数据应用开放平台,已形成国内除BAT外最大的云架构大数据平台,沉淀了海量的数据。
现在这一平台存储容量为85PB,Hadoop集群的计算能力已近4500个节点,平台上集中了全国4.1亿多用户数据和GPS级的实时位置数据,建立了涵盖9大类,共计3800多个用户标签体系;可轻松识别4亿URL,20万个互联网产品,约4200个手机品牌、10.5万个终端型号;日处理5480亿条上网记录信息,670亿条位置信息,170亿条计费详单。每月可支撑内部各种数据查询服务超过6000万次。
范济安说,在数据安全保障水平提升方面,2015年,面向全集团发布了《中国联通数据服务安全管理办法》,加强数据输出及应用监管,严格把控数据质量及数据扩散,有效开展数据治理,保障数据安全和质量,处理好个人隐私保护(严格控制可追溯到个人或终端的数据授权和应用),让数据只能在安全可控的范围内使用,提供持续、稳定、高效的大数据运营服务。2016年数据中心整体通过了ISO27001国际数据安全标准认证,实现了既定信息安全目标,信息安全和商业秘密信息泄露事故为零。
中国电信在大数据方面动手也很早。2014年11月4日,在中国电信牵头下,由工信部电信研究院、中国电信、亚信、东方航空、中国互联网协会等45家单位联合组成中国企业大数据联盟。2015年11月,中国电信正式发布了大数据开放平台和“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4类数据型产品及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。
大数据产品和应用
前景广阔
中国联通在2016年推出了六类大数据产品:沃标签、沃平台、沃征信、沃营销、沃指数及智慧足迹。前两个产品的定位是通用的基础服务,目标是将联通的数据通过标签的形式进行开放,供合作伙伴在沃平台上使用。后四类产品属行业应用,为特定的行业提供特定的服务。
范济安表示,六大产品中沃风控和沃指数取得了巨大成功,收到金融领域和互联网企业的热烈响应。一年多来发展了200多个政企客户,其中既有各大部委,又有颇具代表性的互联网企业;金融行业里各大保险公司等尤显活跃,同时许多初创公司中小企业也纷纷利用联通开放的数据与平台开发运营自己的应用。
到目前为止,中国联通已经形成了征信风控、沃指数、精准营销、用户标签、能力开放平台、智慧足迹、沃广告、沃旅游、沃政务大数据共计九大产品。
中国联通与国家旅游局共同开发发布的旅游大数据指数、与腾讯公司共同开发运营的防电信欺诈的天眼、与招联公司共同开发并在双方各自业务中部署使用的沃信用分、与中国电信合作推出的个人征信查询系统大数据应用已经实现了数据的深度融合。其中与中国电信合作推出的个人征信查询系统获得工业部颁发的“司马”奖特等奖。
风险防控产品基于中国电信用户标签数据,建立用户信用模型,主要服务于银行、保险、征信、P2P等金融机构,在贷前风险防控、贷中风险管理、贷后风险追踪等方面提供大数据服务;区域洞察产品基于中国电信用户位置标签数据,为道路交通、区域人流分析、商业选址分析、智慧城市建设、智慧旅游建设等领域提供数据服务。
中国移动利用大数据精准扶贫。智慧精准扶贫系统依托中国移动在IT和数据方面的资源及能力,具备精准识别、精准匹配、精准帮扶与精准管控等功能,可以实现贫困组织(县/村等)、贫困户、贫困人口的精准识别,系统不仅可以在电子屏上精准显示贫困户、帮扶党员干部等的数据信息,还能通过数据图表分析出贫困人口致贫原因、务工状况、文化程度,图文并茂、一目了然,可以更精准地制定扶贫方案。
通信运营商
发展大数据仅是开端
电信运营商发展大数据,也面临很多挑战。范济安说,经过四年的建设运行,中国联通在数据集中、平台建设、对外开放和服务运营等方面积累了一些经验,在国内具备一定的领先地位。与国内同行相比,中国联通的领先优势有四点:全国集中的数据、数据质量、平台规模与能力、集团与分子公司之间协调发展的一体化运营体系。“同国外同行相比,应该说我们是两优一劣:数据量和应用广度与深度要远远优于国外;而在技术方面,大量使用的开源软件还都源自国外。”
当前,针对“互联网+”或产业互联网中所需的多行业业务和数据融合模式,首先,在对外开放方面,运营商过于聚焦在银行、保险、征信等领域,在工业制造等行业的案例寥寥无几。其次是缺乏像德国“工业4.0”中的大数据或其中的工业数据空间IDS那样有个系统化的顶层设计,流于摸着石头过河。最重要的是第三点,即运营商只能做到有限的数据开放,而没有做到数据共享和多方数据的整合。
范济安表示,出于防止数据扩散,用户个人信息可能受到侵犯,数据价值无法持久化等方面的考虑,中国联通在数据对外合作方面往往采取的是“请进来”的方式(这也是运营商的普遍情况)。这样的做法有两个缺陷:一是过于以我为中心,请进来的基本都是自身没数据或有数据也不愿意分享的合作伙伴;二是如果大家都坚持这种“请进来”的模式,不能实现多方数据的整合,跨行业应用就得不到发展。
欧洲最大应用科学研究机构、有2万多研究人员、20亿欧元研究经费的德国Fraunhofer研究所在德国“工业4.0”项目中启动和领导了德国工业数字化创新的工业数据空间子项目(IDS),该子项目专注于跨行业数据代理交换和数据应用,其目的是将分散的工业数据转换为一个可信的数据网络空间,目前已经得到德国或国际30多个重点企业支持,其中不乏世界500强企业,如欧洲著名的保险公司Allianz、最大的IT服务公司Atos Origin、世界知名的拜耳制药公司、世界顶级会计事务所普华永道、德国技术检验协会TUV、大众汽车、重型工业公司克虏伯、蒂森等。
“IDS中的去中心化思想摒除了将数据都集中在一个平台上进行整合、共享的方案,奠定了大数据持续顺畅发展的基石。”范济安说,“所以我们在积极与Fraunhofer研究所合作,希望能够借鉴他们的经验,满足30家世界500强企业到中国来发展的需求,发展数据交易技术,打造一张去中心化的、由认证的合作伙伴自营的中国式工业大数据网,实现中国联通从‘请进来’到‘走出去’的发展愿望,实现三家运营商以及众多大数据企业在数据合作上共享共赢的愿望。此外,我们也在与我们的战略合作伙伴西班牙电信在多个维度开展合作。”
从数据资源或资产的角度,互联网企业的数据一般受限于本身的业务和数据基因,其数据的范围和深度都是有限的。运营商在大数据领域具有其他行业无可比拟的优势,主要体现在以下三个方面:一是规模性。一方面是数据体量大,每天产生的数据以PB计算,具有丰富充足的数据源;另一方面是数据维度全面,包含用户行为、地理位置、上网行为、运动轨迹、支付能力、咨询投诉等信息;二是准确性。网络系统可实时产生与终端用户相关的多维度行为信息,准确实时的反映用户行为状态。三是连续性。网络数据可持续提供,具有连续和可追溯性,仅取决于数据的存储策略,无人为因素干扰。而且通过这些不同维度数据的交叉关联,可以创造更多的新数据和新价值。
作为运营商,尽管在数据资源上具有其独特的价值,并不意味着仅靠自身的数据就所向披靡。尤其是在跨行业的复合场景下,多个数据源的关联分析能产生出更大的价值。这就要求运营商还要整合更为广泛的外部数据源,包括其他行业、公司及政府机构。
通信运营商发展大数据,目前仅仅是一个开端。整个通信网络正在努力实现支持更大数据流量和更多终端的连接,5G带来的万物互联远景将会使整个通信网络中增加上百亿的连接,这些连接需要通过大数据、云计算等技术赋予更多的智慧,需要运营商通过持续不断的投入和深入的行业分析,为整个信息社会赋能。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04