
挖掘大数据时代的信息宝藏
近年来,移动互联网、云计算、物联网、大数据等信息通信技术日新月异,推动产业生态和市场环境发生了深刻变革,跨界竞争的挑战日趋严峻,产业融合的空间前所未有。在日前举办的工业和信息化部电信经济专家委员会(ECTE)新年学术沙龙上,业界的专家学者围绕“融合时代的信息服务业”展开深刻探讨,碰撞出许多智慧的火花。记者梳理出其中的精彩观点,以飨读者。
北京邮电大学校长助理吕廷杰:
大数据分析具有重要价值
北京邮电大学校长助理吕廷杰认为,分析大数据背后的关系会产生重要的产业机会。他举例说,北京的一家公司拟为北京市政府做一个数据分析。由于该公司掌握着运营商基站中的数据,政府要求他们和运营商达成协议,用这些数据分析北京各条环线和主干道上汽车流量的流向与时间分布,以及所有地铁线路的人流时间分布。这会对北京市的交通规划产生重大影响,一旦形成商业模式,很多城市都会效仿。然而,用户的个人隐私与信息安全问题不容忽视,所以协议应明确规定公司只能分析群体数据,不能分析个人数据。
吕廷杰总结了2012年信息服务业的五大特点。
一是三网融合促进了视频业务的发展。最典型的事件是中国电信天翼视讯基地在上海成立。中国电信董事长王晓初提出,为了让更多的合作伙伴参与到视频业务的创作中,不向提供视频业务的服务商收取流量费。这将大大促进视频业务的发展。
二是随着大量的数据应用和3G用户的普及,通信业被迅速地管道化。因此,流量经营和智能管道的概念被讨论得很多。吕廷杰认为,智能管道就是把合适的信息传给需要的人。
三是社交网络强占即时通信的商机。吕廷杰说,在微信用户超过3亿的同时,东南沿海某些运营商的短信业务收入却缩水近20%,彩信业务收入缩水近40%。这个问题引出了“去电信化”的话题。吕廷杰认为,“去电信化”有两个含义,一个是减少运营商对管道的生产形态的依赖,另外一个是传统的电信思维进入到IT思维是极其不适应的。运营商老想着做自有业务是不对的,要做好孵化平台。GSMA曾说过,全球的电信运营商都在做两个平台,一个是电子健康平台,一个是电子学习平台。
四是产业链的高端正在融合。 如今,其他行业想进入电信行业,电信行业自身也想突围,这使得产业链的相关方产生业务上的融合。过去,设备商和运营商是处在产业链附加价值比较高的一端,而移动互联网的发展使终端服务商上升到产业链的高端。目前,许多移动互联网的内容服务和终端正产生融合。
五是智能终端引领后PC时代ICT产业的发展。
中国电信集团政企客户部高级顾问张明天:
服务用户应做到方便、快捷、互动、分享
中国电信集团政企客户部高级顾问张明天在分析移动互联网时代运营商如何改进客户服务时表示,今天,服务用户与过去相比有很大的差别,其特点可归结为“方便、快捷、互动、分享”八个字。
张明天认为,服务用户最重要的是做好感知,但这点与互联网企业相比,运营商有极大的差距。她说:“如今,三大运营商要么帮别人卖硬件,要么帮别人卖软件。但自己的核心竞争力到底在哪里?就拿最基本的用户交费的方便和快捷来说,运营商的感知服务都做得很不到位。有不少用户曾向我反映,宽带包年到期想要续包,必须到营业厅办理,为何不能在家上网办理?”
张明天说,除了快捷和方便,互动和分享是运营商与互联网企业相比最缺乏的服务意识。她曾经要求运营商把网上营业厅与微博一键互动,可相关部门认为,微博一键到网厅是可以的,但网厅一键到微博没有任何必要。经常玩微博的人都知道,腾讯推出一些小工具或应用后,都会附带一句话:“是否一键到微博?”点击后,微博马上显示:“我刚刚用了一个小工具,很方便,你也可以试一试。”这就是互动与分享的最直接体现。张明天建议,运营商也可以让用户在网厅交完费之后一键到微博,起到宣传效果。
2012年11月11日光棍节,淘宝的营销策略引发了热议,可12月12日,淘宝又进行了一次成功的尝试。那就是,所有的淘宝用户登录账号后,系统都会弹出一个框,上面详细记录了用户8年来的购买记录:第一次登录是哪一天,第一次购买的东西是什么,寄给了谁,这些流逝的美好回忆使许多用户感触很深。张明天说,这就是互联网企业善于服务用户的最典型的例子,可是运营商至今连账单都时常让用户看不懂,运营商真正做好管道,还有很长的路要走。
中国科学院研究生院管理学院副院长吕本富:
商业模式是大数据真正的推动力
会上,中国科学院研究生院管理学院副院长吕本富作了题为《大数据时代的商业前景》的演讲。吕本富认为,大数据是包括数据、工具、平台和分析系统等内容在内的非结构化数据,它主要和信息化、信息系统相关联,具有指向性、开放性和动态性。2012年美国政府发布大数据战略,投资2.2亿美元发展大数据,标志着大数据从此登上世界经济的舞台。它的价值在于了解大规模社会行为背后的规律,还可对原来的结论进行证实或证伪,通过观察、感知、计算、仿真、模拟、传播等行为进行价值预测和精确定位。
吕本富表示,商业模式是大数据真正的推动力,如果没有商业模式的驱动,大数据可能会成为泡沫。大数据的商业模式主要有三种:圈定用户和针对性营销、用户的关联性分析、完全个性化的定制。圈定用户并进行针对性营销需要精确定位。以电子商务为例,传统电商推荐多是使用协同算法,挖掘不同产品间的关联度。信息分类从基础服务形式下沉到推荐引擎框架底层,不直接推荐结果。大数据时代,营销将会更多地依赖数据,从而更精准地找到用户。根据来自不同平台的数据进一步挖掘和分析,找到这些数据相对应的人群,再将这些群体进行个性化的对比,并以此展开个性化的营销服务。例如发送EDM,或者流量对接,或者跟传统搜索结合。在用户的关联性分析方面,“大数据”的价值就在于:从海量的数据中发现新的知识,创造新的价值。要为用户提供个性化的服务则需要数据的深度描述。
吕本富认为,商业模式中最核心的环节是决策。决策是管理的本质,决策产生价值,决策的精确性来自于信息对称的程度,信息对称的程度来自于对信息的挖掘和对数据的梳理。他通过介绍时尚公司Zara挖掘数据关联性、淘宝对商品数据进行深度描述、奥巴马大选利用大数据分析等经典案例,剖析了大数据引导的商业模式创新。他指出,互联网承载着太多的信息和信号,大数据的重要趋势就是数据服务的变革,把人分成很多群体,对每个人提供针对性的服务。
中国社会科学研究院信息化研究中心秘书长姜奇平:
大数据增强IT核心竞争力
中国社会科学研究院信息化研究中心秘书长姜奇平围绕大数据与移动互联网表达了四个观点。
观点一:HTML5目前在商业模式上还不成熟,但它一旦成熟,就会引起移动互联网的改朝换代。姜奇平预测,下一代移动互联网的巨头未必是苹果或谷歌,有可能是百度、腾讯或Facebook这样的互联网企业。他说,HTML5和大数据有着密切的联系,如果在网络基础设施里面嵌入“智能”,将带来一场新的大革命。
姜奇平把目前移动互联网的产业机构称为集中控制模式,也叫“水库模式”,平台好比大坝,用户被拦在水库里面。但是到了Web APP时代,将形成“水塘模式”,水库被炸掉,形成分布式的小水坑,应用不再依托平台,应用与应用之间将直接产生智能感应。这种模式的变迁来源于大数据和下一代移动互联网之间的重要联系点。
观点二:大数据在产业链中将增强IT的核心竞争力。姜奇平认为,移动互联网是ICT,是IT与CT的融合,这两个行业各有各的核心竞争力,大数据的到来势必会加强CT,更会加强IT。姜奇平说,目前三大运营商的市值加起来共3000多亿元,这将很快会被整个互联网企业所超越。
姜奇平把CT比作贸易技术,把IT比作加工技术。他认为大数据将影响“贸工技术”结构,将来会从“流量经营”时代慢慢向“分析和服务”时代转移,价值主要从“分析”中产生。
观点三:结构变化带来新的转型要求。面对移动互联网的冲击,运营商还没跟上,但下一代移动互联网的冲击已经迎面而来。HTML5和大数据的数量、结构、时间都是海量数据。要处理的数据不是模拟信号,也不是简单的流量信息,而是非结构化的数据,具有多样性、动态性、快速变更性。姜奇平强调,未来有可能不在数据中心处理数据,而是在本地产生数据,即数据本地化,每个终端的数据都可以与中心的数据及时进行匹配,这实质上是“去中心化”的结构。如何把握数据的快聚快散与多变,而且要求一对一的精准,这对小企业来说如鱼得水,但对大企业却不是那么容易。
观点四:三五年内运营商还面临三大机会。一是与互联网企业共赢的机会。姜奇平认为,运营商与互联网企业的合作是非常完美的生态合作。基于网业分离和网络中立,释放一部分权利可以换来更多的收益,何乐而不为!二是互联网企业和运营商在一些领域存在互补性,比如电子商务、三网融合、OTT等,合作机会还是客观存在的。三是竞争的机会。互联网企业目前经营的业务都是面向个人用户的,而运营商有很大一部分业务是面向企业用户的。运营商应在信息化的过程中着力为企业服务,和互联网划出一条界线。运营商要充分利用各行各业对数据业务的强烈需求,做好原数据的加工和接口的开放。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11