京公网安备 11010802034615号
经营许可证编号:京B2-20210330
解析全球十大电信巨头如何玩大数据
目前,全球120家运营商中,已经有48%的企业正在实施大数据战略。通过提高数据分析能力,他们正试图打造着全新的商业生态圈,实现从电信网络运营商(Telecom)到信息运营商(Infocom)的华丽转身。从曾经的“管道”到大数据战略融合,电信运营商到底该如何善用大数据?全球10强电信“大佬们”的大数据应用之道及其培育的新经济增长点启示颇多。
1.AT&T:位置数据货币化
AT&T是美国最大的本地和长途电话公司,创建于1877年。2009年,AT&T利用全球领先的数据分析平台、应用和服务供应商Teradata天睿公司的大数据解决方案,开始了向信息运营商的转变。
在培育新型业绩增长点的过程中,AT&T决定和星巴克开展合作,利用大数据技术收集、分析用户的位置信息,通过客户在星巴克门店附近通话或者其他通信行为,预判消费者的购物行为。为此,AT&T挑选高忠诚度客户,让其了解AT&T与星巴克之间的这项业务,并签署协议,将客户隐私的管理权交给客户自己。在获得允许情况下,AT&T将这些信息服务以一定金额交付给星巴克。星巴克通过对这些数据的挖掘,可以预估消费者登门消费的大概时间段,并且预测个人用户行为,并做出个性化的推荐。此外,在iPhone上市伊始,为了解iPhone的市场反响,AT&T还选择与Facebook结成战略联盟,通过对Facebook的非结构化数据进行分析,发现用户对价格、移动功能、服务感知等产品指标的体验情况,从而推出更加准确的电信捆绑服务。
2.NTT:创新医疗行业的社会化整合
NTT是日本最大电信服务提供商,创立于1976年。它旗下的NTTDOCOMO是日本最大的移动通讯运营商,也是全球最大的移动通讯运营商之一,拥有超过6千万的签约用户。
自2010年,NTTDOCOMO利用大数据解决方案,实现了医疗资源的社会化创新,培育了医疗信息服务增长点。面对日本社会的老龄化趋势,NTTDOCOMO想到了通过搭建信息服务平台,满足用户的个性化医疗需求。因此,NTTDOCOMO和Teradata天睿公司进行充分合作,利用其大数据解决方案,建立自己的资料库。通过开设MedicalBrain和MD+平台,聚合大量的医疗专业信息,网聚了大批医疗行业专业人士。这使用户和各种专业医疗和保健服务提供商共同拥有了符合标准的、安全可靠的生命参数采集和分发平台。在这个平台上,NTTDOCOMO能够根据用户的以往行为洞察其个性化需求,再将这些需求反馈至对应的医疗人员,帮助用户获得高价值的信息反馈。
Verizon是美国最大的本地电话公司、最大的无线通信公司之一,也是全世界最大的印刷黄页和在线黄页信息提供商。它在美国、欧洲、亚洲、太平洋等全球45个国家经营电信及无线业务。
随着年轻一代用户成为电信消费主力人群,通过多媒体、社交媒体等渠道了解他们的消费行为成为Verizon的营销重点。因此,Verizon成立精准营销部门(PrecisionMarketingDivision),利用Teradata天睿公司的企业级数据仓库,对用户产生的结构化、非结构化数据进行挖掘、探索和分析。在大数据解决方案的帮助下,Verizon实现了对消费者的精准营销洞察,并且向他们提供商业数据分析服务,同时在获得允许情况下,将用户数据直接向第三方交易。此外,这些对用户购买行为的洞察也为Verizon的广告投放提供支撑,实现精准营销。凭借着获取的消费者行为的洞察力,Verizon还决定进军移动电子商务,形成自己全新的业绩增长点。
4.德国电信:智能网络培育新增长点
德国电信是欧洲最大的电信运营商,全球第五大电信运营商。旗下T-Systems是全球领先的ICT解决方案和服务供应商。
正是T-Systems将德国电信带上了大数据的发展快车道。基于拥有全球12万平方米数据中心的优势,T-Systems提出了“智能网络”的概念。通过实时获得汽车、医疗以及能源企业的数据,T-Systems先后开发了车载互联网导航系统、交通意外自动呼叫系统以及声控电邮系统,以及能源网开发解决方案,实现电量的供需平衡。此外,它还通过设计安全的传输方式和便捷的解决方案,将医生和患者对接,提供整合的医疗解决方案。
5.Telefónica:大数据支撑用户体验优化
Telefónica创立于1924年,是西班牙的一家大型跨国电信公司,主要在西班牙本国和拉丁美洲运营,它也是全球最大的固定线路和移动电信公司之一。
Telefónica一直将用户体验视为企业发展重点。Telefónica启动一个针对移动宽带网络的端到端用户体验管理项目,并建立了一个包含60多个用户体验指标的系统,支持无线网络控制器(RNC)、域名系统(DNS)、在线计费系统(OCS)、GPRS业务支撑节点(SGSN)、探针等各种网络节点的信息采集。所有采集来的信息经过整合后存储到数据库中,为后续的用户体验测量提供数据支撑。
6.Vodafone:动态数据仓库支持商业决策
沃达丰是跨国性的移动电话运营商,现为全球最大的流动通讯网络公司之一。
Vodafone在大数据应用方面取得了丰硕成果。早在2009年,旗下SmarTone-Vodafone就委托Teradata天睿公司为其完成动态数据仓库的部署,使企业所有管理人员可以根据信息轻松制定最佳决策。它主要通过开放API,向数据挖掘公司等合作方提供部分用户匿名地理位置数据,以掌握人群出行规律,有效地与一些LBS应用服务对接。这些大数据解决方案极大提高了SmarTone-Vodafone的市场领导力。
7.中国移动:客户投诉智能识别系统降低投诉率
中国移动通信集团公司是中国规模最大的移动通信运营商,也是全球用户规模最大的移动运营商。
在中国移动近实现客户数量迅猛增长的同时,相应也带来了客户投诉量的增长。
为了辨别客户投诉的真实原因、发现问题、改进产品、提升服务体验,中国移动和Teradata天睿公司进行了密切合作。Teradata为其配置了基于CCR模型的客户投诉智能识别系统,以投诉内容为源头,通过智能文本分析,实现了从发现问题到分析问题,再到解决问题以及跟踪评估的闭环管理。经过一段时间使用,仅中国移动某省级公司,就实现全网投诉内容的智能识别:769个投诉原因被识别;配合业务部门提出37个产品优化建议,协助优化11个产品;优化不满意点58个,消除368,295客户的潜在不满隐患;每年节约成本达540万。
8.法国电信:数据分析改善服务水平
法国电信是法国最大的企业,也是全球第四大电信运营商,拥有全球最大的3G网络Orange。
为了优化用户体验,法国电信旗下企业Orange采用Teradata天睿公司大数据解决方案,开展了针对用户消费数据的分析评估。
Orange通过分析掉话率数据,找出了超负荷运转的网络并及时进行扩容,从而有效完善了网络布局,给客户提供了更好的服务体验,获得了更多的客户以及业务增长。同时,Orange承建了一个法国高速公路数据监测项目。面对每天产生500万条记录,Orange深入挖掘和分析,为行驶于高速公路上的车辆提供准确及时的信息,有效提高道路通畅率。
9.意大利电信:数据驱动的个性化业务
意大利电信是欧洲最大的移动运营商之一,同时也是基于单一网络提供GSM系列服务的领先欧洲运营商。
面对固网业务的下滑,意大利电信构建了面向全业务运营的客户数据仓库,以适应市场、销售、客户服务等领域的业务规则和需要。
通过对客户数据的洞察,有效地预测收入状况与客户行为的关联性,推出了诸多个性化产品满足客户需求。意大利电信推出的NapsterMobile音乐业务就提供包括手机铃声、艺术家肖像墙纸以及接入NapsterMobile歌曲目录等个性化服务,直接拉动了企业业绩。
36大数据
10.KDDI:数据管理服务是核心
KDDI是日本知名的电信运营商,在世界多个国家设有子公司。
通过大数据资产,提供数据管理服务是KDDI的核心业务之一。KDDI利用自身优势,以数据中心为核心,向企业提供包括云计算服务在内的信息通讯综合服务。KDDI于2000年开始在中国开展为日系及当地企业提供数据管理服务,业务发展迅猛。2012年,KDDI在北京经济技术开发区建设了当地最大规模数据中心,占地2.5万平米,试图实现2015年海外营业额为2010年2倍的目标。
以4G为代表的移动互联网时代,令信息、互联网行为数据、话单数据、WAP日志/WEB日志、互联网网页、投诉文本、短信文本等结构化数据以及非结构数据呈现几何式增长。面对新型海量数据,传统电信运营商正面临越来越大的挑战:
客户与内容服务提供商联系更加紧密,但对电信企业的忠诚度反而下降;
企业无法通过流量内容服务提供商业价值,盈利能力持续下降;
“管道化”严重弱化对承载信息的掌控,丧失创新产品、业务发展的基础。
电信运营商需要凭借数据分析来竞争,实现数据价值货币化。同时,利用大数据实现企业从电信网络运营商到信息运营商的转型。通过对数据的分析,了解客户流量业务的消费习惯,识别客户消费的地理位置,洞察客户接触不同信息的渠道等等,电信运营商将获得深度商业洞察力,打造基于大数据的租售数据模式、租售信息模式、数字媒体模式、数据使能模式、数据空间运营模式、大数据技术提供商等全新商业模式。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26在数字化浪潮下,数据分析已成为企业决策的核心支撑,而CDA数据分析师作为标准化、专业化的数据人才代表,正逐步成为连接数据资 ...
2026-01-26数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23