
大数据火了,运营商如何避免坐拥金山卖苦力
国务院总理李克强发来贺电,副总理马凯亲临现场致辞;现场还来了三位中国工程院院士以及10个国家的驻华代表;马云、马化腾、雷军、周鸿等知名互联网企业领军人物悉数到场并发言,三大运营商也派出了高管与会—5月26日,“贵阳国际大数据产业博览会暨全球大数据时代贵阳峰会”如此高规格地召开,让不少关心信息通信业的人士不禁要问:为啥大数据火了?对通信业特别是运营商意味着什么?
大数据的作用,看似云里雾里,其实可抓可拿。
根据IDC的研究,全球64%的企业已成为数字化转型的探索者和实践者,“全方位的客户体验、灵活高效的业务流程、智慧化的产品与服务、创新的商业模式”已成为新的数字化转型战略的核心,而这一切的基础就是大数据。
李克强在贺电里说:“数据是基础性资源,也是重要的生产力。”马凯则说:“谁拥有了大数据,谁就拥有了未来。”工信部副部长怀进鹏也认为:“人类社会正逐渐走向数据经济时代。”
而开幕式上特别推出的《大数据贵阳宣言》认为,建立全球性的大数据交易市场是经济发展的必然要求,应尝试建立有所有权、使用权、阶段时间和限定领域的数据交易等新模式、新规则,把数据交易发展为金融产品。《宣言》特别强调“政府数据开放是全球共同的目标和行动”。这些言论不是简单对大数据理念的认同,而是深刻把大数据理念与社会实践相结合的时代产物。
在工业4.0的大环境下,工业企业的信息化水平越来越高,信息数据量越来越多,各种设备仪器产生的海量数据对信息处理的要求也在提高。现在,新兴的大数据、云计算这类ICT技术刚好可以解决数据海量性问题。本来ICT业对“互联网+”、工业4.0的大蛋糕正愁无处下口,而大数据无疑是一个极好的抓手和切入点,可以让ICT一下子切入到工业领域的各个环节,同时ICT自身也可以实现完美转型。
难怪今年大数据火了,甚至马云放言:今天不参与大数据建设,十年后会像今天一样抱怨与埋怨。
其实,作为信息化建设的主力军,运营商在大数据领域早有布局。早在2012年,三大运营商就投资150亿元在贵州建设了数据中心基地。不仅如此,2012年,在内蒙古呼和浩特,三大运营商共投资近400亿元兴建了规模比贵阳还大的大数据中心。此外,在郑州、重庆、杭州、苏州等地,运营商都建设了大数据中心,运营商发力大数据不可谓不早。但是,运营商建设的大数据中心,其巨额投资却大都没有产生相应的效益。
“明明自己坐拥一座金矿,却都被BAT挖走了!”原信息产业部部长吴基传在不久前召开的第十二届中国信息港信息论坛上疾呼:“三家电信运营商要转变思路,应从单纯追求数量增长转向创新和挖掘信息数据价值。”
贵阳大数据交易所执行副总裁胡媛媛在接受记者采访时也表示,大数据本身是没有价值的,它必须通过清洗、建模、分析、交易才能产生价值,使之成为一座巨大的金矿,让更多的人去挖掘数据,交易数据,从而产生巨大价值,可以预见,未来大数据会作为一种资产存在并将诞生一个万亿级别的交易市场。
在这一轮大数据热中,我们看到又是互联网企业抢了风头,互联网大佬不仅高调亮相,实质性动作也是接二连三。百度、腾讯、阿里等拥有数据的平台型企业,纷纷针对自身的平台用户提供数据分析业务,并且向金融、环保、交通、医疗等行业的数据分析应用逐渐渗透。
目前,在不少地方,运营商还停留在搭建数据中心基地、邀请互联网企业租用入驻挣租金这种低层次的商务模式上。非但如此,在某些地区,还发生了三家运营商为了吸引一些互联网企业入驻,而竞相压低租金的现象,本来就只能挣个廉价的管道租金和物业费,却连这个“苦力活”还在搞恶性竞争,真是让人扼腕!
更令人担忧的是,如今不少地方虽然建起了大数据产业园,但是对于海量数据自己无法处理,只能将其卖给一些国外公司进行大数据挖掘,这不仅带来了严重的安全隐患,而且也将产业链上利润最为丰厚的一块拱手让出。
从不久前公布的第一季度财报看,三大运营商利润全部是负增长,收入增长也显现出疲态,战略转型迫在眉睫。而不管是“流量经营”还是“去电信化”,都面临移动互联网带来的大数据挑战,运营商要避免大数据领域的“哑管道”危机,必须向数据挖掘、分析、应用的价值高端迈进,别再像互联网刚刚起步时那样起个大早,赶个晚集。
业内人士表示,手里掌握着所有用户通话、数据流量消费数据的三大运营商,如果能在大数据时代多往前跨出一步,组建专业化团队,吸纳高层次人才,用更加开放和互联网化的方式来运作,释放自身管道中庞大数据的潜在力量,在数据清洗、建模、分析甚至交易等方面多做做文章,将会打开一个潜力无限的市场。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15