京公网安备 11010802034615号
经营许可证编号:京B2-20210330
运营商借数据分析推动智能管道布局_数据分析师考试
数据分析能力已经越发被众多行业企业所看重,Ovum最新调查显示,在北美、欧洲和亚太地区将近有半数以上的企业IT部门将在不久的将来投资大数据分析。 这一现象并不难理解,全球企业与个人的交互数据正在以爆炸性的速度增长,一些企业预计,明年他们数据库的数据量至少会有10%~20%的增长。基于这一趋势,从这些庞大的数据库中挖掘商业价值的做法,逐渐被越来越多的企业CIO们所认可。 比如在电信行业,运营商可以通过数据分析能力从用户历史、业务数据等众多渠道提取关联数据,由此生成统一的用户视图这些视图将成为指导运营商一线营销的重要依据。
在数据分析领域深耕多年的Teradata天睿公司大中华区CEO辛儿伦告诉记者,在2005年之前,运营商的数据分析能力多停留在“表格阶段”,服务提供商通过提供经营分析的设备、手段、工具、方法论、咨询、服务等,来帮助运营商制定报表、分析、支持制定经营决策和预测等模型;但近些年,运营商对于数据分析的要求已不满足于数据辅助工具,而是逐渐趋向市场层面。“最近我们与电信客户探讨的最多的是如何以客户体验为中心,提供数据分析的增值服务,以便给客户带来更多、更直观的体验和价值。
中国移动数据部人士告诉记者,“以客户体验为中心”是当前运营商业务转型的普遍焦点,而这种转型需要运营商很多部门的协同配合,如市场营销部、集团客户部、数据部等部门的通力配合才能够实现。 智能管道借力数据分析 中国联通在该领域也开始布局。
据介绍,目前该公司集团层面已经明确了四大策略,其中包括:定制用户Portal(搜索框),建立端到端的业务体验平台,通过“Web+手机”方式实现多通道接入;多渠道收集关联性数据,建立360度用户视图,用于指导市场决策;基于用户行为提供业务推荐,在用户生命周期中提升客户交互体验;基于上下文的实时分析和持续的规模性数据分析,计算得出业务关联度、用户关联度、业务与用户关联度的多维度参考数据。 在中国联通看来,客户体验、市场营销以及一线销售都与数据分析密不可分,运营商需要通过不断细化的业务策略和市场建议,实现营收增长和服务提升的双效目标。
不仅如此,面对业界正热的智能管道观点,运营商也在不同领域寻找着答案。数据分析能力在其中将发挥重要作用。 “网络管道智能化的第一步离不开数据的采集与整理,同时也要形成一系列完整的规范和做法。”辛儿伦告诉记者,通过形成网络综合分析规范、网络数据规划,以及提供类似ESS+OSS融合等分析服务、营销管理、结构化分析能力,运营商将能够实现在流程、应用和系统方面的全面整合和统一管理,促进网络的智能化发展。 “分析云”走上运营商舞台 云计算被喻为是打破“IT竖井”的利器,在数据分析领域,该趋势已经有迹可循。“分析云”这种新型概念,目前已经应用到了数据仓库、平台工具等很多实现数据分析能力的软硬件中。 前述运营商告诉记者:“传统业务分析管理流程过于冗长,比如市场部希望在五一节期间举办促销活动,按照传统方式,首先需要去和IT部门共同进行流程改动工作,这其中涉及立项、评估、设计、规划、实施、运营,到最后上线的一系列工作,等做完了恐怕五一节也快过完了。
辛儿伦也表示,在过去的5~10年中,在分析领域,经营决策管理和动态的客户关系管理应用都已经有了长足的发展和提升,这得益于数据仓库的实时分析能力;但在传统的流程管理、分析管理领域,却始终停滞不前,归根结底还在于原有的IT流程过于繁琐,已经无法适应当下瞬息万变的市场情况。
“分析云”概念的出现改变了这一难题,利用云计算按需自取服务的特点,数据分析能力能够同时共享给多方使用,IT部门在数据中心将资源空间分割开来,业务部门可以按照自己的需求快速申请到需要的服务空间,如此也就避免了冗长的IT搭建流程,市场部门可以快速验证自己的市场想法是否正确,为市场营销活动赢得更多时间。 Link:半数企业将实施大数据分析 根据Ovum欧文的研究,有将近半数的北美、欧洲和亚太区企业IT部门计划在不久的将来投资大数据分析(Big Data Analytics) 。 中立科技分析师在最新报告中揭露,44%的企业在未来两年到五年之间,将会投资大数据分析计划。
同时,三分之一的受访者表示他们明年就会取得进展。 当然,想要采取大数据分析的企业,其第一步不该是分析数据,因为数据早就存在那儿了。他们应该找出现有的业务问题,例如如何最大限度地保留客户或提高营运效率,再决定拓展和深化他们的分析范围是否能带来实实在在的商业价值。 Ovum的调查发现提高运营效率、改善战略决策的流程、改进客户服务是最受欢迎的商业利益。上述领域分别有67%、57%、49%的受访者将之列为最重要的领域。然而根据报告,令人惊讶的是,受访企业将提高竞争定位、业务敏捷性和法规遵循三者列为低优先。只有30%的受访者提到这些业务目标。
尽管能满足大数据分析的技术平台已经诞生了,但采用的情况却大相径庭。Ovum所访问的企业之中有2~10%已经实施更完善先进的SQL了。相反的,仅有少于5%的企业实施新兴的NoSQL平台,反映出人们对于新平台的技能和认识还不多的事实。Ovum预期根据供需法则,和新工具的推出,将会增加人才的供给并降低实施这些新数据管理平台的所需的技巧门坎。
然而,由于人们偏好新数据类型和分析,例如社交媒体分析,以及知名IT品牌进军此市场的缘故,Ovum预计未来两年这些新平台的普及情况将显着的提高。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
日常用Excel做数据管理、台账维护、报表整理时,添加备注列是高频操作——用来标注异常、说明业务背景、记录处理进度、补充关键 ...
2026-03-23作为业内主流的自助式数据可视化工具,Tableau凭借拖拽式操作、强大的数据联动能力、灵活的仪表板搭建,成为数据分析师、业务人 ...
2026-03-23在CDA(Certified Data Analyst)数据分析师的日常工作与认证考核中,分类变量的关联分析是高频核心场景。用户性别是否影响商品 ...
2026-03-23在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13