大数据与运营商

前言

当今科技又处在一个激动人心的变革前期。随着移动互联网的普及和“可佩带计算”等智能设备的出现，人类的行为、位置，甚至身体生理每一点变化都成为了可被记录和分析的数据。基于大数据的“反馈经济”(feedback economy)等新经济、新商业模式也开始形成。

　　大数据让人类对自己，也让人类对外部世界的认识更加全面，决策上更加科学。大数据不但可以更好地了解到每个人的爱好、特长、信用等情况，还可以获知社会整体的供给、需求、情绪等信息，帮助我们实现更好的计划和管理，创造出更加符合需求的、定制化的产品，为众多的传统行业和部门带来颠覆性创新的机会。

 

大数据时代

麦肯锡全球研究机构在2011年5月发布的《大数据：创新、竞争和生产力的下一个前沿领域》中表示，充分利用大数据可帮助全球个人定位服务提供商增加1000亿美元收入；帮助欧洲公共部门的管理每年提升2500亿美元产值；帮助美国医疗保健行业每年提升3000亿美元产值，并可帮助美国零售业获得60%以上的净利润增长。

2012年3月，美国奥巴马政府宣布投资2亿美元启动“大数据研究和发展计划”，希望增强收集海量数据、分析萃取信息的能力。

2012年3月，日本政府在新一轮IT振兴计划中把大数据发展作为国家层面战略提出，新ICT战略重点关注大数据应用技术。

2012年12月8日，工信部发布的物联网“十二五”规划上，信息处理技术作为四项关键技术创新工程之一已经被提出来，其中包括了海量数据存储、数据挖掘、图像视频智能分析，这都是大数据的重要组成部分。而另外三项关键技术创新工程，包括信息感知技术、信息传输技术、信息安全技术，也都与大数据密切相关。

跨国IT企业也纷纷进入大数据领域。传统数据分析企业Teradata、SAS、Hyperion、SAP、Cognos、SPSS等在大数据技术或市场方面各占据一席之地。谷歌、Facebook等大数据资源企业优势显现。甲骨文、IBM、微软、SYBASE、EMC、英特尔等企业陆续推出大数据产品和方案抢占市场，如甲骨文公司的Oracle NoSQL数据库、IBM公司的InfoSphere BigInsights数据分析平台、微软公司WindowsAzure上的HDInsight大数据解决方案、EMC公司的Greenplum UAP（Unified Analytics Platform）大数据引擎等。

 “数据海量、信息缺乏”是相当多企业在大数据时代面临的尴尬问题。如何能够对这些数据进行分析，探寻其数据模式及特征，进而发现某个客户、群体或组织的兴趣和行为规律，专业人员就可以预测到未来可能发生的变化趋势。这就需要数据挖掘技术。  数据挖掘，又称为知识发现（Knowledge Discovery），是通过分析每个数据，从大量数据中寻找其规律的技术。通过数据挖掘能极大拓展企业核心竞争力。

数据挖掘的主要应用是自动预测趋势和行为，有一个美国互联网网站叫做Sickweather，可以预测疾病的爆发，原理是根据Facebook的留言知道这些疾病的传播范围和传播趋势。

另一个典型的例子是市场预测问题，数据挖掘使用过去有关促销的数据来寻找未来投资中回报最大的用户，其它可预测的问题包括预报破产以及认定对指定事件最可能作出反应的群体。例如，在网上购物时遇到的提示“浏览了该商品的人还浏览了如下商品”，就是在对大量的购买者“行为轨迹”数据进行记录和挖掘分析的基础上，捕捉总结购买者共性习惯行为，并针对性地利用每一次购买机会而推出的销售策略。

大数据与运营商

当前，全球电信市场正在发生深刻变革，电信运营商过去在整个ICT产业中的主导权正逐步被分化，而苹果、谷歌、百度、腾讯等巨头凭借着对终端平台、移动互联网入口等关键位置的掌控，改写了信息通信业的生态。电信运营商语音业务日趋饱和，新兴互联网业务正在蚕食传统电信服务，市场竞争越来越激烈。

转型移动互联网是全球运营商的共识，而转型的突破口则是基于目前的管道优势，建立应对存量市场的运营体系，搭建智能管道驱动流量经营成为普遍选择。在此基础，运营商需要把握大数据时代的机遇，有效利用和分析大数据获得洞察以加速推进转型。

对大数据进行全面、深入、实时的分析和应用，是电信运营商应对新形势下挑战、避免沦为管道的关键。从2012年以来国外运营商情况来看，大数据业务进展不一，部分运营商开始成立大数据部门，为政企客户提供决策支撑等服务，而部分运营商则暂时主要用于改善自身服务。

英国电信2012年6月18日发布了新的安全数据分析服务AssureAnalytics，可帮助企业收集、管理和评估大数据集，并通过可视化的方式呈现这些数据，从而帮助企业改进决策。该工具能够即时融合任意数量数据源的结构化与非结构化数据，例如电子邮件、报告系统、数据库和互联网新闻提要，通过清晰的图片与映射关系显示企业中潜在模式、威胁、相关性和结果的制图，为企业带来有用的信息。英国电信已经开始利用Assure Analytics应对其网络的铜缆盗窃问题。

2012年10月9日，西班牙电信于成立了名为Dynamic Insights的大数据业务部门，隶属于数字业务部门TelefonicaDigital。该部门面向全球运营，主要目标客户为企业和公共事业部门，将为客户提供信息和分析打包业务，帮助客户把握重大变化趋势。Dynamic Insights推出的首款产品智慧足迹（Smart Steps）就是将匿名的移动网络数据提供给零售企业等客户，让其了解某个时段、某个地点的人流量，据此决策新店选址、促销时段等。Dynamic Insights计划面向不同行业推出系列产品，例如包含交通流量管理功能的SmartCity。

Verizon同样于2012年10月初成立了精准营销部门Precision Marketing Division。该部门提供三方面的服务，首先是精准营销洞察，提供商业数据分析服务；其次是精准营销，提供广告投放支撑；最后是移动商务。Verizon认为，客户对于数据服务的需求可以分为两个层面：一方面是将数据匿名、聚合后，在不违反隐私政策的前提下直接提供；另一方面是提供咨询性的解决方案服务。而Verizon将寻求这两者之间的最佳均衡。

2012年10月，Sprint开始使用IBM的Info SphereStreams等分析工具，尝试分析公司网络用户日常产生的海量数据，以提升客户服务。这个项目的目标之一就是根据所有的信息，针对用户如何使用Sprint网络获得新的见解，并最终找到改善客户体验的方式，将其变得更为人性化。Sprint认为即使电信运营商沦为“哑管道”，“依靠数据分析也能生存下去”

2013年6月28号，AT&T更新了其隐私政策，宣称该公司计划开始将用户在WiFi网络中的地理位置、网络浏览历史记录以及使用的应用等数据销售给广告客户。比如AT&T提供了一种Alert业务，当用户距离AT&T的合作商家很近时，就有可能收到该商家提供的折扣很大的电子优惠券。

总体来看，运营商的大数据应用可分为几个层次：

大数据1.0：用内部的数据解决内部问题。

首先，用户的体验。传统上来说，运营商在做业务的设计、做用户体验优化的时候，可能更多地做一些市场调研等事情。实际上，随着大数据的产生我们发现用户每次的点击行为，我们都可以采集到用户对业务的偏好，他的一些行为特征。基于这些行为特征可以很好地改进产品的设计，我们可以在现场进行推荐和咨询，或者是采用外呼的方式。如果通过数据分析和挖掘，可以把外呼的范围缩小的话，实际上某种意义上给我们运营成本会带来很大的节约。

　　第二，优化网络质量。实际上运营商的网络现在是越来越复杂了，作为中国移动的一个移动运营商来说，我们有无线接入网，现在有2G、3G、Wifi，未来还有LTE。当然还有其他的业务平台，所有的这些系统实际上这种网络优化是一个非常复杂的事情。现在对于网络优化的实质性要求也非常高，一旦比如说我们的基站出现了故障，必须在非常短的时间内进行定位和修复。这种大数据为我们的网络优化给我们带来了很大的潜在的机遇。通过端到端的网络质量的分析，对一些故障的发现很快可以进行网络的优化和故障的定位，所以这对我们来说是非常大的机遇。

　　第三，助力市场决策。随着互联网公司对于某些传统电信业务的进入，市场竞争越来越激烈。通过业务资源和财务多方面的综合分析，让领导进行快速的市场决策，这在市场竞争中可以形成不对称的竞争优势。所以，这实际上对运营商来说也是非常大的机遇。

   其它如客户流失的预警与维系、增值业务推广、流量经营等也有成功的应用案例。

 

大数据2.0：用内部的数据解决外部问题

作为全球第五大电信运营商，西班牙电信在大数据方面率先试水，并取得了一定的成效。首先，为推动数据业务的发展，西班牙电信成立了专门的数字部门Telefonica Digital，涉及金融服务、电子医疗、广告、云计算等多个技术和应用领域。这一部门的成立，使得原来分散在各地区、各分公司的业务有了统一管理，利于集约资源进行大数据的规划和部署。其次，为了应对OTT的挑战，西班牙电信采取了“拥抱”而非“抵触”的姿态，将旗下的VoIP服务提供商Jajah、社交网络Tuenti等业务整合进了Telefonica Digital，以此来构建良好的移动互联网生态，为用户提供全面的“触网”体验。第三，他们推出了一个名为“智慧足迹”的产品，将整个城市的不同区域网格化，并在此基础上绘制客户流量分布图，不仅能够依据用户分布情况帮助企业进行选址，还能够为政府的公共交通疏导提供决策建议。

运营商利用大数据能够为外部解决问题领域包括：

模式1：企业经营决策指导

　　运营商可以利用用户数据，加以运用成熟的运营分析技术，形成全面的行业、地区发展评估分析，让企业的决策更为准确，从而提高整体运营效率。简而言之，将运营商内部数据分析技术商用化，为企业提供决策依据。就如同上文所述，通过人流量分析，为企业提供选址建议。

模式2：内容聚合分发体系

　　全球每天网络的新信息可供一个用户阅读4年；一个OTT视频应用平均每天约有300部剧集要更新；如果您购买了新Kindle，那么有60万册图书等待阅读……用户在OTT时代需要的，不是有什么可以看，而是应该看什么。在运营商内部，根据用户喜好推荐各类业务或应用是常见的，比如应用商店软件推荐、IPTV视频节目推荐等，而通过关联算法、文本摘要抽取、情感分析等智能分析算法后，可以将之延伸到商用化服务，利用数据挖掘技术帮助客户进行精准营销，今后盈利可以来自于客户增值部分的分成。

模式3：移动商务平台

　　客户管理应用的目的是根据客户的属性(包括自然属性和行为属性)，从不同角度深层次分析客户、了解客户，以此增加新的客户、提高客户的忠诚度、降低客户流失率、提高客户消费等。运营商可以基于对用户的洞察，推出基于数据分析后的移动商务平台，按行业分类，针对不同的客户采取不同的促销活动和服务方式，提供更有针对性的服务，然后将提供线上线下支付的通道打通，形成闭环，打造一个实用的移动商务平台。

　　比如AT&T的Alert业务，使用场景是用户路过一家AT&T的商用合作伙伴实体店时，AT&T可根据用户的历史喜好信息、当前位置信息将商业合作伙伴的一个限时打折的优惠劵推送到用户手机上，用户可凭此优惠劵消费。

模式4：社会服务管理

　　对运营商来说，数据分析在政府服务市场上前景巨大。比如在大数据的帮助下，什么时间段、哪条路拥堵等问题，都可以通过分析得知。通过同一条路上多个用户手机位移的速度便可以判断当时的路况，为拥堵做出准确预警。美国已经使用大数据技术对历史性犯罪模式、发薪日、体育项目、降雨天气和假日等变量进行分析，从而优化警力配置。

　　在国内，运营商也可以在交通、应对突发灾害、维稳等工作中使大数据技术发挥更大的作用。

模式5：建设本地化数据集市，向大数据运营商演进

　　我们都知道，数据是非常有价值的东西。因此，能够下载或者访问数据平台，自然而然也就成了商业需求。运营商可以通过建设数据集市，数据提供者可以将数据上传至平台供人免费下载，或者以一定的价格销售，让每个人都能找到自己需要的数据集。

 

大数据3.0：通过数据的共享和交易，实现实体世界与数字世界无缝融合

　大数据3.0意味着大数据进入了一个以共享交易为特征的时代，出现了大数据运营商。 “大数据”像货币一样在全社会范围被收集、交换、处理、传输和应用，现实世界的一切变化都被记录、分析和使用。

尽管 Google、Facebook、Amazon、腾讯、新浪等借助平台和应用的确可以抓住很大一部分的用户信息，但是谁都没有运营商的优势。因为深度数据包分析这种手段是与平台、应用无关的。同时，由于一般用户都是只使用一家运营商的宽带和手机业务。这意味着几乎用户所有的数据业务流量都要经过那家运营商那里，而且与用户具有很强的对应关系（用户在上班等场合使用公共接入网络，以及在家中由于家庭成员有多个而无法一一对应除外）。运营商对个人数据覆盖的广度是互联网平台和手机应用提供商难以匹敌的，其手上的数据资源也是很多互联网巨头可望不可及的。电信运营商作为双边市场传统的组织者,最容易演化成未来的大数据运营商.

 未来的大数据运营商绝不仅仅包括现在的电信运营商，互联网巨头如Facebook、Google和阿里巴巴等也将沿着这一方向演进。阿里巴巴提出的“电商、金融、数据”三步战略就是明证。阿里巴巴和新浪微博、高德地图等之间的资本联姻，也是走在数据布局的路上。

大数据运营商的发展阶段大致分为三个阶段：

        第一阶段，竞争者们借助消费平台海量用户数据的原始积累取得了大数据平台之争的入场券。比如阿里巴巴的淘宝、腾讯的微信、Facebook以及电信运营商的流量，都是典型的消费平台。各类消费平台有层次和领域的区别，渗透争夺十分激烈，但就数据储备而言都具备了进阶的资格。

        第二阶段，基于用户积累向垂直行业扩张或者某个特定的环节延展。这个阶段，消费平台依然非常重要，但随着数字世界与实体世界的整合，固守数字世界很快遇到增长极限，因而越来越多的资源将投入面向线下传统行业的拓展。垂直行业方面，包括金融业（互联网金融、移动支付等）、健康业（移动健康、移动医疗等）、汽车业（智能汽车、车联网等）。特定环节方面，包括营销（广告），CRM（如微信公众账号、淘宝卖家服务、Facebook Connect等）、产品设计（如天猫和华为定制手机合作等）。毫不意外，扩张的行业B2C特征较明显，延展的环节则以营销环节为出发点，而电信运营商通常以行业扩张为主，OTT以环节延展为主。总体而言，这些面向各垂直行业和特定环节的服务都以相对独立的小平台形式存在，每个垂直平台的经营模式各不相同，大数据资产进一步积累，但以信息为中心的经营模式仍未确立。从进阶第三阶段的角度考虑，衡量第二阶段经营成败的标准有两个：其一是是否与政府和传统企业建立了全面的信任关系;其二是是否掌握了大部分行业都需要的20%的关键信息。

        第三阶段，面向全体社会成员的大数据公共平台出现。大数据在企业生产和消费者生活各环节的价值被充分认识，垂直行业内部的信息链在第二阶段被打通之后，进入跨行业信息共享阶段，大数据时代来临。值得强调的是，消费者的作用非常重要，因为各行业间打破信息隔阂唯一动力就来自于它们具有共同的用户。这一阶段，数据透明/共享/流动的范围、网络效应的范围、创造价值的范围达到了新的高峰。

        上述三个阶段所描述的经营模式是叠加而非替代关系。从大数据的角度看，第一阶段着眼于积累原始资本，第二阶段注重数据的垂直投资布局和精耕细作，第三阶段注重跨行业数据的共享运营。但从经营视角来看，最终大数据运营商将具有三种核心业务、三种盈利来源，比如阿里巴巴的三步走战略，并不是金融代替了电商，数据代替了金融，而是按照这个路径最终形成三足鼎立的多元共生业务组合。

大数据服务平台规划

    1）信息基础设施的整合、开放与融合。建立统一的、公司级的组织架构和数据架构，构建资源管理、业务执行与管理、客户和商务管理等应用平台。最为关键的是，这些应用平台必须共享一个中央用户数据库。要实现这一目标，Vodafone的做法是设立首席信息&技术官职位将CTO管理网络的职责和CIO管理IT的职责整合起来，BT的做法是成立Technology,Service&Operations事业部负责网络和IT的规划、部署和运营，事业部CEO亦为BT集团CIO，对各大前台业务单元的CIO具有直线职能权。

     2）让数据流动起来。当前电信运营商最危险之处一是在于数据没有整合，二是在于数据缺乏流动。后者的解决之道是，尽可能多地使用它。数据驱动的市场营销已经被广为使用，数据驱动的产品设计和运营优化也值得推广，但这还属于大数据1.0的范畴。大数据2.0迫在眉睫——利用大数据资产提升对合作伙伴的吸引力，改善平台式业务的竞争力。比如，如果精细化运营平台和内容聚合分析平台、统一营销平台结合，实现类似AT&T alert service，实现线上线下的融合，为第三方合作伙伴提供业务推广、使用计费、身份认证、位置、关系、消费能力和信用识别等开放服务。与第三方合作伙伴一同打造一个开放数据平台和移动商务服务平台，或将开创全新的局面。

        3）布局关键业务，比如个人云。Social赋予信息人的维度，,Mobile赋予信息空间维度，Cloud使得信息的时间维度成为可能，在人和物互联之间构成的新世界，Internet of everything as a service慢慢呈现。基于这一判断，用户侧两个产品的布局必不可少，一是个人云，二是社交类应用。从发展现状看，运营商布局个人云更靠谱。不论是苹果这样的终端厂商还是电信运营商以及微软等IT企业，都在瞄准个人云计算这一市场。美国Cloud Engines公司推出了“个人云”解决方案，其核心思想是设法把个人所有的相关数据统统存储在自己的“个人住所”，而在用户本人的任何移动设备上，例如智能手机、笔记本、平板电脑等，均能够经由互联网方便、快速地存取这些数据。相对移动互联网的服务商，运营商天生是用户个人云的提供商。运营商长期积累的数据中心优势明显。运营商IDC众多，对带宽绝对控制，有国有资产的公信力，无论发展公有云、私有云还是专属云，均具备优势。部署个人云的意义在于牢固把握用户信息资产，构建不可复制的竞争优势。

4）积极参与智慧城市建设，努力进化成“大数据”运营商。利用运营商现有的数据和资源优势，在政府主导下，开展第三方资源整合和跨界合作，构建智慧城市的大数据体系，加大开放合作力度，与产业链各个环节开展合作，加快对大数据经营商业模式的探索，不断释放其管道中庞大数据的潜在力量，为客户创造更大的价值。