运营商实现大数据外部价值的十大趋势

第一，依托运营商巨大的潜在数据资源和政府、企业的市场渠道资源，经过多年的市场培育和拓展，行业服务边界不断扩大。在推动运营商ICT业务的过程中，运营商的大数据业务逐渐从原来的金融、旅游、交通、教育、商业、招聘、医疗等行业扩展到，为大数据业务培育了许多商机。反过来，大数据业务促进了ICT业务的发展，因为大数据不仅具有商业价值，而且具有一定的社会品牌效应。两者可以通过整合形成合力。
随着企业数字化转型的加速和工业互联网的兴起，大数据作为未来的社会基础设施，将与云计算、人工智能、物联网、区块链一起在工业领域拓展疆域，其应用范围几乎是无限的。
第二。进入工业应用的深水区
大数据在行业内具有巨大潜力，但并不意味着运营商可以获得太多的份额。虽然运营商的大数据业务在金融、旅游等行业取得了一定成绩，但这些行业的成果将基本实现。以金融为例。四五年前，运营商的真实性、失联等服务仍然是运营商实现大数据的主力军。然而，金融业并没有像预期的那样在贷款之前、期间和之后给经营者更多的机会。很多运营商的现金流业务模式扩张基本停滞，至少速度不够快。
在许多其他行业，运营商只能浮出水面，但不能建造塔楼。比如，企业回购率很低。许多企业对br的生产流程和应用都比较肤浅。大数据似乎是一种奢侈品，而不是必需品，因此粘性是不够的。
以财务验证业务为例，其附加值不高，易被替代。近年来，人们对金融业的了解增加了多少？这些都是值得反思的领域。
笔者曾在智能交通相关文章中提到，运营商在很多领域的数据都是非常有前途的，但必须进行深入的培养。了解行业业务，熟悉行业算法，不断打磨产品，从而贴近核心。
可以说，运营商的大数据将很快进入工业应用的深水区。为了适应这一趋势，运营商需要建立专业的组织来克服困难，这是一个巨大的挑战。

第三。与互联网公司的竞争加剧
互联网不应将运营商视为主要的大数据竞争对手，但进入这一领域的运营商将与互联网公司形成事实上的竞争。智能交通等新兴零售巨头是否会感到压力。
例如，运营商希望为大型超市提供数据服务，但互联网公司已经率先垂范。新零售是互联网的概念。当运营商还处于自身渠道转型过程中时，互联网企业的线下业务布局已经有了规划，包括大数据业务。你去和上院谈的时候去XX厅怎么样。当然，还不止这些。
无论是互联网企业对tog的自上而下的推广策略，还是城市人才单一来源的主导，都显示出互联网巨头在这些领域的影响力。
为了获得机会，运营商必须充分利用所有可用资源，充分发挥数据的差异价值，从点到面地寻找机会。实践证明，流水线数据的价值巨大，但互联网巨头的数据却越来越好，这是我们不得不面对的现实。

第四。从要素驱动向要素+能力驱动的转变
目前，运营商在大数据实施上的突破只能说收效甚微，而通过简单的数据处理形成的数据产品竞争力是不够的，不可持续。
例如，如果定位精度和覆盖范围不够，甚至没有测量速度，就不可能产生高质量的数据产品。
应该说，运营商从来没有现成的、高精度的用户级位置数据。未来，粗粒度的原始位置数据甚至可能不支持运营商自身的服务转换。运营商需要充分挖掘现有位置数据的潜力，通过建模等方法建立更精确的定位模型，从而有一个基本的大数据实现细节。
虽然定位精度的提高只是一小步，但实现外部大数据却是一大步。如果定位准确，运营商就会对人们的线下生活有一个准确的了解。无论是客流、路网、OD等，
运营商依靠数据资源迈出第一步都是有利的。然而，资源驱动是不够的。你必须能够接过指挥棒。运营商在没有支持的情况下实施大数据的前景暗淡。但如果你只是喊口号，不敢探索和尝试，你甚至可能没有机会提高自己的能力。

第五，生态 。大数据的实现涉及平台、数据、建模、产品、方案、渠道、咨询、运营、安全等多个方面，运营商不能自力更生，必须建立合作生态。
从业务的角度来看，缺乏渠道合作伙伴和行业解决方案对运营商来说是一个真正的挑战，而痛苦无非是不知道商机在哪里，不知道自己想做的这个数据或产品有没有前途。运营商不可能瞬间将现有的客户经理队伍转为数字化产品的销售队伍，毕竟知识结构的要求不一样。
虽然可以采取MVP的方式推进，但一方面试错的成本摆在那里，运营商也并没有资本为其背书，另一方面时间成本也大了点。现在很多运营商都有合作伙伴招募计划，这是很好的尝试，但符合要求的合作伙伴还是太少了。
从开放的角度看，中国移动的梦网曾经创造过辉煌，但开放这句口号不是随便喊喊的，你得建立一套标准，清晰的告诉别人你有什么能力，然后如何能方便的接入。
比如当我们在互联网大会展示城市实验室产品的时候，发现仍然有那么多的人惊讶于运营商竟然还能做这个，就说明我们在开放这条道上还有很长的路要走。
而当笔者第一次访问阿里云网站的时候，其较好的使用体验给我留下了深刻的印象，随后定期的营销推送起码说明是用心的，又比如笔者第一次使用腾讯云域名申请时，其后腾讯云客服的电话调研也是很及时的。
因此，能否跟更广泛的合作伙伴建立连接，能否建立起开放的平台，能否确保信息的安全，在很大程度上决定了运营商大数据变现的蛋糕能做多大。
第六，通过集中化获得溢价能力的趋势将加强
由于历史原因运营商的大数据实际是分省存储和运营的，这跟互联网公司天然的集中统一的数据基因是完全不同的。虽然一些运营商在集中化上做了很多努力，但相对互联网公司，还是有一些差距。
各省本地化做一些产品虽然带来了灵活性，但造成了事实上的重复开发，这种模式在创新阶段其实没什么问题，但最大的问题是各个省能否有足够的资源去保证产品的持续优化，无论从数据的角度，还是从运营的角度看，我们都需要一定的集约化机制来确保高效低成本的运作。
但这还仅仅是一个方面。
另一方面，相较互联网，由于数据的割裂，运营商基于单个省的数据做出的产品溢价能力不高，往往只能服务于特定区域名，在许多竞争中，将处于劣势。例如，运营商基于位置数据的应用很多，但实现在线数据的却很少？
这不仅是HTTPS的一个简单问题，而且客户对在线数据的需求基本上是全国性的，没有地域概念，这使得运营商失去了很多突破的机会。
因此，运一个省份在业务创新之后，通过网大数据的快速复制一直是运营商的战略，基于集中数据的创新是提升产品竞争力的关键。

第七。运营商的dict战略将使大数据得到更大的支持
随着数字经济的发展和数字产业的推进，传统产业转型升级的需求旺盛。运营商与云服务商加强云、网、端、端的合作，推出“云+网+迪凯特”智能解决方案，帮助企业实现深度数字化转型。
运营商的政企2B市场是当前关注的焦点，而云+dict（DT+CT+ICT+IDC）则是焦点，这意味着未来各类资源将逐渐向dict倾斜。大数据需要抓住这一机遇，通过dict的整合，推动大数据业务的大规模发展，这就是所谓的“借”。
此外，三大运营商相继发布了5g服务，中国移动也发布了包括“5g+aicde”在内的“5g+”计划。5g+aicde以5g为接入模式，与人工智能、物联网、云计算、大数据、边缘计算等新兴信息技术深度融合，构建以5g为核心的泛智能基础设施。人与物、物与物的关系会产生更多类型的数据。5g基站分布越密集，定位精度越高。5g服务更加多样化，这意味着管道中的数据内容将呈爆炸式增长。运营商描述客户行为的能力将进一步提高。每一个垂直5g行业应用都会有上千个大数据，有利于大数据业务的发展。
第八。越来越严格的数据安全要求对运营商来说既是挑战也是机遇
虽然运营商拥有大量的数据，但很多省属企业并没有实质性地开展大数据业务，而且很多都是基于安全考虑。即使在实施大数据的省份，合规和合法运营也是大数据业务的底线。运营商在大数据业务创新方面相对保守。
事实上，运营商目前能够开展的所有大数据新业务，都需要经过极其严格的内部法律和多渠道的安全审计，再加上行业、集团、省发布的各项安全管理规范的约束，以及定期的安全检查。自诞生以来，运营商的大数据业务经历了一轮内部安全的洗礼。
随着2019年各类信息安全事件的不断发酵，大数据圈看似如履薄冰，但仍在打击各种非法经营和黑市交易。事实上，经过新一轮洗牌，运营商可能面临比过去更好的经营环境，数据可能变得更加稀缺。毕竟，过去黑市的数据交易导致了良币驱逐劣币的现象。当然，这只是猜测。

管控趋紧将使大数据业务创新面临更大挑战。然而，依法开展大数据价值挖掘，助力中国经济高质量发展，始终是主流。虽然然而，运营商面临安全挑战，但他们也有更多的机会。

第九。运营商的大数据不会停止对C服务的探索

互联网公司已经在早期烧毁了C服务。毕竟，消费者对利润感兴趣。在拥有高体验产品和一定的基础用户之后，互联网公司将拥有宝贵的海量数据。在这一点上，可以使用大数据。反过来，企业也得到了发展。这就是互联网公司大数据应用的精髓所在。

运营商自然拥有大数据，但大数据实施的实践仍然告诉我们，运营商的数据维度不够丰富，比如消费数据匮乏，而互联网巨头则通过应用的丰富不断积累更多维度的数据。

事实上，运营商的数据维度扩张已基本停滞。如果不加以改进，在不久的将来，运营商的数据优势将逐渐变小，最终会影响产品的竞争力。

现在运营商已经成立了许多专业公司，如中国移动的米高。一些人怀疑这些公司能否赚钱。更不用说从战略的角度来思考这个问题，即使从大数据的角度来看，这些公司的扩张可以让运营商拥有更丰富的数据，这是非常有价值的。中国移动科技有限公司近日成立。没有必要解释支付数据对DT有多重要，因此它具有深远的影响。

第十，希望运营商能根据自身资源优势和大数据差异化特点，打造大众化、大众化的正版to-C产品。对于大数据密度和低密度的特点，DPI/br具有数据处理能力低的特点。然而，这些数据是除了位置数据之外对运营商最有价值的数据。很多人说在运营商的实现中没有这个数据的应用场景，或者一定要叫“HTTPS”，这是比较业余的。
随着5g时代的到来，DPI数据的有效挖掘是运营商实现大数据的核心基础工作之一。

首先，DPI技术最初用于网络优化。例如，许多字段对数据实现没有价值。我们能考虑一种更划算的治疗方法吗？这就要求运营商从客户洞察、精准营销和价值实现的角度进行有针对性的研究，以高效、廉价的方式收集管道中的数据。

其次，5g海量、低延迟、非结构化数据的特点将进一步推动数据存储、处理和分析技术的进步。即使是目前的4G，从收购到应用的延迟也比较大，很难满足场景营销的要求，保留期也非常有限。

最后，5g大数据的价值密度将增加下台后，对人工智能能力的要求会更高。即使对于目前的4G数据，NLP等运营商的容量储备不足，需要尽快弥补不足。

当然，以上十大趋势只是作者个人的判断，受到自身能力和视野的限制。以上几点肯定有很多不足之处。如果作者能引起一些思考，那就更好了。