201 大数据

01大数据概述

01大数据产生背景

1996年，SGI公司首席科学家John Mashey第一次提出大数据的概念。
2001年，Gartner分析师Doug Laney首先定义了大数据的三个维度：数据容量
速度和种类（3V）。
业界把3V扩展到了11V，但主要包括Volume、Velocity、Variety、Value等

02大数据定义

指无法在可承受的时间内用软硬件进行捕捉、管理和处理的数据集合，需要新处理模式才能使该数据集合成为具有更强的决策力、洞察力和流程优化等能力的海量、多样化的信息资产。

03海量数据的来源

由25%的结构化数据和75%的非结构和半结构化数据构成。
数据类型分为： 1.结构化数据：指可以存储在数据库里，可以用二维表结构来逻辑表达实现的数据。
2.非结构化数据：不方便用数据库二维逻辑表来表现的数据，包括所有格式的办公文档，文本、图片，XML，HTML，各类报表图像和音频，视频信息等等
3.半结构化数据：介于结构化数据和非结构化数据之间的数据。HTML文档就属于半结构化数据。

04大数据的价值

对于企业组织，大数据在竞争能力构建、决策分析和成本控制等领域有广泛的应用前景；对于事业组织，大数据在科学探索、知识服务和社会安全等领域也有强烈的需求。例如：
1.在卫星测绘领域能海量存储数据。
2.在金融领域能盘活归档数据，深挖存量数据价值。
3.在能源勘探领域能进行潜力分析，降低的勘探成本。
4.在媒体娱乐中能进行高清制播

05大数据基本特征（4V）

1.量大（Volume）：存储大、计算量大
2.样多（Variety）：来源多、格式多
3.快速（Velocity）：生成速度快、处理速度要求快
4.价值（Value）：价值密度的高低和数据总量的大小成反比，即有价值的数据比重小。

06大数据带来的挑战：

1.网络架构：传统网络架构支持南北向网络流量，不适配大数据应用对东西流量的需求。
2.数据中心：同时访问子系统压力大。
3.数据仓库：不适应非结构化数据和半结构化数据在数据处理上的需求。

07大数据与云计算的关系：

云计算是底层平台，大数据是应用。
云计算作为底层平台，整合了计算、存储、网络等资源。同时提供基础架构资源弹性伸缩能力。
大数据在云计算平台的支撑下，调度下层资源进行数据源加载，计算和最终结构输出等动作。

02 电信大数据应用

1. 大数据给电信行业的机会与挑战

挑战1：电信行业生产圈的信息产业遇到了革命性的变化。运营商相关业务的发展更加依赖数据，如传统的语音 窄宽 带宽数据以及超宽带 数字经济等相关业务的数据数据量越来越大。
挑战2：OTT 虚拟运营商的介入。使得运营商竞争环境更加的复杂和激烈
挑战3：客户消费模式的改变。需要大数据分析深入洞察用户的需求，进行定制化的服务，改善客户体验
挑战4：提升精细化的管理水平。以数据为中心的运营支撑一体化、精细化成为必然趋势，数据将成为企业的核心资产。

2. 电信行业大数据典型商业需求

大数据的总体目标是构建统一的数据采集与整合能力，大数据分析处理能力，计算及数据服务能力，大数据应用能力和互联网化得数据开放能力，支撑业务创新与商业成功。
（1） 延长用户生命周期—-大数据建模支撑用户全生命周期的营销和维系
（2） 提升业务使用量—-基于大数据的营销体系有效运作、支撑多批次、小群体、高成功率、多用户触点的营销
（3） 对外价值变现—-实现对外合作、MR数字轨迹形成商业价值

3. 常见应用场景

（1） 潜在离网用户维挽场景
通过大数据的用户管理，对潜在的离网用户进行数据分析。通过大数据实现用户管理、营销策划、营销实施和闭环反馈的拉通。当海量用户数据来了之后，用大数据平台对所有用户进行分类、识别和管理。用户识别之后，根据用户大数据分析结果触发营销策略。对用户在内部进行渠道选择，匹配相应的资源套餐，通过用户的选择来进行效果的反馈。
（2） 综合网管分析平台—基站关联分析场景
根据离网用户的位置轨迹，用户的业务行为，基站地图以及基站网络质量KPI获得数据源，然后进行大数据的建模分析，判断离网用户是否与其常出没的基站存在关联，进而输出质差基站列表、基站供需平衡度、经常出没已识别质差以及基站的未离网用户列表。最后确定可服务的商用场景。
（3） 数据变现场景：户外数字媒体/非数字媒体价值评估场景
户外媒体行业缺乏受众测量方法
户外数字媒体/非数字媒体价值评估场景—-需求分析、相关数据分析、广告屏分析得出结果输出

4. 电信运营商大数据应用方向

以前电信运营商的主要收入来源：语音、短信业务，未来：数字化服务收入时代
需要建设大数据平台支撑：（1）自有业务收入提升（2）非通信价值变现，进而使运营商的业务数字化。