大数据时代，电信运营商如何“点石成金”？

发布网友 发布时间：2022-04-20 11:31

我来回答

共1个回答

热心网友 时间：2023-10-23 09:25

大数据风起云涌。对于大数据中蕴含的商业价值，有人形象地将其称为“数据钻出石油”。充分利用大数据技术，从海量堆积的交互数据中发现带有趋势性、前瞻性的信息，能够孕育出惊人的社会价值和商业价值。 然而，即便放眼全球，我们看到的大数据应用案例还鲜有电信运营商的身影，与互联网领域的诸多探索相比，他们略显平淡，大规模钻出“石油”就更谈不上了。面对这种情况，相信很多业内人士都在思考这些问题：大数据究竟会给电信运营商带来哪些新机遇？大数据时代下的电信运营商面临什么样的挑战？电信运营商今后将如何运筹帷幄、构建面向智慧运营的大数据体系？ 从4W到4V： 运营商拥有先天优势 根据信息爆炸时代的特征，业界将大数据总结为“4V”体量（Volume）、多样（Variety）、速度（Velocity）和价值（Value）。体量意味着海量的数据，多样是指数据类型繁多，速度主要指数据被创建和移动的速度快，而价值是处理数据的目标、从各种形式呈现的复杂数据中挖掘有用的东西。 电信运营商作为信息服务的基础服务商，其提供的服务用一个简单的词来概括就是“4W”Who、When、Where、What，在使用服务时，哪些用户、需要联系谁、什么时间、处于什么位置、做些什么，这些信息无疑都需要经过运营商的管道。 对比“4V”和“4W”，我们可以发现两者之间的契合之处，通信用户数以亿计的基数保证了数据的海量和多样性，通信网络的实时承载保证了数据的速度，更重要的是，运营商还可以搜集到用户位置、大体收入等有价值的数据，进而为精准营销提供参考。因此，运营商在掌握用户行为数据方面具有先天优势，这是一般互联网厂商所望尘莫及的。随着智能手机和高速网络的普及，运营商能够获得的用户行为数据还将更为丰富。 数据科学家、《大数据时代》的作者维克托·迈尔·舍恩伯格表示，在大数据时代，拥有数据的公司无疑将取得巨大的成功。因为他们具有洞察力，大数据会提供他们全新的洞察力。从这个角度看，运营商无疑坐拥一座天然的宝藏，但是能否挖掘、提炼出这些矿藏中的价值将决定运营商能否把握住大数据带来的机遇。 由大入微： 构建智慧的大数据体系 由微入大易，由大入微难。对电信运营商来说，将无数具体而微的信息汇集起来其实并不难，真正的难点在于如何点石成金，如何“驾驭”这纷繁复杂的数据，如何存储、整合、分析、汲取出真正有价值的内容，并创造性地使用它。 大流量并不一定带来大数据，电信运营商获得的数据中大部分都是“桀骜不驯”的它们被称为非结构数据，这种数据本身并没有太多价值。目前，电信运营商在大数据方面的探索还仅仅处于起步阶段：一方面，用户的行为、轨迹、状态等数据散在网络各个环节中，形成信息资产的成本非常高；另一方面，运营商大数据挖掘手段还很不充足，如何从庞大的数据中分析出有价值的信息并找到合理的商业模式，提高“驾驭”数据的能力，成为电信运营商面临的挑战。 那么电信运营商该如何去构建面向智慧运营的大数据体系？ 对电信运营商来说，可以利用大数据实现自身的精确化营销和精细化运营，在这方面，国内已经有运营商作出了尝试。使用Hadoop等大数据处理工具，通过分析用户的兴趣图谱、关系图谱、行为定向，再结合自身的业务推出量身定制的服务，如针对出差较多的商务人士，向他们推荐漫游套餐；对爱好移动上网的用户，向他们提供流量包……这本身就属于大数据应用的范畴，而且，运营商通过对业务资源和财务等数据的综合分析，可以让决策层进行快速的市场决策，从而抢占市场制高点。 未来，运营商还可以拓展第三方模式，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，将数据转化成“真金白银”。在这方面，国外电信运营商的探索给我们提供了思路。西班牙电信去年成立了名为“动态洞察”的大数据业务部门，它可以为客户提供数据分析打包服务，帮助客户把握重大变化趋势。法国电信的移动业务部门也开始尝试挖掘大数据的潜在价值，比如，它承建了一个法国高速公路数据监测项目，对每天产生的几百万条记录进行分析，从而提高了道路通畅率。更具*性的是Verizon，其数据业务的盈利收入在其整个业务中占比非常高，其中就有联合第三方机构对其用户群进行大数据分析，再将有价值的信息提供给*或企业获取的额外价值。 分析人士指出，数据化程度越高的行业，其大数据的应用场景越多，能够带来的价值也就越高。数据重构商业，虽然国内在这方面的探索还未形成规模，但对运营商来说却代表着前进的方向凭借自身优势，将数据分析包装为服务，提供给*、商场、银行等第三方机构进行决策，从而实现商业模式的创新，并在与互联网企业的竞争中占得先机。不过，需要明确的是，这里的数据包装并不是非法采集用户个人信息，更不是贩卖用户个性化隐私，真正的大数据应该是用加工实现增值，用分析来指导决策，而非原始数据信息本身的低层次滥用。