摘要：国际运营商纷纷发力大数据对外应用市场，国内运营商也虎视眈眈，在对国内外运营商大数据管理和应用梳理的基础上，以电信运营应用为例说明电信运营商在大数据应用推进过程中遇到的具体难点和短板，并提出相应的改进建议，以期为电信运营商后续大数据应用整体推进提供有益的参考。
关键词：大数据；电信运营商；应用；对策
引言
如今全球范围内的许多企业都在进军大数据应用市场，大数据应用将成为提高核心竞争力的关键，各行各业的决策正在从“业务驱动”向“数据驱动”转变。电信运营商拥有着庞大的基础网络，电信运营商拥有的数据的质量和涵盖范围是互联网公司所无法比拟的。如果电信运营商将其拥有的数据加以应用，必将为电信运营商带来巨大的商业价值。
一、大数据概述
1.1大数据定义
大数据通常指无法在一定时间内用常规软件工具对其进行提取、存储、搜索、共享、分析和处理的海量的、复杂的数据集合。
1.2大数据特征
大数据特征可以用“4V”来概括，即：Volume、Variety、Value和Velocity。
（1）数据量大（Volume）：大数据的起始计量单位至少是PB（1000个TB）、EB（100万个TB）或ZB（10亿个TB）。
（2）类型繁多（Variety）：包括网络日志、音频、视频、图片、地理位置信息等，多类型的数据对数据的处理能力提出了更高的要求。
（3）价值密度低（Value）：数据海量，但价值密度较低，如何通过强大的机器算法更迅速地完成数据的价值“提纯”，是大数据时代亟待解决的难题。
（4）处理速度快（Velocity）：这是大数据区分于传统数据挖掘的最显著特征。在海量数据面前，处理数据的效率就是企业的生命。大数据时代对人类的数据驾驭能力提出了新的挑战。
1.3大数据分析常用方法
大数据的分析方法在大数据领域显得尤为重要，是决定最终信息是否有价值的决定性因素。大数据分析普遍存在的方法理论主要有：
（1）可视化分析：可视化分析能够直观的呈现大数据特点，简单明了，非常容易被读者所接受。
（2）数据挖掘算法：大数据分析的理论核心就是数据挖掘算法，各种数据挖掘算法基于不同的数据类型和格式才能更加科学地呈现出数据本身具备的特点和深入数据内部挖掘出公认的价值。
（3）预测性分析：大数据分析最重要的应用领域之一就是预测性分析，从大数据中挖掘出特点，通过科学建模，然后通过模型带入新的数据，从而预测未来的数据。
（4）数据质量和数据管理：高质量的数据和有效的数据管理能够保证大数据分析结果的真实和有价值。
（5）语义引擎：非结构化数据的多元化给数据分析带来新的挑战，我们需要一套工具系统去分析、提炼数据。语义引擎需要设计到有足够的人工智能才能从数据中主动地提取信息。
二、典型应用情况
电信运营作为一项基础工作，无论是大型企业，如银行、超市，还是个体户都有广泛的需求，其涉及所有需要实体渠道的相关运营。在过去，大型企业的电信运营的基础数据获取工作通常由专门的调查公司通过人工来完成，在这种情况下选址耗时耗力，很多时候由于数据可获得性不得不调整模型，缩减数据项并降低对数据周期的要求，并且人工统计很容易导致数据存在较大误差。
在这种情况下，掌握用户位置信息的电信运营商优势就凸显出来。首先电信运营商能够提供几乎全样本的用户数据。其次，电信运营商的数据是在不断更新之中，且有效数据的周期相对较长，部分数据长达半年以上。最后，电信运营商能够提供的数据颗粒度更高，既可以是整天的数据也可以是某个时段的数据。而更为重要的是，运营商可以将所拥有的数据同外部客户的内部数据进行实时的交互验证，从而为模型的优化提供了基础。而传统的方法通常是事前建模并收集数据，选址后无法进行事后的验证分析，导致选址模型难以验证和优化。
作为大数据应用的核心，产品的设计和建模是关键。根据电信运营的需求特征和电信运营商数据基础，构建了客流、价值、竞争和成本这4个维度的评估模型，包括数10条数据项。其中，客流和价值的数据主要来源于电信运营商，而竞争和成本数据则来自于外部。
为验证模型的有效性，考虑采取利用现有已建成店铺的商业价值情况信息进行验证，主要包括业务收入、盈利和人流等关键数据。同时为了方便用户使用，进行了产品的可视化开发和开放，最终用户可以使用IE进行接入，对于目标选址区域进行查询。
由于大数据对外应用在国内尚属起步阶段，因此在产品的开发过程中也出现了诸多的问题和难点。
首先，电信运营商内部数据颗粒度还不够细。在电信运营产品开发过程中，目标区域的数据颗粒度较粗，国内部分电信运营商的现有位置信息数据主要是基于基站维度，暂时未保存更加细分的地址信息，如具体店铺。因此，在应用开发过程中只能采取最近区域的方式，即反馈目标选址点最近的基站周边的数据。
其次，电信运营商内部数据的整合欠缺。以电信为例，在电信运营过程中，除了可以利用移动通信用户（个人）数据外，宽带（家庭）用户数据也是重要的数据源。然而，由于用户的地址信息不一致，难以对两类数据进行整合和关联，人工匹配耗时耗力。
第三，第三方及客户数据的使用。从电信运营本身来说，除了需要电信运营商的数据外，第三方以及客户数据也是模型重要组成部分，应用成功的关键。而目前，由于各方数据之间较难开展自动关联，导致第三方数据的整合耗时耗力。如何制定统一的基于地址信息的数据关联的标准同第三方数据进行关联将是后续大数据应用的关键。
最后，各部门协同难，影响产品开发。电信运营作为一项面向政企的应用，涉及的部门包括政企部门、业支部门、网络部门以及信息安全管理部门等。在互联网应用日益发达的今天，快速响应和迭代开发显得尤为重要，然而，由于某些电信运营商的大数据应用缺乏牵头部门，导致整体协同推进缓慢，严重影响产品的投产和运营效率。
三、电信运营大数据应用的路径对策
3.1开展个性化服务
通过大数据分析，帮助电信企业转变经营理念，开展个性化服务，不断提高服务质量。运营商借助大数据能够实现智能化网规和网优，全方位、全过程监控各个设备长期运营的KPI情况、流量变化、网信令变化等，及时调整资源配置，提升网络质量和网络利用率。大数据使运营商进一步关注个体、小群体个性化需求变为现实，有利于开展个性化服务。通过量化分解客户接触信息，记录、分析用户的行为习惯、典型特征、个人喜好等，预测客户服务需求、手机品牌选择、网络偏好等，为客户提差异化、供定制化的服务。此外，大数据还能协助运营商实现智能运营，实时监控服务质量，第一时间发现、解决突发故障，建立、完善故障自动应对机制，提升客户体验与感知。
3.2推行精准营销
大数据为精准营销奠定了坚实基础，通过大数据分析实现精准定位、精准服务。大数据能够对各种数据进行深度挖掘，分析、分类、汇总、关联、参照等，赋予数据更多含义和价值，为不同客户提供不同的业务服务，实现从单一网络服务提供向多元的信息服务提供转变。第一，实施流量精细化经营，通过分析个体、群体用户流量使用数量、层级、趋势等个性化特征，形成日志数据并对其进行实时采集、处理、监测，将之与正常行为轨迹标准进行对比，结合网络流量分布特点，可以实现为每个客户每个月，甚至某个时间段提供不同档次的流量营销。第二，记录分析用户的年龄、机龄、性别等基础数据和上网频率、时长、时间、流量使用情况等偏好数据，生成用户基础数据特征与偏好特征模型，预测客户行为，精准匹配资费套餐、终端类型、在用网络等，选择合适的推送时机、推送方式、推送内容，推送适销对路的业务，实现全程精准营销；第三，根据网络信令数据、监控网络状况等大数据信息，及时识别潜在价值客户、业务热点和价值小区，更精准地指导网络优化，实现网络、应用和用户的智能指配。
3.3实施数据增值
在赋予数据更多关联、意义和价值之前，数据只不过是一堆冷冰冰的符号而已。实施数据增值，目的是实现数据自身的价值，为电信运营和其他各行各业创造更多经济效益和社会效益。数据增值主要有两种方式，一种是通过电信企业自身发掘、使用相关数据，实现企业经营效益增值；另一种是在符合相关法律法规规定的前提下，向第三方有偿提供数据服务，这是大数据应用的高级阶段。毫无疑问，某些数据对于电信运营商而言，只是一组没有任何利用价值的数字而已，而这些数据对于第三方来说或许是无价之宝。因此，拥有庞大数据资源的电信企业要更加注重数据资产的平台化运营，在相关法律法规允许范围内将数据包装成特殊的“商品”，提供给相关运营用户。倾力打造数据开放共享平台，为合作伙伴提供数据分析开放使用权限，进一步增强友好合作关系。比如，将危险信息与公共安全等方面的信息结合起来，将能为电信运营商的数据和城市公共安全增值，对于打造一个开放数据平台和城市公共安全平台有重大意义。还可以通过购买第三方特有的数据资源，与自身掌握的数据资源有机结合，生成有新价值的数据资源，为企业客户提供更个性的数据资源和产品，如地理位置数据资源等。此外，可以吸纳社会力量对数据资源进行深度开发，如开展相关数据开发竞赛等，进一步商业化运作数据这种宝贵资源，很多创业公司和运营专家往往具有好的想法，但缺少数据资源。总之，在法律允许范围内让数据在不同运营和不同企业间充分流动，定将进一步释放、激活、发掘数据的更大价值。
结束语
电信运营商省公司，在大数据平台建成并投产后，成果显著：带动移动、宽带用户发展，增收相当于一个小型地市公司；以用户为中心，构建倒三角的大数据运营体系，支撑线上线下精确营销；线上营销――基于大数据的客户特征刻画、利用互联网入口面向客户进行精准的业务推荐营销；线下营销――基于大数据支撑，让精确营销贯穿生产经营的各个环节、无处不在。实践证明，大数据应用系统的建设和使用，已成为电信运营商业务发展的重要支撑手段之一。
参考文献
[1]傅志华.大数据在电信运营的应用,2014.2.
[2]朱敏.大数据时代运营商战略及市场影响,2013.9.
[3]何非.大数据机器及其科学问题与方法的探讨,2016.7.
[4]洪莹.针对电信运营商的大数据价值化经营研究,2015.2.
论文作者:白雪伟
论文发表刊物:《基层建设》2018年第30期
论文发表时间:2018/11/15
标签：数据论文; 电信运营商论文; 价值论文; 电信论文; 大数论文; 用户论文; 客户论文; 《基层建设》2018年第30期论文;