全面解读运营商大数据商业模式-中商商学院-中商情报网
全面解读运营商大数据商业模式
来源：36大数据 责任编辑：yinpeipei
一、行业现状
中国大数据发展迅速，近年来得到广泛关注，目前已进入高速发展期。目前，大数据商业模式已有部分获得市场验证，包括竞争营销等。此外，我们对照海外，借鉴其成功经验与商业模式，看到大数据未来仍然具有非常广阔的发展空间。
我们参照海外经验，发现大数据的商业模式主要包含以下几点，其中不少商业模式国内仍在探索或起步较晚，但仍可能是未来发展方向：
1）数据销售：该模式主要是指将原始数据进行销售，或者授权第三方使用自有数据。该模式在国内由于多种原因进展缓慢，国外主要在行业用于信用分析等。
2）研究咨询分析：该模式是指公司（如咨询公司）通过自有数据、公开数据或第三方数据进行分析，得出行业或者某些特定方向的报告，并将报告进行售卖的模式。
3）平台：该模式提供平台的出租，公司将自有数据导入其平台或利用平台工具导入第三方数据，并用其提供的工具进行计算，再将计算结果取回。该模式下，平台按照数据量和使用时间进行收费。该模式可能与第三方数据存储相融合，对于用户来说，将数据放在第三方数据仓库并使用其平台进行计算，较为便捷。
4）等应用：通过将大数据进行分析和筛选，从而将广告需求对接至DSP平台等，供实时竞价等。
5）人工智能开发：该商业模式主要通过大数据分析不断进行人工智能产品的开发，如谷歌的智能驾驶等。该模式在国内应用仍较少。
6）第三方存储：在该商业模式下，公司本身并不自建数据库或者数据中心，而是直接将数据上传到第三方进行存储和管理，该模式对于公司的资本开支压力较小。此外，我们注意到第三方存储由于其在和设备上的领先性，可以帮助公司在节省的情况下获得较好效果。
7）第三方分析：在该商业模式下，公司本身并不进行大数据分析，而是聘请第三方对自有大数据进行分析。通常，公司会指定研究方向或研究目的，由第三方进行操作。同时，我们注意到，第三方分析可能会基于第三方存储的技术上由第三方一并完成。
中国市场各大数据相关企业近年来发展较快，并呈现出快速布局、技术不断进步并且应用逐步落地的。根据易观智库的报告，国内相对领先的企业包括东方国信、科大讯飞、用友软件、拓尔思等。其中，东方国信进展和技术积累相对较快。
二、大数据商业模式
具体到运营商，我们看到其对于数据分析的发展模式已从过去供内部使用的经营分析系统，逐渐演化，并已积极寻求与第三方合作。
运营商的大数据商业模式主要有：
（1）传统模式：经营分析该模式下，运营商会聘请第三方公司对于BOSS系统进行运维，过去，BOSS系统主要侧重于BSS系统的运维，更偏重于对网络使用情况及用户电话、账单等信息的分析。这类分析能够帮助运营商提升网络使用效率、更好地服务客户等。
（2）第三方分析：在大数据时代下，传统的经营分析系统遇到挑战，运营商会考虑如何更好地使用其大数据。我们看到，运营商仍然会采取之前BOSS系统的方式，自身采购硬件设备，并交由第三方进行运维和分析。目前来看，运营商已经开始采购Hadoop产品，由于Hadoop存在定制化，因此，运营商也会倾向于将后续运维等工作交由Hadoop产品的提供者。
（3）精准营销：在运营商根据用户的ARPU值、地域、个人信息等大数据进行分析后，可以进行精准营销。目前，这类合作通常是与第三方进行合作。由第三方提出有效模型与算法，在运营商数据库中进行运行，并得出符合要求的人群，运营商通过开放接口对其进行精准营销。在该过程中，第三方无法获得用户的准确信息。根据我们的调研，某运营商省分公司通过这种合作方式，使得其金融产品推销电话的成功率已高达5%。
以联通为例，沃门户与晶赞科技已经就广告进行合作，包括PC客户端，Wap客户端等，涵盖首页、内容页顶部通栏和底部通栏、合作频道等。合作方式为：联通负责广告素材的审核，而晶赞科技提供全套广告解决方案。晶赞具体负责从前期（包括位置及类型在内的广告位价值挖掘），到后期（销售、投放、制作及管理）的各环节并引入DSP平台。该类合作即属于运营商大数据时代下的精准营销。
（4）第三方合作运营商与第三方合作的方式将不仅限于精准营销。联通已经与招商银行成立“招联消费金融公司”，共同面向领域。该合作模式下，联通主要贡献的是其所拥有的庞大且真实的信息以及基于大数据所能分析出的结果。我们认为，金融行业对于大数据的需求较为迫切，因为其牵涉的潜在受益或损失成本较高；此外，也由于其此，该项合作能够为大数据分析带来较高溢价，是典型的效用定价而非成本加成定价。我们认为，运营商与金融行业的合作探索步伐将会加快。
此外，我们认为，运营商目前积极涉足、尤其是，这类合作将需要对于大数据进行有效采集与分析，同样将是运营商大数据未来积极发展的方向。
相关内容阅读
中商情报网版权及免责声明：
1、凡本网注明 “来源：***（非中商情报网）” 的作品，均转载自其它媒体，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。
2、如因作品内容、版权和其它问题需要同本网联系的，请在30日内进行。
有关作品版权事宜请联系：5 邮箱：
热门资讯榜
大家都爱看
现实版《白日美人》在荷兰一幕上演，白天，46岁的荷兰中央银行女......
日本人民的料理可谓口重味，看过许多关于日本料理的奇葩新闻，比......
萝莉在大部分人心中都是可爱萌萌哒的形象，开心咯咯笑，不开心嘟......
你是不是曾经幻想能够拥有超能力？来自加拿大的一位天才化妆师就......
中国最低调大学是指高校排行榜，年年都是那些炙手可热的名校，如......
现在已经进入了2015年的高考倒计时阶段了，各种的眼花缭乱的学校......
今日投资：大象齐舞周五A股市场暴涨
大象齐舞，周......
4月19日（周日）下午中国人民银行决定，自......
跑男第二季华丽开播嘉宾大牌组团空降
明天就是跑男......
范冰冰卸妆前后：
近期《奔跑吧兄弟2》嘉宾曝光，范......看运营商如何利用Hadoop技术将大数据变现！-技术方案-@大数据资讯
你好，游客
看运营商如何利用Hadoop技术将大数据变现！
来源：企业网D1Net&
作者：企业网D1Net
　　运营商之困
　　移动互联网时代的今天，手机不再仅仅是个通讯工具，它是钱包(手机支付)，是商店(手机淘宝)，是地图(手机导航)，是资讯来源(新闻订阅)，是社交工具 (微信微博)&&手机角色的变化丰富了人们的生活，却颠覆了运营商的世界。不久前，运营商还靠着语音和短信服务垄断着移动通讯市场，现在却不得不和微信等 APP共分一杯羹。运营商投资提供了高速稳定的3G/4G网络，却是为百度、阿里、腾讯等互联网公司在OTT领域玩得风生水起做嫁衣。智能手机用户在手机上消费越来越多，三大运营商的收入增长率却从常年的两位数降至了一位数。缺少竞争带来的高利润高增长模式已经被打破。运营商面临着一个抉择：是满足于在移动互联网市场中充当管道，还是充分利用拥有网络设备和海量用户的优势扭转局面，继续做行业的领头羊?运营商心中应该已经有了决定，但是运营商该如何利用优势?其实答案一直都只有一个，那就是深刻地理解用户，深刻地理解自己。
　　困境的出路&&精细化经营
　　互联网公司大获成功的一大原因是它们深刻地理解用户的各种需求和习惯。它们的产品具有极大的多样性，这意味着大量的创收方式。运营商虽然也通过调整通话、短信、流量的比例推出不同的套餐，相较五花八门的APP便显得单调许多，收入增长点极少。想要增加收入，运营商必须放眼用户在通讯之外的活动，关注过去不曾关注的用户细节，洞察用户的潜在需求甚至创造和引导用户的需求。
　　基础网络设备是运营商的核心竞争力，也是巨额投资的地方。在传统优势语音和短信业务受到巨大侵蚀的情况下，运营商更应该发挥它拥有网络的优势，提供高覆盖率、高质量的网络服务，以此来保有老客户吸引新客户。同时，运营商也应该通过优化网络的铺设，在保证网络覆盖率的情况下避免建设多余基站，提高投资效益。
　　要做到理解客户和优化网络，运营商需要高度关注生产中的细节，换言之就是精细化经营。而精细化经营的方向都蕴藏在运营商手中的海量的运营数据，用户行为数据和网络数据中。这些数据可以为经营分析和网络分析提供有力的决策支撑。
　　运营商的第一步
　　广东移动下的某地级市分公司(以下称分公司)为了集中处理手中数据建立了统一的数据分析系统，汇聚了包括CRM(客户关系管理)、计费、经营分析和网络分析四个方面的数据，总量达80TB。分公司根据业务需求用SQL设计编写了很多复杂模型，交给该系统来运行。该系统的分析模块像一颗精密的大脑，从经营管理数据、用户行为数据和网络优化数据中计算出各种指标用于支撑经营和网络分析的决策。然而，运营商业务繁杂，近年来增长的3G/4G业务带来的海量数据更是增加了数据分析的难度。这些指标不但数量大(近千个指标，而且数量还在增长)，而且涉及到的表数目多(接近300张)，很多表还涉及到十多个月份的数据，导致计算量浩大。数据分析系统使用Oracle作为计算引擎，对所有指标的一次计算至少要用两天时间，一些复杂的指标甚至无法得出结果。决策的制定具有很高的时效性，如此有限的计算能力让该系统完全无法发挥其应有的分析作用，大大限制了的生产力。为了让该系统能够正常运转，分公司将目光投向了在海量数据计算上有极大优势的技术。
　　运营商的选择
　　近年来，随着大数据技术的发展，大数据解决方案的市场涌现了很多产品，主要分为MPP数据库和Hadoop发行版两种。分公司应该选择MPP还是 Hadoop呢?在MPP或Hadoop下，它又应该选择哪一个具体产品呢?分公司的技术人员对市场上的产品进行了仔细的调研。他们发现，MPP数据库支持经营和网络分析模型使用的SQL，但是计算性能不够，不能快速完成运算。而基于Hadoop的产品大多对SQL支持不足。分公司尝试过某著名北美厂商的 Hadoop发行版。然而，这家北美厂商的Hadoop发行版支持的SQL很少，不支持分公司的大多数经营和网络模型。向这个Hadoop发行版迁移需要对大量模型进行改写，意味着极高的知识成本。而使用混合架构&&只改写尤其复杂的模型放在Hadoop上计算，简单一些的模型依旧使用Oracle&&会导致数据分析系统业务过于复杂，带来大量的后期管理维护成本。最后，分公司发现了星环科技的Hadoop发行版一站式大数据平台 Transwarp Data Hub(TDH)。TDH平台下的交互式内存分析引擎Transwarp Inceptor使用Spark作为计算框架速度极快，而且全面支持SQL，完美满足数据分析系统的运算需求。然而，分公司对TDH这个完全由国内团队研发的Hadoop发行版还持保留态度，了解了 TDH在国内的多个成功案例后，才决定一试。
　　问题解决了
　　经过部署，TDH的工作流程为：先用平台自带的数据导入工具将分公司原本存储在Windows文件系统，Linux文件系统和Oracle中的数据导入至 TDH下的分布式文件系统HDFS中;数据导入完成后，Transwarp Inceptor利用分布式内存计算得出结果并通过TDH自带的JDBC接口传输到客户端或者其他BI和报表工具。
　　部署了TDH方案后，分公司的问题迅速得到了解决。原先使用Oracle花两天时间都不能完全计算得出的上千个指标Transwarp Inceptor用了8小时便全部计算完成。从Oracle可以完成计算的指标中随机选取四个与TDH做性能对比，可以得到下图(每个指标对应的两个条柱中，左边的是TDH 所花时间，右边的是Oracle所花时间，都以秒为单位)，TDH的计算优势一览无余:
　　部署了大数据平台后，数据分析系统终于可以发挥它的分析作用，将指标传达给决策层，清晰透明地反映经营管理状况，帮助决策层迅速准确地找出问题和发现新的商机。在此基础上，数据分析系统还可以通过对用户数据的分析建立客户标签，为客户画像，做到&比客户更了解客户&。这样分公司可以基于客户的行为分析来洞察用户的潜在需求，通过产品推荐和宣传针对性地刺激和引导用户的需求，使产品多样化、个性化，创造新的收入增长点。根据用户画像，分公司还可以适当地推出优惠活动和赠送活动来体现客户关怀。另一方面，数据分析系统对经营数据的分析可以帮助领导层进行预算管控，投资管理，进而提升资源管理的准确性，提高投资效益。而对网络数据的分析可以帮助分公司优化基站选址，减少重复投资，提高网络质量，最终提升用户体验减少客户流失甚至从竞争对手中赢来客户。
　　让数据说话
　　仅仅讨论&精细营销&或许有些抽象。下面，我们来看看分公司具体在如何用新系统做用户数据分析。在这个例子中，分公司根据用户的手机品牌进行了数据分析。我们将看到，单单从不同品牌的用户习惯上我们就可以得出不少有价值的结论。
　　首先，对手机价位分析可以看出，分公司的客户主要集中千元和高端两个价位：
　　其中，小米占有700-1500元机市场中最高份额(22.9%)和元第二的市场份额(21.1%，略低于第一的三星)。从这点可以看出，小米近年来注重线上销售、针对年轻和资费敏感客户的营销策略取得了巨大的成功，从而在千元机和中端市场中脱颖而出，作为一个较新的智能终端品牌，发展势头强劲。事实上，2014年的用户数据显示，小米以4%的市场份额增幅在所有品牌中排名第一，超过3%的苹果，也就是说，给这个年轻品牌一些时间，它可以更加成功。
　　高端机市场中，不出所料，老牌劲旅苹果以59.02%的市场份额牢牢占据龙头地位，远超第二名三星的30.24%，几乎是三星市场份额的两倍。苹果手机受欢迎程度我们都不陌生，&果粉&对苹果的忠诚度也不是新闻，那么苹果的品牌粘性具体有多大呢?让数字说话：
　　根据对用户数据进行的&换机分析&，也就是统计用户换手机前后使用的品牌，我们看出有超过一半的苹果用户会再次选择苹果，苹果有着绝对的品牌忠诚度。通过对苹果用户ARPU(每用户平均付费)数据的分析，分公司发现，苹果用户中一半以上都是高价值用户(ARPU大于80元/月)，远远多于全量市场的高端用户。综合来看，不难看出延续对苹果的推广和加强对小米的推广都将是分公司近期营销的重点。
　　此外，分公司还对用户的APP下载、上网搜索关键词、阅读内容进行了分析并制作了用户标签。以苹果用户为例，他们绝大多数(99%以上)都下载了微信、QQ 客户端，上网搜索最偏好购物类关键词(频率超过90%)，阅读习惯最喜欢经管励志的主题(占据一半以上的阅读量)。所以，苹果用户获得了&爱腾讯&、&爱购物&、&爱励志&的标签。利用类似的标签根据用户的行为习惯进行有针对性的营销，不仅可以获得更高的营销回报，还可以让用户方便得获得他们所需，提升他们的满意度。
　　故事还没结束
　　目前，分公司的数据分析系统仅处理其所在地级市产生的数据。但是系统使用的大数据平台TDH有很强的扩展性，通过添加服务器便可扩大规模和提升性能，数据分析系统可以轻松推广到广东省移动。对全省用户数据做分析，运营商将得到更全面更准确的信息。在移动互联网时代，分公司选择大数据解决方案十分有借鉴意义。因为用户的增长和高速网络的普及，其他运营商都将面临传统数据库无法解决日益增长的数据的难题。但正是这些数据中蕴藏着运营商的潜在问题、解决方案和新的商机，任何运营商要对这些数据好好利用都必须选择大数据解决方案。
　　经营和网络分析仅仅是大数据对运营商业务帮助的冰山一角。大数据还可以在很多其他方面助力运营商。比如，大数据在处理半结构化和非结构化数据上的优势可以帮助运营商处理多媒体手机终端带来的图片、音频和视频数据。大数据对实时数据进行实时处理的能力可以帮助运营商及时发现网络故障并迅速抢修，还可以根据用户所在地点进行实时wifi热点推荐。毫不夸张地说，大数据产品将是运营商在移动互联网时代最重要的工具。请我们共同期待大数据技术打造的更智慧的运营商。
原文链接：/bigdata/news/337573.html
相关新闻 & & &
& (08/14/:35)
& (02/04/:04)
& (09/03/:23)
& (05/04/:13)
& (11/19/:42)
　　　同意评论声明
　　　发表
尊重网上道德，遵守中华人民共和国的各项有关法律法规
承担一切因您的行为而直接或间接导致的民事或刑事法律责任
本站管理人员有权保留或删除其管辖留言中的任意内容
本站有权在网站内转载或引用您的评论
参与本评论即表明您已经阅读并接受上述条款大数据时代如何用数据知道更多
&&&&来源：&&&&
大数据是什么？如何出现和应用在人们的生活中？我们可以先来设想一个生活场景：当你早上醒来打开电视，遥控器已经自动更换到你以往关注的财经频道；当你准备开车去上班，导航仪已经按照目前的路况规划了你的上班路线，及时避开了拥堵路段；在你上班的时候，手机提醒你快到结婚纪念日了，同时用你的消费喜好数据为你推荐了几款礼物以作备选；当你结束一天的工作回到家中，电视已经根据你的内容喜好为你推荐好了频道和节目，这就是大数据应用。
最近一项研究表明，采用大数据的公司比不采用大数据的公司利润平均高6个百分点。6个百分点也许不那么起眼，但在激烈的市场竞争中，这是可以让企业生存下来、脱颖而出的资本。过去几年，无论是医疗、健康、交通、公共安全，还是生活、购物、旅游、娱乐，都已经逐渐建立起大数据分析系统。大数据的应用也从早期的数据密集型行业（例如电信、金融、能源、科研、互联网），逐步向非数据密集型行业扩张。
近年来，广电行业也开始注重大数据的应用。在广电行业领域内，并不缺乏大数据，关键在于如何应用大数据。观众除了喜欢黄金时段看电视，还喜欢在哪些时段打开电视？他们收看电视都有哪些习惯？解决这一切问题的基础还是数据。
大数据的核心是数据
小样本时代正在逐步被大数据时代所取代，但如何应用大数据？如何得到多维度的数据做到领域间的融合呢？在北京中传瑞智市场调查有限公司（以下简称中传瑞智）看来，大数据的实现基础在于采集的数据源覆盖量广、维度多。
在数据种类和终端方面，中传瑞智已与多家大型网络运营商达成独家合作模式，获取到多源终端（包括机顶盒、IPTV、PC端、智能电视、平板电脑、手机等）的用户行为数据，同时联合新浪微博，增加互联网维度，实现数据跨屏采集，目前数据范围已涉及娱乐、互联网、消费生活等多个领域。
在广电数据采集范围方面，中传瑞智已在全国范围内覆盖9500万户家庭，其中包括北京、天津、上海、广东、河南、陕西、四川、贵州、海南、吉林、福建等10多个省市的全数据。凭借自主研发的Data Plus大数据运营决策系统及中国传媒大学的资深学术背景，中传瑞智对全网数据实现了高效准确的采集和运算。在这样的数据基础上，大数据的核心价值在一点点被构建出来。
中传瑞智通过瑞智云2.0平台进行数据分析与挖掘，将这些数据结果结合互联网等数据运用到广电行业的运营决策中，为电视台、频道、栏目影视剧制作者以及广告商提供参考。
大数据在电视节目分析中的应用：电视剧《怒放》的收视分析
为电广传媒文化发展有限公司制作的电视剧《怒放》进行数据分析，中传瑞智从剧本入手分析，通过对剧本各个维度的解析，同时结合历史数据，从而对该剧播出后的收视效果做出预测，而预测结果与实际播出效果非常吻合。同时对该剧在播出期间的各个市场的表现情况、该剧的用户行为特征和流入流出的情况，中传瑞智也做了详细的分析。
北京市场更爱言情戏。电视剧《怒放》播出期间，各市场用户接触最多的电视剧题材均为爱情言情、战争、都市生活，这三类题材的电视剧整体为河南市场收视效果最好，北京市场爱情言情题材电视剧的到达率最高，其他市场均为战争题材电视剧的到达率最高（如图1）。
战争题材在北方更受欢迎。战争题材电视剧在陕西市场所占的收视份额最高，河南市场紧随其后，北京和广东市场战争题材电视剧的收视份额相当，为18%上下，可见，战争题材的电视剧在西北、华中地区很受欢迎。
CCTV-1播出的电视剧《怒放》在河南市场的收视份额最高，陕西市场次之，广东市场收视份额与其他市场相差较大，说明CCTV-1《怒放》在西北、华中地区深受用户喜爱（如图2）。
各市场CCTV-1《怒放》忠诚用户占比，河南市场最高，潜在用户占比为陕西市场最高，北京市场忠诚用户和潜在用户占比最低。可见，CCTV-1《怒放》在河南市场的用户群最好（如图3）。
CCTV-1《怒放》在各市场全天时段1小时忠诚和潜在用户的收视率和到达率趋势基本一致，且忠诚用户的收视率和到达率高出潜在用户1倍以上。
CCTV-1《怒放》在河南市场全天时段1小时的收视率明显高于其他市场，广东市场全天时段1小时的收视率低于其他市场；河南市场全天时段1小时忠诚和潜在用户收视率峰值出现在23:00―24:00，其他市场忠诚和潜在用户的收视率高峰出现在20:00―22:00（如图4）。
各市场全天时段的收视走势为战争题材新剧的首播时段提供收视数据支持。
北京市场和陕西市场用户群下午时段的平均收视要高于上午时段，广东市场上下午时段收视相差不大，河南市场下午时段的平均收视高于上午时段，此外，河南市场战争题材整体收视环境最好，为战争等题材电视剧的二三轮推广提供了参考。
北京市场CCTV-1《怒放》各集收视表现中，第34集收视率最高，为3.103%；该集收视率进点较高，随着剧情的展开，收视率逐步上升，在21:16―21:17到达峰值3.742%，此时，流出用户最多，流入用户也处于较高水平，之后收视率有所下降，在21:33―21:34下降到2.874%后，剧情出现大的转折，收视率继续上升，片尾处收视率直线下降。
【本文系《传媒》杂志供稿】
(责编：赵光霞、宋心蕊)
善意回帖，理性发言!
恭喜你，发表成功!
请牢记你的用户名:，密码:,立即进入修改密码。
s后自动返回
5s后自动返回
恭喜你，发表成功!
5s后自动返回
最新评论热门评论
传媒推荐|精彩博客
24小时排行&|&
人 民 网 版 权 所 有 ，未 经 书 面 授 权 禁 止 使 用
Copyright &
by .cn all rights reserved
人 民 网 版 权 所 有 ，未 经 书 面 授 权 禁 止 使 用
Copyright &
by .cn. all rights reserved1214人阅读
大数据（2）
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。
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。
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”
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。
参考知识库
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：41410次
排名：千里之外
原创：20篇
评论：11条
(1)(1)(1)(1)(3)(2)(1)(1)(1)(6)(1)(1)(1)(3)(1)(1)(1)(4)(1)