运营商的下一个金矿：大数据应用

中国联通研究院 | 王艳 徐渊

运营商的下一个金矿：大数据应用

中国联通研究院 | 王艳 徐渊

电信运营商就是传统行业中的天然大数据公司，其主要业务决定了运营商在大数据产业链中的数据传递和交换中心的地位，并为其带来丰富的数据资源。

2011年以来，“大数据”一词频频被媒体和各大公司所提及。2012年2月《纽约时报》的一篇专栏中大胆写道“‘大数据’时代已经降临”，并指出：在商业、经济及其他领域中，决策将日益基于数据和分析而作出，而并非基于经验和直觉。目前，大数据已被应用于多个行业多个领域，尤其是天然的大数据公司。新兴互联网企业和大型技术公司固然是被大家所熟知的天然大数据公司，而一些传统行业企业却往往被忽视。其中，电信运营商就是传统行业中的天然大数据公司。电信运营商的主要业务包括语音业务、数据业务、位置和商务等增值业务。这些业务决定了运营商在大数据产业链中的数据传递和交换中心的地位，并为其带来丰富的数据资源。

大数据的内部应用

企业发掘公司内部大数据价值的途径有三种：一是基于数据的决策，主要通过提高预测概率来提高决策成功率；二是基于数据的流程，主要是形成营销闭环战略，提高销售漏斗的转化率；三是基于数据的产品，在产品设计阶段，强调个性化以客户为中心的设计理念。电信运营商可以通过这三种途径深入挖掘大数据内含的价值。

1.大数据辅助决策

运营商拥有海量的经营数据、用户通话和流量详单数据、用户使用业务和终端的数据、网络信息数据等，通过挖掘这些数据，运营商可以获得关于公司经营状况、用户行为等分析结果，并通过构建数据库、经营分析平台或者Web端界面等方式将数据分析结果进行可视化的展示，辅助公司管理层进行经营决策、渠道管理等，帮助基层营销人员更好地完成营销资源的分配。具体地，通过数据挖掘辅助决策的方式有三类。

第一类是网络优化。3G的不断普及和4G的逐步推广带来了用户对网络带宽需求的提升。数据显示，全“我们经常说现在进入了‘大智移云’的时代，如果1985年我们以计算机作为创新平台，2005年是以互联网作为创新平台，现在我们则进入到以‘大智移云’作为创新平台的时代。”

——中国互联网协会理事长 邬贺铨

球电信运营商每年投入百亿美元用于宽带基础设施的建设，但仍难以满足用户对带宽的需求。因此，运营商需要了解用户的业务使用量和网络承载能力的匹配数据，进而对网络进行合理的优化。大数据恰好帮助运营商建立了网络建设和业务发展的数据关联，这些数据既包括基站信息、用户位置信息等，也包括用户CDR数据、业务消费数据等。运营商可利用此类数据更为精准地规划基站建设、设定优化等级。

第二类是经营决策的调整。数据最大的作用就是通过分析方法和手段对数据进行规律性总结，并应用这一规律对用户未来的行为和企业未来的发展进行预测，因此，大数据对经营决策的影响是实现决策的“被动式”向“预判式”的演变。例如，中国运营商现正在布局4G市场，相较于之前被动式的决策观，在大数据时代，运营商可以在4G上线之前，应用预约4G业务的用户数据，对4G预约用户进行画像，帮助管理层了解什么类型的用户更有可能使用4G网络，从而进行营销资源的布局和营销战略的制定。

第三类是渠道管理的改变。中国移动手机市场趋于饱和，运营商为了争取到更多用户，市场竞争变得日益激烈。同时运营商仍旧以新增用户作为关键考核指标，因此渠道商为了获取更多的用户，出现了很多造假行为，包括批开卡、养卡、诱导用户重入网等。这些造假行为的存在对管理层进行4G战略的部署有巨大的负面影响。针对这种情况，通过利用用户通话详单数据和消费行为数据构建识别批开养卡用户和重入网用户的模型，对渠道商的造假行为进行监控，可有效避免渠道乱象、维护运营商的长期利益。

2．云计算强化数据流程管理

在基于数据流程的管理上，云计算则可以很好地应用在客户关系管理和基于客户的精准营销上。

客户关系管理（CRM）是利用信息技术，实现市场营销、销售、服务等活动自动化，从而为客户提供满意、周到的服务，来提高客户满意度、忠诚度的一种管理经营方式。对运营商而言，可以使用用户的信令数据、业务使用和终端数据、消费行为数据来对用户的消费特征、用户价值等进行分析，更优地制定维系策略，从而为用户提供更好的消费体验，提高客户的忠诚度，降低客户的流失率。

未来运营商可以结合客户生命周期理论、用户价值模型、用户消费行为数据，建立用户全生命周期分析的客户关系管理平台，针对不同的用户在生命周期所处阶段为用户提供有针对性的服务，打通闭环，实现全面的客户关系管理系统。

对客户进行精准营销，首先要对客户特点和客户需求特点进行深入了解，然后根据这些特点对客户进行特定的业务推荐或者维系策略，这样才可以最大限度提升客户的满意度。通过数据挖掘的技术手段，企业即可从用户的上网轨迹、在社交网络上的活动、交往圈信息、位置信息等对用户进行细分并作标识。根据这些用户标识，运营商即可对特定用户进行精准的营销活动。

3. 数据产品的三大发力点

在基于数据的产品中，云存储空间出租、特殊人群的定位服务和建设集市化的数据平台都是值得运营商探求的方向。

在数据爆炸的时代，企业、组织与个人都有程度不一的信息存储需求，云存储作为一种主流解决方案，已得到较为广泛的认可与应用。目前，已有网易、亚马逊等多家公司推出了相应的服务。运营商中，中国电信也通过建设云基地积极布局云存储业务。不过，要提升差异化的竞争能力，运营商还需在提升相关应用关系链管理与使用效率、分项扩展上进行更多的探索。

而随着LBS技术的普及与推广，电信运营商掌握着越来越精确的用户位置与移动数据，这些数据可被应用于针对特殊人群的定位服务。典型场景包括针对儿童、老年人的定位服务，即根据该类人群的生活轨迹，预设相应的基站范围，如果用户的手机信号超出了预设的基站范围，将通过短信、微信消息等方式向绑定手机发送提示，同时确保手机能优先接入，从而避免儿童、老年人走失等问题。电信运营商提供定位服务的优势在于对于对终端没有特别要求，有效降低了服务门槛，同时，基于基站的位置信息定位保证了数据的稳定性与连续性。

此外，基于P2P的集市化数据平台同样可供运营商操作。数据提供者将数据上传至运营商提供的平台，以免费、付费或虚拟货币的形式，供使用者下载。随着4G的普及及Wi-Fi网络的覆盖提升，将促成“二维码+用户账号+LBS+移动支付”的闭环，形成涉及娱乐、教育、医疗、餐饮等多板块服务的数据平台。

大数据的外部应用

大数据应用在政府服务上有良好的前景。电信运营商通过其掌握的LBS信息，与政府在智慧城市、智慧交通等领域进行合作，提供实时路况信息服务；基于用户实名认证信息与位置移动数据，为政府交通规划、监控重点人群提供参考。同时，电信运营商可以通过URL解析等数据技术手段，综合运用基于极性词识别、主题帖自动标引及情感倾向分析、基于语义块的事件倾向性分析等分析方法，协助政府开展日常舆情监控、重点事件/人群/区域的管控等，为政府改善行政效能、有效开展危机公关提供参考。

目前，一些运营商已经开始了此类业务模式创新的探索。例如，Telefonica在其Telefonica Digital下设立了Telefonica Dynamic Insights部门，专门从事大数据应用等创新业务的开发。Telefonica在英国推出了smartstep服务，面向政府部门及公共机构提供基于位置的人员流动数据。

大数据的外部应用对销售企业有极大的吸引力。一方面电信运营商可以基于其拥有的存量数据进行消费者特征与行为分析，进行用户聚类与画像，为销售类企业提供咨询服务。运营商可以通过对用户的年龄、性别、受教育程度、特定时间出现的区域、网购行为、经常访问的网站等信息进行综合评价，挖掘用户的生活规律与业务使用习惯，并通过画像进行特定用户标签化处理，或聚合为基于区域的特定用户分布（可通过热力图等形式展现），为销售类企业锁定目标用户、实施精准营销与店铺网点选址等提供有效支持。

另一方面，电信运营商可通过移动互联网技术，实现基于大数据应用的营销信息的实时传输。例如，通过对用户O2O消费习惯与特点的分析，当用户在用餐时间进入某常访问的商圈时，通过APP 等形式向用户实时推送其常去或多次搜索的餐馆的排号情况、优惠信息等，并根据用户历史查询与消费价位等信息，自动生成推荐菜单，支持在线订座、下菜单等操作；同时，提供由广告主付费的后向流量包，形成闭环，既增加了用户黏性，又拓展了收费渠道与对象。

现存的困难与挑战

1. 社会公众质疑

大数据将面临来自社会公众的质疑。根据Gartner的新兴技术炒作周期理论，大数据技术目前仍处于“公众的预期过高达到期望的高峰和泡沫期”，距离其成为主流技术还有5 ~10年的时间。当大数据技术处于“幻灭的低谷”这一阶段时，大数据技术可能遭到来自社会公众的质疑。在各类质疑中，以社会公众对自身隐私信息被泄露的担忧最具代表性。随着移动互联网、智能终端、物联网等技术与产品的广泛应用，人们的行为、位置、通讯等信息不再隐秘。公众的质疑包括对技术成熟性与安全性的关切及对涉事政府部门与企业道德操守的担忧。前者的典型案例包括用户通过云存储误同步得他人通讯信息等，后者以“棱镜门”事件为典型代表。此外，还有一些案例介于两者之间，同样存在隐私泄露的潜在风险，典型的例子包括iPhone“记录用户位置隐私”事件，即iPhone终端可通过APP程序、Wi-Fi连接等记录用户的位置信息，而这些用户位置信息会被存放在手机的加密文件中。通过找到这些文件，可以破解出用户曾经的位置信息记录。面对公众的担忧，需要运营商与监管部门一道，通过立法等手段明确大数据采集和应用的规范、范围与范式，共同探索既能满足社会公众对隐私保护的合理关切，又能为运营商的新业务探索留出足够空间的解决方案。

图1 Gartner公司技术成熟周期曲线

2. 组织结构存在阻碍

同时，在对资源与时效性有极高要求的大数据应用运营上，运营商面临着来自组织结构的阻碍。现阶段，运营商对大数据的运用仍处于粗放的初级阶段，且主要集中在内部应用，如精准营销模型建立、虚假用户与低质用户识别、用户信用评级等，而在大数据的外部应用上仍处于探索初期。作为重资产大型企业，运营商组织结构极大制约了其决策速度、产品开发与运营能力及业务转型力度，在大数据开发与应用环节存在先天性短板。与互联网公司不同，运营商的行业特征塑造了其“稳”字当头的企业基因与相应的组织架构，反应慢、敏感度低。此外，近些年运营商为规范经营活动，对产品设计等权限进行总部集中，弱化了基层单位的能动性，进一步强化了组织的科层化倾向，决策流程与周期更为冗长。部分运营商采用下放产品开发与运营权限至专业子公司的举措来提高效率，但专业子公司的资源整合能力较弱，无法调动分散于各职能部门的资源，且产品上线、推广仍需母公司评估与支撑。而若将大数据资源通过外包等形式委托第三方进行开发利用，存在一定的安全隐患与法律风险。

3. 大数据工程师匮乏

此外，运营商还面临着大数据工程师匮乏的困难。运营商的人才特征为以通信类工程师为核心，辅以背景多元的市场与营销人才队伍。决策核心与技术团队的人才结构较为单一，普遍缺乏具有高度专业水准的大数据工程师。大数据条件下，数据量大、非结构化数据占比高，在数据清洗、筛选、结构化处理与分析等各个环节，都亟需数据专家参与。运营商虽然可以通过高层次人才引进、内部挖潜等多种举措加强数据人才队伍建设，但形成具备市场投放能力的团队群仍尚需时日。