针对电信运营商的大数据价值化经营研究

洪莹，李政

（1.巴黎第一大学，法国 巴黎 75008；2.北京邮电大学，北京 100876；3.中国联合网络通信集团有限公司，北京 100050）

1 引言

自麦肯锡全球研究院创造并提出“Big Data（大数据）”概念以来，2012年3月美国奥巴马政府成立“大数据高级指导小组”实施《大数据研究与开发计划》将其上升为国家层面战略，中关村成立大数据产业联盟，广东省发布《广东省实施大数据战略工作方案》拟成立大数据局。大数据从2012年伊始便迅速升温并风靡全球，成为了科技界、投资界、政界所热议的话题之一。

所谓“大数据”，是指“其大小超出了典型数据库软件的采集、储存、管理和分析等能力的数据集合”。大数据与以往的数据分析的最大不同在于其4V特性，即Variety（种类多），Volume（体量大），Velocity（速度快），Value（价值高）。大数据的出现给人类社会带来了巨大的变化：伦理层面，人类的记忆结构将开始从“遗忘为常态，记忆为例外”向“遗忘为例外，记忆为常态”转变；运行层面，分析的基础将实现从抽样数据向全数据的跨越，实现了统计意义的提升；内容方面，数据类型从结构转向非结构，通过体量的提升降低了对于准确度的要求，同时允许适度的混杂；时间维度方面，将实现关注点从因果关系向相关关系的变化，进而给人类带来实时反馈层面的巨大挑战。

大数据的出现和兴盛，对电信运营商而言既是挑战又是机遇。一方面，随着OTT应用的快速发展，电信运营商的传统业务受到挤压，网络流量与业务收入之间的剪刀差日益严重。随着OTT厂商掌握的资源和数据逐渐增加，他们带给电信运营商的压力也愈发强烈（近期的微信收费之争是例证之一）。另一方面，电信运营商在大数据产业链中处于数据传递和交换的中心地位，通过相关技术的部署（如DPI、PCC），可以解析出大量的数据及资源（身份数据、位置数据、流量数据、业务使用习惯数据等），同时由于其处于数据传送的关键节点和控制点，因此他们具有将掌握的大数据价值化的天然优势和能力。基于此，大量的电信运营商开始了大数据价值化的初步探索。如西班牙电信2012年10月成立了名为Dynamic Insights的大数据业务部门，负责向客户提供匿名化后的移动网络数据“智慧足迹（Smart Steps）”服务。Verizon则成立精准营销部门（Precision Marketing Division），通过提供基于移动数据的相关服务帮助客户达到精确营销移动商务等目的。美国运营商Sprint经过分析更是直言即使电信运营商沦为“哑管道”，依靠数据分析也能生存下去。

2 运营商大数据的分类及整理

电信运营商具有作为大数据拥有者和使用者的优势。电信运营商数据的收集和存储主要围绕电信级业务的运行维护展开，主要存在于BOSS系统、OSS系统、MSS系统等平台中。电信运营商掌握数据的特点在于类型多、数量大（如联通大数据平台收集的上网记录达到几百亿条/日，容量6~7T），并且随着DPI（Deep Packet Inspection）等技术的部署，这一趋势将更加的明显。因此迫切需要寻找一种合理的方式，将电信运营商的数据进行分类，进而形成可用于价值化的优势资源。

根据电信业务的特征并结合相关系统对于数据的存储提取特性，本文提出将电信运营商的数据从以下4个维度进行分类的设想。主要的维度有自然属性、电信属性、时间位置属性、业务使用属性。其中，自然属性是指电信消费者自身具有的特质，这些特质不随电信使用情况而改变，包括姓名、登记的身份证件号等；电信属性是指电信消费总体特征相关属性，主要体现于手机号码、IMEI码、入网时间及归属地、业务/网络类型、选择套餐档位等；时间位置属性主要反映消费者业务使用过程中时间和地点维度的特质，包括时间维度的业务使用开始/结束时间、使用时长、忙/闲时等，地点维度的通讯基站经纬度、省分/地市/小区名称、所属RNC、所属Node B等；业务使用属性主要体现了业务使用的特征，包括各种电信业务（电话/短信/自有增值/OTT）的使用规律、使用流量类型（移动网流量或是Wi-Fi）、上下行流量特点、订阅OTT业务/经常登录网站（财经/体育/娱乐）等。

依据上述数据分类，电信运营商可进一步通过将各平台数据进行整合和分析，得到较为完整的消费者画像。例如，针对上述数据分类，可以衍生出4个消费者画像：身份属性画像、电信属性画像、时空特性画像、业务特性画像，并可以形成反映消费者一系列特质的标签（如消费者A，男，主要活动地北京，通信/科技关注者，流量耗费集中于上下班时间，价格敏感度高等），达到消费者特质标签化的目的，并供进一步分析和决策使用。

3 运营商大数据价值化的核心途径

基于掌握的上述大量数据资源，电信运营商具有进行大数据价值化的潜在条件和优势。对大数据进行充分的开发利用，在给电信运营商带来挑战的同时，也带来了千载难逢的历史机遇。由于移动互联网的迅速发展及OTT类业务的快速普及，传统电信业务受到了很大的冲击，这在促使电信运营商不断改进运维模式、优化传统业务的同时，也迫使他们去寻找新的业务和发展模式，创造出新的收入来源。因此，电信运营商基于大数据的价值化路径也要分别针对着现有业务的优化和潜在业务的开发这2个方向展开。

针对现有业务，提出的发展路径为精细化运营。电信运营商的现有业务主要是传统的电信级业务，包括语音、短信、流量等，目的是运用电信运营商自身的通信能力满足电信消费者基本的通信需求。这类业务既是传统电信运营商收入的主要来源，也是受到OTT类业务影响和冲击最大的部分。但同时，由于电信运营商开展这类业务时间较长，收集的数据具有较强的排他性，这也为运营商开展针对现有业务的精细化运营提供了良好的条件。在实施过程中，电信运营商要根据自身能力建设的步伐，逐步完善基于大数据的精细化运营部署。对于自身能力（包括数据收集、处理、分析运营）较强的部分，电信运营商应突出优势、加快发展，以数据作为核心资源，提升现有产品和服务水平，形成差异化的核心竞争力。如进行上网记录查询等来满足消费者清晰消费的需求；利用对于大数据的分析进行基站/网络规划和运行系统的监测等。同时要结合大数据对于一些特殊情境（如节假日人流聚集区域、突发情况人流跟踪监测）进行专项分析，尤其对于有可能对现有业务产生较大影响或带来较大利润的业务（如蜂窝网络流量与Wi-Fi的协同，4G/3G/2G协同等），积极开展相关研究及系统建设，不断提升业务水平。

针对潜在业务，提出的发展路径为资源性开发利用。随着移动互联网、物联网、智慧城市、云计算等概念和技术的扩散，行业间的融合正变得日益密切。由于电信运营商掌握了大量的电信消费者数据资源，有可能通过合作等方式，以资源化数据的方式切入到其他行业（如媒体广告、金融等），进而开拓出新的业务模式和应用场景，从而获取收入来源。在实施过程中，资源性开发利用会同时受到电信运营商自身能力及进入行业状况（如市场垄断程度、发展潜力、业务成熟度）的影响。对于自身能力较强，行业发展较完备的市场，电信运营商可以选取差异化进入，将自有的数据资源与合作伙伴的资源相结合。对其现有业务模式进行创新性变革，如媒体广告的精确投放等；对自身能力强，但是行业不完备的市场，电信运营商应选取合作布局的方式，积极寻找合作伙伴，借助合作伙伴的力量实现数据资源的利用化，如通过自身数据与线下实体店资源的对接，在O2O业务上进行创新；对自身能力不强，行业不完备但快速发展的市场，则选择观察跟进的方式，同时分析其对于自身现有业务的影响，找到最佳的结合点，如目前进行的一系列电信运营商版的宝宝类产品（中国联通的话费宝、中国电信的添益宝）便是在金融脱媒方向上的尝试；对自身能力不强，行业完备的市场，则可以选择暂不介入。

4 中国电信运营商的大数据价值化实现之路

本文认为中国电信运营商的大数据价值化经营应该围绕一个核心，双轨并发。一个核心是指电信运营商的大数据价值化要在现有法律法规的约束下围绕运营商数据的独特性和准确性进行，突出运营商数据的排他性。双轨并发，是指运营商既要将大数据用于自身现有业务的改进中，同时也要注意对于数据的资源性开发，创新业务模式从而切入到其他行业进行潜在业务的探索。

从实施时间维度上，要注意结合电信行业及其他行业的发展状况，每一阶段要有不同的侧重点。具体来看，近期电信运营商应该以精细化运营为主，业务精耕细作，稳步提升市场地位，同时积极跟踪并探索新业务模式。具体操作中，一方面要积极完成DPI、PCC等部署和相关系统（如大数据平台）的建设，用户画像的初步实施，将网络建设、客户服务、营销等业务与用户画像有机结合。另一方面，则尝试与电信范围内企业（如终端厂商、APP厂商等）开展基于数据合作业务模式的探索。中期电信运营商则要实现这2个方向的并重双驱动，业务向实时和个性化方向提升，与此同时广泛合作，形成成熟的基于大数据的标杆合作业务模式。

在具体操作中，则要积极开展基于实时和非结构化数据分析处理的系统开发，以实时信息指导企业运营的优化（如网络流量实时分析等），同时加强服务和产品基于数据的个性化设计。要深化合作模式，探索和非传统电信圈企业开展的基于数据的合作方式和模式，形成典型标杆业务模式和案例。远期电信运营商则要秉持资源性开发利用为主的原则，进行业务创新，发挥大数据资源优势；同时建立创新和激励机制，进入社会资本，持续创新并创造出更多的收入。具体实施过程中，则可依托大数据资源积累的优势，与各行业、企业充分合作，实现从线上到线下的全覆盖，通过商业模式创新获取新的收入。

[1] 晓镜. Sprint：运营商仅靠大数据就能生存[N]. 中国邮电报, 2012-11-21(5).

[2] 丁伟,李政. 运营商大数据战略个性化营销机制成核心[J]. 通信世界, 2013(12): 44-45.

[3] Emeka Obiodu. Readying for Big Data: Telefonica and Verizon show the way[R]. 2012.

[4] 维克托 迈尔 舍恩伯格,肯尼思 库克耶. 大数据时代[M]. 杭州: 浙江人民出版社, 2012.

[5] 徐子沛. 大数据[M]. 桂林: 广西师范大学出版社, 2012.

[6] 李国杰,程学旗. 大数据研究：未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考[J]. 中国科学院院刊, 2012(6): 647-657.

[7] 冯芷艳,郭迅华,曾大军,等. 大数据背景下商务管理研究若干前沿课题[J]. 管理科学学报, 2013(1): 1-9.

[8] 邬贺铨. 大数据时代的机遇与挑战[J]. 求是, 2013(4):47-49.

[9] 黄勇军,冯明,丁圣勇,等. 电信运营商大数据发展策略探讨[J]. 电信科学, 2013(3): 7-11.

[10] 何非,何克清. 大数据及其科学问题与方法的探讨[J].武汉大学学报（理学版）, 2014(1): 1-12.