电信运营商大数据发展策略与价值挖掘

张云帆

【摘 要】大数据资产变现是国内外电信运营商普遍关注的问题，从分析通信运营商的数据来源及特点入手，从对内对外两个方面，分多个场景对数据资产的价值挖掘及应用模式进行了阐述，全面规划了电信运营商的大数据发展策略，并就实施路径给出了具体建议。

【关键词】大数据 电信运营商 数据资产

1 引言

近年来随着社交网络的兴起、移动互联网的快速发展、数据传感器的大量应用，数据量出现了爆炸式的增长，大数据时代正式来临。电信运营商在长期的运营过程中也积累了大量特有的数据，但由于种种原因，数据并没有得到很好的“价值挖掘”，如何充分利用这些数据资源，开发出能产生现金流的服务或应用，即大数据资产变现，是国内外电信运营商普遍关注的问题。本文接下来将对此进行分析，规划电信运营商的大数据发展策略，并就实施路径给出了具体建议。

2 电信运营商的数据资源

用户在通话、短信、上网等过程中，产生了大量记录，运营商由于其业务特点，积累了很多特有的数据，包括人们的身份信息、实时位置信息、上网行为信息等。可以说，运营商记录了人们现代生活的“指纹”，如何对这些数据资源进行挖掘和分析，发挥数据的潜在价值，是当前业界人士普遍关注的问题。

如图1所示，运营商的数据主要来源于以下三个方面：

（1）通信业务数据

这部分数据由CRM（客户关系管理系统）、计费帐务、客服、渠道等IT（信息系统）系统在通信业务的开展过程中产生。例如用户资料、语音、短信、数据等使用记录（话单）、费用记录（账单）、业务订购记录等。这些数据原本的作用是提供更好的客户服务、实现更加准确和灵活的计费等，在大数据时代，它们可以被赋予更丰富的内涵。

（2）网络类数据

这部分数据内容最为丰富，用户上网时的IP地址结合客户资料信息，可以很准确地追溯到人们的身份信息、家庭住址、上网时间、地点等。DPI（Deep Packet Inspection，深度包检测）数据经过分析后，可以清楚知道用户的网络行为，比如访问过哪些网站，购买过哪些商品，从而判断出用户的兴趣及关注点。通过移动位置信令，还可以实时地获取用户当前的所处的位置。

（3）互联网业务数据

这部分数据来自Web（互联网）和App（应用程序）客户端的数据，一般通过JS（一种脚本语言）插码或SDK（Software Development Kit，软件开发工具包）的方式收集，包括支付记录、商铺信息、终端数据、内容订购以及消费记录等信息。

3 电信运营商发展大数据面临的问题

（1）数据质量不高，未充分挖掘

现阶段运营商的数据大多分散在不同领域的多个独立系统中，各平台之间数据模型缺乏统一规划，数据质量不高，并存在较多的不一致性问题。另一方面现有系统对数据的采集挖掘不够深入及全面，无法支撑更精准的分析及应用。

（2）数据分析能力欠缺

缺乏既精通数据挖掘分析、又熟悉电信业务的人员，复合型大数据人才的磨合及培养是一个较为长期的过程。市场瞬息万变，如果不能在有效时间内形成分析结果，那么就失去了意义。而面对海量的数据，如何在短时间内确定分析维度，建立合适的模型，这都需要一个知识及经验的积累过程。

（3）相关法律不够健全

法律边界模糊，运营商虽然拥有大量的客户信息及行为数据，但由于可能触犯客户隐私，所以并不能随意使用，这也大大限制了运营商大数据业务的拓展。

4 运营商大数据的内部应用

运营商不仅是大数据的生产者，而且也是传输者和使用者。由于市场和隐私问题，目前运营商在大数据的使用上还是以内部应用为主，用大数据优化网络质量、提升客户体验，更好地支撑前端营销及后端运营。

4.1 辅助网络建设及优化

采集和分析大量现网数据，通过用户行为对网络关键性能指标的影响，分析用户行为规律的内在机理。将用户的话务、流量变化与时间周期、位置分布、人员属性等用户行为，与网络的节点分布、容量配置等网络资源进行关联分析。通过分析各种因素的内在联系，找出其规律，建立网络关联模型，使得网络规划、建设更加准确高效。另一方面，运营商还可以建立评估模型对现网的效率和成本进行评估，及时调整资源配置，对网络进行优化，不断提升网络质量和网络利用率。

4.2 提升客户服务质量

运营商积累了大量的客户行为和需求数据，利用大数据技术对客户的行为特征（例如等候时长，关联用户接触纪录、套餐订购及消费、投诉纪录等）进行深入分析，可以更准确识别热点问题、客户情绪、客户兴趣，从而更好地进行客户关怀。还可以针对客户兴趣进行精准营销，主动向客户推荐合适的业务及套餐。通过大数据方法进行客户分群，提前发现高流失风险客户，并作相应的客户关怀及挽留措施，可以有效避免客户流失，甚至可以“策反”部分异网客户。

4.3 提高企业运营管理效率

从网络、业务、用户、终端等多个维度全面监控运营商的业务运营状况，构建各类业务的综合指标体系及评价模型，从业务贡献度、对网络资源的占用、用户感知、业务替代性等多个维度对业务进行全面评估，从而更好地支撑业务的创新与改进。还可以通过数据分析对业务和市场经营状况进行总结和分析，相对于传统的经营分析系统，利用大数据技术能够处理更大的数据量，进行更深层次的挖掘分析，从而更好地支撑经营决策。

5 运营商大数据的价值挖掘

大数据的价值绝不仅限于企业内部应用，探索大数据的外部应用、挖掘数据价值、实现海量数据资产的“变现”、加速数据流向现金流的转换成为今后的主要方向。

对数据的某些敏感信息通过某些规则进行数据的变形，或者采用群体性的、趋势性的分析，取代个人明细信息等方式，实现数据“脱敏”，以规避用户隐私方面的法律风险。结合运营商数据的特点，也参考国外的先进经验，主要推荐以下几种典型应用：

5.1 精准广告

传统的广告采用普遍撒网的方式进行大量投放，但命中率很低，理想的方式是只把广告投放给需要的人，大数据的出现使得这样的精准营销成为了可能。运营商利用客户的网络行为数据挖掘分析其长期喜好和短期关注，并打上相应的标签。通过DMP（Data-Management Platform，数据管理平台）将这些客户标签信息以实时查询的方式提供给DSP（Demand-Side Platform，广告平台），DSP通过IP地址、Cookie（储存在用户本地终端上的识别数据）、终端等各种方式向DMP查询客户的兴趣偏好，从而实现针对性的广告投放。在这个过程中DPS并不知道客户具体是谁，也不能获取客户的具体信息，一定程度上保护了个人隐私。

5.2 市场洞察

对网民行为、用户群体特征等信息进行跟踪和分析，形成群体趋势性的统计分析报告，为咨询机构、行业用户、政府等提供经过分析挖掘而形成的价值服务。如：

（1）零售研究。针对某种特定商品的市场占用率、品牌影响力、各渠道销售状况、客户反馈，对竞争对手的情况进行分析，助力商家把握市场脉搏，洞悉行业趋势。

（2）消费者研究。通过分析告诉商家商品的客户群有哪些共性特征，潜在客户群喜欢访问哪些媒体等，从而辅助商家制定更加合理的营销计划。

（3）地理商业智能。以用户网络行为反映出的行为信号与其日常位置轨迹相结合，将用户线上行为投射到线下地理空间，洞察区域价值，为商铺选址、户外广告、人流监测等线下营销策略提供支持。

5.3 征信服务

金融系统的传统征信评估存在一定局限性，只能覆盖使用过信用卡或有贷款记录的少数人员。而运营商可以根据自己的数据特点，从客户属性、终端信息、消费偏好、业务帐单、网络行为等维度，构建能一定程度反映客户信用评价的子模型，再与银行、保险公司等金融机构合作，形成更加全面的客户征信评估报告，供第三方进行查询，并收取相关费用。

5.4 数据交易

随着大数据的成熟和发展，大数据的应用越来越广泛，有关大数据的交互、整合、交换、交易的例子也日益增多。随着中国贵阳大数据交易所的成立，数据交易也受到越来越多的关注，运营商掌握客户的网络行为、实时位置等信息，作为一种重要的独特资源，具有很高的交易价值。

6 运营商大数据业务实施路径

6.1 规范数据资产

前文提到，运营商的数据分散的各业务系统中，数据的一致性和有效性存在很大问题。首先必须梳理各渠道的数据资源，制定数据资产规范，架构跨域的统一数据模型，对数据类型、来源、内容、格式、时效性等各方面进行严格的定义。数据的真实性、准确性、有效性得到保证后，才能更好地进行数据价值的挖掘。

6.2 集中进行数据汇聚、分析

建议按照省—集团两级架构，建设集中的数据汇聚平台，根据数据接口规范，定时从各域进行数据采集，采集的原始数据还必须经过转换、清洗等过程，以统一数据格式删除冗余或低价值内容后，才入库进行长期保存。数据挖掘、分析平台建议综合考虑非结构化数据与传统结构化数据的处理需求，两种数据库技术互为补充。至少提供语义分析、模式分析、行为轨迹分析、客户交往圈分析等功能，并能够根据需求，灵活地从客户、产品、竞争、渠道、流量等多个维度进行组合分析。

6.3 商业模式转型

（1）“数据资产”转型：构建数据开放平台，利用网络及业务运营中长期积累的各类数据，通过深度挖掘和分析形成数据资产，与第三方进行数据共享及交易，汇聚各方优势资源，强强联合，实现价值最大化。

（2）“媒体广告”转型：依托用户属性、行为特征、关系拓朴、实时位置等运营商特有的数据，结合在渠道与终端等方面的固有优势，形成以精确营销为特点，全面覆盖线上、线下各渠道及终端的全方位立体广告体系。

（3）“商业渠道”转型：以客户体验为中心，打通线上线下各渠道，综合分析各方信息，给客户真正想要的关怀及服务。对终端、网络、业务全面进行综合评价及建档，以支撑持续优化及改进。形成以客户为中心、各渠道无缝衔接、有特色的智能商业渠道。

7 结束语

由于受到OTT业务的冲击和国家提速降费政策的影响，运营商传统业务逐步下滑，急需寻求新的利润增长点。大数据时代的到来提供了这样一个机会，运营商必须及早开始转型，加强对数据资产的规范和应用。本文从网络优化、客户服务、经营分析等内部应用着手，提出运营商应逐步对外开放并尝试新的数据运营模式，深入挖掘数据价值，实现数据流向现金流的转变，从而增强企业竞争力，摆脱被管道的命运，重新踏上快速发展的道路。

参考文献：

[1] Viktor Mayer-Sch?nberger. 大数据时代[M]. 杭州： 浙江人民出版社， 2012.

[2] 涂子沛. 大数据：正在到来的数据革命[M]. 桂林： 广西师范大学出版社， 2012.

[3] 涂子沛. 数据之巅[M]. 北京： 中信出版集团， 2014.

[4] 赵伟. 大数据在中国[M]. 南京： 江苏文艺出版社， 2014.

[5] 王忠. 大数据时代个人数据隐私规制[M]. 北京： 社会科学文献出版社， 2014.

[6] 童晓渝，张云勇，房秉毅，等. 大数据时代电信运营商的机遇[J]. 信息通信技术， 2013（1）： 5-9.

[7] 黄小刚. 电信行业大数据应用的四个方向[J]. 信息通信技术， 2013（6）： 26-28.

[8] 杨岚兰，石磊. 大数据技术及其在通信领域的应用[J]. 信息与电脑， 2015（15）： 68-69.

[9] 曹星雯. 移动互联网时代运营商大数据应用模式重要性突显[J]. 世界电信， 2015（12）.

[10] 傅志华. 大数据在电信行业的应用[EB/OL]. （2014-11-17）[2016-02-14]. http：//www.36dsj.com/archives/16804. ★