大数据商用,摆脱“管道”困境

大数据商用,摆脱“管道”困境

信息化和流量时代到来,“去管道化”成为运营商提得最多和思考最多的问题。目前业内认为大数据是运营商“去管道化”最有可能的实现形式。运营商发展大数据具有其他行业无可比拟的优势,主要体现在:

一、运营商掌握数据全面充足。电信的领域之中,数以亿计的通信用户基数保证了数据的海量和多元性;

二、数据提供的可持续性。通信网络的时时存在为数据的持续和速度提供了保证;

三、运营商对数据可以有效利用。运营商可以通过对海量数据的有效分析,更加精准、更加高效地把握用户需求,为广大用户和社会各界提供他们需要的产品和服务。

大数据概念很热门,在互联网行业,Google公司起步最早,目前已经拥有庞大的数据搜集和分析系统,发展相对成熟;苹果、Facebook和国内的淘宝公司也在加速大数据库建设,并且在公司业务分析和产品创新方面有所应用。

就运营商来说,大部分国家和地区都在发展探索,一些发达国家运营商在大数据商用上已起步。尽管有些国家取得突破,但是总体来说,全球运营商大数据还处在粗放的发展阶段。  

发达国家运营商大数据发展情况

日本:

日本最大的移动通信运营商NTT Docomo 2010年以前就开始着手大数据运用的规划。Docomo不但着重搜集用户本身的年龄、性别、住址等信息,而且制作精细化的表格,要求用户办理业务填写更详细信息。

NTT Docomo相对国内运营商还有一个很大的优势是全国统一的数据收集、整合形式,因此NTT Docomo可以很轻易拿到全国的系统数据。尽管NTT Docomo信息整合度高,获取轻易,但是NTT Docomo大数据发展至今还处于规划阶段,是因为NTT Docomo还没解决客户隐私问题。

Docomo为未来的大数据商业化制定了三个阶段:首先是建立资料库,其次是建立活用机制,最后是实现活用,而当前只处于第一阶段。

德国:

身为主流运营商的德国电信和Vodafone在利用大数据为自身业务服务之余,已向商业模式跨出了一步。主要尝试是通过开放API,向数据挖掘公司等合作方提供部分用户匿名地理位置数据,以掌握人群出行规律,有效地与一些LBS应用服务对接。

法国:

法国电信在发掘大数据目前已在移动业务部门和公共服务领域进行了探索和尝试。在移动业务部门,Orange Business Services已在借助大数据改善服务水平,提升用户体验。法国电信目前开展了针对用户消费数据的分析评估,以帮助法国电信改善服务质量。

比如,通话中断产生的原因除了技术故障外还有网络负荷过重,如果某段网络上的掉话率持续过高,则意味着该网络需要扩容,从而有效完善了网络布局,给客户提供了更好的服务体验,获得了更多的客户以及业务增长。

作为法国最大的运营商,Orange Business Services还承担了法国很多公共服务项目的IT系统建设,在这些系统中,Orange Business Services也开始尝试挖掘大数据的潜在价值。

比如,Orange Business Services承建了一个法国高速公路数据监测项目,每天都会产生500万条记录,对这些记录进行分析就能为行驶于高速公路上的车辆提供准确及时的信息,有效提高道路通畅率。

西班牙:

西班牙电信走得更远。西班牙电信成立了名为“动态洞察”的大数据业务部门Telefonica Dynamic Insights,面向全球运营,将为客户提供数据分析打包服务。Dynamic Insights推出的首款产品名为智慧足迹(Smart Steps)。该产品基于完全匿名和聚合的移动网络数据,可对某个时段、某个地点人流量的关键影响因素进行分析,并将洞察结果面向政企客户提供。

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“Smart City”。另外,西班牙电信将与市场研究机构GfK合作,进行数据分析和打包工作,让这些数据变得更加易用。西班牙电信表示,和GfK的合作将首先在德国、英国以及巴西进行推广。该合作的具体商务条款还在商谈之中。为帮助大数据部门开展业务,西班牙电信已经同GfK建立了合作,目前的合作主要在德国、英国和巴西等市场展开。

美国:

10月初,美国Verizon成立了精准营销部门Precision Marketing Division。根据部门副总裁Colson Hillier的介绍,该部门提供三方面的服务,首先是精准营销洞察(Precision Market Insights),提供商业数据分析服务;其次是精准营销(Precision Marketing),提供广告投放支撑;最后是移动商务(Mobile Commerce),主要面向Isis(Verizon、AT&T和T-Mobile发起的移动支付系统)。

Precision Market Insights的服务,将手中的用户数据直接向第三方出售。该项服务主要针对商场、球场等特定的公开场所,搜集手机用户的背景信息,为第三方所用。在美国,棒球和篮球比赛是观众云集,商家最为看中的营销场合,此前在超级碗和NBA的比赛中,Verizon针对观众的来源地进行了精确数据分析,球队得以了解观众对赞助商的喜好等。  

我国大数据发展遇到的问题

我国运营商由于技术、数据系统限制、用户隐私和商业模式不明确等问题,目前大数据运营只处在探索阶段。我国运营商利用大数据主要遇到以下问题。

第一、国内运营商系统分散建设,难以实现资源共享。经营分析、信令监测、综合网络分析、不良信息监测、上网日志留存等大数据系统分专业建设,其中部分系统分省建设,造成资源重复建设、应用重复开发、专家资源无法共享。

第二、数据处理种类多,单一技术难以实现。各大数据系统数据模型不统一,只具备结构化数据处理能力,无法支持非结构化、半结构化数据处理,无法满足互联网类业务发展要求。

第三、如何避免隐私泄露问题未能解决,大数据运营有风险。人们对于隐私问题越来越重视,数据公司掌握大量数据和数据制造者要求隐私权之间的矛盾,使得大数据使用变得困难。

第四、尚未确立商业运营模式。运营商掌握的数据很多,但是这些数据应该怎样应用,给谁用,应用收益是否可以抵消数据开发分析的成本,这一系列问题也让国内运营商非常困扰。

大数据商用,摆脱“管道”困境  

国内运营商大数据发展探索

尽管大数据商用道路上存在困难,但是由于运营商经营大数据的先天优势,互联网时代沦为管道的压力,还有大数据时代信息价值的高昂,使得探索和发展大数据是运营商最明智的选择和最好的出路。

中国联通目前正在着手对大数据业务进行研究,并已经成立了云数据运营中心,计划依靠该部门,逐步尝试开展大数据业务的运营工作,甚至有计划将该运营中心公司化,使之独立运营。中国联通已经在“移动通信用户上网记录集中查询与分析支撑系统”上引入了基于英特尔发行版Hadoop的大数据解决方案,用于支撑全网数亿用户的查询工作。

中国电信认为最有价值的大数据应用表现在四方面,分别是语音数据分析、视频数据分析、网络流量分析、位置数据分析。

第一,利用大数据处理平台分析呼叫中心海量语音数据,建立呼叫中心测评体系和产品关联分析,可为如保险公司等提供基于自动语音识别的大数据分析系统;

第二,基于智能图像分析能力的视频索引、搜索、摘要服务,从海量视频挖掘有价值的视频信息,提供公用视频图像分析,中国电信全球眼智能系统在智慧城市、平安社区、交通监管等领域大规模的使用。

第三,通过分析互联网流量及协议信息,对一般性网络使用者的行为习惯分群组提供有针对性的网络便利性服务,比如精准广告;

第四,通过LBS系统平台,对移动通信使用者的位置和运动轨迹进行分析,实现热点地区的人群频率的概率性有效统,比如根据景区人流进行基站优化。

中国移动在三家运营商中大数据优势最明显,因为中国移动承载了最多的用户数据。中国移动经营分析系统从2001年开始建设,目前移动业务支撑系统主要依赖云技术,并开发了“彩云”云存储应用产品。在数据流量业务成为主营业务的阶段,移动正积极部署通过各类业务和网络运营数据的分析,通过数据驱动业务流程,以培养用户习惯。将来,移动将进一步精确洞察数据,从数据成本中心向数据运营中心转变,与合作伙伴开展业务合作。  

大数据发展若干建议

第一、首先解决隐私问题。

美国棱镜门掀起了政府部分和公众对于信息泄露的恐慌。在信息泛滥的时代,信息泄露已经成为了首要解决的问题,也是阻碍运营商大数据商用的绊脚石。日本运营商NTT Docomo正是因为没解决客户隐私问题阻碍了大数据发展。就我国来说,随着人们越来越强烈的隐私保护要求,隐私问题也亟待解决。

解决隐私问题,首先需要运营商有隐私意识,对客户信息搜集有法案地系统保护,防止客户资料泄露。目前,在“大数据”业务的开发中,我国三大运营商将在技术上采取更加系统全面的方式,对用户隐私进行保护。其中一个重要行动,就是要全面升级客户资料档案库;同时,不断提高客户资料管理系统的安全保护能力,加强账号管理。

为确保用户隐私,本地三大运营商短信中心系统也将继续实行目前已不留存用户短息内容等原始信息,对垃圾短信的拦截则通过系统设置自动执行等措施,并将采取更加科学完善的技术措施和操作规范,为广大用户提供“大数据”时代的安全应用环境。其次,运营商需意识到对于某一领域批量无记名数据的利用并不会泄露具体到个人的信息,所以运营商利用大数据有很大的空间。

第二、运营商充分利用大数据支撑内部语音通信和数据增值方面工作,是大数据应用的首要选择。

第三方行业需要购买数据,但对于运营商来说,数据是现成的,而且还可以有效避开隐私的问题。大数据对于提高运营商内部运营水平来说具有重大意义。具体有以下作用:

1、分析用户行为,改善用户体验。譬如通过分析用户上网时段,优化流量套餐设计;通过分析客户套卡品牌比例和品牌对象,改善套卡设计,更具针对性地推广套卡;通过用户偏好分析,及时、准确进行业务推荐和客户关怀。

2、优化网络质量。运营商通过对用户的位置、时间、职业、年龄、业务偏好、业务流量及所需带宽等进行关联分析,实现对用户业务流量的甄别和用户级的网络资源控制,细分用户业务流量,将数据流量与用户、网络资源相匹配。

3、刺激业务创新。通过用户业务大数据分析识别用户行为习惯和用户偏好,从而为用户提供个性化、差异化的电信服务,提高电信用户黏性和忠诚度,挖掘新的业务机会,实现电信业务价值的最大化。

第三、尝试与第三方公司合作。在欧美国家,电信运营商与第三方公司合作项目或者直接向第三方公司出售数据来获取利润。

大数据最具价值的还是数据本身。电信运营商在数据量和及时持续获取方面具有无可比拟的优势。

在数据整理分析成本非常高,而且数据来源往往分散在各个部门的情况下,运营商内部需要做大量的工作才能进行有效的精华数据深度挖掘,所以如果没有来自合作方的非常明确需求,且该需求能带来相匹配的商业价值,大数据的挖掘非常困难,业务发展就可能陷于停滞。所以与第三方合作,共同承担开发成本,有可以预见的收益,对于开发和利用大数据非常必要。

相关推荐