京公网安备 11010802034615号
经营许可证编号:京B2-20210330
坐拥大数据“金矿”却难挖掘
大数据将成运营商“去管道化”利器,近期围绕这一话题,国内运营商人士讨论热烈。由受OTT的冲击,到“去电信化”等思索,再到大数据这一运营商手中天然的金矿成为理论中的突破口,这一逻辑顺理成章。
大数据并非运营商独家的概念,它已成为整个互联网行业共同关注的领域。那么运营商手中的金矿,含金量究竟几分,金矿如何挖?敢不敢挖?能否比其他人挖得更好?这是全球运营商共有的话题。
日本
隐私问题让NTT Docomo头疼
陶旭骏告诉记者,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。
“我曾见过这样的表格,包括用户家里有几口人,每个人的教育水平,通信需求等都会有所涉及。而且他们的优势是可以掌握全国用户的数据,而不像我们的运营商划省而治,各地数据收集、整合方式不一。Docomo的CRM系统和知识库为此大大加强,业务办理中很少出现愚蠢的状况,比如一个用户此前刚投诉过还向其推销同类产品等。”
尽管信息完整度高,但因为日本社会十分注重个人隐私,Docomo多年来在大数据运营上仍停留在规划阶段,对如何越过隐私问题进行商用还是比较头疼。陶旭骏表示,Docomo曾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。
欧洲
运营商谨慎开放地理位置信息服务
方红刚表示,在德国,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。而西班牙电信的商业模式与之比较相像,去年推出的“智慧足迹”大数据服务同样是通过人流移动网络数据,为零售客户开店选址和促销提供借鉴。
“欧洲运营商对大数据API开放同样持比较谨慎的态度,有时带有战略意图。比如数据开放同时伴随着收费,对于和自己合作紧密的初创型企业,就以更宽松政策予以扶持,而对于有竞争关系的OTT企业等,则要求更高。总而言之,运营商不太可能将未经加密的用户数据直接提供给第三方。”方红刚称。
美国
Verizon激进,向特定商家“兜售”数据
步子最为激进的则数美国运营商Verizon,其一项举措则让谭炎明等业内人士感到错愕:Verizon已开始通过一项名为Precision MarketInsights的服务,将手中的用户数据直接向第三方出售。谭炎明对此业务进行过详细了解,Verizon的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。体育比赛中,观众随机买票,没有什么环节可以将身份信息进行录入,通过任何其他方式搜集数据成本都会更高,运营商的大数据在这项服务中无可替代。
“金矿”体量最大 挖掘出来有难度
与《IT时报》记者交流中,专家们一致认为运营商对大数据资源掌握的完整性远超任何一家互联网公司。“用户的属性、整个通信消费数据、GPS行走轨迹、登录网站的偏好、频率等运营商手中都有数据,这么完整、详尽的精准用户行为数据单一网站无法掌握。”方红刚总结,正因为运营商的“管道”特性,管道中的任何一个细节都逃不过运营商的眼睛。从这个层面来说,运营商手中大数据的金矿体量是最大的,如从事大数据业务是具有天然优势的。
正因为运营商手中的数据量太大,其整合为有价值信息的成本也较高。如何将“金矿”开采成不同属性的轻产品,是全球运营商面临的课题。
“之所以当前大数据应用多停留在零售层面,而非更复杂的功能,一方面是因为运营商手中数据到底该怎么用,还是取决于合作方最切实可行的需求。其次,复杂需求从技术上或尚难做到,或成本太高。”谈到技术局限,方红刚表示自己就曾亲自对一些大数据项目展开调研,发现提取有效数据的时间精力很高。
“互联网上的数据收集相对简单,例如用户在百度搜索某个关键词,百度后台一目了然。但通信网中的数据有物理层、逻辑层、应用层等层级化的特征,每层都是映射方式,所以问题就产生了,数据都存在于逻辑层以下,需要把它们从逻辑层解构到应用层,数据分析成为了协议分析。”方红刚表示,他曾在电脑上仅仅针对某一小块特定区域一小时内的通信数据进行采集,结果就跑了两个多小时。
“如今是一个信息泛滥的时代,在成本非常高,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,业务发展就可能陷于停滞。”方红刚解释。为避免内部结构问题阻碍大数据业务的发展,西班牙电信与Verizon都已于去年专门成立了大数据部门,脱离于传统体制而单独发展业务,这也是这两家的大数据业务发展相对更快的原因之一。
顾洪文直言,基于上述因素,尽管国外运营商有一些突破性的应用案例,但纯属个别,且初始阶段的痕迹明显:“严格来说,全球运营商在大数据商业化挖掘方面都停留在一个浅层次的阶段。该概念当前过热,实际运营良好与否取决于数据持有方的运营能力。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析、机器学习的实操场景中,聚类分析与主成分分析(PCA)是两种高频使用的统计与数据处理方法。二者常被用于数据预处理 ...
2026-02-24在聚类分析的实操场景中,K-Means算法因其简单高效、易落地的特点,成为处理无监督分类问题的首选工具——无论是用户画像分层、 ...
2026-02-24数字化浪潮下,数据已成为企业核心竞争力,“用数据说话、用数据决策”成为企业发展的核心逻辑。CDA(Certified Data Analyst) ...
2026-02-24CDA一级知识点汇总手册 第五章 业务数据的特征、处理与透视分析考点52:业务数据分析基础考点53:输入和资源需求考点54:业务数 ...
2026-02-23CDA一级知识点汇总手册 第四章 战略与业务数据分析考点43:战略数据分析基础考点44:表格结构数据的使用考点45:输入数据和资源 ...
2026-02-22CDA一级知识点汇总手册 第三章 商业数据分析框架考点27:商业数据分析体系的核心逻辑——BSC五视角框架考点28:战略视角考点29: ...
2026-02-20CDA一级知识点汇总手册 第二章 数据分析方法考点7:基础范式的核心逻辑(本体论与流程化)考点8:分类分析(本体论核心应用)考 ...
2026-02-18第一章:数据分析思维考点1:UVCA时代的特点考点2:数据分析背后的逻辑思维方法论考点3:流程化企业的数据分析需求考点4:企业数 ...
2026-02-16在数据分析、业务决策、科学研究等领域,统计模型是连接原始数据与业务价值的核心工具——它通过对数据的规律提炼、变量关联分析 ...
2026-02-14在SQL查询实操中,SELECT * 与 SELECT 字段1, 字段2,...(指定个别字段)是最常用的两种查询方式。很多开发者在日常开发中,为了 ...
2026-02-14对CDA(Certified Data Analyst)数据分析师而言,数据分析的核心不是孤立解读单个指标数值,而是构建一套科学、完整、贴合业务 ...
2026-02-14在Power BI实操中,函数是实现数据清洗、建模计算、可视化呈现的核心工具——无论是简单的数据筛选、异常值处理,还是复杂的度量 ...
2026-02-13在互联网运营、产品迭代、用户增长等工作中,“留存率”是衡量产品核心价值、用户粘性的核心指标——而次日留存率,作为留存率体 ...
2026-02-13对CDA(Certified Data Analyst)数据分析师而言,指标是贯穿工作全流程的核心载体,更是连接原始数据与业务洞察的关键桥梁。CDA ...
2026-02-13在机器学习建模实操中,“特征选择”是提升模型性能、简化模型复杂度、解读数据逻辑的核心步骤——而随机森林(Random Forest) ...
2026-02-12在MySQL数据查询实操中,按日期分组统计是高频需求——比如统计每日用户登录量、每日订单量、每日销售额,需要按日期分组展示, ...
2026-02-12对CDA(Certified Data Analyst)数据分析师而言,描述性统计是贯穿实操全流程的核心基础,更是从“原始数据”到“初步洞察”的 ...
2026-02-12备考CDA的小伙伴,专属宠粉福利来啦! 不用拼运气抽奖,不用复杂操作,只要转发CDA真题海报到朋友圈集赞,就能免费抱走实用好礼 ...
2026-02-11在数据科学、机器学习实操中,Anaconda是必备工具——它集成了Python解释器、conda包管理器,能快速搭建独立的虚拟环境,便捷安 ...
2026-02-11在Tableau数据可视化实操中,多表连接是高频操作——无论是将“产品表”与“销量表”连接分析产品销量,还是将“用户表”与“消 ...
2026-02-11