
中国移动的大数据探索:移娃背后的秘密
“移娃在此,有何吩咐?”在北京移动的客户端点开我的客服,机器人移娃就跳了出来,为客户提供“贴心在线服务”。客服机器人“移娃”是大数据应用的一个典型案例。在大数据的应用方面,电信运营商无疑具有领先的优势,这种优势来自大量的数据积累和在此基础上的行业技术分析。作为全球用户规模最大的电信运营商,中国移动在大数据应用方面已经走在了前面。
大数据提升服务效率
作为中国移动专注客户服务的公司,中移在线服务有限公司(简称中移在线)要为8.6亿用户提供客户服务,传统的电话热线服务早已不适应现实的需求,利用互联网提供在线服务成为必然选择,而大数据和人工智能则在提升用户服务水平方面成为一个亮点。“移娃”正是中移在线联合移动研究院,在智能化服务领域研发的最新产品,她的独特优势在于中国移动积累的海量用户数据,在31个省拥有超过5万服务坐席和10多年积累的行业运营与服务能力。
中国信通院3月份发布的《中国大数据发展调查报告》(2017)显示,企业应用大数据所带来的主要效果包括实现智能决策(55.8%)、提升运营效率(48.2%)和改善风险管理(25.7%)。利用大数据提升运营效率对运营商来说立竿见影。
中移在线相关负责人告诉记者,移娃可以应用于微信、网站等互联网渠道及短信、热线等传统渠道,与客户通过自然语言进行交流,满足客户问题咨询、投诉受理、信息查询、寒暄聊天等多种需求,实现“24 小时”在线、“全天候”服务。
据介绍,该机器人已在10086微信服务号等6个全国渠道、近60个省内渠道上线,月访问量超过5000万次。2016年节约人工成本超过1.2亿元,预计今年将至少超过3亿元。
图为“移娃”服务截屏。
“移娃”梳理入库了全国31省业务知识10万条、寒暄对话20万条,自然语言识别率达到93%、准确率达到80%。”该负责人告诉记者,在大数据和机器学习技术支撑下,该产品性能和运营能力均取得行业领先地位。
中国信息通信研究院技术与标准研究所副所长何宝宏告诉记者,“电信公司在大数据方面的优势主要是数据量特别大,精确度特别高。因为它的数据都是基本实名的,来自网络的底层,所以它的数据量覆盖面广而准确。”
大数据服务精准扶贫
在大数据应用上小有斩获的中国移动并没有停止脚步。近来,中国移动正利用自身的优势将大数据运用到精准扶贫方面。
为积极响应国家精准扶贫号召,中国移动依托自身具备的信息技术优势和进村入户的服务保障体系,自主研发了精准扶贫系统,努力为农村贫困人口搭建脱贫致富的信息通路。
“精准扶贫系统于2015年底正式上线运营,经过2016年扎根国家级贫困地区、深耕系统优化建设的创业历程。目前,已在全国8个市、县落地实施,22个市、县进行部署试用,覆盖289万贫困人口,为8.5万余扶贫干部提供信息化服务。”中国移动相关工作人员告诉记者。
精准扶贫系统是集一个创新性、开放性、实效性为一体的政务信息平台,背后依靠的正是大数据分析技术。据了解,系统运行成效获得了各级领导、一线扶贫队伍和贫困群众的肯定。
该系统有两个特点:一是打造健康的扶贫数据生态,实时采集贫困动态数据,实现端到端地扁平化传递和标准化整合,助力政府不断提升扶贫工作决策水平;二是打造聚合的资源生态,搭建的开放资源平台,提供了政府、社会等各项扶贫资源、信息的统一入口,激发贫困户主动脱贫的内生动力,弥合贫困群众与互联网时代间的数字鸿沟。
中国移动相关负责人称,未来将继续加大资源投入,进一步提升针对农村地区群众的信息化服务水平,助力贫困落后地区搭上移动互联网快车,助推贫困群众享受到互联网时代发展的红利。
瞄准未来,大数据走向智能化
何宝宏认为,大数据还处于技术的早期阶段,还没有完全发展成熟。目前大数据应用的成功案例,还呈散发状,而不是大规模应用,“只有在一些典型场景,目前还是可以的”。而中国移动利用大数据提升客户服务和推进精准扶贫恰恰就是“典型场景”。
作为大数据的先行者之一,中国移动目前正利用大数据,提升用户对服务、业务、产品的体验。
对于未来大数据的发展规划,中国移动方面表示,一是服务个性化,强化大数据的个性化分析,围绕用户属性、偏好、服务场景,深入挖掘用户差异化服务诉求,结合用户的个性化服务特点,提供针对性的服务策略和服务交互内容。
二是服务一体化,依托大数据运营、分析能力,形成全网包括互联网、热线、营业厅等线上、线下渠道在内的服务一体化能力,确保用户在各个渠道一致性的体验感知,实现服务的体系化的高效协同。
三是服务智能化,通过服务大数据的挖掘与模型、算法设计,通过云计算、人工智能等先进技术引入,发挥大数据的智能服务价值,动态为客户开展智能化产品推荐、帮助客户围绕自身需求开展智能分析,通过智能服务的提供,持续为用户创造价值。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10