
中国联通混改首秀:成立大数据公司 加码创新业务
中国联通混改方案发布后动作频频,先是出台机构精简方案,9月25日又在北京成立联通大数据有限公司(下称大数据公司)。
联通集团副总经理姜正新表示,大数据公司定位于中国联通大数据对外集中运营主体和大数据产业拓展的合资合作平台,是中国联通顶层架构设计策略实施落地的产物。
联通集团董事长王晓初向证券时报记者表示,混改方案正在走证监会的审批程序,预计一个月左右时间能够完成。另外,战略投资方的资金也有望年内全部到位。
成立大数据公司
今年1月,工信部发布了《大数据产业发展规划(2016-2020年)》,提出加快建设数据强国,为实现制造强国和网络强国提供强大产业支撑的目标。根据规划,到2020年,大数据相关产品和服务业务收入突破1万亿元,年复合增长率保持30%左右。
工信部信息化和软件服务业司副司长李冠宇表示,电信运营商拥有丰富的客户和数据资源,也是大数据应用相对领先的行业,拥有数据、技术、网络等优势,目前联通处于混改关键时期,成立大数据公司符合电信业务专业化发展趋势。
李冠宇认为,应从五方面提升大数据的能力水平:一是加强企业内部大数据应用,提升管理水平;二是加强金融、政府、医疗、交通等行业应用;三是随着5G、万物互联的来临,应积极探索工业大数据应用;四是商业领域数据分享推进比较慢,存在一定孤岛效应,应探索数据运营模式;五是进一步关注数据安全。
据姜正新介绍,目前除了在集团内部形成了针对市场运营、客户服务等领域的大数据分析体系外,对外还与政府、行业、企业等展开一系列合作,例如为各省市建设大数据平台、开展城市交通规划、旅游大数据服务,以及精准营销服务等。
姜正新表示,随着混改政策的逐步落地,大数据公司与参与联通混改的战略投资者将探寻开展更广泛、更深入的合作,赋予公司更大的活力和竞争力。
独立电信分析师付亮认为,运营商积累了大量数据资源,比如用户多久更换一次手机、旅游时愿意去哪等,并且这些数据都很详细,在去除敏感信息后,对这些数据进行经营,将根据数据分析出的结果提供给有需要的企业,旅游、交通部门等第三方,有助于提升数据的价值。
对此,姜正新表示,运营商基于庞大的客户群,具有获取多维度信息的优势,其中,静态数据价值上千亿元,而一旦这些数据得到动态的应用,价值将超过万亿元。
加码创新业务
中国联通科技委主任刘韵洁院士认为,成立大数据公司对运营商意义重大。一方面,利用运营商的数据可以为解决社会重大需求提供新的解决思路,其中,位置数据就是一大金矿。“如果能够将用户行动轨迹的大数据挖掘好,比如用户是骑车还是步行,或者在某个地方停留了多久,就可以为商户选址、城市规划等提供有价值的参考。”
另一方面,刘韵洁认为,运营商的大数据公司一项重要职责就是解决运营商面临的挑战,比如网络攻击。“现在还没有解决方案,如果能够利用大数据分析,很大一部分的网络攻击都可以预测到。”
付亮认为,对于国内三大运营商而言,无论哪一家的数据资源都足够大,在各家都重视大数据发展的情况下,关键是谁能抢占先机,推出成熟产品,谁就能获得更大市场。“目前三家都在起步阶段,整体还不够完善。”
不过,在王晓初看来,大数据业务非常重要,未来将不仅是中国联通的战略性业务。他告诉证券时报记者,集团已经在开展大数据业务。其中,基于位置服务的大数据服务去年实现了1亿多元的收入。
根据王晓初此前表态,创新业务将是联通未来重点的着力点之一。中国联通半年报显示,由于创新业务的快速增长,抵消了固网语音收入下降及宽带市场竞争带来的压力。
王晓初向记者表示,中国联通将为客户提供各种创新业务,而大数据只是众多创新车间中的一个,未来将由各个车间为客户提供其需要的各项业务。“比如一个智慧区域或者智慧行业、智慧城市需要什么,我们相应的几个创新车间就能为总装提供服务。”另外,除了已经成立的大数据、车联网和云业务的专业公司,中国联通物联网公司马上也要成立。
付亮告诉记者,三大运营商都要重视创新业务的发展,因为流量带来的收入增长一两年之内就到头了,必须寻找新的增长点,现在统称为创新业务,未来可能进一步细分。“运营商已经涉足物联网、智能家居、网络支付、游戏等众多创新业务领域,但是能不能做好,能不能参与竞争就是另外一回事了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30