京公网安备 11010802034615号
经营许可证编号:京B2-20210330
电信运营商的大数据转型之路
自2011年开始,大数据的概念逐渐进入人们的视野。IDC、麦肯锡相继发布了有关大数据的研究报告,将大数据比喻为“未来的金矿”;国内不少互联网公司也开始着手部署各自的大数据战略,纷纷采取注资或收购的方式,以便构建一个良好的大数据生态圈,在大数据的卡位战中先拔头筹。相比之下,作为一切网络数据的必经管道,电信运营商却仿佛迷失在OTT的战争中,虽坐拥金矿却视而不见,亦无从下手。在此情形下,如何顺应大数据时代的趋势,重新审视新形势下的机遇与挑战,探索可能的商业模式,是电信运营商面临的重要课题。
大数据浪潮
大数据并非是一个全新的概念,早在1980年,阿尔文托夫勒就在《第三次浪潮》一书中预言了由数据构成的“碎片化未来”,并将海量数据赞颂为“第三次浪潮的华彩乐章”。然而,大数据真正流行起来是在2011年之后,数据量呈几何指数上升,物联网、云计算等技术的日渐成熟使得数据的获取、存储和处理的成本急剧下降,促使大数据一时间成为了各方视线的焦点。
首先,伴随着移动终端、传感器的迅速普及以及社会化媒体等互联网应用的日益多样化,数据量呈现出爆发式的增长,数据集的规模已经达到了TB甚至是PB的级别。这些海量的、碎片化的数据不仅能够较为完整地刻画出人们在线行为,还可以通过各类传感设备的数据来记录实体经济的运行状况。其次,数据的种类也愈发丰富,不仅包含文本内容,还包括图片、音频、视频等非结构化数据,为数据的存储和搜索带来了很大挑战,这意味着传统意义上适用于文本内容存储和分析的数据库关联算法、语义分析等手段已经渐渐失效。第三,大数据蕴含着巨大的价值,但相比于庞大的数据规模,其价值密度却是非常稀疏的,可谓是“浪里淘沙、弥足珍贵”。例如,公安视频监控系统需要7×24小时的记录,但用于犯罪证据获取的也许只是短短数秒;对于零售产业的推荐系统,也只有通过海量数据的分析,才能进行较为精准的预测。第四,大数据需要实时的记录与响应,如动态的股价、路况信息以及电子商务的交易数据等,都需要实时的调用和处理,才能够充分体现出数据的价值所在。此外,社会化媒体、社交网站中的关系数据成为了大数据的价值倍增器,这是因为人们已经不可避免地镶嵌于人际关系网络中,个体的影响力会经由社交网络快速蔓延。不久前,作为全球最大零售商的沃尔玛也充分意识到了关系数据的重要性,在其社交基因组(Social Genome)计划中整合了用户在Facebook、Twitter中的关系数据,用以更精准地推测消费者的偏好。
综上所述,大数据的基本特征可以概括为规模化(Volume)、多样性(Variety)、高价值(Value)、速度快(Velocity)以及社会化(Social)等五个特点,即“4V+1S”的特点。这样的大数据浪潮,也深刻的影响了各个传统行业的发展轨迹,变革一触即发。
电信运营商的挑战
可以说,电信业近十年来的变革,是电信运营商上百年的历史上都是不曾有过的。尤其是,2009年来以来,3G技术突飞猛进,移动互联网日益普及,电信运营商的各种商业模式随之被打破。尽管电信运营商一直积极地优化3G网络、不断加强WLAN的部署,中国移动也已经开始力推LTE,但网络的持续扩容与升级并未给电信运营商带来十分可观的收入,今年第一季度的数据显示,三大运营商的传统业务和整体固网业务都受到了移动互联网的巨大冲击,增长趋缓甚至下滑。
并且,更为严峻的是,电信运营商的收入和流量已经失去了关联性:从技术层面讲,3G的出现打破了电信运营商所构建的WAP时代的篱笆墙,现在用户不再需要通过WAP网端接入互联网,而是可以随时随地地“触网”,甚至不用打开浏览器就保持时刻在线,传统意义上打开浏览器、输入网址、关键词搜索的网络使用模式已不复存在,如今更多的人选择直接点击APP,开启浏览互联网的进程;虽然私网服务的篱笆花园被推翻,但是运营商还可以提升管道价值,基于自有网络做好自有增值服务,但在业务层面上讲,大量OTT业务涌现,进一步削弱了运营商的管道价值,米聊、微信等社交应用在几乎不改变用户使用习惯的同时,给运营商的短信、彩信业务带来的巨大的冲击,Viber、Skype等也让运营商的语音收入大幅缩水,视频、阅读、音乐等其他增值业务更是受到了来自互联网方方面面的冲击。
不仅如此,在大数据时代,电信运营商还面临着来自数据、管理方面的巨大挑战。海量的半结构化和非结构化的数据大大降低了数据处理的效率,给运营商带来了巨大的数据存储和读写压力。如若不能缩短数据处理的周期,很多数据的价值都会被极大地稀释。此外,庞大的数据规模和复杂的数据种类也给运营商带来了管理层面的难题。对于电信运营商自身而言,每一个省、市公司都是相对独立的,仅一个省的单月计费清单数量就多达数十亿条,而大数据时代要求跨地域、跨业务的数据整合和分析,对运营商统一的数据整合和管理能力提出了非常高的要求。
更为重要的是,大数据也引发了隐私方面的担忧,最近的“棱镜”事件为身处大数据浪潮中的政府和企业敲响了警钟,以牺牲个人隐私为代价的商业价值的创造将会受到来自全球范围的共同抵制,电信运营商也必须充分重视用户的隐私问题,对涉及用户资料、行为特征、地理位置等涉及个人隐私的信息加以保护。
掘金大数据
尽管面临着来自业务、数据、管理等多方面的挑战,但作为信息服务的龙头产业,电信运营商是用户享用信息服务的必经管道,也因而拥有着其他互联网公司难以复制的天然禀赋。以互联网三巨头百度、腾讯、阿里巴巴为例,百度拥有着最丰富的搜索数据,腾讯拥有最为完备的关系数据,而阿里则是交易数据的王国,而电信运营商则记录了从搜索、社交到在线购物的全部过程,占有大数据竞争最基础的资源。正是这样,电信运营商无须和互联网公司过分计较一城一池的得失,因为无论OTT业务冲击如何,数据都被牢牢的控制在电信运营商的手里。因此,电信运营商需要从战略层面对大数据展开部署,通过对数据的深度分析来挖掘其核心价值,将数据转化为精准营销、精细化运营以及开拓市场的生产力。
作为全球第五大电信运营商,西班牙电信在大数据方面率先试水,并取得了一定的成效。首先,为推动数据业务的发展,西班牙电信成立了专门的数字部门Telefonica Digital,涉及金融服务、电子医疗、广告、云计算等多个技术和应用领域。这一部门的成立,使得原来分散在各地区、各分公司的业务有了统一管理,利于集约资源进行大数据的规划和部署。其次,为了应对OTT的挑战,西班牙电信采取了“拥抱”而非“抵触”的姿态,将旗下的VoIP服务提供商Jajah、社交网络Tuenti等业务整合进了Telefonica Digital,以此来构建良好的移动互联网生态,为用户提供全面的“触网”体验。第三,他们推出了一个名为“智慧足迹”的产品,将整个城市的不同区域网格化,并在此基础上绘制客户流量分布图,不仅能够依据用户分布情况帮助企业进行选址,还能够为政府的公共交通疏导提供决策建议。
由此可见,掌握着丰富用户数据的电信运营商在大数据的竞争中拥有着得天独厚的优势。电信运营商应从战略、平台和应用创新三个角度来重新思考其大数据时代的核心竞争力。一是从战略上重视大数据的价值,将数据资源作为其自身企业最重要的资产和生产力;二是转换思路,以开放的、融合的平台思路拥抱移动互联网这一全新的背景,努力为用户提供一体化的产品和服务感知;三是利用自身丰富的数据资源开展业务创新,积极探寻新形势下的商业模式,深入挖掘大数据所蕴含的无限商机。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据处理的全流程中,数据呈现与数据分析是两个紧密关联却截然不同的核心环节。无论是科研数据整理、企业业务复盘,还是日常数 ...
2026-03-06在数据分析、数据预处理场景中,dat文件是一种常见的二进制或文本格式数据文件,广泛应用于科研数据、工程数据、传感器数据等领 ...
2026-03-06在数据驱动决策的时代,CDA(Certified Data Analyst)数据分析师的核心价值,早已超越单纯的数据清洗与统计分析,而是通过数据 ...
2026-03-06在教学管理、培训数据统计、课程体系搭建等场景中,经常需要对课时数据进行排序并实现累加计算——比如,按课程章节排序,累加各 ...
2026-03-05在数据分析场景中,环比是衡量数据短期波动的核心指标——它通过对比“当前周期与上一个相邻周期”的数据,直观反映指标的月度、 ...
2026-03-05数据治理是数字化时代企业实现数据价值最大化的核心前提,而CDA(Certified Data Analyst)数据分析师作为数据全生命周期的核心 ...
2026-03-05在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27