京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据火了,运营商如何避免坐拥金山卖苦力
大数据的作用,看似云里雾里,其实可抓可拿。
根据IDC的研究,全球64%的企业已成为数字化转型的探索者和实践者,“全方位的客户体验、灵活高效的业务流程、智慧化的产品与服务、创新的商业模式”已成为新的数字化转型战略的核心,而这一切的基础就是大数据。
李克强在贺电里说:“数据是基础性资源,也是重要的生产力。”马凯则说:“谁拥有了大数据,谁就拥有了未来。”工信部副部长怀进鹏也认为:“人类社会正逐渐走向数据经济时代。”
而开幕式上特别推出的《大数据贵阳宣言》认为,建立全球性的大数据交易市场是经济发展的必然要求,应尝试建立有所有权、使用权、阶段时间和限定领域的数据交易等新模式、新规则,把数据交易发展为金融产品。《宣言》特别强调“政府数据开放是全球共同的目标和行动”。这些言论不是简单对大数据理念的认同,而是深刻把大数据理念与社会实践相结合的时代产物。
在工业4.0的大环境下,工业企业的信息化水平越来越高,信息数据量越来越多,各种设备仪器产生的海量数据对信息处理的要求也在提高。现在,新兴的大数据、云计算这类ICT技术刚好可以解决数据海量性问题。本来ICT业对“互联网+”、工业4.0的大蛋糕正愁无处下口,而大数据无疑是一个极好的抓手和切入点,可以让ICT一下子切入到工业领域的各个环节,同时ICT自身也可以实现完美转型。
难怪今年大数据火了,甚至马云放言:今天不参与大数据建设,十年后会像今天一样抱怨与埋怨。
其实,作为信息化建设的主力军,运营商在大数据领域早有布局。早在2012年,三大运营商就投资150亿元在贵州建设了数据中心基地。不仅如此,2012年,在内蒙古呼和浩特,三大运营商共投资近400亿元兴建了规模比贵阳还大的大数据中心。此外,在郑州、重庆、杭州、苏州等地,运营商都建设了大数据中心,运营商发力大数据不可谓不早。但是,运营商建设的大数据中心,其巨额投资却大都没有产生相应的效益。
“明明自己坐拥一座金矿,却都被BAT挖走了!”原信息产业部部长吴基传在不久前召开的第十二届中国信息港信息论坛上疾呼:“三家电信运营商要转变思路,应从单纯追求数量增长转向创新和挖掘信息数据价值。”
贵阳大数据交易所执行副总裁胡媛媛在接受记者采访时也表示,大数据本身是没有价值的,它必须通过清洗、建模、分析、交易才能产生价值,使之成为一座巨大的金矿,让更多的人去挖掘数据,交易数据,从而产生巨大价值,可以预见,未来大数据会作为一种资产存在并将诞生一个万亿级别的交易市场。
在这一轮大数据热中,我们看到又是互联网企业抢了风头,互联网大佬不仅高调亮相,实质性动作也是接二连三。百度、腾讯、阿里等拥有数据的平台型企业,纷纷针对自身的平台用户提供数据分析业务,并且向金融、环保、交通、医疗等行业的数据分析应用逐渐渗透。
目前,在不少地方,运营商还停留在搭建数据中心基地、邀请互联网企业租用入驻挣租金这种低层次的商务模式上。非但如此,在某些地区,还发生了三家运营商为了吸引一些互联网企业入驻,而竞相压低租金的现象,本来就只能挣个廉价的管道租金和物业费,却连这个“苦力活”还在搞恶性竞争,真是让人扼腕!
更令人担忧的是,如今不少地方虽然建起了大数据产业园,但是对于海量数据自己无法处理,只能将其卖给一些国外公司进行大数据挖掘,这不仅带来了严重的安全隐患,而且也将产业链上利润最为丰厚的一块拱手让出。
从不久前公布的第一季度财报看,三大运营商利润全部是负增长,收入增长也显现出疲态,战略转型迫在眉睫。而不管是“流量经营”还是“去电信化”,都面临移动互联网带来的大数据挑战,运营商要避免大数据领域的“哑管道”危机,必须向数据挖掘、分析、应用的价值高端迈进,别再像互联网刚刚起步时那样起个大早,赶个晚集。
业内人士表示,手里掌握着所有用户通话、数据流量消费数据的三大运营商,如果能在大数据时代多往前跨出一步,组建专业化团队,吸纳高层次人才,用更加开放和互联网化的方式来运作,释放自身管道中庞大数据的潜在力量,在数据清洗、建模、分析甚至交易等方面多做做文章,将会打开一个潜力无限的市场。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06