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
在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07