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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 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 ...
2026-08-24 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 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 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 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19