
中国联通推出“流量银行”抢滩流量市场
在近期举行的移动互联网流量创新峰会上,2014年中国联通正式推出“流量银行”,以流量为纽带,以技术和数据为基石,“颠覆性”推出包含用户、企业和运营商在内的流量2.0生态系统。
简评
微信等OTT压迫下,运营商大数据运营将是未来方向
移动互联网时代,微信等OTT压迫下,电信运营商有逐渐沦为管道的趋势下,传统语音和短信收入不断,中国联通2014年中报显示,其服务收入中语音部分占比高达59.5%,数据流量收入同比提升50%。传统的收入模式面临巨大挑战,运营商思变是必然选择,我们认为联通的“流量银行”的推出可以算作运营商思变的标志性事件之一,未来运营商将利用自身优势不断革新创造价值。除基础设施外,运营商最大的财富是其拥有的海量数据,包括用户号码身份特征、消费特征、位置轨迹、非流量业务行为特征等,利用这些数据进行对内及对外的大数据运营将是运营商扩大自身价值的不二选择,而在此之前对于数据收集、管理、应用的投入也将不断增加。
公司在电信大数据市场领域份额不断扩大
公司涉及大数据收集、管理、应用、运营全产业链,在电信大数据领域市场地位及技术均处于领先地位。我们将运营商大数据市场分为大数据项目和运营市场。大数据项目(主要指收集、管理、应用)市场份额方面,公司在联通占比超过80%,电信占比超30%,移动占比超过10%。公司今年中标移动大数据核心项目,可谓技术实力获得移动认可的标志性事件,有望改变公司未来在移动大数据市场的竞争格局,打破亚信联创的垄断地位。预计三家运营商明年在大数据领域的投资额度接近30亿,未来每年投入增速有望超过20%。大数据运营市场方面,公司不断尝试以各种方式参与运营项目,虽然目前尚未对收入产生大的影响,但未来尝试不会停止,想象空间巨大。另外,由于大数据运营最终涉及各垂直行业,运营商直接参与的难度很大,以有偿分享数据资源的方式开放合作大数据运营市场将是最佳选择。
金融BI将成比翼齐飞之形势
计世资讯数据显示电信和金融是目前对大数据投入最大的两个领域,占比超过60%。近年来公司大力拓展金融大数据领域布局,两年来连续并购科瑞明及屹通信息。另外,公司还有自身的金融事业部,预计三个部分明年将贡献7000w以上利润。金融BI市场相对电信市场更加分散,公司未来希望打造金融和电信大数据比翼齐飞的局面,若想达到这一目标,金融BI市场仍需不断加强和拓展,而利用上市公司平台进行并购将是扩大市场份额最快的方式。
产品化提升毛利率,募投项目拖累管理费用率.
今年8月份公司发布了东方国信大数据产品线核心产品,涵盖了大数据采集设备,大数据处理专用设备、大数据存储及计算、大数据管控等各个方面,这些产品已经在各个行业客户中得到了成功应用,未来公司将大力贯彻产品化策略,这将有效提高公司产品标准化程度,降低二次开发频率,从而提高公司毛利率。另外,由于公司上市募投项目导致的研发费用资本化的摊销,近年来管理费用率不断上升,到今年年底公司5个募投项目将全部完工,研发费用资本化将见顶,管理费用率未来有望逐渐步入下降通道。
盈利预测与投资建议.
除电信与金融大数据市场外,公司还通过内生和外延等方式渗透到工业、能源等大数据市场。未来电信和金融两领域将长期处于大数据投入景气期,整体市场增速有望保持在20%以上,公司在两个市场份额有望不断提升,预计公司2014~2016年收入5.86、7.54、9.76亿,增速分别为25.36%、28.50%、29.47%。EPS分别为0.51、0.70、1.05,对应估值分别为45.10、32.86、21.90,强烈推荐,维持“买入”评级,6个月目标价提高到38
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02