京公网安备 11010802034615号
经营许可证编号:京B2-20210330
运营商迎来大数据时代:管理和分析是大挑战
大数据不是新的概念,在移动互联网发展起来后,数据增长速度加快,整个产业压力突出,传统数据库技术已无法满足运营商对大数据充分利用的需求的背景下,大数据成为近年来的热点。对运营商来说,数据爆发性增长后,带来的收入并未改观,因此,运营商面临着数据流的附加值被互联网公司赚走的挑战,同时面临沦为管道化的尴尬,如何利用好运营商手中的大数据,成为需要面对的问题。

运营商面临数据管理和分析挑战
易观国际分析师黄萌表示,大数据发展时间不长,随着云概念和3G的深入发展,运营商数据压力增大,同时IDC扩容,偏向以存储为主的云服务业务。
运营商新业务的涌现,导致数据暴增。信令数据、互联网数据其规模已经达到数百TB,甚至PB规模。此外,据EMC
数据计算事业部大中国区总经理刘伟光介绍,数据的价值除了与数据规模相关,还与数据处理周期成正比关系。也就是,数据处理的速度越快、越及时,其价值越大,发挥的效能越大。而除了分析传统结构化数据外,随着新增值业务拓展,运营商对实现跨结构化、半结构化、非结构化数据进行高效分析有着愈发强烈的诉求。
而运营商面对海量数据和数据结构的变化,不仅是成本,还有管理和分析的挑战。黄萌认为,运营商相对互联网企业有优势,具有雄厚的资源和庞大的IDC集群,拥有电信级的运营网络,具有保证大数据实时、畅通传送的能力,同时具有网络资源和运营能力。而相对互联网企业劣势的地方在于上层应用,尤其是在Saas层面。
大数据有待深挖掘
南京邮电大学卢扞华教授认为,大数据时代主要是对技术的综合运用和对数据的深度挖掘。对运营商来说,大数据带来的机会大于挑战。运营商有自己的网络,积累了大量非常有价值的数据,可以进行客户分析。利用网络收集数据,对运营商运营方式的改变是个机会。
真正实现精准化营销和精细化运营的秘诀就在于如何利用好运营商手中的大数据。海量话单、信令、互联网数据本身就是一笔宝贵的财富。利用好这些数据,充分、及时地对这些数据进行深度分析挖掘,不仅可以进一步提升服务质量、提高客户忠诚度、挖掘新商机、增加收入,还可以通过优化资源配置、减少浪费来提升运营效率,有效降低运营成本。
此外,电信运营商信息化实施比较早,本身大数据积累的也多,例如以前的日志信息,包含用户信息和设备信息,可以进行挖掘使用。运营商越来越重视对数据的挖掘,可以获得未来开发业务和开拓市场的机会。另一方面,分析结果不会涉及隐私,管理好了可以更少产生法律纠纷。此外,电信运营商通过数据分析还可以提供面向社会的信息应用。[page]
卢扞华教授认为,大数据是对技术的综合应用,要有开放、融合、服务和创新的心态,大数据可以为运营商创造另一片天地。例如一个大数据的应用通过收集数据,对大量图片进行分析,最终形成一个场景图。这就是对数据分析、统计技术、图片处理技术和人工智能合成技术的综合运用。据悉,南邮正在开发这方面的应用。
据了解,目前中国三个电信运营商在业务支撑领域、网管IT支撑领域包括增值业务领域,已经随着市场的需求诞生了很多新的大数据实时分析的项目。目前,大数据主要应用在运营商的"信令"系统分析上,此外,运营商还可以通过"用户行为分析"系统,进行精准营销。运营商还提供IDC服务,通过"云"中心的方式为互联网企业提供服务。
对公市场前景巨大
黄萌表示,单批、单次数据爆发性增长,对其进行的可知的时间处理能力是关键点。对运营商来说,IDC服务在对政府和高校、企业等非个人业务市场上前景巨大;对于个人业务,运营商刚开始做,由于回收投资较慢、离散性强,现在主要是针对个人精准运营的业务。智能管道方面,运营商正在基于大数据平台进行流量分析,但是落地的项目少。
据介绍,运营商大数据战略还不太明晰,但是有了一些建树。去年十月份中国移动开始做的"大云"、数据管理系统和平台,覆盖很多园区、学校,2.0技术比1.0技术大幅提升;中国联通2010年开始对企业提供IDC服务,截至目前,营收超20亿元(人民币);中国电信2011年成立云公司,尚无实体业务,IDC托管规模相对联通小很多。
据电信专家韩少敏介绍,数据类型分为非结构化数据和媒体流,运营商开展大数据分析面对的问题主要是硬件能力。数据一方面是纵向关系,比如"信令",采用水平分隔数据的方式就可以,按照时间段分别存储分析。此外还有横向关系,需要垂直分隔,由于查询复杂,需要引入真正的算法去做。韩少敏认为,目前掌握这方面能力的人才奇缺。并且,运营商在分布式数据库方面少有进展。而从应用角度,大数据一方面用作于统计分析,建数据仓库,其次还有非文本查询,现在大多数数据库公司可以做以上两个方面,而对于关系型数据共享层面,目前还做不了。
中国联通在IDC服务方面走在三家运营商前面,其面向企业提供服务,目前通过按关系水平分隔的方式,将数据集中起来,但是一旦到关系型数据的共享层面,因为没有数据模型,找不到底层的数据库血缘,目前的方案无法解决问题。但是运营商目前做这些数据积累,可以为将来发展提供机会。
刘伟光认为,对于运营商来说,大数据等于大价值。对于IT企业,大数据等于大机遇。通信行业需求从来都是IT技术发展的重要推动力,谁能得到通信行业客户的认可,必然会在大数据领域大有作为,进而成为大数据解决方案的领先者、领导者。
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