
大数据时代 运营商机会大于挑战_数据分析师培训
移动互联网发展起来之后,运营商在近两三年开始关注大数据。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
南京邮电大学卢捍华教授认为,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。
卢捍华教授认为,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
在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11