
运营商借数据分析推动智能管道布局_数据分析师考试
数据分析能力已经越发被众多行业企业所看重,Ovum最新调查显示,在北美、欧洲和亚太地区将近有半数以上的企业IT部门将在不久的将来投资大数据分析。 这一现象并不难理解,全球企业与个人的交互数据正在以爆炸性的速度增长,一些企业预计,明年他们数据库的数据量至少会有10%~20%的增长。基于这一趋势,从这些庞大的数据库中挖掘商业价值的做法,逐渐被越来越多的企业CIO们所认可。 比如在电信行业,运营商可以通过数据分析能力从用户历史、业务数据等众多渠道提取关联数据,由此生成统一的用户视图这些视图将成为指导运营商一线营销的重要依据。
在数据分析领域深耕多年的Teradata天睿公司大中华区CEO辛儿伦告诉记者,在2005年之前,运营商的数据分析能力多停留在“表格阶段”,服务提供商通过提供经营分析的设备、手段、工具、方法论、咨询、服务等,来帮助运营商制定报表、分析、支持制定经营决策和预测等模型;但近些年,运营商对于数据分析的要求已不满足于数据辅助工具,而是逐渐趋向市场层面。“最近我们与电信客户探讨的最多的是如何以客户体验为中心,提供数据分析的增值服务,以便给客户带来更多、更直观的体验和价值。
中国移动数据部人士告诉记者,“以客户体验为中心”是当前运营商业务转型的普遍焦点,而这种转型需要运营商很多部门的协同配合,如市场营销部、集团客户部、数据部等部门的通力配合才能够实现。 智能管道借力数据分析 中国联通在该领域也开始布局。
据介绍,目前该公司集团层面已经明确了四大策略,其中包括:定制用户Portal(搜索框),建立端到端的业务体验平台,通过“Web+手机”方式实现多通道接入;多渠道收集关联性数据,建立360度用户视图,用于指导市场决策;基于用户行为提供业务推荐,在用户生命周期中提升客户交互体验;基于上下文的实时分析和持续的规模性数据分析,计算得出业务关联度、用户关联度、业务与用户关联度的多维度参考数据。 在中国联通看来,客户体验、市场营销以及一线销售都与数据分析密不可分,运营商需要通过不断细化的业务策略和市场建议,实现营收增长和服务提升的双效目标。
不仅如此,面对业界正热的智能管道观点,运营商也在不同领域寻找着答案。数据分析能力在其中将发挥重要作用。 “网络管道智能化的第一步离不开数据的采集与整理,同时也要形成一系列完整的规范和做法。”辛儿伦告诉记者,通过形成网络综合分析规范、网络数据规划,以及提供类似ESS+OSS融合等分析服务、营销管理、结构化分析能力,运营商将能够实现在流程、应用和系统方面的全面整合和统一管理,促进网络的智能化发展。 “分析云”走上运营商舞台 云计算被喻为是打破“IT竖井”的利器,在数据分析领域,该趋势已经有迹可循。“分析云”这种新型概念,目前已经应用到了数据仓库、平台工具等很多实现数据分析能力的软硬件中。 前述运营商告诉记者:“传统业务分析管理流程过于冗长,比如市场部希望在五一节期间举办促销活动,按照传统方式,首先需要去和IT部门共同进行流程改动工作,这其中涉及立项、评估、设计、规划、实施、运营,到最后上线的一系列工作,等做完了恐怕五一节也快过完了。
辛儿伦也表示,在过去的5~10年中,在分析领域,经营决策管理和动态的客户关系管理应用都已经有了长足的发展和提升,这得益于数据仓库的实时分析能力;但在传统的流程管理、分析管理领域,却始终停滞不前,归根结底还在于原有的IT流程过于繁琐,已经无法适应当下瞬息万变的市场情况。
“分析云”概念的出现改变了这一难题,利用云计算按需自取服务的特点,数据分析能力能够同时共享给多方使用,IT部门在数据中心将资源空间分割开来,业务部门可以按照自己的需求快速申请到需要的服务空间,如此也就避免了冗长的IT搭建流程,市场部门可以快速验证自己的市场想法是否正确,为市场营销活动赢得更多时间。 Link:半数企业将实施大数据分析 根据Ovum欧文的研究,有将近半数的北美、欧洲和亚太区企业IT部门计划在不久的将来投资大数据分析(Big Data Analytics) 。 中立科技分析师在最新报告中揭露,44%的企业在未来两年到五年之间,将会投资大数据分析计划。
同时,三分之一的受访者表示他们明年就会取得进展。 当然,想要采取大数据分析的企业,其第一步不该是分析数据,因为数据早就存在那儿了。他们应该找出现有的业务问题,例如如何最大限度地保留客户或提高营运效率,再决定拓展和深化他们的分析范围是否能带来实实在在的商业价值。 Ovum的调查发现提高运营效率、改善战略决策的流程、改进客户服务是最受欢迎的商业利益。上述领域分别有67%、57%、49%的受访者将之列为最重要的领域。然而根据报告,令人惊讶的是,受访企业将提高竞争定位、业务敏捷性和法规遵循三者列为低优先。只有30%的受访者提到这些业务目标。
尽管能满足大数据分析的技术平台已经诞生了,但采用的情况却大相径庭。Ovum所访问的企业之中有2~10%已经实施更完善先进的SQL了。相反的,仅有少于5%的企业实施新兴的NoSQL平台,反映出人们对于新平台的技能和认识还不多的事实。Ovum预期根据供需法则,和新工具的推出,将会增加人才的供给并降低实施这些新数据管理平台的所需的技巧门坎。
然而,由于人们偏好新数据类型和分析,例如社交媒体分析,以及知名IT品牌进军此市场的缘故,Ovum预计未来两年这些新平台的普及情况将显着的提高。
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