运营商如何玩转大数据:挖掘出数据金矿的价值
基于互联网技术的蓬勃发展,大数据浪潮的兴起显得势不可挡,如同一种新生能源,物联网、智能手机、可穿戴设备、智能硬件等技术设备将让数据成几何倍数增长。思科预测,到2016年全球网络连接的数量将接近189亿,人均拥有2.5个连接。IDC则称,到2020年全球将拥有35ZB(1ZB=1万亿GB)的数据量。据统计,2013年,全球人类每天产生的数据就达25PB,这相当于1500家国家图书馆的全部信息量之和。可以说,作为数据的生产者,个体正推动着大数据时代的到来。
在成为生活要素的同时,大数据也开始具备资产属性,融入到政府、金融、消费、医疗等各个领域。据悉,美国已经将大数据战略上升为国家战略,并将对数据的占有和控制视为陆权、海权、空权之外的第四种国家核心资产。“大数据”也在2014年首次被写入中国的《政府工作报告》,《“十二五”国家战略性新兴产业发展规划》提出支持海量数据存储、处理技术的研发与产业化。广东、上海等地则在筹划大数据管理局,更多的地方政府也在筹划大数据产业集聚区。
与此同时,“拥抱”大数据成为不同行业发展的统一宣言。麦肯锡此前的一份研究显示,金融业在大数据价值潜力指数中排名第一。银行、证券、保险、信托、直投、小贷、担保、征信等金融,以及P2P、众筹等新兴的互联网金融领域,正在利用大数据进行一场新的革命。
对此,行业人士指出,大数据不仅让IT行业迎来新的黄金时代,更将颠覆各行各业的竞争格局。未来,大数据的发展更是被寄予厚望。权威机构分析,未来5年全球大数据市场拥有广阔的发展前景,复合年增长率将达到58%,其市场盈利将由2012年的50亿美元增长至2017年的500亿美元。
运营商如何玩转大数据
对于通信企业来说,有潜在价值的大数据包括哪些?如何才能用活大数据?
记者认为,除了主要来自于业务运营支撑系统、企业管理系统的传统数据外,通信企业拥有的大数据主要来源于互联网、移动互联网等,以非结构化为主,构成更全面的数据源,如上网行为数据、网上交易数据、位置数据、网管数据、信令数据、微博数据、即时通信数据、网页、传感器数据、音频数据、视频文件、图片、日志、实时监控视频等。
当前,电信运营商正利用其拥有的大数据进行全面、深入、实时的分析和应用,提升营销服务效率,避免沦为“管道”。从大数据的具体应用方向来看,当前主要集中在四个方向:流量经营精细化、智能客服中心建设、基于个性化服务的客户体验提升以及对外数据服务。
——流量经营精细化
在流量经营精细化上,大数据应用的价值主要体现在:深入洞察客户、助力精准营销和指导网络优化三个方面。首先,基于客户终端信息、手机上网行为轨迹等丰富的数据,借助DPI(Deep Packet Inspection,深度数据包检测)技术等,建立客户超级细分模型,为各细分群组客户打上互联网行为标签,可以帮助运营商完善客户的360度画像,帮助运营商深入了解客户行为偏好和需求特征。其次,根据用户行为偏好,推送合适的业务,并根据对客户特征的深入理解,建立客户与业务、资费套餐、终端类型、在用网络的精准匹配,同时做到在推送渠道、推送时机、推送方式上满足客户的个性化需求,实现全程精准营销。最后,利用大数据技术实时采集处理网络信令数据,监控网络状况,识别价值小区和业务热点小区,更精准地指导网络优化,实现网络、应用和用户的智能指配。
——智能客服中心建设
作为运营商与客户接触的第一界面,客服中心(或称客户联络中心)拥有丰富的数据资源,可以称得上是客户信息的“聚宝盆”,利用好客服中心的客户接触数据对于建设智能化客服中心意义巨大。利用大数据技术可以深入分析客服热线呼入客户的IVR行为特征、访问路径、等候时长等,同时结合客户历史接触信息、基本属性等,可以建立热线呼入客户的智能识别模型。基于客户智能识别模型可以在某类客户下次呼入前预先推测其呼入的需求大体是什么,IVR接入后应该走什么样的节点和处理流程。这样,就可以基于呼入客户习惯与需求的事先预测而设计的按键菜单、访问路径和处理流程,合理控制人工处理量,缩短梳理时限,为客户服务中心内部流程优化提供数据支撑,有助于提升热线服务管理水平,加速热线营销渠道资源整合,有效识别客户投诉风险,助力智能客服中心的建设。
——基于个性化服务的客户体验提升
大数据时代对于运营商为客户提供服务来说更加侧重于“小”,即更加关注每个个体“小我”的个性化需求,而融合了电商、医疗、社交等方面信息的“大”数据正是为了更深入地理解“小我”、服务好“小我”。利用大数据技术,一方面可以建立更全面、丰满的客户画像,另一方面还可以量化分解客户接触信息,识别客户特征与习惯偏好,预测客户可能在何时手机会出现故障、何时会产生换机行为等,为客户提供定制化的服务,优化产品、套餐和定价机制,实现“一户一策”的差异化、个性化服务,提升客户体验与感知。
——对外数据服务
对外数据服务是大数据应用的高级阶段,这个阶段电信运营商不再局限于利用大数据来提升内部管理效益,而是更加注重数据资产的平台化运营。利用大数据资产优势,将数据封装成服务,提供给相关行业的企业用户,为合作伙伴提供数据分析开放能力。例如,Telefonica和Verizon已经成立了专业化数据公司来运作对外数据售卖。如果将无线城市与物联网、电子政务等方面的信息结合起来,将能为电信运营商的数据和政府的政务数据增值,对于打造一个开放数据平台和民生服务平台有重大意义。让数据在不同行业之间流动起来,实现体外循环将能进一步释放数据的价值。当然,以简单的Data Seller模式售卖数据时,需要注意保护客户隐私、打消隐私顾虑。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21