大数据在物理学、环境生态学等领域以及军事、金融、通讯等行业存在已有时日，因为近年来互联网和信息行业的发展而引起人们关注。如今通讯大数据也在当下扮演着越来越重要的角色。

根据CNNIC发布的《第37次中国互联网络发展状况统计报告》，截至2015年12月，网民中即时通信用户规模达到6.24亿，较2014年底增长了3632万，占网民总体的90.7%，其中手机即时通信用户5.57亿，较2014年底增长了4957万，占手机网民的89.9%。

图　2014-2015年即时通信/手机即时通信用户规模及使用率

即时通信是什么

即时通信(instant message，IM)是指能够即时发送和接收互联网消息等的业务。即时通信的功能日益丰富，逐渐集成了电子邮件、博客、音乐、电视、游戏和搜索等多种功能。即时通信不再是一个单纯的聊天工具，它已经发展成集交流、资讯、娱乐、搜索、电子商务、办公协作和企业客户服务等为一体的综合化信息平台。

主流即时通信开始探索新业务，其他即时通信仍需拓展用户

微软、腾讯、AOL、Yahoo等重要即时通信提供商都提供通过手机接入互联网即时通信的业务，用户可以通过手机与其他已经安装了相应客户端软件的手机或电脑收发消息。

即时通信的网民使用率依然保持各类应用最高，且用户规模还在不断提升，以市场份额作为区分的不同即时通信发展方向呈现很大差异。对于主流即时通信来说，由于用户使用率已经基本见顶，其发展方向开始由满足用户的基础沟通需求转向对新业务的探索，进而形成提升用户黏性基础上的价值外延；而对其他即时通信工具来说，通过挖掘垂直用户需求进而提升用户规模依然是其发展重点。

主流即时通信广告业务增长显著

即时通信的广告业务在2015年获得了显著增长。一方面，PC端即时通信工具与电商网站的联系更加紧密，通过即时通信的用户画像可以获取更加清晰的用户潜在购物需求，为电商网站输送流量。另一方面，手机端即时通信的广告模式受到广泛认可，微信朋友圈和陌陌的广告仅上线一年就为各自的广告业务营收做出了较大贡献，企业公众号也逐渐成为商家产品营销过程中的标配。如图

移动支付功能辅助即时通信连接各种民生服务

首先了解移动支付是什么

移动支付也称为手机支付，就是允许用户使用其移动终端(通常是手机)对所消费的商品或服务进行账务支付的一种服务方式。单位或个人通过移动设备、互联网或者近距离传感直接或间接向银行金融机构发送支付指令产生货币支付与资金转移行为，从而实现移动支付功能。

移动支付将终端设备、互联网、应用提供商以及金融机构相融合，为用户提供货币支付、缴费等金融业务。

移动支付主要分为近场支付和远程支付两种，所谓近场支付，就是用手机刷卡的方式坐车、买东西等，很便利。远程支付是指：通过发送支付指令（如网银、电话银行、手机支付等）或借助支付工具（如通过邮寄、汇款）进行的支付方式，如掌中付推出的掌中电商，掌中充值，掌中视频等属于远程支付。

此外，即时通信从基础功能向外延伸的态势更加明显

在提升用户黏性的同时逐渐成为连接用户生活中各类服务的综合性平台。在为用户提供基础的信息沟通服务之余，即时通信服务不断致力于移动支付领域的开拓，并以此为纽带连接用户的购物、出行、娱乐类商业需求和医疗、政府办公、公共缴费等民生服务。未来，即时通信将作为网民日常生活中最为基础的应用类型，在更多生活场景下体现其作为信息沟通工具的价值。

在大数据时代，通信行业处于一线。运营商可以利用大数据提升管道智能化水平，更加精准地洞察客户需求，提升行业信息化服务的能力和水平，提供数据挖掘和分析相关的新业务与服务。

这意味着巨大的数据量——需要密切跟踪的客户、 实时获得数据，尤其是在呼叫中心和其他面向客户的渠道中获得。

通信公司的大数据和信息资产具有更大的潜在价值。 原因很简单，因为他们拥有更多的数据。大数据可为通信行业提供帮助。

2015年是国内通信大数据启动之年

通信大数据2015年将开启移动电话用户普及率达94.5 部/百人，数据变现成运营商重要转型方向。2014 年我国移动电话用户达12.86 亿户，用户普及率达94.5 部/百人，市场已趋饱和；OTT 业务冲击导致短信和语音收入下滑，流量业务增量不增收。运营商亟需基于海量数据资产和规模庞大的用户资源进行业务转型。 

覆盖近13 亿移动电话用户，通信大数据价值高。通信大数据覆盖近13 亿移动电话用户、1642 万WLAN 用户和2.04 亿宽带用户。由于实名制开户要求，运营商留存的用户数据真实准确；运营商记录用户从入网到离网的全生命周期数据，有能力基于历史数据对用户进行全面分析。

认为2015 年是国内通信大数据启动之年。运营商内部大数据应用已久，数据对外运营事宜也早有规划，2014 年开展试点，2015 年工作会明确将推出相关产品。我们认为2015年是国内通信大数据启动之年。

通信大数据产业链与商业模式框架已现，合作双赢是基调。产业链由数据提供商、基础设施提供商、技术服务提供商、大数据服务运营商四个环节组成。我们判断运营商将采取与合作伙伴分成的模式运营大数据，预计数据授权环节占4 成、技术分析服务环节占2-3 成，寻找客户并提供大数据服务环节占3-4 成。此合作模式将为运营商开创新的收入来源，也为合作伙伴打开发展空间。

贵阳大数据交易所挂牌是里程碑事件，中国联通加入大数据交易商联盟。通信大数据市场规模将迅猛增长，预计2017 年近40 亿。2015 年4 月14 日贵阳大数据交易所正式挂牌运营标志中国大数据市场帷幕正式拉开，今后数据价值将回归，数据交易行为将得以规范。

2015 年运营商趋于谨慎，预计市场规模4.6 亿；2016/2017 年，运营商数据价值有望广获各方认同，应用场景和应用行业不断增加，市场规模快速发展，预计2016 年增幅164%达12.1 亿，2017 年增幅225%达39.4 亿。

因此，问题就变成了如何利用这些大数据？

1、集中对事务型数据和交互数据进行一流的大数据分析。

2、通过更好地了解用户行为， 360 度的全方位掌控节约成本。

3、将切实可行的数据交给接触实际客户的人员。

4、基于大数据进行预测的准确性如何？

应当牢记的是，虽然大数据在检测相关性上十分有效，但它无法解释这些相关性是否有意义。“谷歌流感趋势”（Google Flu Trends）是一款基于谷歌搜索关键词预测流感病例数量的机器学习算法就很好地说明了这种局限。一开始这种算法似乎总能准确预测哪些地方流感更流行，但是时间一长，其错误率变得十分高。这可能是因为谷歌流感趋势的算法未能考虑某些特定参数，例如，在当地新闻报道流感爆发的时候人们比平时更可能去搜索流感信息，即使流感爆发地点远在十万八千里以外。

5、对大数据的依赖是否导致道德或公平性问题？

企业应当评估那些纳入分析模型的因素，并在这些模型的预测性价值和公平性考量之间取得平衡。例如，某家公司可能会认为那些住所离公司近的员工的流动性更小。但是，另一家公司很有可能基于种族歧视的原因不将员工住所远近作为其雇佣算法的参数，尤其是在那些不同社区有不同的种族构成的地区。而这两种做法都可能导致公平或道德问题，都不应当受到鼓励。

6、使用的数据模型是否导致偏见？

在大数据生命周期的收集和分析阶段，企业应当注意偏见是否被予以了适当考虑，并采取措施克服它们。例如，如果某家公司使用的算法只将那些来自顶尖大学的学生纳入计算范围，以帮助其做出雇佣选择，那么它在招募过程中就可能存在预设的偏见。

7、数据集是否具有代表性？

企业应当考虑其数据集是否遗漏了有关特定人群的信息，并采取步骤解决此种代表性不足或代表性过度问题。例如，如果某个企业将其服务锁定为通过某种应用或社交网络进行交流的群体，这家公司可能会忽略那些对科技产品并不精通的人群。

数据变现成运营商重要转型方向

由于实名制开户要求，运营商留存的用户数据真实准确；运营商记录用户从入网到离网的全生命周期数据，有能力基于历史数据对用户进行全面分析。

通信大数据产业链与商业模式框架已现，合作双赢是基调。产业链由数据提供商、基础设施提供商、技术服务提供商、大数据服务运营商四个环节组成。运营商内部大数据应用已久，数据对外运营事宜也早有规划。

电信运营商拥有海量的数据，如何运营好这些数据，如何实现数据资产变现，这是目前不少运营商关注的课题。近日，Teradata天睿公司大中华区通信行业解决方案资深总监姜欣在接受记者采访时认为，运营商大数据变现需要新的思维、新的架构、新的运营方式。

姜欣认为，电信行业近年来受OTT、管道化、资费调整等因素的影响，受到的冲击很大，传统业务利润下滑趋势明显。未来要寻求新的增长点，一定是从数据资产的角度出发。运营商守着数据的金矿，如何从里面挖掘出一桶桶货真价实的黄金，这是未来发展的重要方向。

从能力角度分析，电信行业属于整体IT实力比较强的行业，也最早开始挖掘、发现数据的价值。经过15到20年的发展，特别是以经营分析为核心的数据平台的发展，运营商内部的能力建设已经趋于成熟，数据质量、数据治理、数据标准，这些关乎资产自身质量的工作，基本上已经做得比较成熟。运营商有资本沉下心来考虑，到底利用数据来做什么。

姜欣表示，目前运营商有三种数据可以形成变现。第一种是业务交易数据、流程性数据、交互式数据。从变现形式来看，第一个层面，就是能力平台，比如位置平台、信用平台，这些都是运营商基于自己的数据做的一些能力组件。像银行在用位置平台的时候，可以用来选址，可以看用户的流动；交通部门可以看到用户乘坐汽车、地铁的情况。这都是能力平台的变现。

第二种是分析能力的变现，比如行业的分析报告，运营商基于自身的数据可以形成银行业、房地产业、零售业的报告等。另外，运营商还可以做出一些针对性的报告，比如某银行的市场竞争分析报告等。

第三种是合作运营。运营商一直想做的其实是运营的变现，运营商利用海量的数据，为第三方用户提供定制化运营的服务，收入按一定比例进行分成。这种是相当于合作运营的方式。

大数据要有专门的部门去运营，必须打破信息孤岛、各自为政的组织架构，这在电信行业逐渐达成共识。以中国移动为例，中国移动已经考虑在省级公司建立大数据中心，大数据中心是省级公司的二级部门，集团也有类似的考量。这样的组织一旦确立，这个部门的职责，主要是做大数据的分析和运营。它的平台一级由原来的IT部门，比如业务支撑系统来承建，上层数据价值的释放、挖掘，以及对外怎样去变现，全部交由大数据中心这个新的部门来做。其KPI考核已经不再是用户新增数、用户保有量、用户收入ARPU等。其背负的KPI就是数据到底变成了多少钱。这样的KPI考核，就会推动这个部门每天都去考虑这些数据怎么变现，这将大大推动运营商大数据向其他行业的拓展。

大数据运营需要行之有效的商务模式，而目前无论是运营商，还是与之合作的企业、政府相关部门，都在进行尝试。姜欣表示，数据变现究竟是以包月的形式进行结算、以计件的形式进行结算，还是以联合运营的方式进行结算，目前运营商和第三方行业都在摸索的过程中，需要经过时间的沉淀，才能形成合适的方式。可能是一种，也可能是几种方式的组合。但不管是面向大客户、政府还是个人，这三方面如果都有市场，都得到了认可，也形成了固定的商业模式，那么未来运营商在数据资产变现上一定能够达到更好的效果。 （来源：人民邮电报）

分析运营商的大数据商业模式主要有：

（ 1） 传统模式： 经营分析该模式下，运营商会聘请第三方公司对于 BOSS 系统进行运维，过去， BOSS 系统主要侧重于 BSS系统的运维，更偏重于对网络使用情况及用户电话、账单等信息的分析。 这类分析能够帮助运营商提升网络使用效率、更好地服务客户等。

（ 2）第三方分析：在大数据时代下，传统的经营分析系统遇到挑战，运营商会考虑如何更好地使用其大数据。我们看到，运营商仍然会采取之前 BOSS 系统的方式，自身采购硬件设备，并交由第三方进行运维和分析。目前来看，运营商已经开始采购 Hadoop 产品，由于 Hadoop 存在定制化，因此，运营商也会倾向于将后续运维等工作交由 Hadoop 产品的提供者。

（ 3）精准营销：在运营商根据用户的 ARPU 值、地域、个人信息等大数据进行分析后，可以进行精准营销。目前，这类合作通常是与第三方进行合作。由第三方提出有效模型与算法，在运营商数据库中进行运行，并得出符合要求的人群，运营商通过开放接口对其进行精准营销。在该过程中，第三方无法获得用户的准确信息。根据我们的调研，某运营商省分公司通过这种合作方式，使得其金融产品推销电话的成功率已高达 5%。

以联通为例， 沃门户与晶赞科技已经就广告进行合作， 包括 PC 客户端， Wap 客户端等，涵盖首页、内容页顶部通栏和底部通栏、合作频道等。 合作方式为：联通负责广告素材的审核，而晶赞科技提供全套广告解决方案。 晶赞具体负责从前期（包括位置及类型在内的广告位价值挖掘） ，到后期（销售、投放、制作及管理）的各环节并引入 DSP 平台。 该类合作即属于运营商大数据时代下的精准营销。

（ 4）第三方合作运营商与第三方合作的方式将不仅限于精准营销。 联通已经与招商银行成立“招联消费金融公司”，共同面向互联网金融领域。该合作模式下，联通主要贡献的是其所拥有的庞大且真实的信息以及基于大数据所能分析出的结果。我们认为，金融行业对于大数据的需求较为迫切，因为其牵涉的潜在受益或损失成本较高；此外，也由于其此，该项合作能够为大数据分析带来较高溢价，是典型的效用定价而非成本加成定价。我们认为，运营商与金融行业的合作探索步伐将会加快。

此外，我们认为，运营商目前积极涉足物联网、尤其是车联网，这类合作将需要对于大数据进行有效采集与分析，同样将是运营商大数据未来积极发展的方向。

总结：以上内容小编认为，通信大数据时代下网民中即时通信用户规模将会不断壮大，在运营商获得海量数据资产和规模庞大的用户资源时，运营商的业务转型也就成了当务之急。