运营商发展大数据的核心价值在于商业化
近年来,电信运营商利润率增幅放缓甚至下降,传统话音业务收入增长乏力,日趋边缘化、管道化;数据业务占比迅速增长,但量收的剪刀差持续扩大,投入多回报少。
在运营商转型路上,大数据技术的深入应用与商业模式的开发大有可为,可以说是运营商规避同质化竞争,打造智能数据管道,寻找差异化经营“蓝海”的必由之路。大数据的技术架构寻求高性能与低成本的统一,可以降低电信运营商庞大的IT资本开支压力。大数据的商业应用促使电信运营商从单纯提供网络资源、前向收费方式转变为基于网络资源和依据海量数据资源提供服务的灵活多样的混合模式,是一种新的商业模式。
国内运营商大数据应用受限
国内电信运营商在大数据应用方面主要受到了以下方面的限制。
第一,数据采集散乱、深度不足:电信运营商拥有海量数据的来源,但采集渠道散乱,通常分级、分地区、分系统建设,整体规划不足,数据标准化程度低,汇聚困难,无法形成有效的数据资产。
第二,数据分析能力不足:电信运营商建有以数据仓库为核心的经营分析系统,通常采用小型机加高性能存储架构建设,针对传统话单日志等结构化数据设计,还不具备非结构化数据与流数据的分析处理能力。
第三,数据商业应用不足:电信运营商大量数据尚没有充分发掘数据应有的价值,智能管道的建设正处在初期阶段。现有分析系统仅对内部提供服务,缺乏对外数据开放平台,大量数据未能有效进行商业利用。
电信运营商大数据发展探析
(1)大数据的政策支撑
电信运营商应积极寻求政府的支持,推动政府为大数据产业发展提供积极的政策支撑与引导、对关键技术的研发提供专项财政资金支持、对重点工程项目的实施提供支持与保障。电信运营商应高度重视大数据信息安全,推动政府部门牵头启动大数据立法,解决大数据信息权属与隐私保护问题;制定大数据技术标准与运营标准,规范大数据安全体系。通过政策支撑保障大数据产业的可持续发展。
2012年10月,中国计算机学会和中国通信学会均成立了大数据专家委员会,从行业学会的层面来组织和推动大数据的相关产学研用活动。运营商可以依托该平台推动企业内部大数据的发展。
(2)大数据技术架构与算法的研发
根据2012年美国市场调查咨询公司(Gartner)发布的新兴技术曲线,大数据技术正处于“期望膨胀期”,距离真正成熟尚需2~5年。电信运营商应抓住机遇加强技术研发,在开源技术的基础上,发展适合运营商的大数据技术;同时应积极对技术标准做出贡献,掌握技术主动权。在技术的拓展可主要集中在三个方面:(a)大数据的采集与传输技术。采集技术是指基于智能管道和物联网的大数据获取技术和算法;大数据传输技术研究应注重海量数据传输的安全可靠性,解决调度与控制问题。(b)大数据的存储与分析技术。存储技术主要指面向海量数据文件的有效存储与读取能力、大数据的新型表示方法和去冗降噪算法;分析技术的拓展方向应包括数据可用性和可计算性,计算复杂性问题,研究求解算法,进行高效处理等。(c)大数据的隐私安全技术。在大数据时代,如何保护用户隐私安全不仅是法规层面需要解决的问题,也是电信运营商在技术层面亟待解决的问题。
(3)大数据支撑运营中心
运营商要充分发挥大数据的价值,首要条件是具备采集、融合、存储、分析海量数据的能力。电信运营商可以在现有经分系统或数据仓库的基础上,针对目前数据采集散乱、采集深度不足、分析能力不足的问题,构建数据集中、平台统一的省级或全国级大数据支撑运营中心,为大数据的应用与商业化提供精确支撑。大数据支撑运营中心可以设置如下逻辑架构。
数据采集层:通过建设数据采集聚合网关,汇聚跨地区、跨系统的采集的丰富数据源。
数据融合层:建设海量结构化数据、非结构化数据以及流数据处理能力,建立数据标准化体系,进行统一处理和存储。
数据应用层:通过构建不同的数据挖掘与分析模型,融合结构化数据,形成数据仓库,对外提供统一服务能力。
资源管理层:提供统一监控、资源管理与运营等功能。
(4)大数据应用与商业化
大数据应用与商业化是大数据发展的核心价值与落脚点。电信运营商拥有极其丰富的数据资源,相比互联网公司更具天然优势。对大数据进行全面、深入、实时的分析和应用,以客户体验为核心发展流量经营,是电信运营商应对新形势下挑战避免沦为哑管道的关键。
通过大数据助力业务创新,提供市场营销与客户服务的精准支撑能力。在互联网社会中,拥有数据,就拥有了了解用户行为的基础,从足够多数据的叠加中可以探知一个人的过往行为,同时可以精准的预测出其未来的需求。通过对海量的行为和内容数据处理,可以获得用户的时间、位置、业务、终端等基础信息,分析出用户的身份、兴趣、社交圈等,这样可以开发出很多新的增值业务。
通过大数据提升企业管理水平,提供透明管控与科学运营的精准支撑能力。运营商可以融合市场、财务、网络等多个系统产生的海量数据,将相关联的数据进行处理分析,有利于运营商更全面、更准确、更快速地获得企业运营数据,为投资决策和网络优化方案提供更多视角。
通过大数据发展开放合作平台,开辟新的商业模式,助力电信运营商转型。电信运营商可以通过大数据支撑运营中心发展开放合作平台,为广大开发者提供海量数据资源,发挥大数据的价值,将数据作为资源,进而提升的运营商利润增长点。
大数据技术的发展及规模商用,使得电信运营商能够充分挖掘管道内容,创造新的业务增长模式,应对“去电信化”的趋势,转型为综合信息服务提供商,成为未来大数据时代中最大的赢家。但在推动商业化应用的过程中还应全面认识大数据的内涵,避免陷入单纯的计算能力和存储能力建设,要清醒认识大数据发展的成熟度,客观分析用户的应用需求,避免过度建设
数据分析咨询请扫描二维码
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大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20在现代社会的快速变迁中,选择一个具有长期增长潜力的行业显得至关重要。了解未来发展前景好的行业不仅能帮助我们进行职业选择, ...
2024-11-20统计学专业的就业方向和前景非常广泛且充满机遇。随着大数据、人工智能等技术的快速发展,统计学的重要性进一步凸显,相关人才的 ...
2024-11-20