全球电信行业面临日益严峻的收益挑战,市场趋向饱和、ARPU值持续走低、市场遭遇OTT侵袭等。另一方面,信息数据流量的快速增长、4G时代带来的更多创新应用也为运营商带来机会。作为一个“信息石油”大集成者,全球电信运营商已开始利用大数据技术实现转型,并着手打造信息生态。
冬日来临
开源节流是运营商的发展要义,特别是在如今的紧日子下。
5月初,工信部联合发改委发出通告,包括固定和移动的本地、长途、漫游语音、短消息、数据业务等,所有电信业务资费都实行市场调节价。
6月起,电信业“营改增”试点正式开启,从之前统一税率3%,提升至基础电信服务税率11%、增值电信服务税率6%。三大运营商均发布公告称公司财务将受到较大负面影响:中国移动今年收入下滑9%,利润下降超过200亿元(人民币,下同);中国电信经营利润减少30%,约52亿元;中国联通未公布具体数额,但净利润大幅下降是事实。
7月初,国资委通知三大电信运营商,要求三年内连续大幅度减少营销费用达20%。根据测算,仅中国移动3年里就需减少营销费用240亿元,而三大运营商3年总计需要减少营销费用400多亿元。
根据三大运营商2013年财报,中国电信2013年净利润175亿元,中国联通2013年净利润34.4亿元,中国移动2013年净利润1217亿元。
政策的一步步收紧,促使运营商不得不进一步加大力度降低成本、提高效率,并拓展新业务,也正是这样的背景加速了运营商采用大数据的步伐。
目前,运营商利用已有的信息资本,主要从两个方向发力大数据,一是改善企业运营效率,二是拓展新形态业务。
改善运营效率
降低运营成本,同时维持现有客户收益是运营商改革的主要目的。现在在大数据等新技术的推动下,运营商优化管理基础设施建设的系统资源,以及更深刻的了解用户并维持关系有了新的途径。
据工业技术研究产业经济与趋势研究中心钟俊元介绍,目前包括美国T-Mobile、韩国SKPlanet、中国联通等运营商已经开始利用大数据技术提高客户续约率;印度Bharti、爱尔兰Vodafone等也利用大数据增加资产使用效率。
以中国联通某公司为例,据悉其通过分析通话记录提高客户续约率达34%。中国联通与供应商合作开发了一套客户流失率分析和行销管理平台,对海量的通话记录进行分析,精确找出“高危”用户,准确预测了用户流失。同时该平台可以针对流失的用户提供符合需求的方案,针对APRU较低的客户群设计更个性化的增值服务与优惠方案,从而挽留客户。
采用该大数据平台后,效果十分明显,据相关数据表示,其公司整体APRU值提高10%,客户流失率预测准确性提高5倍以上,客户续约率提高34%。
拓展新业务
除了内部利用相关平台及工具提升效率,在对外开拓新业务方面,大数据也是一把好手,特别是在利用已有的移动设备产生的海量数据方面。
AT&T利用客户行为资料开始发展信息业务。其与其他企业策略结合,将用户资料加值利用,以增加业务收益,并提供对使用者有利价格或服务模式,让用户自愿提供隐私资料。运用这些信息,AT&T不仅可以改善网络及服务品质,同时提供了个人化广告服务,并计划在未来提供匿名化的用户资料行销报表给企业,如零售业、广告业等,当然,用户有权选择不使用。为鼓励用户开放信息,AT&T先是在2013年6月,公告修改隐私政策,明确告知所收集资料与应用模式,并在12月推出U-verse with GigaPower光纤到家服务,以优惠价格选项,获取用户同意被追踪网站浏览行为及提供广告等服务。
除了AT&T外,西班牙电信也利用销售用户行为数据来拓展收益。其针对用户群体流量与移动路径,搭配相关属性进行综合性追踪分析,如哪些因素为影响人们在什么时间去往何处,而这些信息将有助于零售业进行店面地址规划、广告行销,以及公共事业单位进行交通管理等。
在产业合作方面,大数据也为运营商提供了新的合作模式。运营商可以将信息资源开放授权给其他软件企业,由软件企业来开发用户信息的增值服务,创造业务收益。
例如美国IT公司AirSage便与两家无线运营商合作,利用运营商的信息资源提供匿名化、及时性的位置记录或人口普查等服务。据悉,其每天可获取超过1亿台移动装备数据信息,在及时性上,能获取一小时前的最新资料,从而其可以轻松对外提供行为报告、市场研究、城市交通规划、推算其他信息等服务。
同时通过这些信息,可以进一步扩展产业链。新创公司StreetLight Data便基于AirSage 的行为信息资源发展Geospatial BI产品。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《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