解析全球十大电信巨头如何玩大数据
目前,全球120家运营商中,已经有48%的企业正在实施大数据战略。通过提高数据分析能力,他们正试图打造着全新的商业生态圈,实现从电信网络运营商(Telecom)到信息运营商(Infocom)的华丽转身。从曾经的“管道”到大数据战略融合,电信运营商到底该如何善用大数据?全球10强电信“大佬们”的大数据应用之道及其培育的新经济增长点启示颇多。
1.AT&T:位置数据货币化
AT&T是美国最大的本地和长途电话公司,创建于1877年。2009年,AT&T利用全球领先的数据分析平台、应用和服务供应商Teradata天睿公司的大数据解决方案,开始了向信息运营商的转变。
在培育新型业绩增长点的过程中,AT&T决定和星巴克开展合作,利用大数据技术收集、分析用户的位置信息,通过客户在星巴克门店附近通话或者其他通信行为,预判消费者的购物行为。为此,AT&T挑选高忠诚度客户,让其了解AT&T与星巴克之间的这项业务,并签署协议,将客户隐私的管理权交给客户自己。在获得允许情况下,AT&T将这些信息服务以一定金额交付给星巴克。星巴克通过对这些数据的挖掘,可以预估消费者登门消费的大概时间段,并且预测个人用户行为,并做出个性化的推荐。此外,在iPhone上市伊始,为了解iPhone的市场反响,AT&T还选择与Facebook结成战略联盟,通过对Facebook的非结构化数据进行分析,发现用户对价格、移动功能、服务感知等产品指标的体验情况,从而推出更加准确的电信捆绑服务。
2.NTT:创新医疗行业的社会化整合
NTT是日本最大电信服务提供商,创立于1976年。它旗下的NTTDOCOMO是日本最大的移动通讯运营商,也是全球最大的移动通讯运营商之一,拥有超过6千万的签约用户。
自2010年,NTTDOCOMO利用大数据解决方案,实现了医疗资源的社会化创新,培育了医疗信息服务增长点。面对日本社会的老龄化趋势,NTTDOCOMO想到了通过搭建信息服务平台,满足用户的个性化医疗需求。因此,NTTDOCOMO和Teradata天睿公司进行充分合作,利用其大数据解决方案,建立自己的资料库。通过开设MedicalBrain和MD+平台,聚合大量的医疗专业信息,网聚了大批医疗行业专业人士。这使用户和各种专业医疗和保健服务提供商共同拥有了符合标准的、安全可靠的生命参数采集和分发平台。在这个平台上,NTTDOCOMO能够根据用户的以往行为洞察其个性化需求,再将这些需求反馈至对应的医疗人员,帮助用户获得高价值的信息反馈。
Verizon是美国最大的本地电话公司、最大的无线通信公司之一,也是全世界最大的印刷黄页和在线黄页信息提供商。它在美国、欧洲、亚洲、太平洋等全球45个国家经营电信及无线业务。
随着年轻一代用户成为电信消费主力人群,通过多媒体、社交媒体等渠道了解他们的消费行为成为Verizon的营销重点。因此,Verizon成立精准营销部门(PrecisionMarketingDivision),利用Teradata天睿公司的企业级数据仓库,对用户产生的结构化、非结构化数据进行挖掘、探索和分析。在大数据解决方案的帮助下,Verizon实现了对消费者的精准营销洞察,并且向他们提供商业数据分析服务,同时在获得允许情况下,将用户数据直接向第三方交易。此外,这些对用户购买行为的洞察也为Verizon的广告投放提供支撑,实现精准营销。凭借着获取的消费者行为的洞察力,Verizon还决定进军移动电子商务,形成自己全新的业绩增长点。
4.德国电信:智能网络培育新增长点
德国电信是欧洲最大的电信运营商,全球第五大电信运营商。旗下T-Systems是全球领先的ICT解决方案和服务供应商。
正是T-Systems将德国电信带上了大数据的发展快车道。基于拥有全球12万平方米数据中心的优势,T-Systems提出了“智能网络”的概念。通过实时获得汽车、医疗以及能源企业的数据,T-Systems先后开发了车载互联网导航系统、交通意外自动呼叫系统以及声控电邮系统,以及能源网开发解决方案,实现电量的供需平衡。此外,它还通过设计安全的传输方式和便捷的解决方案,将医生和患者对接,提供整合的医疗解决方案。
5.Telefónica:大数据支撑用户体验优化
Telefónica创立于1924年,是西班牙的一家大型跨国电信公司,主要在西班牙本国和拉丁美洲运营,它也是全球最大的固定线路和移动电信公司之一。
Telefónica一直将用户体验视为企业发展重点。Telefónica启动一个针对移动宽带网络的端到端用户体验管理项目,并建立了一个包含60多个用户体验指标的系统,支持无线网络控制器(RNC)、域名系统(DNS)、在线计费系统(OCS)、GPRS业务支撑节点(SGSN)、探针等各种网络节点的信息采集。所有采集来的信息经过整合后存储到数据库中,为后续的用户体验测量提供数据支撑。
6.Vodafone:动态数据仓库支持商业决策
沃达丰是跨国性的移动电话运营商,现为全球最大的流动通讯网络公司之一。
Vodafone在大数据应用方面取得了丰硕成果。早在2009年,旗下SmarTone-Vodafone就委托Teradata天睿公司为其完成动态数据仓库的部署,使企业所有管理人员可以根据信息轻松制定最佳决策。它主要通过开放API,向数据挖掘公司等合作方提供部分用户匿名地理位置数据,以掌握人群出行规律,有效地与一些LBS应用服务对接。这些大数据解决方案极大提高了SmarTone-Vodafone的市场领导力。
7.中国移动:客户投诉智能识别系统降低投诉率
中国移动通信集团公司是中国规模最大的移动通信运营商,也是全球用户规模最大的移动运营商。
在中国移动近实现客户数量迅猛增长的同时,相应也带来了客户投诉量的增长。
为了辨别客户投诉的真实原因、发现问题、改进产品、提升服务体验,中国移动和Teradata天睿公司进行了密切合作。Teradata为其配置了基于CCR模型的客户投诉智能识别系统,以投诉内容为源头,通过智能文本分析,实现了从发现问题到分析问题,再到解决问题以及跟踪评估的闭环管理。经过一段时间使用,仅中国移动某省级公司,就实现全网投诉内容的智能识别:769个投诉原因被识别;配合业务部门提出37个产品优化建议,协助优化11个产品;优化不满意点58个,消除368,295客户的潜在不满隐患;每年节约成本达540万。
8.法国电信:数据分析改善服务水平
法国电信是法国最大的企业,也是全球第四大电信运营商,拥有全球最大的3G网络Orange。
为了优化用户体验,法国电信旗下企业Orange采用Teradata天睿公司大数据解决方案,开展了针对用户消费数据的分析评估。
Orange通过分析掉话率数据,找出了超负荷运转的网络并及时进行扩容,从而有效完善了网络布局,给客户提供了更好的服务体验,获得了更多的客户以及业务增长。同时,Orange承建了一个法国高速公路数据监测项目。面对每天产生500万条记录,Orange深入挖掘和分析,为行驶于高速公路上的车辆提供准确及时的信息,有效提高道路通畅率。
9.意大利电信:数据驱动的个性化业务
意大利电信是欧洲最大的移动运营商之一,同时也是基于单一网络提供GSM系列服务的领先欧洲运营商。
面对固网业务的下滑,意大利电信构建了面向全业务运营的客户数据仓库,以适应市场、销售、客户服务等领域的业务规则和需要。
通过对客户数据的洞察,有效地预测收入状况与客户行为的关联性,推出了诸多个性化产品满足客户需求。意大利电信推出的NapsterMobile音乐业务就提供包括手机铃声、艺术家肖像墙纸以及接入NapsterMobile歌曲目录等个性化服务,直接拉动了企业业绩。
36大数据
10.KDDI:数据管理服务是核心
KDDI是日本知名的电信运营商,在世界多个国家设有子公司。
通过大数据资产,提供数据管理服务是KDDI的核心业务之一。KDDI利用自身优势,以数据中心为核心,向企业提供包括云计算服务在内的信息通讯综合服务。KDDI于2000年开始在中国开展为日系及当地企业提供数据管理服务,业务发展迅猛。2012年,KDDI在北京经济技术开发区建设了当地最大规模数据中心,占地2.5万平米,试图实现2015年海外营业额为2010年2倍的目标。
以4G为代表的移动互联网时代,令信息、互联网行为数据、话单数据、WAP日志/WEB日志、互联网网页、投诉文本、短信文本等结构化数据以及非结构数据呈现几何式增长。面对新型海量数据,传统电信运营商正面临越来越大的挑战:
客户与内容服务提供商联系更加紧密,但对电信企业的忠诚度反而下降;
企业无法通过流量内容服务提供商业价值,盈利能力持续下降;
“管道化”严重弱化对承载信息的掌控,丧失创新产品、业务发展的基础。
电信运营商需要凭借数据分析来竞争,实现数据价值货币化。同时,利用大数据实现企业从电信网络运营商到信息运营商的转型。通过对数据的分析,了解客户流量业务的消费习惯,识别客户消费的地理位置,洞察客户接触不同信息的渠道等等,电信运营商将获得深度商业洞察力,打造基于大数据的租售数据模式、租售信息模式、数字媒体模式、数据使能模式、数据空间运营模式、大数据技术提供商等全新商业模式。
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