運營商的下一個金礦：大數據應用

中國聯通研究院 | 王艷 徐淵

運營商的下一個金礦：大數據應用

中國聯通研究院 | 王艷 徐淵

電信運營商就是傳統行業中的天然大數據公司，其主要業務決定了運營商在大數據產業鏈中的數據傳遞和交換中心的地位，并為其帶來豐富的數據資源。

2011年以來，“大數據”一詞頻頻被媒體和各大公司所提及。2012年2月《紐約時報》的一篇專欄中大膽寫道“‘大數據’時代已經降臨”，并指出：在商業、經濟及其他領域中，決策將日益基于數據和分析而作出，而并非基于經驗和直覺。目前，大數據已被應用于多個行業多個領域，尤其是天然的大數據公司。新興互聯網企業和大型技術公司固然是被大家所熟知的天然大數據公司，而一些傳統行業企業卻往往被忽視。其中，電信運營商就是傳統行業中的天然大數據公司。電信運營商的主要業務包括語音業務、數據業務、位置和商務等增值業務。這些業務決定了運營商在大數據產業鏈中的數據傳遞和交換中心的地位，并為其帶來豐富的數據資源。

大數據的內部應用

企業發掘公司內部大數據價值的途徑有三種：一是基于數據的決策，主要通過提高預測概率來提高決策成功率；二是基于數據的流程，主要是形成營銷閉環戰略，提高銷售漏斗的轉化率；三是基于數據的產品，在產品設計階段，強調個性化以客戶為中心的設計理念。電信運營商可以通過這三種途徑深入挖掘大數據內含的價值。

1.大數據輔助決策

運營商擁有海量的經營數據、用戶通話和流量詳單數據、用戶使用業務和終端的數據、網絡信息數據等，通過挖掘這些數據，運營商可以獲得關于公司經營狀況、用戶行為等分析結果，并通過構建數據庫、經營分析平臺或者Web端界面等方式將數據分析結果進行可視化的展示，輔助公司管理層進行經營決策、渠道管理等，幫助基層營銷人員更好地完成營銷資源的分配。具體地，通過數據挖掘輔助決策的方式有三類。

第一類是網絡優化。3G的不斷普及和4G的逐步推廣帶來了用戶對網絡帶寬需求的提升。數據顯示，全“我們經常說現在進入了‘大智移云’的時代，如果1985年我們以計算機作為創新平臺，2005年是以互聯網作為創新平臺，現在我們則進入到以‘大智移云’作為創新平臺的時代。”

——中國互聯網協會理事長 鄔賀銓

球電信運營商每年投入百億美元用于寬帶基礎設施的建設，但仍難以滿足用戶對帶寬的需求。因此，運營商需要了解用戶的業務使用量和網絡承載能力的匹配數據，進而對網絡進行合理的優化。大數據恰好幫助運營商建立了網絡建設和業務發展的數據關聯，這些數據既包括基站信息、用戶位置信息等，也包括用戶CDR數據、業務消費數據等。運營商可利用此類數據更為精準地規劃基站建設、設定優化等級。

第二類是經營決策的調整。數據最大的作用就是通過分析方法和手段對數據進行規律性總結，并應用這一規律對用戶未來的行為和企業未來的發展進行預測，因此，大數據對經營決策的影響是實現決策的“被動式”向“預判式”的演變。例如，中國運營商現正在布局4G市場，相較于之前被動式的決策觀，在大數據時代，運營商可以在4G上線之前，應用預約4G業務的用戶數據，對4G預約用戶進行畫像，幫助管理層了解什么類型的用戶更有可能使用4G網絡，從而進行營銷資源的布局和營銷戰略的制定。

第三類是渠道管理的改變。中國移動手機市場趨于飽和，運營商為了爭取到更多用戶，市場競爭變得日益激烈。同時運營商仍舊以新增用戶作為關鍵考核指標，因此渠道商為了獲取更多的用戶，出現了很多造假行為，包括批開卡、養卡、誘導用戶重入網等。這些造假行為的存在對管理層進行4G戰略的部署有巨大的負面影響。針對這種情況，通過利用用戶通話詳單數據和消費行為數據構建識別批開養卡用戶和重入網用戶的模型，對渠道商的造假行為進行監控，可有效避免渠道亂象、維護運營商的長期利益。

2．云計算強化數據流程管理

在基于數據流程的管理上，云計算則可以很好地應用在客戶關系管理和基于客戶的精準營銷上。

客戶關系管理（CRM）是利用信息技術，實現市場營銷、銷售、服務等活動自動化，從而為客戶提供滿意、周到的服務，來提高客戶滿意度、忠誠度的一種管理經營方式。對運營商而言，可以使用用戶的信令數據、業務使用和終端數據、消費行為數據來對用戶的消費特征、用戶價值等進行分析，更優地制定維系策略，從而為用戶提供更好的消費體驗，提高客戶的忠誠度，降低客戶的流失率。

未來運營商可以結合客戶生命周期理論、用戶價值模型、用戶消費行為數據，建立用戶全生命周期分析的客戶關系管理平臺，針對不同的用戶在生命周期所處階段為用戶提供有針對性的服務，打通閉環，實現全面的客戶關系管理系統。

對客戶進行精準營銷，首先要對客戶特點和客戶需求特點進行深入了解，然后根據這些特點對客戶進行特定的業務推薦或者維系策略，這樣才可以最大限度提升客戶的滿意度。通過數據挖掘的技術手段，企業即可從用戶的上網軌跡、在社交網絡上的活動、交往圈信息、位置信息等對用戶進行細分并作標識。根據這些用戶標識，運營商即可對特定用戶進行精準的營銷活動。

3. 數據產品的三大發力點

在基于數據的產品中，云存儲空間出租、特殊人群的定位服務和建設集市化的數據平臺都是值得運營商探求的方向。

在數據爆炸的時代，企業、組織與個人都有程度不一的信息存儲需求，云存儲作為一種主流解決方案，已得到較為廣泛的認可與應用。目前，已有網易、亞馬遜等多家公司推出了相應的服務。運營商中，中國電信也通過建設云基地積極布局云存儲業務。不過，要提升差異化的競爭能力，運營商還需在提升相關應用關系鏈管理與使用效率、分項擴展上進行更多的探索。

而隨著LBS技術的普及與推廣，電信運營商掌握著越來越精確的用戶位置與移動數據，這些數據可被應用于針對特殊人群的定位服務。典型場景包括針對兒童、老年人的定位服務，即根據該類人群的生活軌跡，預設相應的基站范圍，如果用戶的手機信號超出了預設的基站范圍，將通過短信、微信消息等方式向綁定手機發送提示，同時確保手機能優先接入，從而避免兒童、老年人走失等問題。電信運營商提供定位服務的優勢在于對于對終端沒有特別要求，有效降低了服務門檻，同時，基于基站的位置信息定位保證了數據的穩定性與連續性。

此外，基于P2P的集市化數據平臺同樣可供運營商操作。數據提供者將數據上傳至運營商提供的平臺，以免費、付費或虛擬貨幣的形式，供使用者下載。隨著4G的普及及Wi-Fi網絡的覆蓋提升，將促成“二維碼+用戶賬號+LBS+移動支付”的閉環，形成涉及娛樂、教育、醫療、餐飲等多板塊服務的數據平臺。

大數據的外部應用

大數據應用在政府服務上有良好的前景。電信運營商通過其掌握的LBS信息，與政府在智慧城市、智慧交通等領域進行合作，提供實時路況信息服務；基于用戶實名認證信息與位置移動數據，為政府交通規劃、監控重點人群提供參考。同時，電信運營商可以通過URL解析等數據技術手段，綜合運用基于極性詞識別、主題帖自動標引及情感傾向分析、基于語義塊的事件傾向性分析等分析方法，協助政府開展日常輿情監控、重點事件/人群/區域的管控等，為政府改善行政效能、有效開展危機公關提供參考。

目前，一些運營商已經開始了此類業務模式創新的探索。例如，Telefonica在其Telefonica Digital下設立了Telefonica Dynamic Insights部門，專門從事大數據應用等創新業務的開發。Telefonica在英國推出了smartstep服務，面向政府部門及公共機構提供基于位置的人員流動數據。

大數據的外部應用對銷售企業有極大的吸引力。一方面電信運營商可以基于其擁有的存量數據進行消費者特征與行為分析，進行用戶聚類與畫像，為銷售類企業提供咨詢服務。運營商可以通過對用戶的年齡、性別、受教育程度、特定時間出現的區域、網購行為、經常訪問的網站等信息進行綜合評價，挖掘用戶的生活規律與業務使用習慣，并通過畫像進行特定用戶標簽化處理，或聚合為基于區域的特定用戶分布（可通過熱力圖等形式展現），為銷售類企業鎖定目標用戶、實施精準營銷與店鋪網點選址等提供有效支持。

另一方面，電信運營商可通過移動互聯網技術，實現基于大數據應用的營銷信息的實時傳輸。例如，通過對用戶O2O消費習慣與特點的分析，當用戶在用餐時間進入某常訪問的商圈時，通過APP 等形式向用戶實時推送其常去或多次搜索的餐館的排號情況、優惠信息等，并根據用戶歷史查詢與消費價位等信息，自動生成推薦菜單，支持在線訂座、下菜單等操作；同時，提供由廣告主付費的后向流量包，形成閉環，既增加了用戶黏性，又拓展了收費渠道與對象。

現存的困難與挑戰

1. 社會公眾質疑

大數據將面臨來自社會公眾的質疑。根據Gartner的新興技術炒作周期理論，大數據技術目前仍處于“公眾的預期過高達到期望的高峰和泡沫期”，距離其成為主流技術還有5 ~10年的時間。當大數據技術處于“幻滅的低谷”這一階段時，大數據技術可能遭到來自社會公眾的質疑。在各類質疑中，以社會公眾對自身隱私信息被泄露的擔憂最具代表性。隨著移動互聯網、智能終端、物聯網等技術與產品的廣泛應用，人們的行為、位置、通訊等信息不再隱秘。公眾的質疑包括對技術成熟性與安全性的關切及對涉事政府部門與企業道德操守的擔憂。前者的典型案例包括用戶通過云存儲誤同步得他人通訊信息等，后者以“棱鏡門”事件為典型代表。此外，還有一些案例介于兩者之間，同樣存在隱私泄露的潛在風險，典型的例子包括iPhone“記錄用戶位置隱私”事件，即iPhone終端可通過APP程序、Wi-Fi連接等記錄用戶的位置信息，而這些用戶位置信息會被存放在手機的加密文件中。通過找到這些文件，可以破解出用戶曾經的位置信息記錄。面對公眾的擔憂，需要運營商與監管部門一道，通過立法等手段明確大數據采集和應用的規范、范圍與范式，共同探索既能滿足社會公眾對隱私保護的合理關切，又能為運營商的新業務探索留出足夠空間的解決方案。

圖1 Gartner公司技術成熟周期曲線

2. 組織結構存在阻礙

同時，在對資源與時效性有極高要求的大數據應用運營上，運營商面臨著來自組織結構的阻礙?，F階段，運營商對大數據的運用仍處于粗放的初級階段，且主要集中在內部應用，如精準營銷模型建立、虛假用戶與低質用戶識別、用戶信用評級等，而在大數據的外部應用上仍處于探索初期。作為重資產大型企業，運營商組織結構極大制約了其決策速度、產品開發與運營能力及業務轉型力度，在大數據開發與應用環節存在先天性短板。與互聯網公司不同，運營商的行業特征塑造了其“穩”字當頭的企業基因與相應的組織架構，反應慢、敏感度低。此外，近些年運營商為規范經營活動，對產品設計等權限進行總部集中，弱化了基層單位的能動性，進一步強化了組織的科層化傾向，決策流程與周期更為冗長。部分運營商采用下放產品開發與運營權限至專業子公司的舉措來提高效率，但專業子公司的資源整合能力較弱，無法調動分散于各職能部門的資源，且產品上線、推廣仍需母公司評估與支撐。而若將大數據資源通過外包等形式委托第三方進行開發利用，存在一定的安全隱患與法律風險。

3. 大數據工程師匱乏

此外，運營商還面臨著大數據工程師匱乏的困難。運營商的人才特征為以通信類工程師為核心，輔以背景多元的市場與營銷人才隊伍。決策核心與技術團隊的人才結構較為單一，普遍缺乏具有高度專業水準的大數據工程師。大數據條件下，數據量大、非結構化數據占比高，在數據清洗、篩選、結構化處理與分析等各個環節，都亟需數據專家參與。運營商雖然可以通過高層次人才引進、內部挖潛等多種舉措加強數據人才隊伍建設，但形成具備市場投放能力的團隊群仍尚需時日。