針對電信運營商的大數據價值化經營研究

洪瑩，李政

（1.巴黎第一大學，法國 巴黎 75008；2.北京郵電大學，北京 100876；3.中國聯合網絡通信集團有限公司，北京 100050）

1 引言

自麥肯錫全球研究院創造并提出“Big Data（大數據）”概念以來，2012年3月美國奧巴馬政府成立“大數據高級指導小組”實施《大數據研究與開發計劃》將其上升為國家層面戰略，中關村成立大數據產業聯盟，廣東省發布《廣東省實施大數據戰略工作方案》擬成立大數據局。大數據從2012年伊始便迅速升溫并風靡全球，成為了科技界、投資界、政界所熱議的話題之一。

所謂“大數據”，是指“其大小超出了典型數據庫軟件的采集、儲存、管理和分析等能力的數據集合”。大數據與以往的數據分析的最大不同在于其4V特性，即Variety（種類多），Volume（體量大），Velocity（速度快），Value（價值高）。大數據的出現給人類社會帶來了巨大的變化：倫理層面，人類的記憶結構將開始從“遺忘為常態，記憶為例外”向“遺忘為例外，記憶為常態”轉變；運行層面，分析的基礎將實現從抽樣數據向全數據的跨越，實現了統計意義的提升；內容方面，數據類型從結構轉向非結構，通過體量的提升降低了對于準確度的要求，同時允許適度的混雜；時間維度方面，將實現關注點從因果關系向相關關系的變化，進而給人類帶來實時反饋層面的巨大挑戰。

大數據的出現和興盛，對電信運營商而言既是挑戰又是機遇。一方面，隨著OTT應用的快速發展，電信運營商的傳統業務受到擠壓，網絡流量與業務收入之間的剪刀差日益嚴重。隨著OTT廠商掌握的資源和數據逐漸增加，他們帶給電信運營商的壓力也愈發強烈（近期的微信收費之爭是例證之一）。另一方面，電信運營商在大數據產業鏈中處于數據傳遞和交換的中心地位，通過相關技術的部署（如DPI、PCC），可以解析出大量的數據及資源（身份數據、位置數據、流量數據、業務使用習慣數據等），同時由于其處于數據傳送的關鍵節點和控制點，因此他們具有將掌握的大數據價值化的天然優勢和能力。基于此，大量的電信運營商開始了大數據價值化的初步探索。如西班牙電信2012年10月成立了名為Dynamic Insights的大數據業務部門，負責向客戶提供匿名化后的移動網絡數據“智慧足跡（Smart Steps）”服務。Verizon則成立精準營銷部門（Precision Marketing Division），通過提供基于移動數據的相關服務幫助客戶達到精確營銷移動商務等目的。美國運營商Sprint經過分析更是直言即使電信運營商淪為“啞管道”，依靠數據分析也能生存下去。

2 運營商大數據的分類及整理

電信運營商具有作為大數據擁有者和使用者的優勢。電信運營商數據的收集和存儲主要圍繞電信級業務的運行維護展開，主要存在于BOSS系統、OSS系統、MSS系統等平臺中。電信運營商掌握數據的特點在于類型多、數量大（如聯通大數據平臺收集的上網記錄達到幾百億條/日，容量6~7T），并且隨著DPI（Deep Packet Inspection）等技術的部署，這一趨勢將更加的明顯。因此迫切需要尋找一種合理的方式，將電信運營商的數據進行分類，進而形成可用于價值化的優勢資源。

根據電信業務的特征并結合相關系統對于數據的存儲提取特性，本文提出將電信運營商的數據從以下4個維度進行分類的設想。主要的維度有自然屬性、電信屬性、時間位置屬性、業務使用屬性。其中，自然屬性是指電信消費者自身具有的特質，這些特質不隨電信使用情況而改變，包括姓名、登記的身份證件號等；電信屬性是指電信消費總體特征相關屬性，主要體現于手機號碼、IMEI碼、入網時間及歸屬地、業務/網絡類型、選擇套餐檔位等；時間位置屬性主要反映消費者業務使用過程中時間和地點維度的特質，包括時間維度的業務使用開始/結束時間、使用時長、忙/閑時等，地點維度的通訊基站經緯度、省分/地市/小區名稱、所屬RNC、所屬Node B等；業務使用屬性主要體現了業務使用的特征，包括各種電信業務（電話/短信/自有增值/OTT）的使用規律、使用流量類型（移動網流量或是Wi-Fi）、上下行流量特點、訂閱OTT業務/經常登錄網站（財經/體育/娛樂）等。

依據上述數據分類，電信運營商可進一步通過將各平臺數據進行整合和分析，得到較為完整的消費者畫像。例如，針對上述數據分類，可以衍生出4個消費者畫像：身份屬性畫像、電信屬性畫像、時空特性畫像、業務特性畫像，并可以形成反映消費者一系列特質的標簽（如消費者A，男，主要活動地北京，通信/科技關注者，流量耗費集中于上下班時間，價格敏感度高等），達到消費者特質標簽化的目的，并供進一步分析和決策使用。

3 運營商大數據價值化的核心途徑

基于掌握的上述大量數據資源，電信運營商具有進行大數據價值化的潛在條件和優勢。對大數據進行充分的開發利用，在給電信運營商帶來挑戰的同時，也帶來了千載難逢的歷史機遇。由于移動互聯網的迅速發展及OTT類業務的快速普及，傳統電信業務受到了很大的沖擊，這在促使電信運營商不斷改進運維模式、優化傳統業務的同時，也迫使他們去尋找新的業務和發展模式，創造出新的收入來源。因此，電信運營商基于大數據的價值化路徑也要分別針對著現有業務的優化和潛在業務的開發這2個方向展開。

針對現有業務，提出的發展路徑為精細化運營。電信運營商的現有業務主要是傳統的電信級業務，包括語音、短信、流量等，目的是運用電信運營商自身的通信能力滿足電信消費者基本的通信需求。這類業務既是傳統電信運營商收入的主要來源，也是受到OTT類業務影響和沖擊最大的部分。但同時，由于電信運營商開展這類業務時間較長，收集的數據具有較強的排他性，這也為運營商開展針對現有業務的精細化運營提供了良好的條件。在實施過程中，電信運營商要根據自身能力建設的步伐，逐步完善基于大數據的精細化運營部署。對于自身能力（包括數據收集、處理、分析運營）較強的部分，電信運營商應突出優勢、加快發展，以數據作為核心資源，提升現有產品和服務水平，形成差異化的核心競爭力。如進行上網記錄查詢等來滿足消費者清晰消費的需求；利用對于大數據的分析進行基站/網絡規劃和運行系統的監測等。同時要結合大數據對于一些特殊情境（如節假日人流聚集區域、突發情況人流跟蹤監測）進行專項分析，尤其對于有可能對現有業務產生較大影響或帶來較大利潤的業務（如蜂窩網絡流量與Wi-Fi的協同，4G/3G/2G協同等），積極開展相關研究及系統建設，不斷提升業務水平。

針對潛在業務，提出的發展路徑為資源性開發利用。隨著移動互聯網、物聯網、智慧城市、云計算等概念和技術的擴散，行業間的融合正變得日益密切。由于電信運營商掌握了大量的電信消費者數據資源，有可能通過合作等方式，以資源化數據的方式切入到其他行業（如媒體廣告、金融等），進而開拓出新的業務模式和應用場景，從而獲取收入來源。在實施過程中，資源性開發利用會同時受到電信運營商自身能力及進入行業狀況（如市場壟斷程度、發展潛力、業務成熟度）的影響。對于自身能力較強，行業發展較完備的市場，電信運營商可以選取差異化進入，將自有的數據資源與合作伙伴的資源相結合。對其現有業務模式進行創新性變革，如媒體廣告的精確投放等；對自身能力強，但是行業不完備的市場，電信運營商應選取合作布局的方式，積極尋找合作伙伴，借助合作伙伴的力量實現數據資源的利用化，如通過自身數據與線下實體店資源的對接，在O2O業務上進行創新；對自身能力不強，行業不完備但快速發展的市場，則選擇觀察跟進的方式，同時分析其對于自身現有業務的影響，找到最佳的結合點，如目前進行的一系列電信運營商版的寶寶類產品（中國聯通的話費寶、中國電信的添益寶）便是在金融脫媒方向上的嘗試；對自身能力不強，行業完備的市場，則可以選擇暫不介入。

4 中國電信運營商的大數據價值化實現之路

本文認為中國電信運營商的大數據價值化經營應該圍繞一個核心，雙軌并發。一個核心是指電信運營商的大數據價值化要在現有法律法規的約束下圍繞運營商數據的獨特性和準確性進行，突出運營商數據的排他性。雙軌并發，是指運營商既要將大數據用于自身現有業務的改進中，同時也要注意對于數據的資源性開發，創新業務模式從而切入到其他行業進行潛在業務的探索。

從實施時間維度上，要注意結合電信行業及其他行業的發展狀況，每一階段要有不同的側重點。具體來看，近期電信運營商應該以精細化運營為主，業務精耕細作，穩步提升市場地位，同時積極跟蹤并探索新業務模式。具體操作中，一方面要積極完成DPI、PCC等部署和相關系統（如大數據平臺）的建設，用戶畫像的初步實施，將網絡建設、客戶服務、營銷等業務與用戶畫像有機結合。另一方面，則嘗試與電信范圍內企業（如終端廠商、APP廠商等）開展基于數據合作業務模式的探索。中期電信運營商則要實現這2個方向的并重雙驅動，業務向實時和個性化方向提升，與此同時廣泛合作，形成成熟的基于大數據的標桿合作業務模式。

在具體操作中，則要積極開展基于實時和非結構化數據分析處理的系統開發，以實時信息指導企業運營的優化（如網絡流量實時分析等），同時加強服務和產品基于數據的個性化設計。要深化合作模式，探索和非傳統電信圈企業開展的基于數據的合作方式和模式，形成典型標桿業務模式和案例。遠期電信運營商則要秉持資源性開發利用為主的原則，進行業務創新，發揮大數據資源優勢；同時建立創新和激勵機制，進入社會資本，持續創新并創造出更多的收入。具體實施過程中，則可依托大數據資源積累的優勢，與各行業、企業充分合作，實現從線上到線下的全覆蓋，通過商業模式創新獲取新的收入。

[1] 曉鏡. Sprint：運營商僅靠大數據就能生存[N]. 中國郵電報, 2012-11-21(5).

[2] 丁偉,李政. 運營商大數據戰略個性化營銷機制成核心[J]. 通信世界, 2013(12): 44-45.

[3] Emeka Obiodu. Readying for Big Data: Telefonica and Verizon show the way[R]. 2012.

[4] 維克托 邁爾 舍恩伯格,肯尼思 庫克耶. 大數據時代[M]. 杭州: 浙江人民出版社, 2012.

[5] 徐子沛. 大數據[M]. 桂林: 廣西師范大學出版社, 2012.

[6] 李國杰,程學旗. 大數據研究：未來科技及經濟社會發展的重大戰略領域——大數據的研究現狀與科學思考[J]. 中國科學院院刊, 2012(6): 647-657.

[7] 馮芷艷,郭迅華,曾大軍,等. 大數據背景下商務管理研究若干前沿課題[J]. 管理科學學報, 2013(1): 1-9.

[8] 鄔賀銓. 大數據時代的機遇與挑戰[J]. 求是, 2013(4):47-49.

[9] 黃勇軍,馮明,丁圣勇,等. 電信運營商大數據發展策略探討[J]. 電信科學, 2013(3): 7-11.

[10] 何非,何克清. 大數據及其科學問題與方法的探討[J].武漢大學學報（理學版）, 2014(1): 1-12.