電信運營商大數據在金融行業實體選點中的運用

王春

【摘 要】隨著移動互聯網的快速發展，運營商開始基于海量數據開展數據挖掘、數據開發和應用服務，因此電信運營商應重視并建立大數據體系，發掘大數據價值，為行業客戶提供新型增值業務。以金融行業實體選點中運用大數據為例，闡述運營商挖掘大數據價值的模式，并分析運營商在金融行業運用大數據的優勢，包括數據全面充足、數據可持續、數據可利用等，還進一步剖析運營商運用大數據增值的步驟、在金融行業選點的模型等。

【關鍵詞】電信運營商 大數據運用 金融行業

1 引言

當前中國移動電話使用數達到11億，固定電話使用數達到2.5億戶，寬帶使用戶達到1.4億。最近20年來，隨著互聯網和移動互聯網的迅猛發展，中國移動、中國電信、中國聯通三大電信運營商每天均獲取海量的網絡數據。根據對用戶實名制接入網絡服務的要求，這些數據更是和實名人一一對應，通過現代數據挖掘技術便可描繪真實用戶的實際生活軌跡。

與此同時，運營商在互聯網的發展中扮演智能管道角色，可以便捷地獲取用戶在移動互聯網和移動互聯網中虛擬社會數據的能力。這使得電信運營商可跨越虛擬顯示，擁有實體和虛擬社會兩類數據，并通過用戶實名制的號碼屬性，將這兩套數據進行無縫銜接，實現對用戶的全面畫像，向數據使用部門展示用戶的生活以及消費習慣，便于開展個性化服務。基于此，本文將首先分析電信運營商的大數據應用模式，繼而以金融行業銀行實體網點選擇為案例，對具體的應用情況加以剖析，包括電信運營商具備的數據優勢及在實體選點中的步驟和模型。

2 電信運營商大數據應用模式

2012年以來，全球多數電信運營商均開始涉足大數據發展領域，具體可分為兩類，包括數據開放和應用服務。

在大數據的應用服務方面，電信運營商可以向外部合作伙伴適度開放歷史積累的數據資源，在法律法規允許范圍內，在保障客戶隱私的前提下，基于行為科學的研究成果，對用戶歷史數據開展分析、畫像，進而預測用戶未來行事。并在該顆粒度變粗后封裝為服務成果，對外部提供信息咨詢服務，形成商業盈利的核心競爭力，為企業創造新價值。

具體來看，電信運營商通過基站、CRM系統等已經采集龐大用戶數據，這些數據包括精準的用戶位置信息、包括時間周期的位置移動信息及基于通信數據的用戶真實社會網絡信息，通過對這類歷史沉淀數據進行挖掘、建模和封裝打包，可為行業客戶提供基于用戶行為的相關服務。由于顆粒度粗化，這類大數據服務不會暴露用戶個人隱私，只是基于群體的數據展現群體的行為結果，如某個時間周期、某個地點的人流量、以及這股人流量的日常行蹤、話費或流量消費習慣等關鍵影響因素，并將數據挖掘結果以較粗顆粒形式呈現，提供給集團客戶。例如基于基站獲取的位置數據，可開展定點區域客流、交通路況等分析，為零售企業企業、交通部門等提供有關人流密度、運動規律的建議。

下面將以金融行業銀行實體網點選擇為案例對國內電信運營商的大數據應用情況進行詳細分析和說明。

3 電信運營商大數據在金融行業實體選

點中的運用

以往，金融行業中銀行實體網點選擇主要依賴于專門的調查公司通過人工來獲取不同地點的基礎數據，不僅耗時耗力，而且由于樣本的隨機性、人工調研的費用高、時間段等問題，往往會縮減數據項并降低對數據周期的要求，在人工統計過程中也容易出現數據有較大誤差的情況。

3.1 電信運營商具備數據優勢

電信運營商基于行業優勢，數據獲取方便，數據樣本容量大且周期長，優勢主要體現在：

（1）數據充分：電信運營商經過20余年的經營，通信用戶數超過一億，積累的用戶數據海量而且豐富，符合大數據挖掘的量級需求。首先，根據國家要求，電信用戶已經實現實名制，用戶需提供實名信息方可繼續使用或入網，實名信息內容維度豐富，包括身份證號以及由此可判別的性別、年齡、生日、出生地，還有用戶的工作單位、職位等；其次，電信運營商通過BI系統，可以了解用戶的電信消費信息，例如所使用電信套餐類型、ARPU、流量使用情況和頻次、通話頻次、各類增值業務選擇及時間周期、通話對象、頻次、時間、在網時長等；再次，電信運營商可通過基站定位等方式，較為精準獲取用戶在不同時段的地理位置信息以及相應的頻次；最后，電信運營商作為智能管道提供網絡，能夠獲取用戶在互聯網、移動互聯網的訪問信息，如訪問時間、每次訪問時長、訪問網址等。

（2）數據可持續：由于號碼的持續使用，且通信網絡7×24小時服務，電信運營商可以在用戶開機時一直獲取相關數據，保障數據的可持續性和一致性。

（3）數據可利用：電信運營商對海量數據進行第一輪粗加工和分析，更加精準、高效地分析出用戶的共性行為，再根據政府和企業的定向需求，輸出粗顆粒的報告和應用數據，既能避免用戶個人隱私的泄露，又能滿足業界應用需要。

3.2 電信運營商大數據在選點中的應用步驟

（1）行業掃描：通過桌面研究及一手調研數據，了解行業特點，獲取政府和企業客戶的真實需求痛點，并開展數據資產梳理，結合自有數據資源現狀與行業客戶需求。

（2）產品建模：針對行業重點潛在客戶開展深入訪談及調研，根據行業客戶的產品思路、體系及形態，建立產品邏輯模型。

（3）數據挖掘：根據行業客戶產品需求，利用模型對電信運營商大數據平臺進行海量數據挖掘，并開發產品可視化界面，固化產品邏輯，形成產品化的決策支持系統，便于行業客戶使用人員操作。

（4）模型迭代：將上述模型在固定區域進行試商用驗證，并根據實際效果開展檢測及迭代優化。

（5）投產運營：將產品投入實際應用。

作為大數據應用的核心，產品的設計和建模是關鍵。

3.3 大數據在金融行業實體選點中的應用

以運營商大數據在金融行業實體選點中的應用為例，可構建客流、價值、競爭和成本四個維度的綜合評估模型，包括數十條數據項。其中，客流和價值的數據主要來源于電信運營商，而競爭和成本數據則來自于外部，具體如下：

（1）客流：關鍵時段周邊用戶、日常出行用戶規模；

（2）成本：周邊的房屋租金、管理、人工及運營成本；

（3）競爭：周邊競爭對手數量級規模情況；

（4）價值：潛在用戶的支付能力和客戶價值。

為驗證模型的有效性，考慮利用現有已建成銀行實體網點的商業價值情況信息進行驗證，主要包括業務收入、盈利和人流等關鍵數據。為了方便金融行業客戶使用，需要有產品的可視化開發和開放，方便行業客戶的操作人員可以使用瀏覽器查看相關結果。

金融行業實體網點模型通過對運營商用戶、基站位置和相關金融企業網點位置的關聯，對金融行業的實體網點選擇提供指導。電信運營商可以根據上述用戶數據，進一步分析擬選擇地點在上班時間所集聚用戶的通信行為偏好等，形成基于地點的集成數據，根據金融行業客戶選址時的需求，開展推薦和安排接觸網點。

基站數據可以反映某一具體地點人流密集度、人員流動情況、高峰時段等信息，還能反映在某一或數個基站覆蓋范圍內的用戶量、這批用戶隨時間變化的流動趨勢以及同一時間不同基站覆蓋范圍用戶量隨地域不同而呈現的不同量。再結合用戶的ARPU和其它增值業務使用情況，可以判斷某一具體地點所聚集用戶對金融行業客戶的價值。

網點作為銀行接觸用戶的終端架構，其所處地理位置、工作量、銷售量等能反映該網點營銷及其服務能力。通常情況下，某一地理位置基站并發話務量越高，則人流密度大，需要更多為其服務的銀行實體網點。

上述分析結果顯示，通過可視化界面的呈現，方便了行業客戶的員工使用。可運用熱度圖、點陣圖等方式顯示數據，使用圖像處理方法使數據挖掘結果疊加、平滑地展示，方便行業客戶在需要的范圍內尋找匹配自身需求的網點地址。

4 結束語

面向大數據時代，電信運營商需要向信息提供方轉型，而電信運營商掌握的最核心數據資源就是基于用戶基站位置、電信使用習慣的相關數據和用戶使用增值服務的情況，以及在此基礎上建立的大數據體系，從而掌握大數據技能，發掘大數據價值。電信運營商對內優化運營效能，低成本高效率地為用戶提供個性化服務；對外運用挖掘后的數據，根據行業客戶需求開展數據建模，利用已有海量數據深入挖掘用戶特征，實現數據的二次營銷，為行業客戶提供新型增值業務。本文在總結電信運營商大數據應用的基礎上，對其在金融行業實體選點中的運用進行了詳細分析，并提出了金融行業實體網點的模型，而目前這方面的運用還比較少，由于實踐不夠，迭代還較淺顯，未來隨著應用的增多，模型將得到進一步優化。

參考文獻：

[1] 周逸文. 大數據技術在金融行業的應用探究[J]. 現代工業經濟和信息化， 2015（10）： 79-80.

[2] 沙莎. 大數據在金融行業的應用[J]. 中國金融電腦， 2014（6）： 34.

[3] 樊耀東，張媛伊，王菲菲. 電信運營商大數據對外應用案例分析[J]. 移動通信， 2015（17）： 55-58.

[4] 丘小紅，何玉瑩，高秀銀. 電信運營商大數據應用淺析[J]. 廣西通信技術， 2015（2）： 11-15.

[5] 余飛. 電信運營商大數據應用典型案例分析[J]. 信息通信技術， 2014（6）： 63-69.

[6] 鄭雪菲. 國外電信運營商大數據應用及啟示[J]. 移動通信， 2015（13）： 29-33.

[7] 李偉岸. 大數據及其商業價值初探[J]. 中國新技術新產品， 2015（9）： 188.

[8] 李玉章. 電信運營商大數據發展研究[J]. 互聯網天地， 2015（4）.

[9] 張力平. 電信運營商急需玩轉大數據[J]. 電信快報， 2013（11）： 48.

[10] 左超，耿慶鵬，劉旭峰. 基于大數據的電信業務發展策略研究[J]. 郵電設計技術， 2013（10）： 1-4.

[11] 宋杰. 挖掘數據信息商業潛力西班牙電信和Verizon成立大數據部門[J]. 通信世界， 2012（43）： 20.

[12] 程慧. 運營商挖掘大數據價值的7種模式[J]. 中國電信業， 2013（2）： 34-35.

[13] 趙非，孫森森，陳偉. 電子政務助力黨政機關內控與反腐的思考[J]. 通信企業管理， 2013（5）： 78-80.

[14] 任廣見. 基于“大數據”的商業模式創新及啟示[J]. 現代商貿工業， 2013（20）： 171-172.

[15] 曹方. 大數據商業模式與決策的時代變革[J]. 上海信息化， 2013（9）. ★