數字化轉型的重點：向智慧型管理模式轉變

文/袁棠棣 中國電信昆明分公司 李曉剛 云南省高校數據化運營管理工程中心

精細化管理理念在電信企業已被提出和推行了近20年，這一管理理念力求通過創新管理制度，優化企業經營模式，提升企業價值，實現企業利潤最大化。

在通信運營商數字化轉型背景下，通過大數據技術對市場行為進行精準分析，以此指導網絡資源配置、預測客戶潛在需求、適時調整經營策略，是實現企業價值與客戶價值同步增長的有效途徑。

組織模式中暴露出的問題

電信運營商的生產組織主要采用預算管理模式，年初制定企業收入預算，根據CAPEX、OPEX占比確定固定資產投資額度和營銷成本費用，額度一旦確定便成為全年各類項目支出的依據。

在通信資源相對短缺時期，只要有網絡規模增長就能帶動市場規模增長，投資與成本的管理決策相對粗放一些。隨著通信市場逐步飽和，運營商提供給市場的通信產品缺乏差異化競爭優勢，電信企業為提升價值大幅壓縮CAPEX、OPEX占比時，傳統預算模式存在的問題和矛盾就突顯出來。這些問題主要集中在以下方面：

網絡建設以技術驅動，缺乏市場輸入。電信有面向銷售的前端部門和面向網絡建設與維護的后端部門，部門之間的職責相對清晰。網絡建設部門習慣于根據自身經驗與技術趨勢來確定網絡投資類型和區域，往往缺乏市場需求的指導，具有一定的主觀性和盲目性，其結果是有市場需求的區域沒有網絡覆蓋，而有網絡覆蓋的區域市場空間又沒有想象中的發展規模，導致網絡利用率不夠充分。

營銷策略依靠傳統路徑，缺乏深度分析。電信提倡“千人千面”的營銷策略，但是在面對一個客戶群體制定營銷產品時，營銷團隊往往憑借個人經驗，參考相似產品的營銷策略。

產品定價依靠價格競爭，缺乏效益意識。電信所提供的無論是話音產品還是流量產品都需要網絡投資與維護，存在相應的剛性成本，然而前端在產品定價時往往忽略了成本計算，缺乏對產品銷售利潤、投資回報周期等評估指標的綜合考量。

大數據在電信企業的應用現狀

大數據（big data）是指無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合。大數據具有四個特征（4V特征），分別是海量的數據規模（Volume）、快速的數據流轉和動態的數據體系（Velocity）、多樣的數據類型（Variety）、巨大的數據價值（Value）。

當前，三大運營商公布的移動用戶總和突破16億戶，我國電信運營商在用戶大數據收集方面具有強大的規模優勢，在具體的大數據應用方面，已呈現以下特色：

數據平臺能力及數據類型。目前，Y省電信大數據平臺經過幾年的建設，已經形成了一定規模，建成了以hadoop+GP數據庫模式的大數據平臺，數據采集范圍包括B（營銷）域、O（網絡）域、M（管理）域近150個數據源，數據采集容量2-5PB。

這些海量數據既有用戶基本特征的靜態數據，又有用戶通話、實時位置、上網行為等動態數據，既有結構化數據又有非結構化數據，這些實時可靠的用戶、業務信息及數據具有很高的價值，為運營商大數據的應用奠定了堅實的基礎。按類型分類如圖3-1。

圖3-1 電信大數據類型

大數據的應用現狀。當前，電信大數據技術主要應用于存量用戶經營。此類通過對BMO采集的數據進行分類、組合，還可挖掘出更多新的信息，這些信息便是用戶的標簽，標簽的組合形成用戶畫像，把用戶畫像與營銷政策相結合，便可覆蓋用戶流失預測、用戶增值包潛在需求預測、用戶套餐遷改預測，把這些預測數據下派一線客戶經理開展針對性的營銷活動，可以提升一線營銷成功率。

智慧型管理是發展方向之一

電信擁有突出的數據優勢，但是在電信企業的應用也存在一定的局限性。通過用戶數據分析，優化管理模式，以數據驅動資源投放，推動企業從計劃型管理的模式向動態彈性的智慧型管理模式轉變將是一個重要發展方向。

大數據在網絡建設中的應用。電信有線和無線接入網的覆蓋建設與用戶密度緊密相關，為避免投資的盲目性，可從現有的B、O、M數據基礎上，從用戶分布、用戶價值、競爭策略、網絡能力、資源占用和能力造價等多維度建模分析，計算單位用戶的網絡造價。利用BSS系統中的待裝用戶數驅動接入網絡建設，從移動用戶位置信息、用戶終端類型驅動無線網絡基站站型的選擇，從而可分析投資建設的必要性，以數據驅動網絡建設，滿足業務發展需要和價值提升目標。

確定網絡建設方案前應充分挖掘用戶流量數據，深入掌握客戶的需求和行為偏好，為客戶提供最佳的網絡產品，使客戶與各種類型的業務匹配更加精準。

數據驅動的網絡建設必須基于體系化、迭代優化的思想，模型必須綜合考慮各專業間的協同關系，以及網絡建設與市場策略、發展空間、投資收益間的關系，并持續通過數據的不斷糾偏完善及精準輸入，實現模型的不斷優化。數據驅動網絡建設流程示意圖如圖4-1所示。

圖4-1 網絡建設流程示意圖

大數據在毛利分析及控制中的應用。成本對于企業來說是至關重要的，通過大數據挖掘，建立一系列業務毛利模型，是實現對資源的監控和動態調控的有效途徑。業務毛利模型可通過建模、數據關聯、系統加載和流程嵌入等環節入手，逐步形成價值閉環管理，其應用可以有以下幾種場景：

毛利預估模型。在銷售品上架、渠道建設之前通過大數據平臺推送相關成本使用和效益情況，為決策提供數據參考，為后續毛利跟蹤提供參照標準。

毛利跟蹤評價模型。通過大數據采集，跟蹤實時收入、成本和效益數據，向經營者提供毛利數據參考，支撐其診斷運營問題、提高經營效益。

毛利預警模型。以大數據平臺為基礎加載毛利模型，根據業務部門的毛利預警閾值，對低效營銷實時預警，及時糾正營銷策略，針對異常數據向數據使用者派單。

大數據開展毛利模型的應用，應確定所有數據的取數源、取數頻率、取數時間點，搭建價值管理的數據平臺，通過平臺完成數據的自動提取與加工，向數據使用者推送毛利信息，針對異常數據向數據使用者發出派單預警，從而實現數據在管理中的閉環。

大數據技術應用的要點

大數據的應用與建設是未來電信提升價值的要點，也是數字化轉型的重點之一，大數據運營成功的關鍵是必須把握好以下幾個要點：

建立依靠數據做決策的文化。避免單靠經驗的決策方式，大數據模型只有不斷使用，不斷優化，對決策指導的精準度才能不斷提高，其價值也更加顯性。

重視大數據平臺的建設。數據平臺的建設要求大算力、大存儲，大投資。電信企業應把大數據基礎設施與應用的建設納入常規投資，切實提升數據處理效率，提高自身競爭力。

重視數據質量。基礎數據的質量將直接影響大數據輸出結果的準確性，過去由于不重視數據基礎管理，數據存在重復收集與重復儲存現象，不同平臺的數據沒有統一口徑，不同系統中相同名稱的數據表述不一致，導致應用數據不具備準確性和及時性、數據質量低下，數據缺失、不完整等問題，這種情況必須得到改變。

重視人才培養。電信不斷提出ABCI人才培養，大數據的挖掘與運用同樣需要培養一批懂業務、懂電信通信技術、了解電信管理的“復合型”人才。“復合型”人才培養既要有計劃，又要有耐心，只有為人才提供成長的空間和時間，才能為電信的數據架構工作奠定堅實的基礎。商