移动运营商的大数据发展策略研究

２２２移动运营商的大数据发展策略研究陈淑梅（中国移动湖北公司发展战略部，湖北武汉430000）摘要：当前移动运营商面临着传统话音业务和数据业务增长乏力，随着大数据和云计算的到来，移动运营商需要未雨绸缪，发挥自身优势，积极探索在大数据的应用与实践。

文章从大数据的特征与商业价值入手，分析了大数据时代移动运营商面临的机遇与挑战，给出移动运营商大数据发展策略。

关键词：大数据；优势；挑战；发展策略中图分类号：F626文献标识码：A 文章编号：1673-1131（2014）06-0222-021大数据的特征及其商业价值大数据的挖掘与应用可创造出远超万亿美金的价值，将是未来十年IT 领域最大的市场机遇之一。

大数据的挖掘与应用可大幅提升企业运行效率和效力，大幅提升生产力，其作用堪称有一次工业革命。

IDC 发布的报告显示，全球在2012年产生的数据量约为2.8ZB ，并以大约每两年翻一番的速度增长，预计2020年全球将产生40ZB 的数据量。

这意味着我们正进入大数据时代。

1.1大数据特征大数据具有4V 特征，也就是数据量大（V olume ）、数据种类多样（Variety ）、要求实时性强（Velocity ），对它关注也是因为它蕴藏的商业价值大（Value ）。

体量（V olume ）意味着海量的数据，存储量大，对传统的数据存储技术提出了新的挑战。

多样（Variety ）指数据类型繁多，来源等更加多样化，处理难度更高。

速度（Velocity ）指数据必须实时处理，这是区别大数据引用和传统数据仓库技术的关键差别，价值（Value ）是处理数据的目标、从各种形式呈现的复杂数据中挖掘有价值的东西，因此，大数据之“大”除了指“数量大”以外，更在于其“价值大”。

1.2大数据与云计算既然大数据有着数据量大、种类多，实时性要求高，就需要相应的技术手段来处理，才能真正体现大数据的价值。

这里就得提一下云计算，云计算也是最近一段时间各大运营观众和应用的新技术，可以说大数据与云计算是两个相互关联的概念：如果说大数据是一个问题，那么云计算就是一个解决这个问题的方法。

云计算带来的是IT 的转型，而大数据带来的是业务的转型。

通过云计算对大数据进行分析、预测，会使得决策更为精准，释放出更多大数据的隐藏价值。

1.3大数据的商业价值大数据的应用将为提高生产率、增加销售额带来巨大的机会。

美国德克萨斯大学的一项研究显示，如果电信业的大数据利用率提高10%，生产效率将会提升17%，销售额将增加96亿美元。

另一方面，大数据预测分析能够帮助运营商了解用户的行为，从而制定相应的策略。

例如，运营商通过对网络和用户数据的深入分析，发现某个用户在一段时间内网络状况不佳，便可以通过赠送话费等方式留住这个用户，从而降低客户流失率，避免收入的减少。

下面给出高质量数据应用可显著提升企业商业的表现：数据可用性提高10%，各行业员工销售额提升百分比统计（数据来源：sybase ）。

高质量数据主要包括数据挖掘质量、可用性、智能型、远程访问和支持移动销售。

2移动运营商在大数据时代的优势与挑战2.1大数据时代的优势在大数据时代中，相比互联网公司而言，电信运营商在数据拥有量和拥有数据的完整度和可用性的角度来说，要远远优于互联网公司。

移动运营商发展大数据具有其他行业或其他运营商无可比拟的优势，主要体现在：一、移动运营商用户高达近7亿，数以亿计的通信用户基数保证了数据的海量和多元性。

二、数据提供的可持续性。

通信网络的时时存在为数据的持续和速度提供了保证。

三、运营商对数据可以有效利用。

运营商可以通过对海量数据的有效分析，更加精准、更加高效地把握用户需求，为广大用户和社会各界提供他们需要的产品和服务。

移动运营商在三家运营商中大数据优势最明显，因为移动运营商承载了最多的用户数据。

移动运营商有着庞大的经营分析系统，并且移动业务支撑系统、IDC 中心主要依赖云技术，并开发了“兴业云”、“教育云”的系列应用。

移动运营商在多年的运营中，已进行数据挖掘等的应用，在存量客户保有、数据流量经营以及网管等方面，正积极部署和尝试大数据应用。

2.2移动运营商在大数据时代的面临的挑战第一，系统分专业建设、数据采集散乱，难以实现资源共享。

存在于传统网络中,端对端的业务将穿越智能域和传统SDH 域。

整个传输网结构为MESH 网与自愈环并存的方式。

同一厂家的ASON 子域和传统SDH 网络可通过高层的网管系统实现统一管理、统一调度，不同厂家的网域无法统一管理。

同一厂家的传统设备子网与ASON 设备子网的网管统一纳入上一层的网络级网管,做到业务的统一调度并不困难,但这与通过智能代理达到全网智能（业务动态连接）并不是同一个概念。

这时的传统设备子网中的业务仍将是半永久连接的方式。

随着ASON 技术标准的完善，设备商用化程度提高、价格降低，区间形传输业务增加，低层传输网络向格型网或网状网演变，ASON 设备成为建设的主流，网络规模不断扩大,从骨干层向汇聚接入层延伸,最终全网将统一成为ASON,不同子网间由跨厂家统一的E-NNI 接口互通。

考虑到目前ASON 设备具有较大的交叉处理能力，组网节点一般在50个左右，在省内长途传输网引入ASON 时，可考虑在业务重点地市核心层设置数个ASON 节点，满足业务发展需求。

经营分析、信令监测、综合网络管理、不良信息监测、上网日志留存等大数据系统分专业建设，虽拥有海量数据来源，但汇聚还有一定困难。

第二，数据处理种类多，数据分析能力不足，专业人员有限。

各大数据系统数据模型不统一，只具备结构化数据处理能力，无法支持非结构化、半结构化数据处理，无法满足互联网类业务发展要求。

同时，具备大数据深度挖掘的技术人员有限，并且分布在业务支撑、网络管理等各专业口，没有进行整合。

第三，如何避免隐私泄露问题未能解决，大数据运营有风险。

人们对于隐私问题越来越重视，数据公司掌握大量数据和数据制造者要求隐私权之间的矛盾，使得大数据使用变得困难。

第四，尚未确立商业运营模式。

运营商掌握的数据很多，但是这些数据应该怎样应用，给谁用，应用收益是否可以抵消数据开发分析的成本。

目前，移动运营商现有分析系统仅对内部提供服务，缺乏对外数据开放平台，大量数据未能有效进行商业利用。

3国内外电信运营商开展大数据服务的情况3.1国外运营商在大数据方面发展情况日本最大的移动通信运营商NTT docomo2010年以前就开始着手大数据运用的规划。

除了搜集用户本身的年龄、性别、住址等信息外，要求用户办理业务填写更详细信息，docomo相对国内运营商还有一个很大的优势即全国统一的数据收集、整合形式，因此可以很轻易拿到全国的系统数据。

德国——主流运营商德国电信和V odafone在利用大数据为自身业务服务之余，已向商业模式跨出了一步。

主要尝试是通过开放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。

法国——法国电信在发掘大数据目前已在移动业务部门和公共服务领域进行了探索和尝试。

在移动业务部门，已在借助大数据改善服务水平，提升用户体验。

法国电信目前开展了针对用户消费数据的分析评估，以帮助法国电信改善服务质量。

美国——去年10月初，美国V erizon 成立了精准营销部门，该部门提供三方面的服务，首先是精准营销洞察，提供商业数据分析服务；其次是精准营销，提供广告投放支撑；最后是移动商务，该项服务主要针对商场、球场等特定的公开场所，搜集手机用户的背景信息，为第三方所用。

在美国此前的超级碗和NBA比赛中，V erizon针对观众的来源地进行了精确数据分析，球队得以了解观众对赞助商的喜好等。

3.2国内运营商在大数据方面发展情况对于国内三大运营商而言，对于大数据的发展思路也不尽相同，但总体来说均在积极推进中。

中国移动一直致力于转型发展，通过开放合作实现从“移动通信专家”到“移动信息专家”的转变，同时各省积极实施从话音业务向流量业务转型，从以往关注流量业务向关注大数据、云计算的转型中。

移动运营商IDC平台和经分系统都采取了云平台，为将来在大数据应用和服务市场做了充分准备。

就湖北公司而言，已在全公司开展“IOU”活动，主要是借鉴互联网企业的创新实践，员工自发组建灵活的跨部门、跨单位的虚拟研究团队，开展大数据应用的课题研究，目前包括存量保有、流量经营、客户投诉、网络优化及TD网规划等一百三十余个课题小组在研发中。

中国联通对大数据的探索源自于2010年中国联通数据大集中策略的提出。

2012年底，中国联通就已经成功将大数据和Hadoop技术引入到移动通信用户上网记录集中查询与分析支撑系统。

当前，中国联通已经新增100亿投资重庆大数据计划，显现了其发展大数据，转型自身业务的决心。

中国电信的“智慧城市”发展战略中，其中很重要的技术结合点就是物联网和大数据。

基于以上战略，中国电信定位成为智能管道的主导者，结合大数据技术，中国电信也将深入IDC服务以及智慧城市建设，并发掘移动互联与之结合的商机，重塑转型之路。

总体来看，运营商利用大数据来推动业务转型将是未来电信市场的一个重要方向。

电信运营商如果能够通过技术的进步，不断释放其管道中庞大数据的潜在力量，将会成为未来移动互联时代中最大的赢家。

所以，电信业也势必将大部分的投资转向大数据应用市场。

根据赛迪顾问分析预测，未来三年，中国电信业大数据应用市场将保持快速增长势头，增长水平高于大数据整体市场增速，到2015年，电信业大数据应用市场规模预计将达到25.3亿元。

4移动运营商发展大数据的可能策略移动运营商发展大数据的建议：基于隐私需要以及自身网络建设和用户发展能力考虑，优先在企业内部开展大数据的挖掘，用于市场精确营销、服务，指导网络优化与建设的内部运营以及合作业务的数据信息支撑，在内部应用不断丰富成熟以后，逐步向社会各界拓展，形成新的业务模式与应用。

4.1利用大数据支撑内部运营是移动运营商大数据应用的首要选择大数据对于提高移动运营商内部运营水平，实现低成本高效率运营具有重大意义。

（1）利用大数据开展市场营销及服务工作。

应用大数据，对重入网用户行为分析。

连续数月将新增用户与近期在网用户进行IMEI匹配、消费结构分布、通话交际圈相似性等跟踪分析，将会发现每月用户重入网用户的情况。

通过进一步数据分析并结合外呼，很容易找到用户重入网的原因及时间分布，所以通过数据挖掘发现的问题，可采取针对性的资费设计，做好新用户和存量用户营销政策的区隔。

（2）通过大数据分析，减低网络投诉。

通过定位用户投诉位置，关联网络运行情况及网络质量，快速呈现网络问题。

实时定位用户投诉点GIS位置，关联投诉点网络运行状况（包括覆盖、干扰、故障、参数等问题）；建立网络运行异常变化预警，快速定位异常原因、位置，及时处理预防大面用户投诉。