运营商的大数据变现实践v6.0
大数据与运营商变革_王志军
业务运营
运营商
网络运营要素 覆盖：广域、深度 技术领先：速度 用户规模 盈利模式 仍是电信运营商的优势领域
网络运营
中国联合网络通信有限公司
2
移动互联网的快速发展给运营商带来挑战
业务的吸引力发生转移：移动互联网对运营商业务产生冲击
业务被分流
移动互联网OTT分流运营商传统业务 语音：Viber、Line2、Skype、微信 电话本 短彩信：微信、iMessage、米聊、 KIK 视频通话：FaceTime 创新型业务层出不穷 创意能力和孵化周期都远超前于 电信增值业务 同质业务更加吸引用户 内容更加新颖，如互联网视频业 务的访问量远高于运营商
22
上网记录详单，实现透明消费
移动互联网流量消费争议跃升用户通信服务投诉首位！
数据流量消费远不如语音消费清晰透明：流量看不见，摸不着
告诉我，我去 了哪儿？给我 流量详单！ 用户 一些用户对3G业务流量产生及计费方式不了 解，主观认为自己未使用或使用较少数据流量， 某iPhone合约计划用户，在凌晨零点到4点之间手 3G客户数据流量问题争议占3G业 由此引发的 在其得知因受计量设备限制无法向其提供数据流量 务投诉达 7-10%，个别省分比例高达 去向后，以涉嫌欺诈消费者为由向法院提起诉讼
基于大数据平台的应用 IDC/EDC 数据
网络
数据
数据
终端/终端侧应用
中国联合网络通信有限公司
19
主要内容
1
这是一个变革的时代 运营商中的数据 大数据助力运营商转型发展
2
3
4
小结
中国联合网络通信有限公司
20
大数据是运营商转型变革的重要抓手
试析移动互联网时代下电信运营商的竞争优势
试析移动互联网时代下电信运营商的竞争优势摘要：移动互联网作为一种新兴产业，是伴随着移动通讯、互联网产业的发展而产生的，具有互联网产业的所有特性，同时因为其方便，使得移动互联网具有了更大的生命力。
5G的普及，使得移动的带宽得到了很大的提高，用户对移动的需求也在不断增加。
与此同时，作为新兴科技产业的移动网络，政府的大力扶持，必将为移动产业的发展提供有力的保证与支撑。
关键词：电信；优势；运营商；互联网；竞争提高网络环境，保障移动上网的开展；丰富多样的上网接口，让使用者能够充分、快速地感受到移动上网的方便。
随着移动网络市场的迅速扩大，各个行业纷纷涌入，努力寻找新的发展道路。
无论是新兴公司，还是传统公司，都为这个行业带来了巨大的生机。
移动网络为商务提供了更快捷、更有效的服务。
互联网的发展离不开实体，而移动网络能够很好地满足人们对现代生活的需要。
我们要积极推动移动网络产业的健康发展，把移动产业作为未来网络服务的重要产业。
移动网络产业已成为时代潮流的宠儿，其迅猛的发展与无限的潜能正在显现，而作为其中一个重要环节的电信运营商，是否能够把握住这个机会，共享这块巨大的市场份额，成为其持续强大的竞争优势。
一、电信运营商的优势1.快速稳定的移动网络在当今的移动互联网时代，5G的传输速率可以达到1000 Mbps，这不仅意味着传输速度的提高，同时也会对整个行业造成巨大的冲击。
高速的速度无疑会给使用者带来更好的体验，快速、稳定的移动通讯网络保证了移动互联网的发展，同时也为电信运营商带来了无可取代的优势。
2.海量的数据支持电信运营商所提供的网络是用户在进行移动业务时必须要经过的一条路径，用户的身份、位置、偏好、行为等各个方面的信息都是由运营商来完成的。
通过对数据的分析，为不同的用户提供差异化的服务，从而更好的为客户服务。
提高用户体验的目标就是要保持他们的用户并鼓励他们进行更多的消费。
3.已建立的费用模型公司的收益是由顾客为商品或服务支付的。
联通容器化大数据云平台技术实践
技术生态支持
CNCF组织，由Google公司牵头组织
主要由Mesosphere公司贡献
技术实现
开源产品种类繁多，实现难度低，成熟度较高
原生框架实现难度高编排Docker需要Marathon实现调度功能
通过研究、探索和实践，我们发现Kubernetes+Docker的技术路线更契合联通的实际需求。它几乎支持了所有的容器业务类型，包含长期伺服型（long-running）、批处理型（batch）、节点后台 支撑型（node-daemon）和有状态应用型（stateful application），也正是因为这个特点，k8s能够支持当前 大多数常见的大数据处理场景，如分布式数据存储（HDFS、Hbase）、离线分析（hive/Spark）、实时处理（Sparkstreaming）、数据挖掘（SparkMLlib），及深度学习框架（Tensorflow）等。
大数据的目标是充分挖 掘海量数据中的信息， 以发现数据中的价值云计算的目标是通过资 源共享的方式更好地调 用、扩展和管理计算和 存储等方面的资源和能 力，以提高资源利用率， 降低企业的IT成本云计算可以为大数据平 台的计算和存储提供资 源层的灵活性大数据组件部署到云平 台上，作为通用PaaS能 力，为用户带来使用上 的便利和高效
实时计算
构建一站式数据仓库服务，提供数据 整合、加工、分析等全套数仓构建服 务，帮助打造数据核心。包括HDFS、 Hive、Spark等组件。
数据仓库
数据挖掘开发平台，可进行机器学习 和AI应用的开发和训练，支持对各类 数据实现高度智能化的处理。包括 Tensorflow、MxNet等组件。
数据挖掘
1.1 大数据与云计算的发展历程
运营商数据要素授权运营平台构建研究及实践
运营商数据要素授权运营平台构建研究及实践葛思凡 韩简阳 杜春香 王俊陶(中国移动通信集团设计院有限公司,北京100080)摘要:数据要素授权运营在推动数字经济发展中起着重要的作用,然而在落实过程中却充满了难度和挑战㊂从运营商的视角出发,分析数据要素授权运营中的痛点与需求;在保护个人信息安全与数据权益的前提下,探讨基于隐私计算㊁区块链技术的运营商数据要素有效授权机制,促进企业数据价值的深入开发和释放,推动社会各界对企业数据价值的最大化利用㊂关键词:数据要素授权运营;平台构建;技术应用中图分类号:TP311.13文献标志码:A引用格式:葛思凡,韩简阳,杜春香,等.运营商数据要素授权运营平台构建研究及实践[J].信息通信技术与政策,2024,50(4):85-90.DOI:10.12267/j.issn.2096-5931.2024.04.0120㊀引言大数据推进多年,开放数据规模达百亿级,已成为社会发展的重要生产因素,跨部门㊁跨层级的海量数据逐渐形成庞大的数据集合体,但数据的价值还未得到充分发挥㊂我国相继出台数据授权运营办法㊁实施方案和实施细则等相关文件,公共数据授权运营理论基础逐步形成且具备实践基础,数据要素授权运营的加速夯实有望助力突破数据开发利用瓶颈[1]㊂‘中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见“(国发 2023 1号)要求推动建立企业数据确权授权机制,激发企业数据授权应用的创新活力,彰显国有企业在数据利用方面的引领作用,可见企业数据授权运营正逐渐成为核心要素,其重要性在快速升级㊂企业数据蕴藏着巨大的经济和社会价值,通过企业数据的开发和利用,一方面为企业的持续繁荣贡献力量,另一方面也是数字经济发展的必然要求㊂为促进产业结构优化,促进数字经济高质量发展,在国家政策法规的基准上,有必要加快解决企业数据开发利用中的瓶颈问题㊂1㊀运营商数据要素授权运营机制当前,企业数据要素授权运营尚处于初步的探索和实践阶段㊂企业数据要素授权运营是数据领域中亟待发展又亟需规范的关键内容:一方面,企业数据要素授权运营是大量高价值㊁高敏感的企业数据开发利用的核心途径,是亟待开启创新发展的新布局;另一方面,当前企业数据要素授权运营尚未形成统一的机制,规范性与正当性仍存疑,既没有国家政策法规为依据,也没有大量体系化的经验可供参考,流程中可能存在安全㊁合规等问题[1]㊂因此,明确建立企业数据要素授权运行机制至关重要㊂本文 从0到1 逐步构建运营商数据要素授权运营体系:建立运营商数据要素授权运营相关制度规范和工作机制,规范运营商数据要素授权运营行为㊂在确保授权主体明晰的前提下,建设运营商数据要素授权制度机制㊁设计数据实时操作路径㊁推进运营平台的建设,打造一个基于运营商主导的数据要素授权运营新体系㊂1.1㊀建设运营商数据要素授权制度机制运营商数据要素授权制度机制包含授权许可的明确㊁培训与指导的提供㊁监督与反馈的实施以及制度的持续改进等内容,旨在确保被授权方能够按照运营商数据要素授权制度要求规范执行,实现制度的有效落地和运营体系的稳健发展㊂运营商数据要素授权运营工作流程为:申请单位或个人向运营商数据运营主管部门提出具体的企业数据授权运营申请;运营商数据主管部门组织专家组审核,提交企业数据领导小组办公室认定;运营商数据主管部门与申请单位或个人签订企业数据要素授权运营协议;申请单位或个人对运营商数据资源直接使用或在数据开发与运营平台上进行深度加工,进而打造出面向市场的优质数据产品或数据服务㊂1.2㊀设计运营商数据要素授权运营模式本文创新延伸公共数据要素授权模式,结合运营商自身具备的发展特点,明确数据实施路径,制定了针对基于运营商的企业数据要素授权运营加工模式(见图1),具体内容如下㊂图1㊀运营商数据要素授权运营加工模式(1)数据生产方:运营商㊂按照数据生成方式的不同可将运营商数据划分为3种主要类型:一是运营商自行采集㊁记录客观现象所得到的数据;二是运营商在生产经营活动中,采集与用户的交互记录所得到的数据;三是运营商基于已产生的数据,在赋予数据全新价值过程中所得到的数据㊂(2)数据提供方:运营商或其他企业㊂赋予运营主体数据加工使用权和数据产品经营权㊂可对运营商数据进行处理㊁分析(对应数据加工使用权),形成产品并变现(对应数据产品经营权)㊂(3)数据需求方:通过使用数据产品以满足自身业务需求的主体㊂(4)数据监管方:政府和运营商㊂政府不断健全企业数据开发利用的监管体系,明确监管职责划分,落实各环节监管执行,实现流程监管;运营商需规划构建清晰㊁合理㊁完善的监管体系,将相应监管举措嵌入数据要素授权运营工作方案中,确保安全合规㊂数据要素授权运营模式依据不同数据使用方和需求方,由运营商数据部门将不同的数据资源授权给不同行业属性的运营主体,依据行业特点开展企业数据要素授权运营,从而获取一定的收益㊂1.3㊀搭建运营商数据要素授权运营平台以支撑企业数据要素授权运营为目标,依托隐私计算㊁区块链㊁边缘计算节点等技术,搭建一个基于运营商的数据要素授权运营平台,为运营商提供一个多方协同㊁安全可信的空间㊂1.3.1㊀数据要素授权的关键技术(1)隐私计算㊂隐私计算是重要的信息安全技术体系,在企业数据要素授权运营中扮演着关键角色,在实现数据隐私保护㊁数据价值挖掘㊁数据安全流通方面起到重要作用㊂通过采用密码学㊁分布式计算等技术手段,在数据流转和运用时确保其 可利用而难以窥探 ;利用数据加密及计算技术,为数据合法使用和运营提供坚实保障;通过采用多方安全计算㊁联邦学习等先进技术手段,使不同需求者之间能够安全地进行数据交换,确保运营商数据在传输过程中的安全性和可信度[2]㊂(2)区块链+星际文件系统㊂区块链技术可以为数据要素市场提供一种新的组织形式,促进数据要素的流通,从而解决数据授权运营面临的诸多挑战,助力实现数据要素授权㊁安全交易和管理追溯的综合服务能力㊂星际文件系统通过采用分布式数据分发机制,使得在边缘节点中存储的数据能够被他方轻松获取,不仅提升了数据传递的效率,还确保了数据传输的实时性㊂本文致力于将星际文件系统与区块链技术相融合,构建一种基于两者的文件存储和内容分发网络协议,旨在实现运营商与数据使用者之间数据文件直接传输,确保数据传输过程无需经过中间平台,进而有效保护隐私安全,防范数据泄露风险[3]㊂(3)边缘计算节点㊂通过将边缘计算节点与数据要素授权平台有机结合,构建一个高效且安全的数据处理和分析体系,在此体系中,边缘计算节点作为数据处理的前沿阵地,负责接收㊁存储和初步处理来自运营商的各种数据源的数据㊂通过利用边缘计算节点的强大计算能力和存储能力,具备对运营商数据的实时分析和处理,及时发现运营商数据中的异常和问题,并采取相应措施进行处理的能力㊂这种结合不仅可以提高运营商数据处理的效率和响应速度,同时确保运营商数据的安全性和隐私性,还可以为运营商数据要素的价值挖掘和利用提供有力支持,推动运营商数据驱动的业务发展和创新㊂1.3.2㊀基于运营商的数据要素授权运营平台建设运营商数据要素授权运营平台的建立可源自多方机构,包括但不限于政府部门㊁企事业单位及数据服务机构等,平台构建者将依据机构的职责范畴㊁资源储备㊁技术实力以及具体的业务需求等多方面因素来具体确定㊂本文的数据要素授权运营平台设想由运营商数据主管部门牵头建立,并满足以下功能需求㊂安全可控:确保数据全流程可审计㊁可溯源,系统实现网络隔离,以及开发与生产环境隔离,同时具备数据脱敏处理和数据出域审核等多项功能㊂标准规范:借鉴现有的公共数据平台标准规范框架,充分整合统一用户认证组件㊁数据开放网站以及用户授权服务等数据平台资源,实现平台能力的有效复用及创新㊂基础功能:致力于满足运营商的授权运营需求,不仅支持外部数据的集成,还具备分布式隐私计算能力,以确保能够充分满足运营商在数据加工方面的各项需求㊂运营商数据要素授权运营平台包括如下模块(见图2)㊂(1)在数据底座模块,包含平台底座与数据开发两大部分,重点构建5个方面能力:一是实现运营商数据的结构化实时归集与批量归集,确保海量数据的高效存储与标准化治理;二是针对不同行业场景,实现精细化的企业数据权限隔离与授权管理;三是提供运营商数据的实时检索与交互式查询功能;四是致力于数据融合治理开发,形成运营商数据商品,并对外提供专业服务;五是确保运营商数据商品上架交易以及自身数据商品的试用与交付㊂(2)在数据流通服务模块,运营商数据运用密文流通,有效保护运营商数据的机密性和安全性,即使数据在传输过程中被截获或窃取,攻击者也无法获取数据的真实内容㊂针对敏感的结构化运营商数据,采用密文形式对外提供数据服务,支持跨源查询㊁多方安全计算㊁可信硬件等应用,以确保数据在不同信任域间的流通符合安全隐私规范,从而保障运营商原始数据的 可用不可见 特性㊂对于非结构化的运营商数据,通过可信交换流通方式对外提供服务,需要运营商对数据的操作进行决策,限制数据在使用过程中的流动范围㊁使用时限等,确保原始数据主权可控㊂(3)在授权运营管理模块,构建运营商数据运营管理能力㊁数据授权管理能力㊁数据监管审查能力㊁数据流通交易能力等,服务于运营商在数据要素流通全生命周期的业务活动,包括运营商数据授权使用㊁数据图2㊀运营商数据要素授权运营平台架构资产开发㊁数据商品交易㊁数据商品使用等,保证运营商数据流通的过程安全㊁可控㊁可追溯㊂(4)在安全保障服务模块,设置大数据协同安全保障工作制度和标准规范㊂借助安全分级保护制度,确保运营商数据底座基础设施的等级划定与数据安全分级保护要求相契合㊂构建覆盖通信安全㊁网络安全㊁主机安全㊁数据安全㊁应用安全等不同层面的安防体系,旨在提供全面的安全服务(包括访问控制㊁权限管理㊁传输加密㊁存储加密㊁安全备份和数据审计等),实现对数据从产生㊁使用到销毁整个生命周期的全方位安全防护,确保数据的安全性和隐私性得到保障㊂(5)在运营运维服务模块,建立健全运营商各项运维制度,全面覆盖运营商数据要素授权运营的归集㊁数据资源的使用㊁数据商品的服务㊁交易与交付,以及应急事件的处理㊁数据安全等多个关键环节㊂这些制度的建立旨在确保日常运行维护工作的顺利进行,提升运营商数据流通的效率和安全性[4]㊂2㊀运营商数据要素授权运营场景应用依托运营商数据要素授权运营平台,以及隐私计算㊁区块链等技术,运营商可搭建可信数据空间,通过部署多个中心节点和计算节点,保障企业数据的合规授权与安全可信流通㊂通过深度加工和处理运营商数据,将其转化为模型构建㊁数据核验等多样化的数据产品和服务,进而实现商业价值的转化与提升[5]㊂在本场景应用中,运营商既是数据生产方也是数据提供方㊂数据需求方根据自身业务需求,向运营商数据要素授权运营平台发起数据产品或数据服务申请,经审批后进行备案㊂本场景应用中所需的运营商数据均来自运营商数据管理平台,为了确保数据的安全性和隐私性,数据将通过专用的连接器,以接入隐私计算节点的方式进入可信数据空间[6]㊂数据需求方在可信环境下接入隐私计算节点,并根据具体场景需求采用联邦建模㊁隐私求交等方式,使数据在不出域的前提下实现高效开发和利用㊂最终,这些数据将被转化为有价值的数据产品或服务,为数据需求方的业务提供有力的支持(见图3)㊂根据运营商数据流转链路图构建具体应用场景:用户行为智能营销(见图4)㊂通过在银行领域进行用户行为智能营销模型应用,使银行能够更有效地进行客户分析,进而实现业务的全面优化与升级㊂3㊀结束语本文从数据要素授权运营机制设计与技术应用两㊀㊀图3㊀运营商数据流转链路图4㊀用户行为智能营销模型个层面入手,初步探索了运营商数据要素授权路径㊂通过构建基于区块链和隐私计算技术的数据要素授权运营机制,旨在为运营商在数据要素授权运营工作中提供安全㊁高效的实施指南,带动并推动企业数据要素授权运营的发展,进而促进全行业数据要素市场的蓬勃发展㊂参考文献[1]张斯睿,闫树.数据要素市场建设的关键突破口:公共数据授权运营[J].信息通信技术与政策,2023,49 (4):22-26.[2]杨晶.数据要素市场创新融合区块链与隐私计算技术研究[J].中国科技产业,2023(4):68-70. [3]郭宏杰,杨辉,魏连,等.基于区块链的政务数据授权流通应用研究[J].信息安全研究,2021,7(11): 1090-1096.[4]华为技术有限公司,中国信息通信研究院云计算与大数据研究所.基于公共数据授权运营的数据流通建设白皮书[R],2023.[5]季姝,张金琳.基于区块链+隐私计算的数据要素跨域安全流通体系[J].网络安全技术与应用,2023(5): 65-67.[6]聂朝冬.区块链技术在数据要素市场化配置中的应用[J].数字技术与应用,2023,41(12):61-63.DOI: 10.19695/12-1369.2023.12.19.作者简介:葛思凡㊀中国移动通信集团设计院有限公司工程师,主要从事网络规划㊁数据治理㊁人工智能等方面的研究工作韩简阳㊀中国移动通信集团设计院有限公司工程师,主要从事数据治理㊁投资管理㊁人工智能等方面的研究工作杜春香㊀中国移动通信集团设计院有限公司专业副总师,高级工程师,主要从事研发规划及管理㊁投资管理㊁人工智能等方面的研究工作王俊陶㊀中国移动通信集团设计院有限公司高级工程师,主要从事网络规划㊁市场分析㊁渠道规划等方面的研究工作Research and practice on the construction of data elementauthorization operation platform for telecom operatorsGE Sifan,HAN Jianyang,DU Chunxiang,WANG Juntao(China Mobile Group Design Institute Co.,Ltd.,Beijing100080,China)Abstract:Data element authorization and operation play a pivotal role in promoting the development of the digital economy,yet the implementation process remains fraught with difficulties and challenges.From the perspective of telecom operators,this paper analyzes the pain points and needs in the authorization and operation of data elements.On the premise of protecting personal information security and data rights,this paper explores an effective authorization mechanism for operator data elements based on privacy computing and blockchain technology,promote the in-depth development and release of enterprise data value,and promote the maximization of the use of enterprise data value by all sectors of society.Keywords:authorized operation of data elements;platform construction;technology application(收稿日期:2024-03-13)。
新基建背景下社区数字化转型的实践
新基建背景下社区数字化转型的实践与研究康怀航1 张鑫1 刘立昌2(1.山东省莘县大数据中心,聊城252400;2.山东腾元大数据有限公司,东营257066)摘要:在新基建背景下,社区数字化转型既是趋势也是必然,面临着诸多机遇和挑战㊂结合近年来的智慧社区建设实践,总结出推进社区数字化转型的有效措施和途径,形成系统的方法论,在提高社区治理水平㊁优化公共服务㊁促进便民惠民等方面发挥着重要作用㊂随着新基建的持续投入,社区数字化正在加快向建设集约㊁服务精细㊁运营高效趋势发展,逐步走出一条市场化㊁可持续的发展之路㊂关键词:智慧社区;基层治理;物业服务;便民系统;应用场景中图分类号:F49㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀文献标志码:A引用格式:康怀航,张鑫,刘立昌.新基建背景下社区数字化转型的实践与研究[J].信息通信技术与政策,2022,48(12):41-44.DOI:10.12267/j.issn.2096-5931.2022.12.0060㊀引言社区是聚居在一定地域范围内的人们所组成的社会生活共同体,是城市空间的基本单元㊂近年来,国家大数据发展战略㊁网络强国㊁数字中国等战略的实施,数字政府㊁数字社会㊁数字经济和数字基建加快发展,新型基础设施日益完善,为社区数字化转型提供了有力支撑㊂社区作为新型智慧城市建设的重要组成部分,正在加速数字化转型,这既是时代发展的趋势,也是我国社会发展的必然㊂1㊀社区数字化的提出1.1㊀社区数字化由来已久社区数字化的提出源于西方,1992年,国际通讯中心正式提出 智慧社区 建设口号㊂2000年后,我国开始参与世界智慧社区评选活动㊂2014年,住房和城乡建设部发布‘智慧社区建设指南(试行)“,指导各地开展智慧社区建设㊂2016年,国务院印发‘ 十三五 国家信息化规划“,号召建立网上社区居委会,发展线上线下结合的社区服务模式㊂2022年2月,国务院印发‘ 十四五 数字经济发展规划“,提出 加快既有住宅和社区设施数字化改造 ,数字社区建设再次受到关注㊂2022年6月,民政部等9部委印发‘关于深入推进智慧社区建设的意见“,明确部署智慧社区建设工作,助力城乡社区治理服务提质增效㊂1.2㊀社区数字化转型催生新变革社区数字化转型的目标,是将社区建设成为政务高效㊁服务便捷㊁生活智能㊁环境宜居的社区生活新业态,支撑智慧城市的建设[1]㊂数字化为社区转型提供了全新思路和方案,进一步丰富了社区治理的理论内涵和外延㊂新一代信息技术创新空前活跃,新型基础设施投入持续加大,催生出一系列新技术㊁新产品㊁新模式,社区信息服务体系不断完善,社区商业㊁社区治理线上线下融合加快推进,大幅度提升了社区生活便利化㊁商业数字化㊁治理智能化水平㊂社区通过数字网络构建更为广阔的应用服务场景,创新政务服务㊁公共服务提供方式,推动就业㊁健康㊁卫生㊁医疗等服务 零次跑 ;通过搭建数字平台聚合社区周边生活性服务业资源,建设便民惠民社区生活圈,更好地满足群众的多元化需求;通过APP㊁微信小程序开展在线信息收集和反馈,为社区居民提供安全㊁安心的 云上服务 ㊂疫情防控期间,利用数字化手段,开展健康监测㊁居民信息统计㊁人员车辆出入管理㊁信息发布㊁数据比对等,为精准疫情防控提供了强力支持㊂1.3㊀社区数字化转型面临挑战1.3.1㊀存在 信息孤岛 问题多年来,各社区都不同程度自行建设了数字化系统,开发了智能产品,积累了数据资源,由于社区之间缺乏信息交流和共享机制,没有统一的业务流程,跨设备数据传输和软件兼容困难,形成一个个独立的 信息孤岛 ㊂1.3.2㊀社区居民参与度不够居民群众是社区治理的重要主体,建设智慧社区必须让广大居民群众充分参与[2]㊂但是,有的社区虽然建设了高水平的数字系统,但由于前期沟通不够,或受思想认识㊁数字素养等因素影响,居民认可度低,不能充分参与,致使一些数字系统不能发挥应有作用㊂1.3.3㊀缺乏持续运营机制社区数字化建设普遍存在 重建设㊁轻运营 现象,政府投入多,企业参与少,运营力量不到位,致使一些数字系统和智能产品不能及时根据群众需求升级,有的甚至被闲置㊂2㊀社区数字化转型实践与探索民政部等9部委印发‘关于深入推进智慧社区建设的意见“,要求以县(市㊁区㊁旗)为单位,开展智慧社区建设试点工作,制定完善智慧社区建设标准㊁统计和评价指标体系等,及时总结推广成功经验和典型做法㊂山东省自2021年启动智慧社区(村居)试点建设,计划5年内建成5000个智慧社区(村居),其中2022年建设1542个智慧社区㊂莘县地处山东省西部,自2020年成功申报为山东省新型智慧城市建设试点以来,先行以皇行社区㊁尚都社区为试点,开展智慧社区建设,探索建立了 1+3+N 建设模式( 1 即全县智慧社区一张图, 3 即社区治理㊁物业服务㊁居民应用三大公用系统, N 即因地制宜建设若干智慧社区应用场景)㊂这种模式以人为本㊁集约高效,全面打通了智慧社区数据壁垒,在提高社区治理水平㊁优化公共服务㊁促进便民惠民等方面发挥着重要作用㊂2.1㊀打通壁垒,涵蓄社区 数据池社区数字化的核心是硬件互联㊁数据互通㊂通过实施数据畅联工程,搭建数据集成共享平台,联通条块数据系统,夯实社区数字化 底座 基础㊂2.1.1㊀建设数字中心 一网汇聚建设数字中心,按照 应整尽整㊁应享尽享 原则,整合汇聚视频监控㊁网格服务㊁政务信息㊁新媒体应用等系统资源,建设全县立体数据库,打造跨部门㊁多维度 数据池 ㊂2.1.2㊀联通平台系统 一网共享突出数据互通㊁资源共享,积极打破部门壁垒,数字中心先后联通网格化服务管理平台,采集社区网格人㊁地㊁物㊁事㊁组织等信息全部入库;对接 雪亮工程 监控平台,整合重点行业㊁重点领域视频资源,实现 一个平台看全县 ㊂2.1.3㊀严格数据应用 一网统管坚持开放㊁安全一体推进,严格规范政务数据应用管理,明确数据主管部门,设立 首席数据官 ,细化压实数据管理责任;加强政务数据资源管理,落实数据分级分类保护制度,做到数据来源清晰㊁流向合规㊁使用正当,系统构建数据归集㊁存储㊁共享㊁应用㊁销毁的全生命周期安全监控体系㊂2.2㊀共建共享,搭牢社区 主框架坚持系统集成㊁集约高效,立足社区治理㊁物业管理㊁群众办事等基本功能,依托聊城市 城市大脑 和县数字中心,统一搭建社区治理㊁物业服务㊁居民应用三大公用系统,由各社区共用,有效避免重复建设㊁资源浪费㊂2.2.1㊀社区治理 电子化聚焦社区精细管理㊁精准服务,开发设计社区治理系统,开设问卷调查㊁社区投票㊁公告通知㊁邻里纠纷受理等10个信息模块,社区治理由线下搬至线上,管理服务更加精准高效㊂自智慧社区试点运行以来,未发生重大火灾事故㊁越级上访事件,无因矛盾激化引起民转刑案件㊂2.2.2㊀物业服务 即时化突出物业线上服务㊁即时保障,开发设计物业服务系统,开设线上收费㊁报修受理㊁小区活动㊁公告通知㊁门禁管理㊁投诉建议等多个板块,物业服务实现由 跑腿办 向 线上办 的即时转变㊂2.2.3㊀居民应用 掌上化围绕社区高效便民㊁精准利民,开发设计微信小程序,同步接入 爱山东 APP,整合政务服务㊁公共服务等应用㊂居民通过微信小程序,掌上即可 一键 进行物业报修㊁证件办理㊁周边商圈互动㊁参与各类活动,基本民生诉求和生活需求实现 一屏直达 ㊂2.3㊀按需定制,拓展社区 场景库坚持 群众有所需㊁数据有所动 ,充分利用新一代信息技术,前瞻分析群众所需所盼,精准推出智慧应用场景,不断增强群众的智慧获得感和满意度㊂2.3.1㊀精准分析按需定制依托数字中心和三大公用系统数据,全面扫描社区人员特征和生活习惯,精准制定智慧社区场景应用菜单㊂定期组织部门㊁社区㊁物业㊁居民和大数据公司,开展社区应用场景推介活动,公开征集智慧场景建议㊂全县因地制宜精准打造了智慧教育㊁数字书屋㊁智慧医疗㊁老年关爱㊁高空抛物㊁智能停车等多个特色应用场景㊂2.3.2㊀联合会审提质增效为保证智慧应用场景质量,建立了数字化项目建设预审论证制度,形成应用场景联合会商预审体系㊂应用场景建设方案,由数字强县建设领导小组办公室组织业务部门㊁开发企业㊁社区群众开展会商论证,对业务流程㊁技术支撑㊁后续运营㊁费用预算等全面审核,确保应用场景建设精准匹配㊁高效节约㊂2.3.3㊀验收评估力保实效对社区数字化项目,严格实行 谁论证㊁谁验收 制度,建立项目预验收管理办法,构建社区场景开发应用闭环链条㊂应用场景开发完成后,由数字强县建设领导小组办公室组织相关单位㊁专业人员及居民代表,对应用场景进行匿名评分,评分通过后方可验收交付㊂2.4㊀多元投入,破解社区 资金难坚持外引内联并举,立足现有市场和资源,积极做好整合文章,引导各方面㊁多渠道㊁多元化参与智慧社区建设,建立起持续运营机制㊂2.4.1㊀市场运作社会撬动充分运用 互联网+ 思维,筛选智慧停车㊁智能充电桩㊁智能快递柜㊁新零售㊁周边商圈等一批可市场化运作的场景项目,面向社会开放数据资源市场,吸引各类社会资本参与项目投融资㊁建设和运营,共享开发利用成果㊂同时,加强与金融机构的合作,建设数银合作创新实验室㊂2.4.2㊀政府引导鼓励拉动坚持政策引导㊁规划先行,制定关于支持智慧社区建设的意见等政策文件,引导移动㊁电信㊁联通㊁广电㊁铁塔等运营商,积极参与雪亮工程㊁高空瞭望㊁安防小区㊁智慧广播等项目建设,超前布局网络㊁传感器㊁物联网平台等数字基础设施㊂2.4.3㊀争取政策助力推动抢抓国家布局新基建重大发展机遇,全面梳理智慧社区建设生态体系,主动谋划争取上级债券项目和试点资金支持㊂组建成立国有大数据平台公司,成功申报智慧社区试点19个㊁公共视频应用及数据应用节点试点4个㊂3㊀社区数字化发展展望智慧社区建设一般会经历从信息技术为辅,到管理理念与技术方案相结合,最终打造线上线下的社区空间,实现社区人机协同治理的三大阶段[3]㊂随着国家对新基建投入的持续加大,社区数字化支撑更加有力,未来社区的数字化建设将逐步向人机协同方向发展,建设更加集约,治理更加精细㊁运营更加高效㊂3.1㊀建设更加集约经过智慧社区试点建设,各地都积累了一定成熟经验,形成了标准化㊁轻量化㊁可复制㊁低成本的成熟模式和技术㊂未来社区数字化建设中,将会更多地借鉴成熟做法,集约建设平台系统,避免或少走弯路㊂推动社区公共服务㊁志愿服务㊁便民利民服务等社区服务信息资源集成,推动社区养老㊁社区家政㊁社区医疗㊁社区消防等安保服务和社区物业设备设施的智能化改造升级[4],善于使用APP或小程序配置㊁低代码配置㊁可视化配置㊁数据源连接㊁场景配置㊁物联配置等工具,实现降本增效㊂3.2㊀服务更加精细社区数字化建设最终目标是服务社区居民生活㊁服务社区精准治理㊂必然要求摸清社区人㊁房㊁钱㊁事等底数,推动物业管理规范化㊁精细化;通过大数据高效精准链接供给和需求,构建线上线下生活服务圈;基于真实可信人房关系,探索产权人授权管理㊁授权通行机制,建立高效动态协同管理机制,推动 以房管人㊁以人促事 ,实现社区治理精准化㊂3.3㊀运营更加高效智慧社区是新形势下社会管理创新的一种新模式,正在由 一个行业 转变成 一个产业集群 ,蕴含着大量财富㊂社区单独依靠政府主导运营变现难以实现,必须引入多元力量,采取市场化运作模式,形成社区复合经济生态,挖开社区经济金矿㊂社区数字化系统的运营,需要组建专业运营团队,及时根据发展需要进行优化升级或建设,保障数字系统运营持续㊁高效㊂4㊀结束语社区数字化转型是趋势也是必然,需要各方共同努力㊂随着各地实践经验的总结及各类政策文件的出台,社区数字化转型由混沌进入有序,又由有序逐步走向高效㊂要转变管理型㊁经营型㊁科学型的 设计本位 为自下而上的 生活本位 ,重新规划设计智慧社区[5],从群众需求出发,精心设计㊁集约建设,用心打造务实管用的数字平台系统和应用场景㊂要强化数字赋能,加快社区产业数字化㊁数字产业化,突出把社区商业打造成线上线下融合发展的全新商业模式,壮大社区数字经济㊂要坚持政府主导㊁多元参与,充分调动各方面参与社区数字化建设的积极性,多方投入,市场运营,保障社区数字化系统持续高效运营㊂参考文献[1]邹凯,向尚,张中青扬,等.智慧城市信息安全风险评估模型构建与实证研究[J].图书情报工作,2018(7): 19-24.[2]吴非,董实忠.新时代党建引领社区治理的实践经验与未来趋势[J].决策与信息,2021(6):35-43. [3]谌宗武.大数据时代 智慧社区 建设的现实问题及困境突破[J].现代商贸工业,2021,42(22):5-6.[4]中国行政体制改革研究会.数字政府建设[R],2021.[5]王迪.智慧社区发展的未来趋势:从设计本位到生活本位[J].福建论坛(人文社会科学版),2020(8): 92-102.作者简介:康怀航㊀山东省莘县大数据中心主任,主要从事新型智慧城市建设㊁智慧社区建设㊁数字农业以及大数据应用等方面的实践和研究工作张鑫㊀㊀山东省莘县大数据中心工程师,主要从事数字政府㊁数字基建㊁大数据创新应用方面的实践与研究刘立昌㊀山东腾元大数据有限公司技术架构师,主要从事智慧社区㊁数字农业方面的技术应用与实践Practice and research of community digital transformationunder the background of new infrastructureKANG Huaihang1,ZHANG Xin1,LIU Lichang2(1.Shenxian Data Center,Liaocheng252400,China2.Shandong Tengyuan Big Data Co.,Ltd.,Dongying257066,China)Abstract:Under the background of new infrastructure,the digital transformation of community is a natural and inevitable trend,which faces many opportunities and bined with the author s practice of smart community construction in recent years,this paper summarizes effective measures and approaches to promote the digital transformation of communities,and forms a systematic methodology,which plays an important role in improving the level of community governance,optimizing public services,and promoting convenience and benefits for the people. With the continuous investment in new infrastructure,community digitalization is speeding up to the trend of intensive construction,fine service,efficient operation,and is gradually stepping onto a market-oriented and sustainable development road.Keywords:smart community;grassroots governance;property service;convenience system;application scenario(收稿日期:2022-10-15)。
运营商数智化发展趋势与展望
经济观察E conom ic Observation运营商数智化发展趋势与展望Q撰文I张政赵旭宇数字经济背景下，我国企业面临消费者数字化需求不断增长的新局面。
大数据、云计算、物联网、人工智能等技术为企业提供了新的产品和服务供给形态，商业模式及运营范式在数智化时代已经悄然改变。
运营商作为基础信息服务的提供者及内 容增值业务的拓展者，同样面临通信行业需求结 构、产业形态以及技术形态的变化。
在降本增效高 质量发展的趋势下，运营商通过数智化发展，能够 更好地满足消费升级需求，协调产业链上下游共同 赋能通信行业。
数智化是数字化转型升级后的商业与技术 逻辑重构趋势数智化发展是数字化转型背景下对电信运营 商提出的新要求。
数智化不是数字化与智能化的简 单叠加，而是通过技术快速迭代、流程重构、组织 变革，进而实现用户需求驱动的商业创新及幵放协 同。
运营商数字化转型的起点在企业内部管理，转 型期的优化措施为数智化发展提供了数据业务化的 基础；数智化依托运营商数字化转型的展幵，目的 是赋能全链路能力。
以数字化转型为目标，运营商 经历了信息化、互联网化、数字化三个阶段。
作为 衔接升级，数智化的三个发展阶段分别为数字化、在线化及智能化。
目前运营商面对方兴未艾的数字 化转型浪潮，需要以数智化为契机，将企业管理同 用户需求相结合，实现研发体系、运营体系、组织 体系以及生态体系的完善布局。
传统运营商视角下的商业模式是将技术应用 作为一种辅助性行为，由技术的快速更新带动商业 的迭代发展。
随着社会经济形态变化带来的企业业务流程、运营边界的改变，技术在商业发展中的角 色也由支撑进化到赋能。
运营商的定位已不再局限 于通信服务本身，在面向智能信息服务及以用户为 中心的转型中，运营商一方面通过大数据、云、物 联网、区块链等技术不断优化和创新产品形态与服 务质量，另一方面，运营商为提升效率及业务敏 捷性，在B2B与B2C方面不断变革，力图推动智 能制造、智慧物流、无人驾驶、远程医疗等商业场 景的塑造。
大数据平台架构介绍
为什么选择这样的大数据平台架构？作者：傅一平当前BAT基本公开了其大数据平台架构，从网上也能查询到一些资料，关于大数据平台的各类技术介绍也不少，但在那个机制、那个环境、那个人才、那个薪酬体系下，对于传统企业，可借鉴的东西也是有限的。
技术最终为业务服务，没必要一定要追求先进性，各个企业应根据自己的实际情况去选择自己的技术路径。
与传统的更多从技术的角度来看待大数据平台架构的方式不同，笔者这次，更多的从业务的视角来谈谈关于大数据架构的理解，即更多的会问为什么要采用这个架构，到底能给业务带来多大价值，实践的最终结果是什么。
它不一定具有通用性，但从一定程度讲，这个架构可能比BAT的架构更适应大多数企业的情况，毕竟，大多数企业，数据没到那个份上，也不可能完全自研，商业和开源的结合可能更好一点，权当抛砖引玉。
大数据平台架构的层次划分没啥标准，以前笔者曾经做过大数据应用规划，也是非常纠结，因为应用的分类也是横纵交错，后来还是觉得体现一个“能用”原则，清晰且容易理解，能指导建设，这里将大数据平台划分为“五横一纵”。
具体见下图示例，这张图是比较经典的，也是妥协的结果，跟当前网上很多的大数据架构图都可以作一定的映射。
何谓五横，基本还是根据数据的流向自底向上划分五层，跟传统的数据仓库其实很类似，数据类的系统，概念上还是相通的，分别为数据采集层、数据处理层、数据分析层、数据访问层及应用层。
同时，大数据平台架构跟传统数据仓库有一个不同，就是同一层次，为了满足不同的场景，会采用更多的技术组件，体现百花齐放的特点，这是一个难点。
数据采集层：既包括传统的ETL离线采集、也有实时采集、互联网爬虫解析等等。
数据处理层：根据数据处理场景要求不同，可以划分为HADOOP、MPP、流处理等等。
数据分析层：主要包含了分析引擎，比如数据挖掘、机器学习、深度学习等。
数据访问层：主要是实现读写分离，将偏向应用的查询等能力与计算能力剥离，包括实时查询、多维查询、常规查询等应用场景。
电信运营商行业大数据应用考试试题及答案
电信运营商行业大数据应用考试试题及答案(总6页)--本页仅作为文档封面，使用时请直接删除即可----内页可以根据需求调整合适字体及大小--企业级大数据平台架构电信行业大数据应用案例分享互联网+行业大数据应用案例分享第一套题1、哪个选项不属于大数据4V特点（B ）A、VolumeB、ValidC、VarietyD、Value2、大数据的特点不包含（ B ）A、数据体量大B、价值密度高C、处理速度快D、数据不统一3、业界对大数据典型特征定义，一下哪像描述正确ABC4、Hadoop包括（ABC）A、Hadoop Distrbuted Filesystem（HDFS）B、HadoopMapReduceC、HbaseD、HadoopStreaming5、有关HDFS文件系统说法正确的是以下那些？（AD）A、HDFS本身是个高可用系统架构B、HDFS采取的是多NameNode、DataNode架构C、HDFS数据副本的数量越大越好D、HDFS NameNode分主备，主备不同时对外服务6、关于大数据的理念的描述，以下哪些不正确（BD）A、相关性比因果更重要B、要效率也要绝对精准C、大数据的核心价值是预测D、遵从隐私和法律并非大数据的风险7、HDFS文件系统适用于以下哪些场景（AC）A、将单文件分割成很多小块存储B、存储大量小文件C、流式数据读取D、实时数据读取8、对海量大数据管理可能面临的难题包括（ABCD）A、如何实现快速查找，提升检索效率；B、如何保证数据真实性，防止数据诈骗；C、如何实现PB级不同类型数据的存储；D、如何降低数据产生数量，节约存储资源。
9、大数据应用大大方便教育资源的管理，彻底改变教育模式，特别是在科研领域，面向数据密集型科研发现，将成为继三大范式之后的第四范式，此处提到的科学发展领域的三大范式是指（ABC）A、理论B、推演C、模拟D、计算第二套题1、运营商大数据主要遍布在一下哪些域（多选）（ ABC ）A、B域B、O域C、M域D、R域2、以下哪些是运营商大数据应用痛点（多选）（ABCD）A、价值呈现：大数据应用价值呈现和创新不足B、应用建设：周期长、门槛高、多冗余、体验差C、组织流程：应用跨部门，缺乏流程贯串和使能业务生产D、生态建设：无法有效构建和融入新的数字生态圈3、一下那个不是运营商大数据服务能力构建实录（B ）A、基于“客户画像理论”构建六大能力模型B、对外变现C、基于场景化设计，构建应用数据服务产品D、基于“三维矩阵”开展数据服务产品设计4、基于“客户画像理论”构建六大能力模型是源自以下哪个着作（C ）A、《犯罪心理》B、《原罪》C、《犯罪心理学（第七版）[Criminal behavior]》（美巴特尔等着）D、《精准营销》5、以下哪些属于“客户画像理论”构建六大能力模型之位置洞察（多选）（ABCD）A、常驻位置B、实时位置C、区域位置D、位置轨迹6、以下哪个不属于“客户画像理论”构建六大能力模型之行为预测（C ）A、套餐推荐指数B、宽带推荐指数C、视频偏好指数D、客户离网预测7、以下哪些属于“客户画像理论”构建六大能力模型之价值管理（ACD ）A、身份特质B、商品关注指数C、价值贡献D、来源去向8、以下哪个是网页财融合管理平台主要解决的问题（多选）（ ABCD ）A、促进财务和业务的精益化管理协同B、在整体上对收益、业务、网络建设等因素综合考虑，有序规划C、为基站选址及扩容、促销活动资源投入提供决策依据D、识别价值基站小区指导网络规划、保障；评估促销活动收益、优化营销资源合理投入9、以下哪种场景不是视频业务指标体系（C ）A、业务体验指数B、用户发展指数C、基尼指数D、内容运营指数10、哪种资源通常是集群的最主要瓶颈（C ）A、CPUB、网络C、磁盘IOD、内存11、运营商视频业务的发展目前出在以下哪个发展阶段（C ）A、核心体验B、融合产品C、智慧运营D、区块链运营12、以下哪些是大数据的4V特性（多选）（ACDE）A、VolumeB、ValidC、VelocityD、ValueE、Variety13、常用的数据结构类型是（多选）（ ABD ）A、结构化数据B、非结构数据C、无结构化数据D、半结构数据14、Spark架构的组件包括哪些（多选）（ABCD）A、Spark SQL在HDFS文件上可根据自定义方式进行文件与表的映射关系B、Spark Streaming准实时流计算框架，数据可以消费MQ、Kafka等C、Spark MLlib机器机器学习算法库，封装了主流的机器学习算法D、Spark GraphX进行基于图计算的服务支持15、以下哪些是视频大数据使能场景化智慧运营依托的标签知识库（多选）（ BC ）A、业务体验指数库B、用户标签库C、内容标签库D、内容运营库16、以下哪些是视频标签知识库（多选）（ ACD ）A、基础标签B、网络标签C、人工标签D、衍生标签17、客户综合价值评估模型主要包括（多选）（ABD）A、历史价值B、社交价值C、智慧价值D、潜在价值18、以下哪些是大数据精准广告发展方向（多选）（ABC）A、精准化B、自动化C、平台化D、价值化19、以下哪些是运营商地理栅格的应用场景（多选）（ABCD）A、区域安全B、城市规划C、区域价值D、智慧旅游20、以下哪些是大数据的商业实践所涉及到的领域（多选）（ABCD）A、面向社会公共安全——应急指挥中心B、面向市政交通——交管部门、市政规划C、面向旅游景区——景区管理部门、旅行社D、面向商业——商场、商户等。
浅谈中国移动大数据在市场营销中的应用
浅谈中国移动大数据在市场营销中的应用摘要：移动用户中集团客户作为具有强烈社会影响力，能够为运营商带来丰厚利润的大客户，更是这场战斗中的焦点。
同时移动的运营商的运营系统保留了大量的用户信息资料。
这些资料含有丰富的客户信息，通过数据的手段能够有效地分析出用户的需求和对于服务的满意程度。
运营商可以运用这些信息制定出有效的营销策略，从而在战斗中取得胜利。
数据技术是当前非常流行的一种分类预测算法。
关键词：中国移动大数据；市场营销；应用；前言：中国移动的数据分析已经从设备优化向网络优化转变，由营销数据分析、创新应用，达到降低成本增加收入的目的。
未来公司将通过大数据分析实现企业产品和服务创新，实现公司产业链的全面升级。
一、中国移动大数据分析和应用中国移动是最早一批实施大数据分析和应用的企业，优势主要体现在以下三个方面：一是网络配置更科学。
80%的利润来源于那少部分忠实的老用户（存量用户），老用户是企业运营发展的基础，也是最有价值的用户。
通过对老用户的数据分析可以优化网络配置，比如在数据分析后台可以清晰地看到，用户通话和上网高峰期发生的时间以及地点，甚至是运动轨迹。
这些数据的可视化和整合，能给资源投放包括基站优化等工作带来实际的指导意义。
二是客户感知更良好。
基于大量的事实数据，可以按照年龄、职业、学历、收入等维度分析用户的喜好和习惯，给用户设定“标签”，做到比用户更了解自己。
再通过对用户行为和特征数据分析之后，我们对用户群体进行细分，中国移动通过五大厅（手厅、掌厅、微厅、短厅、网厅）提供给客户所需要的消费信息和特定的产品推荐，做到体验更流畅、办理更便捷、消费更透明。
三是营销活动更精准。
哪些用户是准确的目标受众？如何在合适的时间、合适的地点、以合适的方式传达给用户正确的信息？随着数据搜集、存储、管理、分析、的、应用等技术体系的发展，这些问题的答案已经可以显现。
通过数据的与分析，可以将隐藏于数据汪洋之中的瑰宝打捞而出；各渠道数据融合提高了精准营销的准确度；可视化技术把复杂的数据打磨为直观的图形，使之成为浅显易懂、人皆可用的工具和手段；完备的数据服务器集群，可提供强大稳定的数据计算能力，实时洞察消费者行为，及时响应；移动终端的普及，让数据分析随地可行。
运营商赋能大数据生态圈的数据资产管理运营体系设计与实践
第14期2023年7月无线互联科技Wireless Internet TechnologyNo.14July,2023作者简介:孙苑苑(1981 ),女,江苏无锡人,高级工程师,硕士;研究方向:数据治理与大数据应用㊂运营商赋能大数据生态圈的数据资产管理运营体系设计与实践孙苑苑,赵㊀雨,张㊀晟(中国移动通信集团江苏有限公司,江苏南京210000)摘要:移动运营商从技术㊁管理和应用3个方面,提升大数据资产管理运营能力㊂文章研究了通过优化基于流原生的大数据实时处理架构,低成本高效率进行海量数据处理和汇聚,沉淀企业级数据资产,构建统一的数据资产分类体系及资产应用;以DataOps 理念为核心,建设数据资产运营管理平台,纳入九大资产管理能力,保障高质量资产赋能;构建中台能力服务体系,实现数据资产价值开放,支撑行业大数据产品和需求快速高质量落地㊂关键词:大数据;数据资产管理运营;数据处理架构中图分类号:TP319㊀㊀文献标志码:A0㊀引言㊀㊀移动运营商不断探索和实践数据资产管理能力,发挥数据要素价值,以自主可控㊁架构先行㊁注智赋能为目标,在技术架构㊁数据治理和智慧中台3个方面持续演进;提升资产管理集中效能和数据开放共享能力,向政府及行业客户提供量身定制的信息化解决方案,实现大数据价值变现㊂随着大数据技术的快速发展,企业存在数据资产来源多㊁数据规模大㊁数据标准不统一㊁各系统之间存在数据孤岛等问题,导致数据资产价值挖掘利用效率不高,在资产管理㊁资产加工㊁业务支撑㊁能力运营等环节面临挑战㊂针对上述问题,以下研究过程将从技术㊁管理㊁应用3个方面,建设运营商数据资产管理运营体系,优化数据处理架构,统一进行数据资产的汇聚㊁建设㊁治理㊁运营和应用,支撑市场运营㊁智慧营销㊁网格运营㊁行业变现等企业内外部大数据应用㊂1㊀现状和问题分析㊀㊀近年来,随着大数据技术的飞速发展,企业数据量成倍增长,数据形式多样化,数据资产来源多,散落在不同系统且资产结构复杂,数据标准参差不齐,各系统之间存在数据孤岛,导致数据资产的加工使用效率不高,因此在资产管理㊁资产加工㊁业务支撑㊁能力运营等方面面临挑战,亟须建立统一标准的资产管理运营体系,对海量数据进行统一的采集㊁存储㊁管理㊁开放㊂2㊀方案设计2.1㊀研究思路㊀㊀本研究坚持 数据服务于业务 的理念,针对数据资产管理和运营过程中的痛点和难点,从技术㊁管理㊁应用3个方面入手,建设数据资产管理运营体系,拓展行业大数据服务,高效赋能大数据生态圈(见图1)㊂(1)在技术层面,建设批流一体数据处理架构,打造实时数据仓库;(2)在管理层面,以DataOps 理念为核心,建设分层资产体系,构建数据资产管理平台,提升数据资产开发和管理效率;(3)在应用层面,建设数据中台能力服务体系,全面赋能企业内外部业务生态,促进数据共享,实现数据资产价值提升[1]㊂2.2㊀数据处理架构设计2.2.1㊀跨域汇聚内外部数据㊀㊀规整集成移动运营商内外部各业务线㊁各类型的源数据,为形成企业级数据资产提供真实㊁完整的数据源基础㊂通过全局化的架构规划设计,完成跨领域㊁多系统的数据融合汇聚,采用大数据高效处理技术和机制,完成数据汇聚融合分析,产生1+1>2的数据价值㊂2.2.2㊀实时数据仓库架构㊀㊀基于Kappa +Lambda 的批流一体化数据处理技术,实现了大数据平台的架构升级和业务边界的拓展㊂以流原生技术为底座,构建具备 统一模型㊁统一数据㊁统一计算㊁统一分析㊁统一存储 能力的实时数据仓库架构,实现对低时延数据及服务的全方位支撑(见图2)㊂该技术以Flink +Pulsar +Redis 技术为核心,实现了实时和离线两种数据处理模式下数据模型㊁计算引擎㊁数据输入㊁数据存储㊁数据分析5方面能力的统一[2]㊂(1)统一模型:基于统一数据模型分层设计原则和体系结构,实现离线和实时数据模型的统一;(2)统一计算:统一批流编码方式,减小SQL 开发和运维负担,让应用专注于业务逻辑;(3)统一数据:统一实时和离线数据,可有效避免数据不一致㊁数据重复存储和重复计算;(4)统一存储:支持海量数据回溯能力,通过数据分级存储机制,降低存储成本;(5)统一分析:提供统一实时的数据查询与分析能力,快速支撑实时应用㊂图1㊀大数据资产管理运营体系架构图2㊀实时数据仓库架构2.2.3㊀异构数据分层存储架构㊀㊀根据数据时间周期与访问频率实施分级分层存储架构建设,有效实现对海量数据资产的长周期保存,为数据高效应用打下坚实基础(见图3)㊂针对数据的访问频率要求,采用对应的Hadoop 集群㊁MPP 集群和Redis 集群实施分级存储,平均每T 数据处理存储成本仅为传统方式(SAN 存储)的35%㊂2.3㊀数据资产管理运营2.3.1㊀数据资产分层体系㊀㊀基于数据处理架构的建设扩充底层数据源能力,从业务角度构建数据资产分层体系,对数据资产进行组织和分类管理,细分基础资产㊁特征资产和应用资产,丰富数据资产层建设㊁持续夯实能力基础,更精确的支撑客户需求㊂(1)形成基础资产:基础资产是围绕B㊁O㊁M 各域中跨域㊁跨系统㊁跨平台的业务数据,可概括为个人㊁组织㊁家庭㊁资源㊁物联网㊁时间㊁区域设施㊁字典信息等主题域㊂(2)丰富特征资产:特征资产是基于基础资产按需加工处理,结合行业特征挖掘高可用的数据资产㊂基于客户关系㊁上网内容㊁位置3大类数据源进行融合分析挖掘,采用专业算法在数据特征资产的基础上构建标签体系和模型指标体系㊂(3)完图3㊀异构数据分层存储架构善应用资产:应用资产是将业务条线上数据应用领域涉及的所有数据维度进行汇总,形成重要应用领域的数据资产㊂应用资产按运营商业务维度可分为个人客户㊁集团客户㊁家庭客户㊁竞争对手㊁终端信息㊁产品信息㊁校园客户㊁渠道㊁KPI㊁报表对内10大业务主题域;从支撑行业维度可分为旅游㊁金融㊁城市管理㊁交通㊁医疗㊁公共服务㊁安防㊁商贸8大行业主题域㊂2.3.2㊀数据资产管理平台㊀㊀建设以DataOps理念为核心的数据资产管理平台,融合元数据㊁数据质量㊁数据标准㊁数据模型㊁数据安全等9大管理工具,实现数据资产的需求㊁变更㊁建设㊁存储㊁应用㊁维护㊁安全等各方面的管理覆盖[3](见图4)㊂(1)数据源管理:保障数据源质量要求,涵盖外部数据源引入管理㊁数据源分类㊁数据源配置等功能模块㊂(2)元数据管理:提升数据间关联性,涵盖数据资产创建㊁元数据多样化采集㊁信息标准化校准㊁元信息快速探查等功能模块㊂(3)数据质量管理:持续提升数据质量,形成良性闭环管理,涵盖资产信息稽核规则设置㊁稽核监控分析㊁问题预警等功能模块㊂(4)数据标准管理:提供全景可视化统一管控,涵盖存储介质管理㊁存储周期规范㊁建表规范㊁分区规范等㊀㊀功能模块㊂(5)主数据管理:提升数据资产管理水平,降低整体管理成本和运营风险,涵盖主数据标准化管理㊁数据创建㊁更新㊁清洗㊁发布等功能模块㊂(6)数据模型管理:强化数据模型管理能力,涵盖数据模型目录增删改㊁数据模型信息条件搜索㊁变更记录㊁版本查询等功能模块㊂(7)数据资产报告:提供可视化资产趋势分析,涵盖数据资产分布信息㊁数据资产变化趋势㊁统计指标与分析等功能模块㊂(8)数据共享服务管理:规范资产能力分享,涵盖数据目录管理和数据服务管理功能模块㊂(9)数据安全管理:实施双重安全管控机制,涵盖敏感数据扫描㊁定期全量数据敏感信息监控㊁动态监控㊁安全管控建议等功能模块㊂图4㊀数据资产管理平台体系2.4㊀数据资产价值开放㊀㊀基于数据资产管理运营体系,打造大数据开放中台架构,深度演进数据及业务中台,围绕数据资产化㊁能力服务化的总体思路,以数据开放㊁信息共享为基石,以融合㊁融通㊁融智为目标,对内重点建设数据中台及大数据资产管理平台,提升数据汇聚㊁数据治理㊁数据共享能力,对外向前台应用㊁业务中台输出核心资产能力,挖掘和发挥数据资产价值并促进持续增值,实现数据资产对内赋能[4](见图5)㊂图5㊀大数据开放中台架构㊀㊀为满足业务需求及市场发展要求,实施中台架构演进㊂将公共业务能力㊁数据能力和技术能力下沉至中台,以服务化方式为行业客户提供强有力支撑,实现开发标准化,提升应用支撑效率;从技术架构㊁数据架构㊁应用架构3条线入手,打造 生产㊁运营㊁管理 3域协同的中台能力体系并持续运营,提升数据中台和业务中台综合效能㊂中台服务技术主要通过服务封装的方式,面向应用提供数据和业务能力服务支撑,主要的技术包括:接口封装㊁界面封装㊁组件封装㊁模型封装等㊂3㊀主要创新点3.1㊀构建实时数仓提升实时数据服务能力㊀㊀运用Pulsar+Flink流原生技术,演进 弹性扩展㊁多租户隔离㊁数据分层存储㊁数据在离线分析 的批流一体大数据处理架构,提高实时数据处理能力;构建 高效㊁实时㊁融合 的实时数仓,大幅提高了实时数据的处理能力,数据处理每秒达到千万级,并对低时延数据及服务的全方位支撑,满足实时业务需求㊂3.2㊀构建异构数据处理架构提升数据处理效率㊀㊀根据数据资产价值,构建异构数据处理和存储架构,将数据分散到MPP㊁MySQL数据库和分布式存储上;采用x86化的MPP数据库实现基于海量标签的客群挖掘与计算,与传统Oracle相比,硬件成本降低了40%,数据处理分析效率提高了50%;实现了精确到分钟级的日数据实时展现㊂3.3㊀坐实资产管理能力开放资产价值,赋能大数据生态圈㊀㊀通过建设数据资产管理运营体系提升数据资产全面管理能力,实施全方位资产管理流程,通过建设数据中台实现数据资产开放赋能核心业务,实现数据资产 可见㊁可用㊁可运营 ;已覆盖个人㊁群体㊁企业㊁位置㊁AI五大类核心服务场景;面向政府㊁公安㊁医疗㊁金融等行业客户赋能大数据商机项目,通过提升能力使用程度㊁数量及范围,带动能力生态繁荣发展㊂4㊀研究成果及应用㊀㊀本文研究基于运用Pulsar+Flink流原生技术,演进批流一体化架构,提高实时数据处理能力;构建实时数仓,支撑客户规模化经营;通过Pulsar存储与计算分离功能,实现了弹性扩展能力,处理能力提升1倍,能够支撑每天5000亿多的实时数据处理能力,高效支撑数据资产管理运营体系建设㊂通过构建数据资产分层体系,打造数据资产管理平台,实现资产全流程管控,支撑中台能力服务高效演进㊂此研究已广泛服务于旅游㊁交通㊁公安㊁金融㊁工商等重点行业,助力行业数字化转型,服务社会民生,提升了江苏移动企业影响力㊂5㊀结语㊀㊀文章提出了基于运营商大数据能力及技术构建数据资产管理运营体系的研究成果㊂此研究成果依托大数据资产能力建设,面向行业客户提供智慧㊁高效的大数据产品服务和DICT综合服务,覆盖金融征信风控㊁景区游客洞察㊁城市规划㊁重大活动保障等大数据业务场景,取得显著的经济效益和社会效益㊂参考文献[1]蒋成,梁晓辉,曾浩.通信运营商混合式数据治理框架研究[J].通信与信息技术,2021(5):55-56. [2]李泓燊,周波,李晓科,等.基于大数据的实时数据治理系统设计[J].数字技术与应用,2021(12):155-157. [3]张丽,张建华,鲁瑞.一种基于流程管控的数据治理平台设计研究与实现[J].信息通信,2019(9): 53-54.[4]和珮珊.电信运营商数据资产运营策略研究[J].移动通信,2016(19):11-14.(编辑㊀姚㊀鑫)Design and practice of data asset management operation system foroperators empowering the big data ecosphereSun Yuanyuan Zhao Yu Zhang ShengChina Mobile Communications Group Jiangsu Co. Ltd. Nanjing210000 ChinaAbstract Mobile operators enhance their big data asset management and operation capabilities from three aspects technology management and application.The article studies optimizing the real-time processing architecture of big data based on stream native low-cost and efficient massive data processing and aggregation precipitating enterprise level data assets and constructing a unified data asset classification system and asset application Taking the DataOps concept as the core build a data asset operation and management platform incorporate nine major asset management capabilities and ensure the empowerment of high-quality assets Build a mid level capability service system achieve the openness of data asset value and support the rapid and high-quality landing of industry big data products and demands.Key words big data data asset management operation data processing architecture。
《私域社群营销：从引流到变现运营实战》札记
《私域社群营销：从引流到变现运营实战》阅读记录目录一、内容概括 (2)二、书籍概述 (2)三、私域社群的建立与引流策略 (4)3.1 私域社群的概念及重要性 (5)3.2 目标受众的确定与定位 (6)3.3 引流渠道的选择与布局 (7)3.4 引流技巧与策略实施 (8)四、社群运营与管理技巧 (9)4.1 社群规则的制定与执行 (10)4.2 社群氛围的营造与维护 (12)4.3 成员互动与参与度提升 (12)4.4 社群问题的处理与避免 (13)五、内容策划与营销技巧 (14)5.1 内容策划的思路与方向 (15)5.2 营销内容的创作与呈现 (17)5.3 营销活动的组织与执行 (18)5.4 营销效果评估与优化 (18)六、私域社群变现的途径与方法 (19)6.1 私域社群变现的模式介绍 (21)6.2 变现途径的选择与规划 (22)6.3 变现策略的实施与执行 (23)6.4 案例分析与经验分享 (24)七、数据分析与优化调整策略 (25)7.1 数据收集与整理的方法 (25)7.2 数据分析的内容与步骤 (27)一、内容概括《私域社群营销：从引流到变现运营实战》是一本关于私域社群营销的实用指南，作者通过丰富的案例和实践经验，详细介绍了私域社群营销的各个方面，包括引流、变现、运营等。
在引流方面，作者强调了内容的重要性，通过提供有价值的内容吸引目标用户。
作者还介绍了多种引流方法，如社交媒体推广、搜索引擎优化、合作与联盟等。
在变现方面，作者详细阐述了多种变现方式，如广告收入、产品销售收入、会员制等。
要想实现长期稳定的变现，需要结合多种变现方式，形成一个多元化的盈利模式。
在运营方面，作者强调了社群的重要性，认为社群是私域流量运营的核心。
为了建立和维护良好的社群氛围，作者提出了一系列运营策略，如定期举办活动、建立激励机制、培养核心用户等。
《私域社群营销：从引流到变现运营实战》是一本实用性强的书籍，对于想要了解和深入研究私域社群营销的人来说，是一本值得一读的佳作。
浅谈运营商大数据的应用场景
浅谈运营商大数据的应用场景大数据技术的广泛应用对我国各领域均带来了较为深远影响，运营商大数据应用的受关注程度也因此不断提升，相关研究和实践的大量涌现便能够证明这一认知。
基于此，本文将简单介绍运营商大数据应用场景，并结合实例，深入探讨运营商大数据实际应用，希望研究内容能够为相关业内人士带来一定启发。
标签：运营商;大数据;应用场景前言大数据技术能够从以往无法利用的数据中获得智慧，较好服务于人的洞察和决策能力增强。
结合实际调研可以发现，近年来我国运营商大数据应用场景极为多样化，如交通管理领域、体育赛事挖掘领域、自身管理领域，为深入了解这类应用，正是本文围绕运营商大数据应用场景开展具体研究的原因所在。
1 运营商大数据应用场景1.1典型应用场景对于运营商大数据应用来说，典型应用场景主要包括潜在离网用户维挽场景、数据变现场景、综合网管分析平台—基站关联分析场景。
所谓潜在离网用户维挽场景，指的是基于大数据技术开展针对性的用户管理，通过分析潜在离网用户数据，开展针对性的用户管理、营销策划与实施、闭环反馈，并实现工作的整体联通。
基于海量用户数据，运营商可基于大数据技术针对性分类、识别和管理所有用户，这一过程一般需通过大数据平台实现，营销策略基于用户大数据分析结果触发，配合针对性的渠道选择、资源套餐匹配、用户选择效果反馈，离网用户维挽场即可在大数据技术支持下顺利实现;所谓数据变现场景，指的是在非数字媒体/户外数字媒体价值评估场景中，对受众开展的一种独特性测量，结合具体的数据分析和需求分析，即可基于广告屏分析，最终为受众测量提供高水平服务;所谓综合网管分析平台—基站关联分析场景，指的是基于离网用户的业务行为与位置轨迹、基站地图与网络质量KPI，开展针对性的大数据建模分析，由此即可判断用户常出没的基站与其离网是否存在关联，由此可得出基站的未离网用户列表、基站供需平衡度、输出质差基站列表等信息，可服务的商用场景确定可由此实现，大数据技术的应用价值也能够得以更好发挥[1]。
数据交易市场解决方案(Data Echange Market)白皮书_V1.0
数据交易市场解决方案（Data Exchange Market）V 0.1文档修订摘要目录第1章背景 (1)第2章解决方案目标 (5)第3章解决方案价值 (6)第4章解决方案特性 (8)4.1与政府合作的公信力市场 (8)4.2撮合交易的市场 (8)4.3独立的第三方市场 (8)第5章术语解释 (9)第6章解决方案介绍 (11)6.1解决方案架构 (11)6.1.1功能架构..................................................................... 错误!未定义书签。
6.1.2技术架构..................................................................... 错误!未定义书签。
6.2数据交易市场的交易内容和交易形式 (12)6.2.1数据交易内容 (12)6.2.2数据交易模式 (12)6.3解决方案功能介绍................................................................. 错误!未定义书签。
6.3.1线上交易服务 (13)6.3.2交易撮合服务 (15)6.3.3会员活动服务 (16)6.4引进产品介绍 ........................................................................ 错误!未定义书签。
6.4.1产品一 ........................................................................ 错误!未定义书签。
6.4.2产品二 ........................................................................ 错误!未定义书签。
电信运营商数据资源现状精选文档
电信运营商数据资源现状精选文档TTMS system office room 【TTMS16H-TTMS2A-TTMS8Q8-北京哈睿数据有限公司电信运营商数据资源现状2017年9月目录1 电信运营商数据资源现状电信运营商积累和沉淀的数据是非常优质的数据资源，数据量非常庞大且数据极具真实性和完整性。
根据工信部数据，2015 年，移动互联网接入流量消费达亿G，同比增速高达103%。
流量意味着数据量，当前仅在移动互联网方面，电信运营商就聚集了海量数据，且还在高速增长。
在固定互联网方面，2015 年，固定宽带接入时长高达万亿分钟，同比增长%。
当前，中国联通和中国电信已经将数据变现列为2016 年的KPI 指标，电信运营商在大数据运营方面的探索已经开始。
图表 1：2010-2015年移动互联网接入流量高速增长图表 2：2010-2015年月户均移动互联网接入流量加速增长以中国移动为例，目前有CRM、BI、BOSS等系统记录着亿多用户的交互信息，这些数据涉及客户基本信息，如通话数据、上网数据、数据业务使用信息、智能终端信息、渠道接触信息等诸多方面，这无疑已具备大数据的“4V”特征：数据体量巨大（Volume）、数据类型繁多（Variety）、价值密度低（Value）、处理速度需要快（Velocity）。
单就中国移动客服中心而言，客服中心每年服务客户超过500亿次，每月服务客户超过30亿次，平均每月系统呼入量达32亿次，人工呼入量亿次，平均每3秒就有1次1008611呼入，每个接线员每月接听5 000～6 000个电话。
丰富的数据资源为电信运营商开展大数据应用方面的探索奠定了良好基础。
图表 3：电信运营商具备的主要数据类型2 电信运营商大数据挖掘方向近两年运营商对于大数据的经营发生了较大变化，从过去主要采集用户信息、ARPU 值等用于经分、客户维护等，逐渐转向信令数据、用户数据、APP 数据的采集和分析等。
运营商转型“快电”渠道支撑业务新发展
电信“快电”生态渠道体系的背景社区乡镇快递驿站是线下人流的核心入口线上电商经济方兴未艾，除传统的阿里、京东、拼多多等平台电商外，新崛起直播电商带来更多线上零售订单，同时带动百亿规模快递包裹新增量。
2023年，我国快递业务量累计完成1320.7亿件，同比增长19.4%。
社区快递驿站作为所有快递物流公司的“最后一公里”服务点，单店的快件量和客流量也在同步增长。
据统计，社区乡镇的快递站点日均取寄件客流量突破500人次。
这些数据表明，快递驿站作为社区居民的日常高频触点，已经起到了核心客流入口的作用。
快递客群是高价值群体快递的客户群体具有高价值潜在客流的特点。
他们以年轻人为主，喜欢线上购物，对新奇特产尝鲜购买意愿强烈，具有较高的消费能力和购买力，对智能手机、智能家居产品、可穿戴电子产品、千兆网络有基本了解，能迅速理解并具有较强消费意愿和消费能力，同时兼有高频接触、规模大和数量集中的特点，具有非常难得的可变现价值潜力。
快递驿站是触达周边沿街小微商户的天然触点快递驿站通常位于社区附近，是沿街小微商户的聚集地。
这种地理位置的优势一方面使得快递驿站可以方便地接触到周边的小微商户，为其提供便捷的快递服务和多元化的增值服务。
另一方面，快递驿站是社区居民日常生活中高频接触的场所，可以满足周边小微商户与社区居民之间的信息交流和互动需求，是社区商户面向社区居民进行宣传推广的重要触点。
快递驿站是渠道转型升级战略选择当前，电信运营商销售服务普遍实现线上化，原有社区门店触客场景缩减，进店客流日益减少。
触客数量的大幅降低导致门店销售运营效能低下，无法满足市场发展和企业经营的需要。
因此，电信运营商社区门店可以通过与快递行业进行生态合作，延伸渠道触点，扩展进店客流，精心打造智能终端和应用及5G 千兆网络的演示体验环境，从而将客流变现。
这是拉动促进各项公众业务规模发展的战略级新路径。
电信“快电”生态渠道体系的内涵中国电信“快电”是指电信门店加载快递业务以掌控社区乡镇客流入口，并以电信分期合约、翼支付为纽带，联合合作智能终端品牌的代理门店、社区乡镇商超等生态合作门店、“快电”渠道支撑业务新发展随着通信服务运营进入存量市场，市场份额趋于稳定，电信门店的进店异网客流日趋减少，并且随着数字经济的不断发展，线上销售服务场景日趋成熟与完善，用户线下到店的需求不断弱化，这意味着电信运营商必须通过开辟新渠道以拓展传统业务的新销售空间，推动渠道形态转型升级成为必然的趋势。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
数据应用引导
圈子营销
• 根据话单得到的交往圈，人脉路径， 识别的簇群网络进行交往圈的亲密度 排名，在目前一度交往圈营销饱和的 背景下可以识别二度交往圈作为圈子 营销的目标。
• 研究机构对手机终端市场的整体情况 进行分析，包括终端市场概况、换机 行为特征、品牌竞争分析、品牌用户 特征等
终端分析报告
和教育 数据
• 手厅登录日志 • 大学生数据 • 黄页 • 12580
我们拥有垄断地位的通话关系网数据，最实 时最全面的位置数据，最丰富的上网行为数据， 最全面的终端行为数据，最权威的用户身份信息 数据，最详细的通讯消费数据，独家的通信习惯 数据，独特的时序行为数据。
• 固网DPI • VOLTE信息 • MR数据
M域数据 互联网数据
互联网采集 (Crawler)
第三方 数据采集
社交数据
IoT数据
第三方数据
管理平台
开发管理
开发工具
……
数据管理 元数据管
理 数据质量 调度工具
运维管理
告警监控 运维自动
化
3 3
运营商平台能力-技术架构
浙江移动大数据平台经过一、二期建设，已建成Hadoop、MPP、流处理和内存数据库等平台，集群规模已达 1400+，日均处理离线数据100多TB、实时数据千亿条
运营商的大数据变现实践
最全面的运营商变现案例大全
傅一平 2017年03月
目录
一、平台能力 二、数据能力 三、标签能力 四、产品服务 五、运营机制
2 2
运营商平台能力-总览
大数据平台通过实现海量数据信息的抽取和整合，挖掘数据价值，最终实现面向市场的应用开拓。目前已实现数据基础服务能 力（数据采集、交换、处理、分析和访问等）和平台管理能力（多租户管理、权限管理、安全管理、资源管理、负载管理、配额 管理以及计量管理等）、应用开放能力（开发者管理门户、统一调度平台等）。
10 10
运营商数据能力
浙江移动的数据规模
客户数 6000万
手机上网 1.5万亿条/每月
通话记录 100亿次/每月
位置轨迹 1500亿条/每月
固网宽带 10万亿条/每月
集群节点 1400+
还有很多……
11 11
运营商数据能力
运营商大数据平台聚合了生产运营，网络承载和企业管理的B/O/M三域数据，沉淀1600多类，涉及3.8万属性， 对外可输出通信，支出，社交，上网，身份，位置，时序，终端八大类核心数据能力，浙江移动当前有超过10PB 数据。
管理体系落地的要点
p 二级互动：解决两张皮问题， 业内第一次
p 数据采集：强制开放接口， 百花齐放也要有约束
p 数据建模：标准化，可视化
p 数据规范：建章立制，去人 工
数据管理是一种追求，不是必须的，但从长远角度看，不做的代价是管理成本的显著上
升，数据知识没有积累和传承。
6
6
6
运营商平台能力-数据管理
4 4
运营商平台能力-应用承载
创造“我方搭台，多方唱戏”的新模式，伙伴进驻只需一周，全方位支持对外开放，诸如浙江移动当前平台进入 运营期，支撑网管、网优、地市、业务部门、专业公司及对外合作伙伴的入驻，开放的租户超过100个，外部合作伙 伴超过30个。
5 5
运营商平台能力-数据管理
扎实练好大数据管理的内功，建立了一套覆盖数据引入、使用、开放等整个生产运营过程的保障机制，大数 据操控全部实现系统化、透明化和可视化。
• 学校信息：全省学校1.3w所，覆盖度在85%以上。 • 家长信息： • 教信信息： • 学生信息：
人群判定
• 结合通话数据和黄页数据，可以对汽 车维修，4S店电话的拨打行为进行跟 踪，再结合其他的位移速度等可以判 定用户师范有车一族。
数据管理平台很难通用化，可能每个垂直行业都需要自建一套，
成功依赖迭代能力。
8
8
运营商平台能力-中台保障
1600种数据类型、300个融合模型，10万个客户标签，上百个API。
我们只有建好基础设施，才能为我们的客户提供更好更快的数据服务！
9
9
目录
一、平台能力 二、数据能力 三、标签能力 四、产品服务 五、运营机制
• 手厅轨迹 • 咪咕爱看 • 京东品牌
12 12
重点数据介绍（1）
通话 数据
终端 行为
黄页 数据
• 通话社交关系数据：基于通话交往圈的大小，主被叫，时间规律，就 掌握了任 何一个 用户的 社交特 征，比 如某人 的影响 力，人 与人之间的 亲密程度 ，人群 之间的上 下属关 系，甚 至可以 得到人 脉路径 ，理论上 ， 任何两个人都可以通过多个中间人的传递而认识对方哦。
• 通话时序数据：通话的频次，时序，时长，对端个数等重要特征，都 可以用来分析用户的性格甚至身份特质，作息规律等。
• 用户终端信息：每个用户使用的终端型号，品牌，换机频次，品 牌 忠诚度；
• 用户换机轨迹：先使用什么终端，何时换成什么终端。 • 终端统计数据：终端数据的群体分布情况
• 浙江全省12580全频道黄页数据涉及25个行业大类，220个行业小类， 共12 0万 条黄页 信息 ，包 含名 称、 行业大 类、 行业 小类 、联 系电话、 详细地址、商圈、经纬度、位置描述、特征标签等信息。
三域数据整合
八大类核心数据
丰富的外部数据
大数据平台上整合了公司B/O/M三域 核心数据资产，O域日新增数据120T，B域 日新增15T，M域日新增0.1G。在此基础之 上，构建基础模型1600多个，涉及字段3.8 万个，为大数据价值变现奠定了数据基础。
• POI数据 • 和教育数据 • 大众点评网 • 天猫品牌
应用
精准营销
客流平台
智能选址
反欺诈
……
数据 访问
数据 分析
数据 处理
常规查询
海量实时查询(HBase) 数据透明访问
多维实时查询(Kylin)
统计分析
数据挖掘
批处理 Hadoop
MPP
机器学习
深度学习
…….
流处理
实时处理 内存数据库离线采集Leabharlann 数（ETL）据
采
集 B域数据
O域数据
实时采集 (Flume/Kafka..)
实践告诉我们，规范诚美好，执行价更高，面对浩海的大数据，管理如果不能转化为机器执行，就不要提 真正的大数据管理，靠人工去执行的管理规定，没有价值。
数据管理领域，后向模式很难成功！
7 7
运营商平台能力-数据管理
浙江移动的大数据管理平台适配11大技术组件，通过该平台实现从数据设计、开发到数据销毁的全生命周 期管理，并通过把架构、标准、质量规则和安全策略固化在平台上，实现从事前管理、事中控制和事后稽核、 审计的全方位质量管理和安全管理。