运营商大数据发展策略研究_朱光军
合集下载
相关主题
- 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)。
切入点，也就是从有较好的信息化基础条件， 较强的大数据咨询服务需求，行业开放度较高， 数据资源整合相对容易的行业着手，开展大数 据服务试点。分析如图 2 所示。
通过分析可知，处于黄色区域内的政府公 共事业、金融 / 保险、旅游、新媒体、流通互 联网行业以及运营商自身是大数据发展初期比 较容易切入的行业。
总之，大数据对海量数据处理、存储、网络等提出 了更高要求 ；运营商面临多元异构大规模数据的采集、 整合的挑战。 1.2.2 大数据应用挑战
掌握的数据虽多，但是如何从海量数据中发掘数据 价值，应用收益是否可以抵消数据开发分析的成本，这 一系列问题也需考量。
大数据尚未确立完整的商业运营模式，现有数据应 用模式难以适应大数据持续优化的需求，显性收益和产 出严重不匹配也是困扰大数据应用的挑战。 1.2.3 大数据管理挑战
同时在合作中积累技术和运营经验，探索一条 适合自身特点的大数据发展商业模式。
3 大数据发展策略
图1 运营商大数据发展SWOT分析
势明显，但也面临新兴互联网企业强大的挑战，同时面 临隐私保护等政策方面的限制，故而在大数据发展方面 宜采用联合互联网企业，整合数据资源，进行优势互补，
3.1 行业切入点 在大数据探索发展过程中，我们需要找准
2.2 数据资产优势
成，国家信息安全保障力度加大，各电信运营企业都面
运营商拥有电信级的运营网络，庞大的 IDC 集群， 临战略转型的机遇。
具备强大的线上线下数据获取渠道、人力的资源，具备
运营商掌握用户核心数据资源，或具备获取的渠道；
保证大数据实时获取的能力，具有其他企业不具有的管 同时企业具备良好企业公信力、人力资源和资金方面也
朋友圈
欠费信息
Anyacess
接入网络类型 用户终端类型 套餐信息 网络状态、带宽
Anywhere 实时位置信息 住址信息
Anytime
上下线时间 通信时长、次数 访问应用实间
访问站点 Anything 访问应用
用户业务信息
用户偏好 投诉信息 用户感知状态
关键词查询 深度检测
且很不全面。 我们可以看出，运营商和互联网企业
所掌控的数据资源基本上是互补的，运营 商容易获取的用户身份、位置、职业、流 量、接入方式等信息是互联网企业所欠缺 的，而互联网企业所掌握的用户应用类信 息正是运营商所难以获取的。 2.3 SWOT 分析
随着我国大数据发展的宏观产业环境 不断完善，宽带中国战略的实施推进，地 方政府也在陆续出台大数据的发展计划， 目前已过已具备加快发展大数据产业发展 的基础和态度，大数据产业链正在加速形
的用户聚合能力，拥有独一无二的用户资源。
数据开放度不够 ；缺乏对用户应用数据的获取 ；如何借
（3）电信运营商在业务运营和提供服务的过程中获 助自身优势，为大数据应用提供坚实的能力支撑，成为
得网络状态、业务状态等数据，更重要的是对用户身份、 移动互联网时代电信运营商争夺产业生态系统主导权的
业务类别、关系网络和消费能力与信用等特征数据的识别。 关键手段之一，也为电信运营商在移动互联网时代取得
大数据相关技术涉及到数据采集、数据存储、数据 计算、数据挖掘、数据呈现、数据安全等，涉及到很多 环节。总结起来有 4 难：收集难：不但难在大，海量信息， 而且难在杂，万千角度； 存储难：海量 ：信息密如蜘网， 错综复杂，处理如剥茧抽丝、穿针引线 ；呈现难 ：数据 呈现要求简单、实用，这是一个由繁入简的艰巨工程。
对于大数据运营发展来讲，目前主要有自有数据及
周边住宿情况、车流量等情况进行综合分析，结合天气、 分析、出售自有数据（数据交易）、内外部整合数据及
道路状况等为游客出行提供便捷的参考服务，同时提供 分析三种发展模式，具体分析如表 2 所示。
道优势和数据资源优势，主要表现在 ：
有很大优势 ；具备上下游资源整合能力 ；不足之处是决
（1）电信网络具有垄断地位，只有电信运营商具有 策缓慢，企业创新机制不够完善，管理及思维模式需要
提供可管控的全程全网服务和端到端网络接入能力。
进一步转变 ；数据分散，缺乏相应的数据资源整合机构
（2）电信运营商作为用户的第一接触者，具有很强 和人员 ；与专门的数据分析公司和机构缺乏紧密合作，
大数据应用的发展给传统运营商带来了广阔的发展 空间，同时也提出了管理、技术、应用等方面的一系列 挑战，需要我们开拓创新，勇于突破自我，谋求新的发展。 1.2 面临的挑战
大数据时代，运营商是数据交换中心，运营商的网 络管道、业务平台、支撑系统中每天都在产生大量有价 值的数据，但是在面临基于这些数据的商业智能应用带 来机遇的同时，也面临着巨大挑战。主要表现在 3 个方面： 1.2.1 大数据技术架构挑战
在公共事业领域可以开展舆情监测、城市 规划、生产资料行情及供需、商品价格波动等方面的应 用，服务政府，惠及民生。
在金融 / 保险行业可以开展信用评价、品牌 / 业务
图2 行业契合度及应用可能性分析
9
2015年3月 第 3 期（第28卷 总第210期）月刊
电信工程技术与标准化 大数据技术及应用专题
2015 年 第 3 期
收稿日期 ：2015-02-26 作者简介 ：朱光军 : 河南省信息咨询设计研究有限公司副总经理，总工程师，注册咨询工程师，高级工程师，主要从事有线、无线通信、新技术、新
应用等方面的技术管理和研究工作。 马 刚 : 河南省信息咨询设计研究有限公司副总工程师，注册咨询工程师，高级工程师，主要从事数据通信、宽带接入、宽带应用系统、
7
2015年3月 第 3 期（第28卷 总第210期）月刊
电信工程技术与标准化 大数据技术及应用专题
2015 年 第 3 期
表1 运营商核心数据资产来源分析
项目
OSS 域
BSS 域
MSS 域
NSS 域
类别
网管支撑系统 业务支撑系统 管理支撑系统 网络安全系统
Anybody
用户身份信息
常用联系人信息 付费情况
在整个数据流动的环节中，运营商的数据最具价值， 更大成功带来重大机遇。
然而其获取数据的短板在具体领域的应用层“业务”级
面临的主要威胁来自于像阿里、腾讯、这样互别信息，巨大的数据流和网络侧相关能力的缺乏，使运 联网企业，他们掌控用户第一手应用数据，包括兴趣爱
营商难以获取用户应用类数据，或者获取的成本相当 好、住址联系方式、使用习惯、消费信息、信用等数据
高昂。
资源，具备数据整合能力，且有专业的数据分析团队 ；
比较而言，互联网企业在获取用户应用数据方面具 其次是电信运营商和虚拟运营商之间的竞争。
有先天优势，只要用户浏览过、购买过、使用过相关应
以下我们从运营商内外部环境，即自身的优势、劣
用，均会留下足迹，且这类数据在互联网企业的平台中 势，外部的机会和威胁 4 个维度对大数据发展的战略选
营商数据资产和内外部发展环境的梳理分析，为运营商大数据初期发展初期的角色定位、切入点、发展策略
提供思路和建议。
关键词 大数据；云计算；策略
中图分类号 TN915
文献标识码 A
文章编号 1008-5599（2015）03-0006-06
DOI:10.13992/ki.tetas.2015.03.003
运营商可以通过对支撑系统数据信息的分析和整 理，实现把分散在各个子系统里的数据进行集中存储、 整合，并在现有的 IT 支撑系统相关客户发展及业务使 用汇总数据与各个子系统相关数据融合，进行数据加工 和信息提炼，为网络运行管理和网络优化等提供信息支 撑，为网络故障的发现后的自动化综合分析和处理提供 可能，使全面精确的网络业务分析得以实现为网络管理 层提供面向客户、面向业务分析统计提供有力的数据支 撑，同时也作为网络线条的数据中心，对外提供统一标 准的数据源。
然而，在数据流量爆发性增长的过程中，运营商的 收入不仅未改观，反而由于数据流量的产生者（第三方 替代型业务）的快速发展，使得传统收入被不断侵蚀， 面临沦为管道的尴尬，如何利用好流量通道获取数据资 源，进行全面、快捷、准确的数据分析，使之真正升华 为智慧，转化为效益，更好的为我们的用户、社会、经
营以及网络服务，是运营商在发展移动互联网业务时亟 需解决的方向性问题。
电信工程技术与标准化 大数据技术及应用专题
2015 年 第 3 期
运营商大数据发展策略研究
朱光军，马刚 （河南省信息咨询设计研究有限公司, 郑州 450008）
摘 要 运营商传统收入被不断侵蚀，面临沦为管道的尴尬，如何利用好优势数据资产，整合资源，更好的为我们的
用户、社会、经营以及网络服务，是运营商在发展移动互联网业务时亟需解决的方向性问题。本文通过对运
1 发展大数据的意义及面临的挑战
1.1 发展大数据的意义 大数据应用的发展有助于增强业务创新能力，提高
营销推广效率，提升产业链影响力，也有利于探索新型 盈利模式。我们可通过大量数据的分析，解析用户需求， 得到最适合和满足用户需求的产品特性，指导产品的设 计开发 ；通过分析用户需求和行为特点，筛选目标客户， 匹配相应产品，并结合渠道特点匹配，开展基于细分需 求和用户精确定位的精细化营销 ；通过控制数据获取的
随着互联网 / 移动互联网、数码设备、物联网 / 传 感器等技术的发展，全球数据生产在高速增长，据 IDC 预测，未来 10 年全球数据量将以超过 40% 的速度增长， 15 年 全 球 数 据 量 将 达 到 7.8 ZB ，20 年 将 达 到 40 ZB （40 000 000 PB）；数据洪流激荡，传统的数据处理技术 已经无法应对新的挑战，新兴的以云计算为核心的大数 据处理技术的发展使数据价值能够被更好地挖掘和利用。
推广等服务，为中小企业甚至个人客户提供更为快捷、 行前装定位设备等进行车流分析，很难做到精确的车流
全面、真实的信用评级，便利于金融保险业务的快速受 量、位置、车辆身份等全数据的分析，数据分析的质量
理、审批。这在很多保险业务、小额信用贷款业务领域 较低。
已有尝试。
3.2 发展策略分析
在旅游方面可以针对各个景区做流量预警，对景区
目前，大数据商业模式不成熟，尚无经验可循，运 营只处于探索阶段，数据如何有效组织和管理，如何保 护数据安全，保护用户隐私，如何保障其数据质量，都 是面临的重要问题，具体表现如下。
（1）运营商系统分散建设，难以实现资源共享。经 营分析、信令监测、网络管理、用户资料、上网日志留 存等大数据系统分专业建设，其中部分系统分省建设， 造成资源重复建设，应用重复开发，资源无法共享。
2 大数据发展能力分析
2.1 数据来源 电信运营商的系统本质是为用户与用户、设备与设
备、用户与设备之间提供通信信道，每天承载着海量信 息，是互联网大数据的源头。所以在大数据应用方面， 电信运营商具备无可比拟的数据资源。
运营商处在一个数据交换中心的地位，每天承载着 海量信息，其数据获取渠道主要来源于 IT 支撑系统的 BSS、OSS、MSS、NSS 4 个域，每个系统的偏重点不 一样，但各自的短板也很明显，且数据接口的整合和数 据一致性核对难度较大。我们从 4 个域以及其所能获取 的 5A 用户核心数据进行分析如表 1 所示。
逐步积累，日益丰富。然而互联网企业在搜集用户基本 择进行分析判断，分析如图 1 所示。
的真实身份、位置等方面多游走在罪与非罪的灰色地带，
综上所述，我们认为现阶段运营商自身数据资源优
8
2015年3月 第 3 期（第28卷 总第210期）月刊
2015 年 第 3 期
大数据技术及应用专题 电信工程技术与标准化
新技术、新应用等方面的咨询设计、技术管理工作。
6
2015年3月 第 3 期（第28卷 总第210期）月刊
2015 年 第 3 期
大数据技术及应用专题 电信工程技术与标准化
关键节点，掌握更丰富的高质量数据，提升产业链影响 力 ；通过提高业务创新能力和营销推广智能程度，使前 向综合服务能力得以提升，增强前向收费模式，同时探 索智能管道、精准广告、数据交易等后向收费模式。
（2）数据处理种类多，单一技术难以实现。各大数 据系统数据模型不统一，多数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。
（3）隐私数据泄漏的风险。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。
通过分析可知，处于黄色区域内的政府公 共事业、金融 / 保险、旅游、新媒体、流通互 联网行业以及运营商自身是大数据发展初期比 较容易切入的行业。
总之，大数据对海量数据处理、存储、网络等提出 了更高要求 ；运营商面临多元异构大规模数据的采集、 整合的挑战。 1.2.2 大数据应用挑战
掌握的数据虽多，但是如何从海量数据中发掘数据 价值，应用收益是否可以抵消数据开发分析的成本，这 一系列问题也需考量。
大数据尚未确立完整的商业运营模式，现有数据应 用模式难以适应大数据持续优化的需求，显性收益和产 出严重不匹配也是困扰大数据应用的挑战。 1.2.3 大数据管理挑战
同时在合作中积累技术和运营经验，探索一条 适合自身特点的大数据发展商业模式。
3 大数据发展策略
图1 运营商大数据发展SWOT分析
势明显，但也面临新兴互联网企业强大的挑战，同时面 临隐私保护等政策方面的限制，故而在大数据发展方面 宜采用联合互联网企业，整合数据资源，进行优势互补，
3.1 行业切入点 在大数据探索发展过程中，我们需要找准
2.2 数据资产优势
成，国家信息安全保障力度加大，各电信运营企业都面
运营商拥有电信级的运营网络，庞大的 IDC 集群， 临战略转型的机遇。
具备强大的线上线下数据获取渠道、人力的资源，具备
运营商掌握用户核心数据资源，或具备获取的渠道；
保证大数据实时获取的能力，具有其他企业不具有的管 同时企业具备良好企业公信力、人力资源和资金方面也
朋友圈
欠费信息
Anyacess
接入网络类型 用户终端类型 套餐信息 网络状态、带宽
Anywhere 实时位置信息 住址信息
Anytime
上下线时间 通信时长、次数 访问应用实间
访问站点 Anything 访问应用
用户业务信息
用户偏好 投诉信息 用户感知状态
关键词查询 深度检测
且很不全面。 我们可以看出，运营商和互联网企业
所掌控的数据资源基本上是互补的，运营 商容易获取的用户身份、位置、职业、流 量、接入方式等信息是互联网企业所欠缺 的，而互联网企业所掌握的用户应用类信 息正是运营商所难以获取的。 2.3 SWOT 分析
随着我国大数据发展的宏观产业环境 不断完善，宽带中国战略的实施推进，地 方政府也在陆续出台大数据的发展计划， 目前已过已具备加快发展大数据产业发展 的基础和态度，大数据产业链正在加速形
的用户聚合能力，拥有独一无二的用户资源。
数据开放度不够 ；缺乏对用户应用数据的获取 ；如何借
（3）电信运营商在业务运营和提供服务的过程中获 助自身优势，为大数据应用提供坚实的能力支撑，成为
得网络状态、业务状态等数据，更重要的是对用户身份、 移动互联网时代电信运营商争夺产业生态系统主导权的
业务类别、关系网络和消费能力与信用等特征数据的识别。 关键手段之一，也为电信运营商在移动互联网时代取得
大数据相关技术涉及到数据采集、数据存储、数据 计算、数据挖掘、数据呈现、数据安全等，涉及到很多 环节。总结起来有 4 难：收集难：不但难在大，海量信息， 而且难在杂，万千角度； 存储难：海量 ：信息密如蜘网， 错综复杂，处理如剥茧抽丝、穿针引线 ；呈现难 ：数据 呈现要求简单、实用，这是一个由繁入简的艰巨工程。
对于大数据运营发展来讲，目前主要有自有数据及
周边住宿情况、车流量等情况进行综合分析，结合天气、 分析、出售自有数据（数据交易）、内外部整合数据及
道路状况等为游客出行提供便捷的参考服务，同时提供 分析三种发展模式，具体分析如表 2 所示。
道优势和数据资源优势，主要表现在 ：
有很大优势 ；具备上下游资源整合能力 ；不足之处是决
（1）电信网络具有垄断地位，只有电信运营商具有 策缓慢，企业创新机制不够完善，管理及思维模式需要
提供可管控的全程全网服务和端到端网络接入能力。
进一步转变 ；数据分散，缺乏相应的数据资源整合机构
（2）电信运营商作为用户的第一接触者，具有很强 和人员 ；与专门的数据分析公司和机构缺乏紧密合作，
大数据应用的发展给传统运营商带来了广阔的发展 空间，同时也提出了管理、技术、应用等方面的一系列 挑战，需要我们开拓创新，勇于突破自我，谋求新的发展。 1.2 面临的挑战
大数据时代，运营商是数据交换中心，运营商的网 络管道、业务平台、支撑系统中每天都在产生大量有价 值的数据，但是在面临基于这些数据的商业智能应用带 来机遇的同时，也面临着巨大挑战。主要表现在 3 个方面： 1.2.1 大数据技术架构挑战
在公共事业领域可以开展舆情监测、城市 规划、生产资料行情及供需、商品价格波动等方面的应 用，服务政府，惠及民生。
在金融 / 保险行业可以开展信用评价、品牌 / 业务
图2 行业契合度及应用可能性分析
9
2015年3月 第 3 期（第28卷 总第210期）月刊
电信工程技术与标准化 大数据技术及应用专题
2015 年 第 3 期
收稿日期 ：2015-02-26 作者简介 ：朱光军 : 河南省信息咨询设计研究有限公司副总经理，总工程师，注册咨询工程师，高级工程师，主要从事有线、无线通信、新技术、新
应用等方面的技术管理和研究工作。 马 刚 : 河南省信息咨询设计研究有限公司副总工程师，注册咨询工程师，高级工程师，主要从事数据通信、宽带接入、宽带应用系统、
7
2015年3月 第 3 期（第28卷 总第210期）月刊
电信工程技术与标准化 大数据技术及应用专题
2015 年 第 3 期
表1 运营商核心数据资产来源分析
项目
OSS 域
BSS 域
MSS 域
NSS 域
类别
网管支撑系统 业务支撑系统 管理支撑系统 网络安全系统
Anybody
用户身份信息
常用联系人信息 付费情况
在整个数据流动的环节中，运营商的数据最具价值， 更大成功带来重大机遇。
然而其获取数据的短板在具体领域的应用层“业务”级
面临的主要威胁来自于像阿里、腾讯、这样互别信息，巨大的数据流和网络侧相关能力的缺乏，使运 联网企业，他们掌控用户第一手应用数据，包括兴趣爱
营商难以获取用户应用类数据，或者获取的成本相当 好、住址联系方式、使用习惯、消费信息、信用等数据
高昂。
资源，具备数据整合能力，且有专业的数据分析团队 ；
比较而言，互联网企业在获取用户应用数据方面具 其次是电信运营商和虚拟运营商之间的竞争。
有先天优势，只要用户浏览过、购买过、使用过相关应
以下我们从运营商内外部环境，即自身的优势、劣
用，均会留下足迹，且这类数据在互联网企业的平台中 势，外部的机会和威胁 4 个维度对大数据发展的战略选
营商数据资产和内外部发展环境的梳理分析，为运营商大数据初期发展初期的角色定位、切入点、发展策略
提供思路和建议。
关键词 大数据；云计算；策略
中图分类号 TN915
文献标识码 A
文章编号 1008-5599（2015）03-0006-06
DOI:10.13992/ki.tetas.2015.03.003
运营商可以通过对支撑系统数据信息的分析和整 理，实现把分散在各个子系统里的数据进行集中存储、 整合，并在现有的 IT 支撑系统相关客户发展及业务使 用汇总数据与各个子系统相关数据融合，进行数据加工 和信息提炼，为网络运行管理和网络优化等提供信息支 撑，为网络故障的发现后的自动化综合分析和处理提供 可能，使全面精确的网络业务分析得以实现为网络管理 层提供面向客户、面向业务分析统计提供有力的数据支 撑，同时也作为网络线条的数据中心，对外提供统一标 准的数据源。
然而，在数据流量爆发性增长的过程中，运营商的 收入不仅未改观，反而由于数据流量的产生者（第三方 替代型业务）的快速发展，使得传统收入被不断侵蚀， 面临沦为管道的尴尬，如何利用好流量通道获取数据资 源，进行全面、快捷、准确的数据分析，使之真正升华 为智慧，转化为效益，更好的为我们的用户、社会、经
营以及网络服务，是运营商在发展移动互联网业务时亟 需解决的方向性问题。
电信工程技术与标准化 大数据技术及应用专题
2015 年 第 3 期
运营商大数据发展策略研究
朱光军，马刚 （河南省信息咨询设计研究有限公司, 郑州 450008）
摘 要 运营商传统收入被不断侵蚀，面临沦为管道的尴尬，如何利用好优势数据资产，整合资源，更好的为我们的
用户、社会、经营以及网络服务，是运营商在发展移动互联网业务时亟需解决的方向性问题。本文通过对运
1 发展大数据的意义及面临的挑战
1.1 发展大数据的意义 大数据应用的发展有助于增强业务创新能力，提高
营销推广效率，提升产业链影响力，也有利于探索新型 盈利模式。我们可通过大量数据的分析，解析用户需求， 得到最适合和满足用户需求的产品特性，指导产品的设 计开发 ；通过分析用户需求和行为特点，筛选目标客户， 匹配相应产品，并结合渠道特点匹配，开展基于细分需 求和用户精确定位的精细化营销 ；通过控制数据获取的
随着互联网 / 移动互联网、数码设备、物联网 / 传 感器等技术的发展，全球数据生产在高速增长，据 IDC 预测，未来 10 年全球数据量将以超过 40% 的速度增长， 15 年 全 球 数 据 量 将 达 到 7.8 ZB ，20 年 将 达 到 40 ZB （40 000 000 PB）；数据洪流激荡，传统的数据处理技术 已经无法应对新的挑战，新兴的以云计算为核心的大数 据处理技术的发展使数据价值能够被更好地挖掘和利用。
推广等服务，为中小企业甚至个人客户提供更为快捷、 行前装定位设备等进行车流分析，很难做到精确的车流
全面、真实的信用评级，便利于金融保险业务的快速受 量、位置、车辆身份等全数据的分析，数据分析的质量
理、审批。这在很多保险业务、小额信用贷款业务领域 较低。
已有尝试。
3.2 发展策略分析
在旅游方面可以针对各个景区做流量预警，对景区
目前，大数据商业模式不成熟，尚无经验可循，运 营只处于探索阶段，数据如何有效组织和管理，如何保 护数据安全，保护用户隐私，如何保障其数据质量，都 是面临的重要问题，具体表现如下。
（1）运营商系统分散建设，难以实现资源共享。经 营分析、信令监测、网络管理、用户资料、上网日志留 存等大数据系统分专业建设，其中部分系统分省建设， 造成资源重复建设，应用重复开发，资源无法共享。
2 大数据发展能力分析
2.1 数据来源 电信运营商的系统本质是为用户与用户、设备与设
备、用户与设备之间提供通信信道，每天承载着海量信 息，是互联网大数据的源头。所以在大数据应用方面， 电信运营商具备无可比拟的数据资源。
运营商处在一个数据交换中心的地位，每天承载着 海量信息，其数据获取渠道主要来源于 IT 支撑系统的 BSS、OSS、MSS、NSS 4 个域，每个系统的偏重点不 一样，但各自的短板也很明显，且数据接口的整合和数 据一致性核对难度较大。我们从 4 个域以及其所能获取 的 5A 用户核心数据进行分析如表 1 所示。
逐步积累，日益丰富。然而互联网企业在搜集用户基本 择进行分析判断，分析如图 1 所示。
的真实身份、位置等方面多游走在罪与非罪的灰色地带，
综上所述，我们认为现阶段运营商自身数据资源优
8
2015年3月 第 3 期（第28卷 总第210期）月刊
2015 年 第 3 期
大数据技术及应用专题 电信工程技术与标准化
新技术、新应用等方面的咨询设计、技术管理工作。
6
2015年3月 第 3 期（第28卷 总第210期）月刊
2015 年 第 3 期
大数据技术及应用专题 电信工程技术与标准化
关键节点，掌握更丰富的高质量数据，提升产业链影响 力 ；通过提高业务创新能力和营销推广智能程度，使前 向综合服务能力得以提升，增强前向收费模式，同时探 索智能管道、精准广告、数据交易等后向收费模式。
（2）数据处理种类多，单一技术难以实现。各大数 据系统数据模型不统一，多数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。
（3）隐私数据泄漏的风险。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。