电信运营商大数据资源变现模式及策略研究
开篇：润墨网以专业的文秘视角，为您筛选了一篇电信运营商大数据资源变现模式及策略研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
【摘 要】简述了电信运营商大数据资源的主要来源与特点，并对大数据公司的运营模式进行了分析。在此基础上，针对电信运营商的特点提出了适合运营商的大数据资源变现模式，并介绍了一些典型的应用案例。同时基于我国的实际情况，提出了我国运营商大数据资源变现策略，为运营商大数据变现提供了一定的参考。
【关键词】电信运营商 大数据资源 资源变现策略
doi：10.3969/j.issn.1006-1010.2016.01.013 中图分类号：C932.6 文献标识码：A 文章编号：1006-1010（2016）01-0063-05
引用格式：陈科帆，周洪成. 电信运营商大数据资源变现模式及策略研究[J]. 移动通信， 2016，40（1）： 63-67.
Research on Realization Mode of Telecom Operators’ Big Data Resource
and its Strategy
CHEN Ke-fan， ZHOU Hong-cheng
（Jiangsu Posts & Telecommunications Planning and Designing Institute Co.， Ltd.， Nanjing 610036， China）
[Abstract] The main source and features of telecom operators’big data resource were briefly addressed and the operating mode of big data companies was analyzed. According to characteristics of telecom operators， the realization mode of big data resource suitable for operators was presented and some typical application cases were introduced. In the meantime， the realization strategy of big data resource for domestic operators was put forward to provide a useful reference to big data realization for operators.
[Key words]telecom operator big data resource resource realization
1 引言
随着移动互联网、物联网、传感器等技术的发展，全球信息、数据呈现爆发式增长。据IDC预测，未来5年全球数据量将达到35ZB，为2009年的44倍。电信运营商是这些数据的传送者，处于数据交换的中心，具有天然的优势。因此部分运营商已经开始研究基于这些数据的大数据应用，如通过大数据分析充分挖掘用户的行为特征，提升对用户消费偏好的精准把握，从而进行市场营销;利用信令数据支撑终端、网络、业务平台关联分析，优化网络，实现网络价值最大化。
目前这些大数据应用基本都是面向运营商内部运营，极大提升了公司的运营效率，但很难直接产生大量现金流。而互联网公司却已利用大数据形成了收益，如阿里的数据魔方和淘宝指数都通过对用户行为的分析提供数据增值服务，直接转换为收入。运营商如何像互联网公司一样利用大数据资源开发产生大量现金流的对外服务或应用，即实现大数据资源变现，是急需解决的问题。目前大数据相关技术已较为成熟，制约大数据变现的主要因素是缺乏适合运营商特点的大数据资源变现业务模式及策略。
2 运营商大数据资源特点
2.1 运营商大数据资源的来源
（1）来自IT支撑系统的数据
这部分数据由IT系统记录生成，主要包括用户基本信息（性别、年龄、住址、工作单位等）、业务使用信息（语音、短信、流量、增值业务等）、消费信息（ARPU等）及投诉信息等。通过这些数据可形成较为完善的用户画像，描述用户特征。
（2）来自网络产生的数据
这部分数据主要来自CS域和PS域中的信令分析，比如开关机信令、漫游信令、位置信令、DPI信令等。通过这些数据可以统计用户位置、用户数等信息。
（3）来自互联网和移动互联网产品的数据
这部分数据来自手机终端，主要包括用户使用手机中的访问日志、收藏关注信息、交易记录、UGC数字内容等。通过这些数据可以统计用户使用手机的习惯。
2.2 运营商大数据资源特点
（1）用户基数巨大。截至2015年6月，全国移动电话用户数达到12.93亿户，而互联网应用中用户数最多的微信用户为6亿户，远低于移动电话用户数，运营商在用户基数上占绝对优势。
（2）用户信息真实。目前我国已实行电话用户真实信息登录规定，对非实名制用户后期将采取限制通信、业务等手段，督促用户依法实名登记，从而保证电话用户信息的真实性。
（3）用户行为连续。只要用户手机开机，运营商即可随时了解用户行为;而APP则只能在应用运行时才能收集数据，具有很大的碎片性。
（4）用户行为全面。运营商可以了解用户终端上所有应用的基本行为（如打开过什么应用、浏览时长等），而APP只能了解自身数据，无法获取其它用户行为。
（5）位置信息准确。运营商获取用户位置信息是基于网络而非终端，即使用户使用的是非智能机、没有GPS、不能上网，也可以掌握用户实时位置。而APP则必须要基于GPS和联网功能，具有一定的局限性。
3 运营商大数据资源变现业务模式
3.1 国际主流大数据商业模式
参考国际经验，大数据公司的商业模式主要包含以下几类：
（1）广告应用。通过大数据分析精准描述个人用户特征，将用户可能需求对接至DSP等平台，供广告商实时竞价。
（2）数据源服务。主要是将自身的大数据资源向其它企业或开发者开放，表现方式通常为平台方式，提供简单易用的API。
（3）咨询分析服务。主要是通过对自有数据、公开数据或第三方数据进行大数据分析，为特定客户提供在匿名数据基础上的统计分析服务，支撑客户决策。
（4）平台提供。主要是提供大数据平台的出租，用户可将其自有数据导入平台或利用平台处理自身数据，借助平台强大的分析能力实现大数据应用，该模式下按照数据量和使用时间进行收费。
3.2 运营商大数据资源变现业务模式
参照主流大数据商业模式，根据大数据分析和服务的对象，运营商大数据变现业务模式可包括以下几类：
（1）基于个人特征的分析服务
1）基于个人特征的精准营销服务
这类业务通过对用户基本信息、业务信息、消费信息、位置信息、行为信息的综合分析，形成全方位的用户画像，给用户打上各类标签（如游戏玩家、商务人士、网购达人、美食爱好者等）。根据广告公司、媒体公司或调研公司的需求，为他们提供目标客户群体，提升营销的精准性。
运营商典型实践：Verizon公司成立了精准营销部门，充分利用自身的大数据资源对用户进行分析，实现了对消费者消费行为的精准判断。在获得用户允许情况下，将用户数据销售给第三方公司。
该模式优点是业务模式成熟、市场规模大、能立即产生现金流且具有可持续性;缺点是针对个人用户的分析必定涉及用户隐私数据，可能存在政策风险（如工信部31号令，明确禁止运营商未经用户同意利用短信点对点营销），面临较大的不确定性。
2）基于个人特征的征信服务
目前，运营商涉足的征信服务主要体现在消费金融领域。运营商基于用户基本信息、终端、消费、行为、位置等多个维度，构建能反映客户信用评价的子模型，如：坏账风险预测模型、影响力模型、交往圈模型、内容偏好模型等，以实现用户各类特征的多维度洞察，得到最终的信用评分提交给银行，从而收取手续费。后期随着我国信用体系的逐步完善，需要征信的领域将不断扩大，如找工作、商品租赁、商品交易、签证、交友等领域运营商都可涉足。
运营商典型实践：中国联通与招商银行成立的“招联消费金融公司”。当招商银行需要了解某位潜在客户的信用或个人情况时，可向中国联通发起申请，中国联通会根据已有信息作出分析和判断，给出是或者否的判断，或者给出某些标签。
该业务模式优点是盈利模式清晰、市场规模巨大，虽然涉及个人隐私，但符合国家政策，无运营风险;缺点为评估模型的建立和优化需要较长时间，对工作人员素质要求较高，且初期准确度可能较差。
（2）基于群体行为的分析服务
这类业务重点围绕位置数据洞察用户轨迹，并结合用户身份形成人群分布及特征分析服务。典型业务模式为：
1）人群分布流动分析
人员流动实时观测。以热点事件（如大型公共集会）或热点位置（如热门景区）为汇总粒度，采用匿名算法实现人源分析，实时对人流量进行监控与预警。例如云南某运营商在南博会期间，利用大数据分析对人员流动进行实时分析，为组委会提供相关决策依据，有效保障了会议期间的安全。
交通规划辅助决策。政府部门对交通进行规划时往往需要大量的调研数据，运营商可以提供市民在城市中的流动规律，比如从A点到B点的流动人群数量、高峰时间段、持续时长等。从而帮助政府决策是否需要在两点之间增开公交;是否需要调整交通信号控制;以及是否需要建设地铁和地铁站点的选择等。例如法国电信通过其公共服务项目的IT系统建设，每天都会记录几百万条的用户流动信息，通过对这些记录的分析为市政建设提供依据。
商圈选址价值评估。通过精确统计人口流动情况，形成细分的可视化网格，并结合用户属性（消费能力、消费爱好等），制定选址分析报告，辅助商家精确选址。例如西班牙电信推出名为“智慧足迹”的商业服务，可对特定区域的人流情况及人员特征进行分析，比如为零售商提供该区域人群的聚类特征、驻留时长、驻留位置，零售商根据人群的特点来决定商品类型、店面位置等。
这类业务模式优点是技术实现简单、成本较低、能较快产生直接收益;缺点为进
入门槛较低、市场竞争激烈，且部分业务主要服务于政府部门，公益性质较强，收益可能较低。
2）特定场景人群聚类分析
这类业务是基于某些特定场景（如地铁、公交、商场、美容院等），分析该场景下人群的聚类特征，从而为商家有针对性的营销提供辅助决策。如对经常坐地铁的人进行聚类分析，得出该类人群的年龄分布、消费能力、购物偏好等，从而为广告公司或商家的精准营销提供支撑。
该业务模式与基于个人特征的精准营销服务有相同的优点，且因为是聚类分析，不涉及个人隐私，避开了政策风险;缺点为需要对不同的场景建立不同的模型，并需要不断优化，对人员素质要求较高。
（3）面向政企客户的能力开放业务
1）面向企业的平台服务
运营商将大数据平台能力开放给中小企业（为客户开辟私有云空间），中小企业利用自有数据或平台数据进行大数据分析，只需付给运营商相应租金即可。例如日本KDDI利用自身大数据平台，为企业提供云计算服务。
该业务模式优点为市场空间巨大;缺点为市场竞争激烈（互联网公司也在积极布局），可能导致服务单价过低。
2）面向政府的平台服务
另一类业务为对一些公共项目，如政务云、教育云、医疗云、金融云、环保云、旅游云等，通信运营商通过自身的大数据平台为政府部门提供大数据的存储和计算能力。例如NTT DoCoMo建立了Medical Brain和MD+平台，在这个平台上可根据用户行为洞察其个性化需求，医疗人员根据这些个性化需求帮助用户获得准确的信息反馈。
该业务模式优点为市场前景广阔、收入来源稳定、可持续发展能力强;缺点为网络基础资源要求较高、前期投入巨大且回收期较长。
4 我国运营商大数据资源变现策略
4.1 我国大数据产业特点
（1）市场潜力巨大。我国已进入发展新时期，在各领域都需要科学、高效的决策和管理，大数据在这方面具有巨大优势。因此未来在政务、制造、金融、民生、交通、电子商务等各领域都将有巨大的需求。
（2）政府高度重视。推动大数据发展已上升到国家战略层面，我国政府相继颁布了《促进大数据发展行动纲要》、《中国制造2025》、《“互联网+”行动的指导意见》等一系列政策，大数据迎来快速发展契机。
（3）网络和信息安全至关重要。网络和信息安全是红线，中央专门成立了网络安全和信息化领导小组，对于关系到国计民生行业的大数据业务而言，安全显得尤为重要。
4.2 我国运营商大数据资源变现原则
基于国内大数据产业和运营商的特点，我国运营商大数据资源变现的原则可总结为“提前布局、扬长避短、阶段推进、合作共赢”。
（1）提前布局。开展大数据业务需要完善的基础设施、专业的人才和灵活的组织架构，这些都不是短时间能建立的，因此运营商需站在战略发展的角度提前布局。
（2）扬长避短。虽然运营商与互联网公司相比在大数据运营上具备一定的优势，但未达到压倒性的程度，甚至在某些能力上弱于互联网公司，如创新性思维、公司流程制度、营销手段策略等，因此在大数据业务选择中运营商应该有所为、有所不为。
（3）阶段推进。在人力、财务资源有限的情况下，大数据运营不可能一蹴而就，运营商需做好大数据发展顶层设计，分阶段、有重点地推进。
（4）合作共赢。运营商和互联网公司各有所长，相互之间除了竞争外还更应有合作，通过合作取长补短，提供更好的服务，将大数据产业的整体市场做大做强。
4.3 我国运营商大数据资源变现策略
我国运营商大数据资源变现策略可概括为“基础先行、聚焦突破、整合提升”。
（1）基础先行
基础设施是所有大数据应用的基础，运营商首先需要进行大数据基础设施的部署与升级。
网络基础设施中，应推进通信骨干网络扩容升级和网络通信能力优化，加快LTE建设和网络带宽升级，构建“智能管道”;IT基础设施中，在合适的地区加快数据中心建设，同时应做好IDC技术（节能减排技术、新型数据中心技术等）、服务器和存储技术（桌面云、虚拟化、数据仓库、云存储等）、大数据技术（Hadoop、Mpp数据库、NoSQL、流式计算、内存计算等）的应用。
（2）聚焦突破
在大数据运营初期，运营商无论在项目经验和人才储备上都存在不足，此时应积聚优势力量，在某几个重点领域实现突破，形成大数据行业影响力。
随着《促进大数据发展行动纲要》、“互联网+”等一系列政策的落地，将产生巨大的大数据服务需求（政务、交通、旅游、电子商务等），且这些需求具有影响力大、覆盖面广、收入稳定、安全等级要求高的特点。运营商长期以来深耕政企市场，在基础通信业务上已与相关部门建立良好的合作关系，因此可利用自身优势积极与相关部门共同推进大数据应用（合作模式可多样，如资源托管、能力开放、ICT实施等）的落地。同时对不具备大数据运营能力但又有需求的中小企业，可开放大数据平台的数据存储和分析能力，提供标准化的数据分析产品，有效扩大客户群体，实现收入来源的多元化。
除以上能力开放业务外，也可选取部分收益较高的基于个人或群体的大数据应用进行突破，如个人征信（金融信贷、商品租赁、商品交易、签证、交友、找工作等）、人员流动实时观测等，这类业务互联网厂商也在积极布局中（如阿里的芝麻信用、百度慧眼/热力图/迁徙图等）。运营商应利用自身大数据资源特点，打造差异化竞争优势。
（3）整合提升
后期随着大数据运营经验的丰富和业务范围的扩展，可在之前各项大数据应用的基础上进行整合提升，打通行业壁垒。通过搭建社会级的大数据共享平台，引入互联网公司、中小企业、开发者的大数据资源，实现社会级大数据资源共享，成为大数据行业的领导者。
5 结束语
本文研究了大数据运营的商业模式，并结合我国电信运营商的特点，提出了适合运营商的大数据资源变现模式和策略，对运营商大数据运营有一定的参考意义。后续研究可针对不同运营商的具体特点及发展战略进一步细化大数据资源变现业务模式和策略，提出更能实际操作的建议。
参考文献：
[1] 钱志新. 数据大金矿[M]. 南京： 南京大学出版社， 2013.
[2] 维克托・迈尔・舍恩伯格. 大数据时代[M]. 浙江： 浙江人民出版社， 2013.
[3] 大卫・芬雷布. 大数据云图[M]. 浙江： 浙江人民出版社， 2013.
[4] 涂子沛. 数据之巅[M]. 北京： 中信出版集团， 2014.
[5] 阿莱克斯・彭特兰. 智慧社会：大数据与社会物理学[M]. 浙江： 浙江人民出版社， 2014.
[6] 伊森. 大数据分析：用互联网思维创造惊人价值[M]. 北京： 人民邮电出版社， 2014.
[7] 石方川. 得大数据分析者得天下[J]. 调研世界， 2015（2）： 62-63.
[8] 庞淑娟. 大数据在银行信用风险管理中的应用[J]. 征信， 2015（3）： 12-15.
[9] 姚若辉. 电信运营商大数据发展策略[J]. 电子技术与软件工程， 2015（4）： 196.
[10] 王钦敏. 经济社会发展中的大数据应用[J]. 地理学报， 2015，70（5）： 691-695.
[11] 黄小刚. 电信行业大数据应用的四个方向[J]. 信息通信技术， 2013（6）： 26-28.
[12] 黄勇军，冯明，丁圣勇. 电信运营商大数据发展策略探讨[J]. 电信科学， 2013（3）： 6-11.
[13] 晓镜. Sprint：运营商仅靠大数据就能生存[N]. 中国邮电报， 2012-11-21（5）.
[14] 宋杰. 挖掘数据信息商业潜力――西班牙电信和Verizon成立大数据部门[J]. 通信世界周刊， 2012（43）： 20.
[15] Emeka Obiodu. Readying for Big Data： Telefonica and Verizon show the way[R]. 2012.