电信运营商大数据发展策略与价值挖掘

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发展策略与价值挖掘范文，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】大数据资产变现是国内外电信运营商普遍关注的问题，从分析通信运营商的数据来源及特点入手，从对内对外两个方面，分多个场景对数据资产的价值挖掘及应用模式进行了阐述，全面规划了电信运营商的大数据发展策略，并就实施路径给出了具体建议。

【关键词】大数据 电信运营商 数据资产

1 引言

近年来随着社交网络的兴起、移动互联网的快速发展、数据传感器的大量应用，数据量出现了爆炸式的增长，大数据时代正式来临。电信运营商在长期的运营过程中也积累了大量特有的数据，但由于种种原因，数据并没有得到很好的“价值挖掘”，如何充分利用这些数据资源，开发出能产生现金流的服务或应用，即大数据资产变现，是国内外电信运营商普遍关注的问题。本文接下来将对此进行分析，规划电信运营商的大数据发展策略，并就实施路径给出了具体建议。

2 电信运营商的数据资源

用户在通话、短信、上网等过程中，产生了大量记录，运营商由于其业务特点，积累了很多特有的数据，包括人们的身份信息、实时位置信息、上网行为信息等。可以说，运营商记录了人们现代生活的“指纹”，如何对这些数据资源进行挖掘和分析，发挥数据的潜在价值，是当前业界人士普遍关注的问题。

如图1所示，运营商的数据主要来源于以下三个方面：

（1）通信业务数据

这部分数据由CRM（客户关系管理系统）、计费帐务、客服、渠道等IT（信息系统）系统在通信业务的开展过程中产生。例如用户资料、语音、短信、数据等使用记录（话单）、费用记录（账单）、业务订购记录等。这些数据原本的作用是提供更好的客户服务、实现更加准确和灵活的计费等，在大数据时代，它们可以被赋予更丰富的内涵。

（2）网络类数据

这部分数据内容最为丰富，用户上网时的IP地址结合客户资料信息，可以很准确地追溯到人们的身份信息、家庭住址、上网时间、地点等。DPI（Deep Packet Inspection，深度包检测）数据经过分析后，可以清楚知道用户的网络行为，比如访问过哪些网站，购买过哪些商品，从而判断出用户的兴趣及关注点。通过移动位置信令，还可以实时地获取用户当前的所处的位置。

（3）互联网业务数据

这部分数据来自Web（互联网）和App（应用程序）客户端的数据，一般通过JS（一种脚本语言）插码或SDK（Software Development Kit，软件开发工具包）的方式收集，包括支付记录、商铺信息、终端数据、内容订购以及消费记录等信息。

3 电信运营商发展大数据面临的问题

（1）数据质量不高，未充分挖掘

现阶段运营商的数据大多分散在不同领域的多个独立系统中，各平台之间数据模型缺乏统一规划，数据质量不高，并存在较多的不一致性问题。另一方面现有系统对数据的采集挖掘不够深入及全面，无法支撑更精准的分析及应用。

（2）数据分析能力欠缺

缺乏既精通数据挖掘分析、又熟悉电信业务的人员，复合型大数据人才的磨合及培养是一个较为长期的过程。市场瞬息万变，如果不能在有效时间内形成分析结果，那么就失去了意义。而面对海量的数据，如何在短时间内确定分析维度，建立合适的模型，这都需要一个知识及经验的积累过程。

（3）相关法律不够健全

法律边界模糊，运营商虽然拥有大量的客户信息及行为数据，但由于可能触犯客户隐私，所以并不能随意使用，这也大大限制了运营商大数据业务的拓展。

4 运营商大数据的内部应用

运营商不仅是大数据的生产者，而且也是传输者和使用者。由于市场和隐私问题，目前运营商在大数据的使用上还是以内部应用为主，用大数据优化网络质量、提升客户体验，更好地支撑前端营销及后端运营。

4.1 辅助网络建设及优化

采集和分析大量现网数据，通过用户行为对网络关键性能指标的影响，分析用户行为规律的内在机理。将用户的话务、流量变化与时间周期、位置分布、人员属性等用户行为，与网络的节点分布、容量配置等网络资源进行关联分析。通过分析各种因素的内在联系，找出其规律，建立网络关联模型，使得网络规划、建设更加准确高效。另一方面，运营商还可以建立评估模型对现网的效率和成本进行评估，及时调整资源配置，对网络进行优化，不断提升网络质量和网络利用率。

4.2 提升客户服务质量

运营商积累了大量的客户行为和需求数据，利用大数据技术对客户的行为特征（例如等候时长，关联用户接触纪录、套餐订购及消费、投诉纪录等）进行深入分析，可以更准确识别热点问题、客户情绪、客户兴趣，从而更好地进行客户关怀。还可以针对客户兴趣进行精准营销，主动向客户推荐合适的业务及套餐。通过大数据方法进行客户分群，提前发现高流失风险客户，并作相应的客户关怀及挽留措施，可以有效避免客户流失，甚至可以“策反”部分异网客户。

4.3 提高企业运营管理效率

从网络、业务、用户、终端等多个维度全面监控运营商的业务运营状况，构建各类业务的综合指标体系及评价模型，从业务贡献度、对网络资源的占用、用户感知、业务替代性等多个维度对业务进行全面评估，从而更好地支撑业务的创新与改进。还可以通过数据分析对业务和市场经营状况进行总结和分析，相对于传统的经营分析系统，利用大数据技术能够处理更大的数据量，进行更深层次的挖掘分析，从而更好地支撑经营决策。

5 运营商大数据的价值挖掘

大数据的价值绝不仅限于企业内部应用，探索大数据的外部应用、挖掘数据价值、实现海量数据资产的“变现”、加速数据流向现金流的转换成为今后的主要方向。

对数据的某些敏感信息通过某些规则进行数据的变形，或者采用群体性的、趋势性的分析，取代个人明细信息等方式，实现数据“脱敏”，以规避用户隐私方面的法律风险。结合运营商数据的特点，也参考国外的先进经验，主要推荐以下几种典型应用：