运营商大数据变现实践

运营商网络运营大数据应用实践研究摘要：以电信运营商的大数据资源为基础，对网络运营大数据平台所要汇聚的数据范围、系统定位及功能架构进行了分析，并与4 G网络的建设和推广相联系，说明了怎样才能更好地运用网络运营大数据平台的大量数据资源，来对移动互联网的业务进行全面的评估，同时还可以对网络运营大数据平台在网络精细化运营中所具有的价值进行挖掘，为运营数据资源的内部应用提供借鉴。

关键词：运营商；网络运营；大数据平台；数据资源1.网络运营大数据概述1.1客户信息由顾客的实际注册信息、业务定单、消费、付款、投诉等信息构成，该信息以顾客关系管理（CRM）和客服系统为主，以“客户/人”为“主KEY”进行相关聚合，并体现出该用户所使用的电信服务的基础信息。

1.2用户实时业务信息具体包含了用户的实时位置信息、正在使用的业务类型、业务内容、 APP名称、终端型号版本、业务使用感知（时延、成功率、速率）等内容，它的主要作用是对用户的行为进行描述，能够反映出用户使用业务时实时体验的动态信息。

通常情况下，运营商会使用部署探针、镜像抓包等方式来对其进行捕捉和存储，之后再对其进行分析。

1.3网络/设备运行信息：具体内容有：反映各设备/各端口/各链路的速率、带宽、抖动、延时等硬件运行情况的信息，还有能够反映网络情况的业务统计信息（例如，无线信号强度/覆盖/干扰等一系列指标、各端口消息收发成功率及处理时延、各协议定义的计数器情况、性能指标等）等，这类信息通常是由网管系统进行监控和采集的。

在这些数据中，无论是用户实时业务信息还是网络/设备运行信息，都是从现网实时产生并实时采集到的动态信息。

这一类型的信息，不仅包括了用户使用电信业务及互联网业务的行为特点，而且还能反映出用户使用业务时的网络实时状况，这对运营商提升网络质量以及提升用户使用业务时的感知有着十分重要的作用。

2.网络运营大数据平台架构2.1实时性通信网络每时每刻都在对各种业务进行处理，因此，网络的运行情况也是实时变化的。

运营商大数据产品变现面临的挑战和机遇最近中国移动发布了逍遥旅游、信用分等产品，中国联通大数据公司也正式成立了，提出“在原有的征信风控、沃指数、精准营销、用户标签、城市规划等产品的基础上，不断开发更多的产品和应用，为社会各界直接提供大数据的应用”。

如果说前几年运营商还在探索变现商业模式，现在应该没有什么秘密可言了，基本上找到了大数据变现的方向，逐步过渡到真正的价值变现阶段，无论是哪个运营商，都开始依托自己的政企渠道资源开拓TOB市场，同时打磨出自己的产品体系，这是正确的方向。

很多互联网公司也毫无例外的想依托大数据打造出强大的数据产品，在B端行业市场打开局面，因此，大数据产品这个市场未来竞争将是非常激烈的，诸如阿里就在依托阿里云的优势和数据优势，逐步向上游渗透，抢夺企业级的数据产品市场，其多年积淀的数据产品能力正在发挥威力，阿里云颠覆的不仅仅是云计算，只要企业用阿里云，数加或者其他阿里大数据产品将是一个选择。

一、运营商数据产品面临的挑战对于运营商来讲，虽然已经打造出了一些数据产品，但面临的挑战不少，诸如客流等产品面临的竞争不少，同时产品的同质化现象也在加剧，需要尽快建立起自己的独特优势：一是对于B端行业的理解有限，找到好的切入场景不易，当然这也是互联网公司的短板，某种程度上讲，运营商还有些优势，毕竟运营商在政企市场深耕多年，有一定的先发优势，一定要基于在通信市场积累的庞大的渠道资源，更快的渗透到更多的行业市场，CT+IT+大数据也算是很好的竞争策略，但要注意不要让数据过度贬值。

二是受限于运营商的IT人才储备，本来从事数据的人不多，从中能转向数据产品的更是少数，数据产品人才绝对是市场上的稀缺资源，而且很难买到，因为相对于一般的产品，数据产品人员不仅要有做产品的素质，也要有数据的感觉，而数据还带有一定的业务特性，得符合某个领域的洞察数据的习惯，比如阿里的生意参谋很成功，但只有对电商业务有一定的理解，懂得哪些数据对于商户有价值，才能通过产品化的形式很好的体现出来。

大数据变现四种途径，如何把海量数据变成现金？（来源：36大数据，2017-07-05）大数据变现是大数据热潮中最现实的话题之一。

西班牙电信、沃达丰电信、DHL等企业在大数据变现方面率先开始了探索，以下为大家呈现他们在这一领域的4种创意和途径。

西班牙电信：开发“Smart Steps”唤醒沉睡的数据目前电信运营商的语音收入正在大幅下滑，但他们拥有庞大的客户群，每一位手机用户的每次触控手机都会产生数据，这些数据以及用户的大量个人信息会被存储在电信运营商的系统中，因此，电信运营商都试图在上述数据产品方面挖掘价值，从而弥补传统语音收入的不足。

近些年，西班牙电信做了很多大数据变现的研究，非常有名的是“Smart Steps”大数据产品，可以为零售商、政府机构和交通部门提供大数据服务。

据西班牙电信哥伦比亚公司商业智能总监Alvaro Ramirez介绍，在Smart Steps产品诞生之前，西班牙电信哥伦比亚公司的大量数据都是沉睡的。

一开始西班牙电信并没有想到要把它变现，只是为了创造社会福利，服务于社会，同时也希望能够带动公司的转型。

关于Smart Steps，首先，西班牙电信哥伦比亚公司会把所有的数据进行汇总，然后，为其他机构提供数据的时候，只提供不具名的数据，尽管他们非常清楚每一个数据属于哪一个客户。

Smart Steps 采用统计学进行数据的计算和分析，从而使数据不仅适用于西班牙电信哥伦比亚公司自己的客户群，还可以用于其他机构的人口分析。

随后，西班牙电信哥伦比亚公司开始和政府进行合作，因为政府部门经常会对一些大的市政、基础设施项目进行投资。

比如，西班牙电信哥伦比亚公司会为市一级的政府提供这个城市的市民在城市中流动的规律，比如从A点到B点的流动人群数量，从而帮助市政府决定到底在A点到B点之间是应该修一条路，还是去建一条地铁更加合理。

除此之外，Smart Steps还可以被用于大型流行疾病前的预警，例如，西班牙电信哥伦比亚公司和医疗卫生机构合作，一旦发现某个社区有不少人诊断得了某种疾病，此疾病还有爆发传染的趋势，基本就可以判断此病具有传染性，从而要求病人待在自己家中，避免去传染别人。

大数据分析在电信运营商业务中的应用研究近年来，随着互联网技术的不断进步和智能设备的普及，电信运营商所拥有的数据量呈现爆炸式增长。

这些数据蕴含了丰富的商业价值，但如何运用这些数据成为电信运营商面临的一个重要挑战。

大数据分析作为一种新兴技术，对于电信运营商来说，已经逐渐成为提高业务水平和效率的必备工具。

首先，大数据分析在电信运营商业务中的应用，可以帮助运营商更好地了解客户需求。

通过收集并分析各种数据，如用户的手机使用习惯、通话记录、短信和数据使用情况等，电信运营商可以了解到用户的消费偏好、用户行为和用户需求。

基于这些数据，电信运营商可以有针对性地推出新产品和服务，满足用户的个性化需求，提高用户的满意度，并实现有效的节约成本。

例如，针对流量使用较高的用户，电信运营商可以推出更多的流量套餐，吸引用户提高他们的使用频率。

其次，大数据分析在电信运营商业务中的应用，可以帮助运营商进行精准营销。

通过分析用户的个人信息、通信行为和社交网络等数据，电信运营商可以更好地了解用户的兴趣爱好、消费能力和购买意向，从而为用户提供更加个性化的推荐和优惠活动。

通过精准营销，不仅能够提高用户的忠诚度，还能够提高销售量和盈利能力。

例如，电信运营商可以根据用户的通信行为和地理位置，推送相应的优惠券或广告给用户，从而提高用户的参与度和购买欲望。

此外，大数据分析在电信运营商业务中的应用，还可以帮助运营商预测和解决网络故障。

通过对海量的设备和网络数据进行分析，电信运营商可以发现特定设备或网络节点存在的问题，预测故障的发生，并及时采取相应的维护措施。

这样可以大幅提高网络的稳定性和可靠性，并减少维护成本。

例如，通过分析设备的运行数据，电信运营商可以发现设备的异常运行模式，提前进行维护和更换，避免了设备故障可能带来的用户投诉和网络不稳定问题。

此外，大数据分析还可以在电信运营商的网络规划和优化方面发挥着重要的作用。

通过分析用户的位置信息、通信质量和流量数据，电信运营商可以了解到网络的瓶颈位置，进而进行网络规划和优化。

大数据技术在电信运营商运营管理中的应用一、引言电信运营商在服务于亿万用户的过程中，面临的最大挑战之一是如何在庞大的数据量中管理和分析数据，并从中提取出关键洞察和商业价值。

随着大数据技术的不断发展和普及，越来越多的电信运营商开始应用大数据技术来解决这些挑战。

本文将探讨大数据技术在电信运营商运营管理中的应用，并分析其优点和挑战。

二、数据采集和存储作为电信运营商，数据采集是最基础的功能之一。

电信运营商需要采集多种结构化和非结构化数据，包括用户活动数据、网络性能数据、设备数据等。

为了有效地采集和存储这些数据，电信运营商需要建立强大的数据中心和存储系统。

在数据采集方面，电信运营商可以利用传感器、监控工具和其他硬件设备来实现实时数据采集。

然后，这些数据可以通过批处理或流式处理技术存储在云端服务器中。

这种存储方式可以帮助电信运营商减少数据存储成本，提高数据的安全性和灵活性，同时还可以实现数据的实时分析和处理。

三、数据分析和挖掘随着数据量的不断增加，电信运营商需要进行大规模的数据分析和挖掘，以从中提取出有用的洞察和信息。

大数据技术可以帮助电信运营商在庞大的数据集中提取出有用的数据，以支持更智能化的业务决策。

数据分析工具可以帮助电信运营商识别用户行为、预测用户需求，并优化网络性能。

利用这些数据，电信运营商可以更好地了解用户的需求和行为，从而提供更好的服务和产品。

例如，电信运营商可以利用大数据技术进行用户画像分析，以了解用户的兴趣、喜好和需求，并根据这些数据来定制更适合用户需要的服务和产品。

四、数据安全和隐私保护在大数据应用中，数据安全和隐私保护是非常重要的问题。

电信运营商需要采取各种措施来确保数据的安全性，以避免数据泄露和其他安全问题的发生。

同时，他们还需要注意保护用户隐私，确保用户信息不被滥用或泄露。

为了确保数据的安全，电信运营商通常会利用加密、存储备份、多重鉴权等安全措施。

值得注意的是，由于数据隐私问题的敏感性，电信运营商需要严格遵守相关法规和合规要求，以确保数据安全和隐私保护。

大数据时代的商业智能：解密数据变现的成功之道1. 引言1.1 概述在当今快速发展的数字时代，数据已成为商业运营和决策的重要资源。

随着技术的进步和互联网的普及，大量数据被持续地产生、积累和储存。

这些数据蕴含着宝贵的信息，可以帮助企业洞察市场趋势、了解客户需求以及优化运营管理等方面。

然而，如何将海量复杂的数据转化为有价值的商业智能，成为了企业面临的一项关键挑战。

本文将深入探讨大数据时代中商业智能背后的秘密：数据变现的成功之道。

通过分析商业智能与大数据之间的关系，探讨数据对商业运营的影响以及进行有效数据变现所面临的意义和挑战。

同时，本文还将通过案例分析来揭示成功实践，并提供一些解密数据变现成功之道的技巧、方法和策略经验分享。

1.2 背景随着科技和信息技术的迅猛发展，我们正处于一个日益数字化和信息化程度不断提升的时代。

数字化革命所带来的海量数据正在改变着商业运营的方式和效率。

企业通过收集、整理和分析这些数据，可以更加准确地识别市场机会、优化生产流程、改进产品和服务等，从而在竞争激烈的市场中取得竞争优势。

然而，随着数据量的快速增长和复杂度的提高，仅仅依靠传统的商业智能工具已不再足以满足企业对数据价值挖掘的需求。

因此，如何将大数据转化为有用的商业智能，并实现对其进行有效变现成为了企业迫切需要解决的问题。

1.3 目的本文旨在深入剖析商业智能与大数据之间的关系，并探讨数据变现在商业运营中所扮演的重要角色。

通过分析成功案例，揭示有效利用大数据实现商业智能和盈利增长的策略和方法。

同时，在总结关键要点后，本文还将展望未来发展趋势，并给出一些结论和启示供读者参考。

通过阅读本文，读者将更好地了解到大数据时代下商业智能的核心理念与应用价值，把握成功变现数据所需具备的技巧、方法和策略，从而为企业的决策与管理提供有力支持，进一步推动商业领域的创新和发展。

2. 商业智能与大数据:2.1 商业智能概念:商业智能（Business Intelligence）是指通过对企业内部和外部的大量数据进行收集、整理、分析和应用，从而帮助企业做出更明智的决策以提高业务绩效和竞争力的过程。

浅谈运营商大数据价值变现之路【引言】数字化，数据化的时代正在到来。

大数据已经被提到了国家战略的层面。

各个企业，以互联网企业为主，纷纷投入到这场新掘金大潮中，各种应用不断涌现。

作为拥有最多数据潜在资源的电信运营商，至今可以听到的声音却不多。

大概是被数年前的垃圾电话短信泛滥而担责的阴影所困扰，运营商除了预定的商业广告之外，甚至连自身的一些服务，比如漫游问候通知服务，多少年来都一律关停，尽管今天的数字化新时代和单纯靠语音短信沟通的时代相比已经完全改观。

几家运营商至今在大数据的浪潮下还没有明确的战略定位出台。

好在还是有省级运营商开始了一些谨慎的尝试。

如同我们文中所指出，只要遵守基本规矩，大多数的大数据业务不涉及到个体层面的数据的商业应用和交易，而对社会对企业却有着越来越多维度的价值和意义。

我们期待看到运营商在大数据领域的大战略，新突破。

大多司机都有过这样的境遇，在路口等红绿灯的时候，就会被某些地产人员塞上个某楼盘小广告，不胜其烦，大多数时候，司机们连看都不会看，随手扔掉。

这样的营销方式，既浪费物料，又浪费人工，效果还不显著。

就此状况，某新开楼盘找到某省移动，依靠省移动的大数据洞察分析结果布点营销人力，仅在周末上午10点到下午6点，平时晚上5-8点用餐时间，在这些人群常常光顾的商业街等定点地方派销售人员进行投放和宣传，短期内这个楼盘的销售量提升了一个亿人民币。

众所周知，准确找到潜在人群，并在他们亟需的时候提供信息，是营销成功率提升的关键。

对于售房地产商来说，这其中最重要的环节，是“预知购房冲动”和“精准定位潜在客户”两项。

平时，售楼人员都是“后知后觉”，在购房者来到售楼处之后才能了解到购房者的部分个人信息和购房欲望，没有办法做到“预知购房冲动”；这同时导致了无法“精准定位潜在客户”，只能漫天撒网。

在某省运营商的帮助下，该企业通过三步准确定位购楼人群：1）描绘用户特征：将平时售楼人员作为谈资的购房者信息提炼出来，归纳最有购房冲动的用户画像，以及他们的习惯。

运营商大数据变现为何如此之难一、第三条曲线日渐迫切最近总理的宽带降价提速论，又掀起了一阵针对运营商的批判。

近几年来围绕运营商的负面话题此起彼伏，火爆程度远超其他国企。

为什么运营商不能像水电煤一样，既关系国计民生，又在日常生活中隐形，悄悄地过好自己的日子呢？对于这个问题，有人归结为人傻，过度宣传过度承诺；有人归结为钱多，让人眼红的净利润、数千亿的采购与相关产业链拉动，导致利益相关者太多。

最近微信上有篇文章，从产业的角度指出了问题所在，那就是三家电信运营商承载了一个“过重”的移动互联网产业，该产业对就业以及经济转型的拉动是其它任何行业所无法比拟的，这也是总理关注的最终目的，总理基本不会主动关注水电煤，除非它们出了大问题。

材料力学告诉我们，物体承载过重，导致应力变强，结构变形，不稳定。

一个行业也是如此，如果承载过重，压力与指责一定增多，产业链也会进一步裂变，不停地动态调整，直至与之相符的稳定结构出现。

什么是未来通信行业的稳定结构？无法简单下结论，有可能引入更多的竞争者，从供给方面提升服务能力，让渡服务利润；有可能通信业务继续下沉，成为国家管控发改委定价的纯管道。

不管是哪一点，对运营商而言，依靠流量的收益/盈利模式越发不可持续，第三条曲线变得前所未有的紧迫。

近几年来，运营商一直探索并向第三条曲线转型，除了政企应用、数字内容外，大数据越来越受到广泛关注，很有可能成为与数字内容同等重要的第三条曲线。

二、运营商数据价值逐渐明晰对于所有号称涉足大数据的互联网公司而言，可以从两方面判断其前景与价值，其一是否有稳定的数据源，其二是否有持续的变现能力，其中包含数据理解运用的经验积累。

就数据获取而言，大的互联网企业由于自身用户规模庞大，把自身用户的电商交易、社交、搜索等数据充分挖掘，已经拥有稳定安全的数据资源。

那么对于其它大数据公司而言，目前大概有四类数据获取方法：•第一、利用广告联盟的竞价交易平台。

比如你从广告联盟上购买某搜索公司广告位1万次展示，那么基本上搜索公司会给你10万次机会让你选取，每次机会实际上包含对客户的画像描述。

何鸿凌：电信运营商数据资产及变现探讨电信运营商在长期的内部精细化管理和精确营销服务的过程中积累了大量的数据资产，这些数据资产在大数据背景下具备外部变现的潜质。

本文分析了这些数据资产的状况，并探讨了几种数据变现模式。

一、电信运营商数据资产情况及分析资产是指由企业过去交易或事项形成的，由企业拥有或控制的，预期会给企业带来经济利益的资源。

电信运营商的数据资产就是指那些在服务客户和进行内部管理的时候，由IT系统产生的数据，这些数据会或可能会给企业未来带来经济利益。

细数电信运营商的数据资产，大概可以分为如下几种：第一部分是来自业务支撑系统的数据。

它们最早被定义和识别出来，被应用得非常广泛。

这部分数据由CRM、计费、客服、渠道等IT系统在服务客户的过程中产生。

例如用户资料、使用记录（话单）、费用记录（账单）、付费关系、客户咨询和投诉的语音和文字记录、电子渠道的交互信息（交易信息、JS插码、SDK数据等）。

产生这些数据原本的意图是提供更加好的客户服务、更加准确和灵活的计费等，但是大家都知道大数据最迷人的一点就是数据外部化的应用。

在系统设计、数据设计的时候很难预期到后续数据到底会应用在什么方向。

所以竭尽可能地收集数据吧。

现在数据采集和存储的成本已经很低，而且还会越来越低了。

比如翻页的数据，这个数据能说明用户是否仔细阅读了说明，以展示信息的吸引程度。

第二部分是网络系统产生的数据。

即那些来自“管道”的数据。

它们是来自电路域（CS）和分组交换域（PS）中信令分析的结果。

比如位置信令（包括15分钟左右的周期位置更新和呼叫过程中的位置切换信令）、开关机信令（在其中有开关机的地点，使用的终端等信息）、漫游信令。

值得重要提及的是来自PS域中的DPI信令。

通过深度包分析，可以从网络层、传输层和应用层中的包提取相关信息。

原本这个技术用于设计来分析数据包的状态，以提供更好的带宽和缩短时延，但现在更多用于其他的用途，这也是数据外部性的一个实例。

创新天地Innovation运营商该怎么办？对于眼下的运营商来说，出路无非两条，要么精耕存量客户，挖掘更大的价值点；要么开辟新市场，寻找行业的破局地。

关于精耕存量市场，已经有太多这方面的文章，这里不再赘述。

我想重点谈谈新市场。

新市场在哪里？日前，互联网教父、科技商业预言家凯文·凯利在斯坦福大学进行了长达3小时的演讲，畅谈他对未来20年重大科技商业潮流的见解。

我对其中一个观点很感兴趣，他说不管你现在做什么行业，你做的生意都是数据生意。

对，数据！无论是风生水起的移动互联网，还是改变世界的芸芸众生，他们都在通过运营商的网络来获取信息。

2014年3月在北京举行的一场大数据产业推介会上，阿里巴巴集团创始人马云在主题演讲中发表了他的观点——“人类正从IT 时代走向DT 时代。

IT 时代是以自我控制、自我管理为主，而DT 时代，它是以服务大众、激发生产力为主的技术。

”我们都知道，2015年的“双11”全球狂欢节中，阿里巴巴用时不到12小时就打破了2014年创下的571亿元运营商大数据新玩法■ 顾嘉 ︱ 文这是一个唯变不破的大时代。

在这个时代里，竞争对手变了、游戏规则变了、用户习惯也变了，曾经习以为常的一切突然间发生了天翻地覆的变化。

话音、短信这些传统业务正在加速下滑，流量虽然成为新的增长点，却不得不面临着“提速降费”的巨大压力。

可以说，在这样的时代背景下，运营商像是一头被困的巨兽，想挣扎却又充满无力感，想改变却又害怕不确定，想突破却又找不到突破口，怎么办？笔者认为，唯一的方法就是：豁出去，开辟新市场。

January 01 2016 181的交易额，最终将记录锁定在912亿元，其中无线交易占比71%，全球产生成交的国家和地区达到205个。

巨量交易额的背后是什么？是阿里越来越强大的供货和物流系统？还是传统零售业的全面没落？其实都不是。

笔者以为这背后体现了阿里巴巴强大的数据分析和挖掘能力。

在这样的购物节中，最重要的是商家要备多少货？而这可以通过平台历史销售大数据，预测货品需求，为商户提供库存依据，提升出库效率和有效性。

DT时代数说未来----运营商大数据探索与实践大数据时代&大数据战略1)运营商大数据的特点2)运营商大数据的优势电信大数据特点与优势大数据应用探索与实践010203目录1)对内支撑：精准营销精准服务2)对外服务：区域洞察智慧足迹精准营销风险防控1)大数据时代2)大数据战略3)大数据产业大数据时代与战略PART ONE 1)大数据时代2)大数据战略3)大数据产业随着计算机技术全面融入社会生活，信息爆炸引发变革，信息更多，增长速度更快。

互联网（社交、搜索、电商）、移动互联网（微信、微博）、物联网（传感器，智慧地球）、车联网、GPS、医学影像、安全监控、金融（银行、股市、保险）、电信（通话、短信）都在疯狂产生着数据。

数据量快速增长。

大量新数据源的出现则导致了非结构化、半结构化数据爆发式的增长。

数据结构日趋复杂。

数据量呈指数级增长，大约每两年翻一番，这个速度在2020 年之前会继续保持，增长44倍。

人类在最近两年产生的数据量相当于之前产生的全部数据量●美国：2012年3月22日宣布投资2亿美元，将“大数据战略”上升为国家意志。

美国将数据定义为“未来的新石油”，并表示一个国家对数据的占有和控制将成为陆权、海权、空权之外的另一种国家核心资产。

大数据时代来临：数字->信息->大数据●中国：2015年9月与国务院印发《大数据行动纲要》，2016年3月，十三五规划，大数据上升国家战略。

4大数据时代麦肯锡：数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。

人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。

在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》，数据驱动变革，产生新的模式和思维。

大数据的5V特点：Volume（大量）、Velocity（快速）、Variety（多样）、Value（价值）、Veracity（真实性）。

3月29日，由东湖大数据发起、数据观作为合作媒体参与的大数据百人会·线上沙龙第9期活动圆满结束，浙江移动大数据中心傅一平博士就《运营商大数据变现实践》主题与大家分享了数据利用的心得与经验，带来了两个多小时的精彩直播演讲。

运营商拥有庞大且具有绝对话语权的数据资源、数据储备，关于对数据利用的心得与经验，傅一平先生围绕浙江移动的平台能力、数据管理、数据能力、标签能力、产品服务这5大内容深入浅出地做出描述。

十足的干货、通俗易懂的表达方式，专业的视角和独到的解读吸引了3326人次在线观摩学习。

以下附文字干货及完整版PPT，本次沙龙录音内容以第一人称整理。

☞以下为文字干货1、运营商的平台能力2004年我进入浙江移动，3年前开始从事大数据相关的工作，推动了浙江移动大数据变现工作的开展，浙江移动在大数据变现过程中碰到了很多问题，我们在实践和探索中也总结出了一些经验，今天与大家分享一下。

数据变现我不能直接去谈商务模式，因为商务模式依赖于我们平台、数据和标签能力。

运营商的平台能力分为五横一纵，从数据采集、数据处理、数据分析、数据访问到数据应用，还有管理平台，这是一个标准架构。

互联网公司的大数据平台架构可以与其作一定的映射，当前，浙江移动从这五个方面也初具雏形。

浙江移动经过两期系统的建设，采用了非常多样的技术组件，底层用的是华为的BDI，中间的处理层用的是hadoop，有商用的，也有开源的版本，大家可以看到里面有3个应用集群，中间我们使用的是MPP，MPP用来做我们的报表，主要是融合、复杂以及交叉的分析，当然我们也采用了ASTER的数据挖掘库，它提供了一些现成挖掘的API，计算速度比较快，流处理的话我们使用的是IBM STREAM，海量数据处理方面很不错。

往上一层我们主要是做读写分离的，有Oracle、HBASE、KV数据库，为应用层提供支撑。

运营商如果想对外变现，它必须具备像阿里云一样方便驻户进驻的能力，它的平台能力应该是所见即可得的，浙江移动大数据平台可以在一周内实现合作伙伴的入驻并实现全方位的开放，当前外部合作伙伴已经超过30个，当然这仅仅是起步的阶段，“我方搭台、对方唱戏”的这种模式对平台来讲是必不可少的，很多公司如果没有多驻户的开通能力，变现是不大可行的。

运营商大数据变现实践在大数据产业中，三分技术七分数据，可谓得数据者得天下。

根据其所提供的不同类型的大数据价值，目前大概有三种大数据公司，一是利用自身的数据提供服务，如twitter，该公司将海量数据授权给别人使用;二是利用自身的数据技能提供服务，类似咨询公司、技术供应商或者分析公司，如为沃尔玛服务的天睿公司；三是挖掘独有的具有新价值的数据思维提供服务，如Jetpac，该公司通过用户分享到网上的旅行照片来为其推荐下次旅行的目的地。

运营商具有天然的大数据优势，拥有大量用户的相关数据，相对互联网企业而言准确度更高，也更加完整。

以中国移动为例，已拥有数量超过8亿的用户，每分钟达800多万次的通话，每秒上网流量以GB计，每天信令数据以PB计。

同样，中国电信拥有全国数据中心近377个，数据种类54个，数据容量超过10PB。

运营商具备了建设、运营大数据的天然优势，如果加以挖掘，加强合作及数据共享，并辅以体制的改变，是可以实现上述三种数据变现的模式，开拓出新的发展之路。

一、对内，可以用大数据进行自我改造，变革基础能力、商业模式、机制体制、产品迭代等。

1、成为内部决策的依据。

大数据的本质价值，是化数为据，用规律预测未来、辅助决策。

这将影响企业怎样做、谁来做的决策思路，企业的决策者必须从靠直觉和经验转变为注重事实，让数据做主。

如亚马逊，通过跟踪用户买了什么、查看什么产品、浏览网站习惯等，来决定上架什么产品或向用户推荐什么产品，以及新商业投资项目是否上马等，有了数据的支撑，决策自然更科学、合理。

运营商可以在原有强大经分系统的基础上，通过获取更准确、更全面的数据，为公司的内部决策以提供更客观的决策依据。

2、对原有业务进行更加精确的营销。

拿目前运营商正在花大力气整治的垃圾短信来说，之所以称之为垃圾短信，是因为这些信息是用户不需要的，但如果这些信息正是用户需要的，那就是及时雨了。

以在日本的麦当劳和运营商成功合作为例，运营商和麦当劳合作搜集有关用户经常买什么汉堡、去哪个店消费、消费频次多少等，然后精准地将该用户可能需要的优惠券推送给该用户。

为变现赋能运营商⼤数据建模的五个⽅向【摘要】当前的运营商新增⼤数据的质量真的经受得住市场的检验吗？| 科 | 技 | 杂 | 谈 |中国通信⾏业第⼀⾃媒体本⽂作者：傅⼀平，作者就职于浙江移动⼤数据中⼼本⽂来源：与数据同⾏（ysjtx_fyp）运营商的⼤数据有价值⽏容置疑，笔者在《PK BAT⼤数据？谈谈运营商⼤数据的价值》⼀⽂中有详细的阐述，但当前⾯对的挑战不少。

“为什么公司拥有这么多⼤数据，好像对于内部经营的改善还不多！”“对外价值变现的收⼊还不怎么够看，什么原因呢？”“建⽴了⼤数据平台，采集了很多数据，投资什么时候回本呢？”当然可以有很多的理由，诸如组织、机制、流程、⼈才等等原因，⽼⽣常谈了，特别是安全像达摩克利斯剑⼀样悬在胸前。

但除了外部客观因素，也需要思考⼀下，是否也有内⽣的原因？当前的运营商新增⼤数据的质量真的经受得住市场的检验吗？在运营商内部经营中，似乎账单、⽤户、订购、话单⽼的⼩数据仍然是分析的主要数据，也是营销的主要依赖数据，诸如位置、上⽹、社交、信令等很多⼤数据似乎“名不符实”, 实际⽤的还⽐较少，什么原因呢？当然有推⼴培训的因素，但笔者还认为有更重要的原因，即这些⼤数据的“原⽣价值”有限，只有经过加⼯，⽐如建模，才能让这些数据发挥出真正的价值。

举个例⼦，说运营商的上⽹数据有价值，那运营商上⽹的原始记录是怎样的呢？这⾥以http为例：这个冰冷的URL对于⽹络性能分析可能有价值，⽐如可以统计京东APP的流量啥的，但与结构化的ARPU、MOU等能直接⽤于营销的⼩数据相⽐，业务⼈员似乎没有什么⼿段去获得这个URL承载的信息或知识。

⾼喊着运营商DPI数据有价值没有意义，谈DPI被HTTPS也有点杞⼈忧天，运营商需要⽤⼯匠的精神去挖掘出这些数据的潜⼒，这些数据就如浮在海⾯上的冰⼭，你只看到了10%，90%都沉在下⾯，然后束⼿⽆策：互联⽹公司跟运营商也是有合作的，他们对于DPI数据是⾮常看重的，马上能拿去变现，差距在哪⾥呢？当然有渠道的因素，但不仅于此。