下载文档原格式
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。
大数据技术应用在5G网络运维中的探讨分析摘要: 身处5G时代的伟大变革，面对通信技术的迭代升级，结合互联网和通信行业融合技术的发展需求，大数据技术应用已经尤为突出和重要，成为通信运营商捕捉商机的重要手段。
关键词：Big data、采集、存储与管理、分析与挖掘、机器学习引言:随着“大数据”时代的到来，信息成为企业战略资产，市场竞争要求越来越多的数据被长期保存，每天都会从管道、业务平台、支撑系统中产生大量有价值的数据，这些数据有可能被长期埋没而未发挥出其应有的作用。
大数据技术的应用，可以将这些数据的商业价值得到有效开发，为运营商带来巨大的商机。
下面从五个方面进行解析：一、精细化营销在网络时代，基于数据的商业智能应用为运营商带来巨大价值。
通过大数据挖掘和处理，可以改善用户体验，及时准确地进行业务推荐和客户关怀；优化网络质量，调整资源配置；助力市场决策，快速准确确定公司管理和市场竞争策略。
例如，对使用环节如流量日志数据的分析可帮助区分不同兴趣关注的人群，对设置环节如HLR/HSS数据的分析可帮助区分不同活动范围的人群，对购买环节如CRM 的分析可帮助区分不同购买力和信用度的人群，这样针对新的商旅套餐或导航服务的营销案就可以更精准的向平时出行范围较大的人士进行投放。
二、智慧网络运营互联网技术在不断发展，基于网络的信令数据也在不断增长，这给运营商带来了巨大的挑战，只有不断提高网络服务质量，才有可能满足客户的存储需求。
在这样的外部刺激下，运营商不得不尝试大数据的海量分布式存储技术、智能分析技术等先进技术，努力提高网络维护的实时性，预测网络流量峰值，预警异常流量，防止网络堵塞和宕机，为网络改造、优化提供参考，从而提高网络服务质量，提升用户体验。
三、互联网金融通信行业的大数据应用于金融行业目前是征信领域。
例如“招联消费金融公司”即是较好案例。
招商与联通的合作模式主要体现在招商银行有对客户信用评级的迫切需求，而联通拥有大量真实而全面的用户信息。
电信运营商大数据发展策略探讨黄勇军1，冯明2，丁圣勇1，樊勇兵1（1.中国电信股份有限公司广东研究院广州510630；2.中国电信集团公司北京100032）摘要：随着互联网业务和应用的迅猛发展以及移动互联网的爆炸式增长，电信运营商客户行为数据、网络运维数据、信令数据等海量数据的存储与分析日益成为电信运营商的重要挑战，大数据技术的出现与发展为电信运营商深挖数据提供了新的技术手段，同时也为其更好地服务客户提供了新的机遇。
本文结合大数据的技术现状以及电信运营商的数据特点，分析了大数据技术在电信运营商的适用性，探讨了电信运营商应用大数据的策略，并提出了一种参考性的平台架构，以推动电信运营商对大数据技术的应用。
关键词：电信运营商；大数据；策略doi:10.3969/j.issn.1000-0801.2013.03.002专题：大数据技术与应用1引言近年来，以海量数据处理为目标的大数据技术正成为新的研究热点。
尽管没有严格的定义，但大数据的4V （volume ———容量，value ———价值，velocity ———快速，variety ———多样）特点以及主流的处理技术已经基本得到认可，使用传统技术在短时间内无法处理的任务或问题目前都可归为大数据问题，相应的处理技术被称为大数据技术。
大数据技术起源于互联网公司，最初主要用于解决海量非结构化网页数据的存储、分析以及检索等问题，在设计理念上采用经济的服务器构建超大规模的集群，以获得海量的数据存储和处理能力。
与传统集群技术不同的是，在大数据解决方案下，尽管单台节点服务器的性能与可靠性不足以与高性能服务器媲美，但可以通过超大规模（上万台）集群以及冗余设计获得显著的成本和扩展优势。
大数据技术的扩展性、先进性已被Google 、微软、Yahoo 、Facebook 等顶级互联网公司所验证。
与此同时，随着电信运营商的全业务化运营以及3G 推动下移动互联网业务的爆炸式增长，电信行业的数据类Big Data Development Strategy for Telecom OperatorsHuang Yongjun 1,Feng Ming 2,Ding Shengyong 1,Fan Yongbing 1(1.Guangdong Research Institute of China Telecom Co.,Ltd.,Guangzhou 510630,China;2.China Telecom Corporation,Beijing 100032,China)Abstract:With the rapid development of internet and dramatic growth of mobile services,the storage and process of massive data are becoming a big challenge for telecom operators.Big data technologies provide a new solution for the operators to mine massive data in depth as well as a new opportunity to provide better services for their customers.The applicability of big data technologies for operators were analyzed,based on the comprehensive analysis of big data technologies and telecom operators ’data characteristics.The big data development strategy for telecom operators was discussed and a conceptual technical architecture was also proposed in order to push the application of big data technologies.Key words:telecom operator,big data,strategy7型、数据规模、数据速度、数据价值在大数据的4个维度上得到显著体现。
中国移动案例分析中国移动作为中国最大的移动通信运营商，其成功的商业模式、市场竞争策略以及技术创新等方面的成功经验对中国通信行业的发展产生了深远的影响。
本文将以中国移动为例，对其商业模式、市场竞争策略以及技术创新等方面进行深入分析。
一、商业模式中国移动的商业模式主要以移动通信服务为主，包括语音、短信、数据流量等业务。
其收入来源主要包括四个方面：语音通话、短信、数据流量和增值服务。
其中，数据流量和增值服务是近年来增长最快的部分。
在商业模式创新方面，中国移动推出了多种创新的业务模式，如“和包支付”、“和彩云”、“和多号”等，这些业务模式不仅增加了公司的收入来源，也提高了用户黏性。
二、市场竞争策略在市场竞争方面，中国移动主要采取了以下策略：1、扩大市场份额：通过大规模的营销活动，提高品牌知名度和用户黏性，从而扩大市场份额。
2、提升服务质量：通过提高服务质量，提高用户满意度，从而留住老用户并吸引新用户。
3、推出优惠活动：通过推出各种优惠活动，如打折、赠品等，吸引用户使用中国移动的服务。
4、加强与合作伙伴的合作：通过与各大厂商、银行等合作伙伴的合作，推出联合优惠活动，扩大市场份额。
三、技术创新中国移动在技术创新方面也做出了很多努力。
例如，在5G技术方面，中国移动不仅在国内率先开展了5G试点工作，还在全球范围内积极推动5G技术的发展和应用。
中国移动还积极探索云计算、大数据等新兴技术的发展和应用，并将其应用到自身的业务创新中。
四、总结通过对中国移动案例的分析，我们可以看到其成功的商业模式、市场竞争策略和技术创新等方面的成功经验对中国通信行业的发展产生了深远的影响。
未来，随着技术的不断发展和市场的不断变化，中国移动需要继续加强技术创新和市场研究，不断推出符合用户需求的创新业务模式和产品，以保持其领先地位并继续推动中国通信行业的发展。
移动电子商务案例分析：Zara移动电商随着移动互联网的快速发展，移动电子商务已成为新的商业发展趋势。
基于数据中台的通信运营大数据智能解决方案研究 崔义童中国移动通信有限公司政企事业部，北京 100031摘要：受技术发展的影响，通信运营业务与数据量迅速壮大。
通过研究通信运营的现状与问题，引入大数据、数据中台、数据赋能、智能运营等概念与技术，从数据采集、存储、赋能和展示等方面对系统进行全方位优化升级，搭建通信运营统一数据域，实现通信运营的智能决策、智能营销与智能运营。
关键词：通信运营；数据中台；数据赋能；智能运营中图分类号：TN929.5作者简介：崔义童（1989—），男，山东滨州人，硕士研究生，PMP+软考中级，任职于中国移动通信有限公司政企事业部，主要研究方向是数据挖掘、机器学习、大数据分析。
0 引言随着科技的发展，通信行业已成为全球发展最快的行业之一，“在线化”成为必然趋势，移动通信数据量爆发。
截至2020年6月，通信运营商用户人数与企业数成倍扩张，会议次数与会议时长爆发性增长。
为满足通信服务需求个性化，用户数据资产化与产品运营智能化的要求，通信运营商亟须提高数据管理、客户服务以及产品运营水平［1］。
随着数据治理的重要性日益凸显，各行各业都开始关注数据的价值，通信运营服务充满机遇，但是也存在许多挑战［2］。
一方面，信息过量，庞大的数据沉淀后形成数据资产，实时性不断提高，导致通信运营缺乏相应的大数据采集、存储与价值挖掘体系，难以消化数据价值。
另一方面，各系统业务独立，信息形式不一致，难以进行统一处理和关联分析。
因此，提出通信运营大数据智能解决方案研究，通过明确目前通信运营商的现状与问题，结合数据中台、大数据分析、智能报表等技术，将通信运营商各业务系统数据进行集成、处理、分析与展示，实现通信运营商的智能决策、精准营销与高效运营［3］。
1 通信运营现状分析近几年，通信运营不断发展，工作成效显著。
通信运营商在业务发展和平台运行方面都不断进步。
业务发展方面，截至2020年6月底，通信运营平台的企业客户总数达2.2万，相比2020年年初增长一倍；个人用户数1.150 00万和会场数13万，相对于2020年年初，实现了爆发性增长［4］。
移动运营商在大数据方面的应用及策略作者：张晋来源：《中国新通信》2016年第11期【摘要】随着信息技术、云计算技术的快速发展，移动运营商的用户数量和业务数据呈现指数式的增长，数据处理的复杂程度也达到了一个新的高峰。
但随着大数据在移动运营商的广泛应用，促进了工作人员在处理数据方面更加的高效、精确，同时也促进了网络资源的优化，更好的为用户提供服务。
本文从大数据的优势特征以及大数据在移动运营商尚存不足之处的角度入手，进而分析了移动运营商在大数据方面的应用，并针对性的提出了移动运营商大数据发展策略。
【关键词】移动运营商大数据发展策略一、大数据的优势特征和不足之处1.1大数据优势特征大数据对于互联网领域的价值是不可估量的，互联网企业的运行效率和生产力在大数据的影响下得以大幅度的提高，移动运营商在大数据应用方面的优势尤为明显。
其具体主要体现在以下几方面：第一，用户基数庞大。
随着通信技术的快速发展，消费者对移动运营业务的需求也在不断增长，迄今为止，三家运营商移动用户已达到约13亿人次，移动运营商拥有庞大的用户群体及海量的基础数据。
第二，数据的时效性。
4G时代的到来促使人们的日常生活与移动互联网紧密相关，移动运营商掌握着庞大的第一手用户行为数据，并保持数据的不间断更新，保证了数据的时效性。
第三，移动运营商转型契机。
为应对OTT的竞争，移动运营商亟需向数字化服务提供者转型。
借助大数据技术的兴起，移动运营商能加快转型的步伐，为用户提供更好的移动信息服务。
1.2移动运营商在大数据应用方面面临的挑战第一，数据来源广而杂，聚集较为困难。
系统数据形式不一，格式多样，而系统往往只支持单一的数据结构处理模式，无法全面覆盖各种类型的数据处理，进而无法满足互联网多样化的发展，同时也给大数据的技术人员在处理数据上造成一定的困难。
第二，商业模式尚未成熟。
移动运营商由于拥有的用户基数过于庞大，掌握的数据资源也非常多，但对于这些数据的处理上仍存在一定难题。
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]。
移动运营商在固定移动融合形式下的发展策略
杜飞虹;刘辉
【期刊名称】《现代电信科技》
【年(卷),期】2007(037)005
【摘要】通过分析固定移动融合(FMC)的驱动因素、实现过程和发展现状,研究移动运营商在FMC形式下所面临的市场机遇,提出移动运营商的发展思路和发展模式.【总页数】5页(P5-8,14)
【作者】杜飞虹;刘辉
【作者单位】中国移动通信集团广东有限公司规划技术部;信息产业部电信研究院通信信息研究所
【正文语种】中文
【中图分类】F6
【相关文献】
1.大数据背景下运营商移动互联网发展策略研究 [J], 张小波
2.固定移动网络融合和运营商的应对策略 [J], 严学强
3.基于全球标杆运营商分析背景下中国移动LTE发展策略 [J], 贾光磊
4.移动互联网趋势下电信运营商终端发展策略 [J], 金叶
5.基于大数据下的运营商移动互联网发展策略 [J], 陈杭娟
因版权原因，仅展示原文概要，查看原文内容请购买。
新形势下中国电信运营商4G市场竞争策略研究摘要：对中国移动、中国电信、中国联通的4G发展采用优劣势分析法（SWOT分析法）进行对比分析，分别提出三大运营商在2015年4G发展的网络策略和市场策略（包括产品策略、渠道策略、宣传策略、终端策略），最后强调电信运营商4G发展的成败关键在于基层的落实执行能力。
关键词：电信运营商，中国移动，中国联通，中国电信，4G，LTE FDD，TD-LTE，竞争策略一、前言根据新华社消息，2015年2月27日，工业和信息化部正式向中国电信集团公司和中国联合网络通信集团有限公司发放“LTE/第四代数字蜂窝移动通信业务（LTE FDD）”经营许可。
工信部公告称，工业和信息化部结合前期LTE混合组网试验等情况，根据相关企业申请，依据《电信条例》和《电信业务经营许可管理办法》，经过对申请企业财务能力、技术能力和运营能力等方面的综合审查，向中国电信集团公司和中国联合网络通信集团有限公司发放“LTE/第四代数字蜂窝移动通信业务（LTE FDD）”经营许可，支持企业结合自身实际情况，统筹推进4G融合发展，促进信息消费。
这也是自2013年12月4日工信部向向中国移动通信集团公司、中国电信集团公司和中国联合网络通信集团有限公司颁发“LTE/第四代数字蜂窝移动通信业务（TD-LTE）”经营许可后，第二次向中国基础电信运营企业颁发4G牌照。
这标志着进入2015年后，中国电信运营企业的4G竞争进入了全新的时代。
二、2014年中国电信市场4G发展概述在2013年首轮4G牌照颁发之后，2014年中国电信市场正式进入4G时代，经过1年的发展，中国三大电信运营企业的4G发展情况出现了较大的差异。
根据中国移动有限公司网站公布的数据，截止到2014年12月31日，中国移动4G用户达到9006.4万户，4G基站开通数量达到70万个。
而中国联通和中国电信在正式公布的运营数据中都不单独公布4G用户数。
根据中国联通网站消息，截止到2014年12月底，中国联通所公布的移动宽带用户（含3G和4G）累计达1.49亿。
２２２移动运营商的大数据发展策略研究陈淑梅（中国移动湖北公司发展战略部，湖北武汉430000）摘要：当前移动运营商面临着传统话音业务和数据业务增长乏力，随着大数据和云计算的到来，移动运营商需要未雨绸缪，发挥自身优势，积极探索在大数据的应用与实践。
文章从大数据的特征与商业价值入手，分析了大数据时代移动运营商面临的机遇与挑战，给出移动运营商大数据发展策略。
关键词：大数据；优势；挑战；发展策略中图分类号：F626文献标识码：A 文章编号：1673-1131（2014）06-0222-021大数据的特征及其商业价值大数据的挖掘与应用可创造出远超万亿美金的价值，将是未来十年IT 领域最大的市场机遇之一。
大数据的挖掘与应用可大幅提升企业运行效率和效力，大幅提升生产力，其作用堪称有一次工业革命。
IDC 发布的报告显示，全球在2012年产生的数据量约为2.8ZB ，并以大约每两年翻一番的速度增长，预计2020年全球将产生40ZB 的数据量。
这意味着我们正进入大数据时代。
1.1大数据特征大数据具有4V 特征，也就是数据量大（V olume ）、数据种类多样（Variety ）、要求实时性强（Velocity ），对它关注也是因为它蕴藏的商业价值大（Value ）。
体量（V olume ）意味着海量的数据，存储量大，对传统的数据存储技术提出了新的挑战。
多样（Variety ）指数据类型繁多，来源等更加多样化，处理难度更高。
速度（Velocity ）指数据必须实时处理，这是区别大数据引用和传统数据仓库技术的关键差别，价值（Value ）是处理数据的目标、从各种形式呈现的复杂数据中挖掘有价值的东西，因此，大数据之“大”除了指“数量大”以外，更在于其“价值大”。
1.2大数据与云计算既然大数据有着数据量大、种类多，实时性要求高，就需要相应的技术手段来处理，才能真正体现大数据的价值。
这里就得提一下云计算，云计算也是最近一段时间各大运营观众和应用的新技术，可以说大数据与云计算是两个相互关联的概念：如果说大数据是一个问题，那么云计算就是一个解决这个问题的方法。
云计算带来的是IT 的转型，而大数据带来的是业务的转型。
通过云计算对大数据进行分析、预测，会使得决策更为精准，释放出更多大数据的隐藏价值。
1.3大数据的商业价值大数据的应用将为提高生产率、增加销售额带来巨大的机会。
美国德克萨斯大学的一项研究显示，如果电信业的大数据利用率提高10%，生产效率将会提升17%，销售额将增加96亿美元。
另一方面，大数据预测分析能够帮助运营商了解用户的行为，从而制定相应的策略。
例如，运营商通过对网络和用户数据的深入分析，发现某个用户在一段时间内网络状况不佳，便可以通过赠送话费等方式留住这个用户，从而降低客户流失率，避免收入的减少。
下面给出高质量数据应用可显著提升企业商业的表现：数据可用性提高10%，各行业员工销售额提升百分比统计（数据来源：sybase ）。
高质量数据主要包括数据挖掘质量、可用性、智能型、远程访问和支持移动销售。
2移动运营商在大数据时代的优势与挑战2.1大数据时代的优势在大数据时代中，相比互联网公司而言，电信运营商在数据拥有量和拥有数据的完整度和可用性的角度来说，要远远优于互联网公司。
移动运营商发展大数据具有其他行业或其他运营商无可比拟的优势，主要体现在：一、移动运营商用户高达近7亿，数以亿计的通信用户基数保证了数据的海量和多元性。
二、数据提供的可持续性。
通信网络的时时存在为数据的持续和速度提供了保证。
三、运营商对数据可以有效利用。
运营商可以通过对海量数据的有效分析，更加精准、更加高效地把握用户需求，为广大用户和社会各界提供他们需要的产品和服务。
移动运营商在三家运营商中大数据优势最明显，因为移动运营商承载了最多的用户数据。
移动运营商有着庞大的经营分析系统，并且移动业务支撑系统、IDC 中心主要依赖云技术，并开发了“兴业云”、“教育云”的系列应用。
移动运营商在多年的运营中，已进行数据挖掘等的应用，在存量客户保有、数据流量经营以及网管等方面，正积极部署和尝试大数据应用。
2.2移动运营商在大数据时代的面临的挑战第一，系统分专业建设、数据采集散乱，难以实现资源共享。
存在于传统网络中,端对端的业务将穿越智能域和传统SDH 域。
整个传输网结构为MESH 网与自愈环并存的方式。
同一厂家的ASON 子域和传统SDH 网络可通过高层的网管系统实现统一管理、统一调度，不同厂家的网域无法统一管理。
同一厂家的传统设备子网与ASON 设备子网的网管统一纳入上一层的网络级网管,做到业务的统一调度并不困难,但这与通过智能代理达到全网智能（业务动态连接）并不是同一个概念。
这时的传统设备子网中的业务仍将是半永久连接的方式。
随着ASON 技术标准的完善，设备商用化程度提高、价格降低，区间形传输业务增加，低层传输网络向格型网或网状网演变，ASON 设备成为建设的主流，网络规模不断扩大,从骨干层向汇聚接入层延伸,最终全网将统一成为ASON,不同子网间由跨厂家统一的E-NNI 接口互通。
考虑到目前ASON 设备具有较大的交叉处理能力，组网节点一般在50个左右，在省内长途传输网引入ASON 时，可考虑在业务重点地市核心层设置数个ASON 节点，满足业务发展需求。
经营分析、信令监测、综合网络管理、不良信息监测、上网日志留存等大数据系统分专业建设，虽拥有海量数据来源，但汇聚还有一定困难。
第二，数据处理种类多，数据分析能力不足，专业人员有限。
各大数据系统数据模型不统一，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。
同时，具备大数据深度挖掘的技术人员有限，并且分布在业务支撑、网络管理等各专业口，没有进行整合。
第三，如何避免隐私泄露问题未能解决，大数据运营有风险。
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。
第四，尚未确立商业运营模式。
运营商掌握的数据很多，但是这些数据应该怎样应用，给谁用，应用收益是否可以抵消数据开发分析的成本。
目前，移动运营商现有分析系统仅对内部提供服务，缺乏对外数据开放平台，大量数据未能有效进行商业利用。
3国内外电信运营商开展大数据服务的情况3.1国外运营商在大数据方面发展情况日本最大的移动通信运营商NTT docomo2010年以前就开始着手大数据运用的规划。
除了搜集用户本身的年龄、性别、住址等信息外，要求用户办理业务填写更详细信息，docomo相对国内运营商还有一个很大的优势即全国统一的数据收集、整合形式，因此可以很轻易拿到全国的系统数据。
德国——主流运营商德国电信和V odafone在利用大数据为自身业务服务之余，已向商业模式跨出了一步。
主要尝试是通过开放API，向数据挖掘公司等合作方提供部分用户匿名地理位置数据，以掌握人群出行规律，有效地与一些LBS应用服务对接。
法国——法国电信在发掘大数据目前已在移动业务部门和公共服务领域进行了探索和尝试。
在移动业务部门，已在借助大数据改善服务水平，提升用户体验。
法国电信目前开展了针对用户消费数据的分析评估，以帮助法国电信改善服务质量。
美国——去年10月初，美国V erizon 成立了精准营销部门，该部门提供三方面的服务，首先是精准营销洞察，提供商业数据分析服务；其次是精准营销，提供广告投放支撑；最后是移动商务，该项服务主要针对商场、球场等特定的公开场所，搜集手机用户的背景信息，为第三方所用。
在美国此前的超级碗和NBA比赛中，V erizon针对观众的来源地进行了精确数据分析，球队得以了解观众对赞助商的喜好等。
3.2国内运营商在大数据方面发展情况对于国内三大运营商而言，对于大数据的发展思路也不尽相同，但总体来说均在积极推进中。
中国移动一直致力于转型发展，通过开放合作实现从“移动通信专家”到“移动信息专家”的转变，同时各省积极实施从话音业务向流量业务转型，从以往关注流量业务向关注大数据、云计算的转型中。
移动运营商IDC平台和经分系统都采取了云平台，为将来在大数据应用和服务市场做了充分准备。
就湖北公司而言，已在全公司开展“IOU”活动，主要是借鉴互联网企业的创新实践，员工自发组建灵活的跨部门、跨单位的虚拟研究团队，开展大数据应用的课题研究，目前包括存量保有、流量经营、客户投诉、网络优化及TD网规划等一百三十余个课题小组在研发中。
中国联通对大数据的探索源自于2010年中国联通数据大集中策略的提出。
2012年底，中国联通就已经成功将大数据和Hadoop技术引入到移动通信用户上网记录集中查询与分析支撑系统。
当前，中国联通已经新增100亿投资重庆大数据计划，显现了其发展大数据，转型自身业务的决心。
中国电信的“智慧城市”发展战略中，其中很重要的技术结合点就是物联网和大数据。
基于以上战略，中国电信定位成为智能管道的主导者，结合大数据技术，中国电信也将深入IDC服务以及智慧城市建设，并发掘移动互联与之结合的商机，重塑转型之路。
总体来看，运营商利用大数据来推动业务转型将是未来电信市场的一个重要方向。
电信运营商如果能够通过技术的进步，不断释放其管道中庞大数据的潜在力量，将会成为未来移动互联时代中最大的赢家。
所以，电信业也势必将大部分的投资转向大数据应用市场。
根据赛迪顾问分析预测，未来三年，中国电信业大数据应用市场将保持快速增长势头，增长水平高于大数据整体市场增速，到2015年，电信业大数据应用市场规模预计将达到25.3亿元。
4移动运营商发展大数据的可能策略移动运营商发展大数据的建议：基于隐私需要以及自身网络建设和用户发展能力考虑，优先在企业内部开展大数据的挖掘，用于市场精确营销、服务，指导网络优化与建设的内部运营以及合作业务的数据信息支撑，在内部应用不断丰富成熟以后，逐步向社会各界拓展，形成新的业务模式与应用。
4.1利用大数据支撑内部运营是移动运营商大数据应用的首要选择大数据对于提高移动运营商内部运营水平，实现低成本高效率运营具有重大意义。
（1）利用大数据开展市场营销及服务工作。
应用大数据，对重入网用户行为分析。
连续数月将新增用户与近期在网用户进行IMEI匹配、消费结构分布、通话交际圈相似性等跟踪分析，将会发现每月用户重入网用户的情况。
通过进一步数据分析并结合外呼，很容易找到用户重入网的原因及时间分布，所以通过数据挖掘发现的问题，可采取针对性的资费设计，做好新用户和存量用户营销政策的区隔。
（2）通过大数据分析，减低网络投诉。
通过定位用户投诉位置，关联网络运行情况及网络质量，快速呈现网络问题。
实时定位用户投诉点GIS位置，关联投诉点网络运行状况（包括覆盖、干扰、故障、参数等问题）；建立网络运行异常变化预警，快速定位异常原因、位置，及时处理预防大面用户投诉。
