电信运营商大数据运营能力提升的思考

运营与支撑电信运营商大数据运营能力提升的思考

傅云瑾

（中国移动通信集团设计院有限公司，北京100080）

摘

要：大数据运营能力是电信运营商创新发展和成功转型的核心能力。总结了大数据运营成功的要素，结合

电信运营商大数据战略定位的分析，提出了电信运营商能力不足与需要提升的方向。关键词：大数据；成功要素；电信运营商；运营能力中图分类号：F623

文献标识码：A

doi:10.11959/j.issn.1000-0801.2016328

Bigdataoperationstrategyfortelecomoperators

FUYunjin

ChinaMobileGroupDesignInstituteCo.,Ltd.,Beijing100080,China

Abstract:Bigdataoperationcapabilityisthecorecompetenceoftelecomoperatorsinnovationanddevelopment.Thesuccessfactorsofbigdataoperationsweresummarized.Andcombinedwiththebigdatastrategicpositioninganalysis,thedirectionofimprovingthebigdataoperationabilitywasalsoputforward.Keywords:bigdata,successfactor,telecomoperator,operationcapability

1引言

互联网、移动互联网、物联网技术的快速发展和应用造能力，是电信运营商面临的现实问题。2大数据运营的成功要素

大数据的基础是数据资源，由于数据量规模巨大到无导致数据的爆炸性增长，云计算、大数据计算技术的发展为有效利用大数据创造价值提供了有效方法和工具。大数据已成为政府、企业、社会共同关注的热点。电信运营商拥有巨大规模的用户业务数据和网络运营数据，有效利用海量数据创造价值成为电信运营商面临转型压力下的发展机遇。国内外电信运营商在利用大数据提升自身运营效率和对外扩展商业价值方面进行了积极尝试，虽然取得了一定成效，但总体上仍处在初级阶段，在直接经济效益创造、内部运营效率提升方面与Amazon、Facebook、Apple、法通过传统软件工具，在合理时间内采集、管理、处理并整理成为高价值的信息，所以需要针对性的分析方法和有效的平台支撑。基于大数据成功运营的案例分析和对资源、能力供应的稀缺性分析，笔者认为大数据运营的成功要素主要有以下方面。一是大数据资源。数据资源的重要性越来越得到广泛认识，很多企业正在或准备将数据作为资产运营。目前拥有大数据的主要行业有互联网、通信行业、物流行业、零售行业、医疗行业、金融行业等，政府也拥有海量信息。数据资源具有边际成本趋零、边际效益递增的特点，加强多维Google、Twitter、阿里巴巴、腾讯等互联网企业相比还具有明显差距。如何将数据资产进行专业化运营，提升价值创收稿日期：2016-10-20；修回日期：2016-12-15

2016328-1

·195·数据整合成为大数据发展的趋势。二是大数据平台。高效的大数据平台是企业大数据运营的基础。平台一般包含数据采集、数据处理、数据存储、数据应用等功能，同时包含数据管理、数据质量管理、平台管理等管理功能。在大数据平台的底层软硬件、云操作系统、数据库、模型引擎、应用等模块中，云操作系统、模型引擎和应用是大数据平台差异性的关键。三是大数据处理分析方法。大数据处理一般第一阶段进行统计分析处理，第二阶段进行数据挖掘，第三阶段进行模型预测，最后进行结果呈现。在这些环节中，数据挖掘、模型预测是大数据能力差异性的关键。大数据分析方法见表1。四是大数据应用。大数据应用包含对用户需求的了解和利用相关数据、工具进行处理分析满足需求的过程。应用驱动是大数据运营的基础。大数据应用的开发需要业务和技术专家的密切配合，同时具有互联网业务的快速迭代，即开发维护一体化的特点。电信科学2016年第Z1期

安全等数据全生命周期内资源或技术处理能力供应环节。电信运营商开拓大数据新市场时，面临数据资源提供者、数据分析能力提供者或者数据解决方案提供者的选择或定位。数据资源提供又可细分为自身数据资源提供和数据整合提供两种类型。自身数据资源提供主要涉及内部数据的采集、清洗、存储、封装、在线交付或离线交付环节，这也是大数据运营的基础。数据整合提供者是电信运营商除了提供自身生产经营的数据资源外，还能为客户提供互联网数据资源和第三方（如政府信息）数据资源。数据资源整合增加了互联网数据采集和第三方的数据交易、采集等环节。数据分析能力提供包含静态咨询服务和动态咨询服务两种类型。静态咨询是采取离线或在线分析方式提供客户非实时需求的大数据咨询，形式可以为定期或不定期报告或报表等；动态咨询则是满足客户在线实时的大数据咨询需求，形式为处理后的数据结果或在线能力引擎，涉及格式多样化的海量数据实时采集、处理、分析、交付环节。数据解决方案提供指包含客户需求分析、数据提供、数据处理分析、技术方案在内的大数据综合分析和服务提供。该定位要求电信运营商具备针对目标客户大数据需求或行业需求的分析能力，能有效整合并处理各类不同来源的数据资源，能为客户提供云化的大数据平台服务，并能有效嵌入客户的生产运营流程环节，从而实现帮助客户提升市场洞察能力、提高决策运营效率的目标。该定位要求电信运营商打造以自身为核心的大数据产业链，深度拓展包含数据资源、数据分析、平台支撑和应用开发在内的大数据运营。对于电信运营商而言，具体的定位一方面与企业总体战略密切相关，另一方面也与企业能力现状和提升潜力相关。电信运营商的战略大体上可分为3类：一类为管道运营战略，以KPN等欧美小运营商为代表，为了扩大份额，争取客户，不惜与互联网公司及终端商等合作，沦为互联3大数据运营的战略定位

大数据可以在内外两方面为企业带来价值：一是对内提升决策质量和运营效率，提升企业竞争力；二是对外开发数据产品和服务，开拓新市场。管理大师戴明（DemingWE）与德鲁克（DruckerP）在诸多思想上都持对立观点，但“不会量化就无法管理”的理念却是两人智慧的共识。这一共识足以解释大数据为何无比重要。简而言之，有了大数据，管理者可以将一切量化，从而对企业业务尽在掌握，进而提升决策质量和业绩表现。在“互联网+”时代，随着同质和异质竞争的日趋激烈，利用大数据提高市场和客户洞察能力、精细化管理能力、提升市场快速反应能力是电信运营商必然的选择。在利用大数据开拓新市场方面，电信运营商需要明确自身定位。大数据产业链包含数据收集、存储、处理、分析、表1

方法统计方法

大数据分析方法

描述

假设检验、显著性检验、差异分析、相关分析、T检验、方差分析、卡方分析、偏相关分析、距离分析、回归分析、简单回归分析、多元回归分析、逐步回归、回归预测与残差分析、岭回归、Logistic回归分析、灰度预测、神经网络预测、曲线估计、因子分析、聚类分析、主成分分析、因子分析、快速聚类法与聚类法、判别分析、对应分析、多元对应分析（最优尺度分析）、Bootstrap等

分类（classification）、估计（estimation）、预测（prediction）、相关性分组或关联规则（affinitygroupingorassociationrules）、聚类（clustering）、描述和可视化（descriptionandvisualization）、复杂数据类型挖掘（文本、Web、图形图像、视频、音频等）预测模型、机器学习、建模仿真云计算、标签云、关系图等

数据挖掘模型预测结果呈现

2016328-2

运营与支撑

网企业的“纯管道”，在大数据运营方面自然是定位于自身业务以外或提供部分数据资源；第二类为管道及延伸战略，以Vodafone（沃达丰）等欧美部分运营商为代表，关注管道价值挖掘，并与互联网企业及其他合作伙伴广泛合作进行新业务拓展，在大数据运营方面基本采取前两种定位；第三类为综合转型战略，关注业务创新和转型，以日韩运营商为代表，积极推动以运营商为产业链核心来提供差异化的创新业务，在大数据运营方面倾向采取后两种定位来支撑总体战略实现。4电信运营商能力不足与提升方向

虽然不同电信运营商能力差异较大，但总体而言，电信运营商的大数据运营能力不足主要体现在以下两个方面。·传统电信业务组织运营管理模式不适于大数据运营。大数据运营的研究、建设、维护、服务一体化的要求，需要企业在组织架构、研发机制、投资管理模式、维护体制、客户服务模式等方面进行变革。·在大数据平台关键技术、数据处理分析能力等方面存在不足。大数据不仅对电信运营商，对于互联网企业也是新的拓展领域。以Google、Facebook、阿里巴巴等为代表的互联网企业在这些方面取得了较大进展，相对于电信运营商具有领先优势，但电信运营商的相关技术仍然处在快速发展中。针对每一个电信运营商，可以结合大数据战略定位要求与能力现状分析提出能力提升的具体策略。对于关注业务创新和转型的电信运营商而言，在大数据运营能力提升方面应关注以下几方面。一是建立基于应用驱动、以平台为核心的大数据组织流程体系。围绕大数据平台设计的组织架构、一体化运营流程将有效提高市场反应速度，实现能力的持续提升。二是采取购买或自主研发方式提升关键技术或数据处理分析能力的不足。互联网企业通过资本市场购买并迅2016328-3

·196·速实现技术、能力提升的方式值得电信运营商借鉴。在自主研发能力提升方面需要改变人才知识结构、优化激励机制、完善创新机制。三是打造以运营商为核心的大数据产业链。企业可以对大数据市场进行细分，进一步明确不同市场的产业链定位和拓展策略。通过构造以运营商为核心的大数据产业链，实现数据资产的有效运营。参考文献：

[1]维克多·迈尔·舍恩伯格,肯尼思·库克耶.大数据时代:生

活、工作与思维的大变革[M].盛杨燕,周涛,译.杭州:浙江人民出版社,2013.

SCH魻NBERGERVM,CUKIERK.Bigdata:arevolutionthatwilltansformhowwelive,workandthink[M].TranslatedbySHENGYY,ZHOUT.Hangzhou:ZhejiangPeople’sPublishingHouse,2013.

[2]BILLF.驾驭大数据[M].黄海,译.北京:人民邮电出版社,

2013.

BILLF.Tamingthebigdatatidalwave[M].TranslatedbyHUANGH.Beijing:Posts&TelecomPress,2013.

[3]Informa.Telecoms&Media[EB/OL].[2016-10-10].http://www.

informatandm.com/section/home-page/2014.

[4]Telefonicadynamicinsight[EB/OL].[2016-10-10].http://dynamic

insights.telefonica.com/.

[5]王星.大数据分析：方法与应用[M].北京:清华大学出版社,

2013.

WANGX.Bigdataanalysis:methodsandapplications[M].Beijing:TsinghuaUniversityPress,2013.

[作者简介]

傅云瑾（1971-），男，博士，中国移动通信集团设计院有限公司高级工程师、咨询设计总监，长期从事通信网络发展规划、新技术应用研究和企业管理咨询工作，主要研究方向为网络大数据挖掘分析、资源精细化配置策略和通信企业变革趋势。