大数据与电信业务经营

大数据与电信业务经营（精选十篇）

大数据与电信业务经营 篇1

目前, 运营商竞争对手的主体不再是三大运营商, 也不是三网融合的广电, 而是富有创新精神的互联网公司。互联网公司已经渗入运营商的核心领地, 甚至部分互联网公司开始铺设自己的传输网, 为公众提供传输服务。如果我们电信运营商继续守旧、不转型, 那么我们可能连传统的、利润少得可怜的管道传输都没得做。

中国电信如何做好“智能管道主导者”, 如何成为“综合平台的提供者、内容应用的参与者”, PCC是关键!流量经营、内容计费、4G LTE新数据业务如何运筹帷幄, PCC是关键!毫不夸张地说, PCC已经成为中国电信在数据业务上的立足根本。

PCC解惑流量经营

客户的抱怨:“使用电信推荐的业务也这么慢, 看来天翼网络实在是….”、“生日想发送个电子贺卡, 没想到网速啊…”、“我在机场天翼VIP室, 上网速度还是慢啊…”、“生日想发送个电子贺卡, 没想到网速啊…”

我们运营商的困惑:“那些用户、那些地点流量需求高, 如何合理规划数据流量热点?”、“移动数据流量总体平均资费仅0.003元/10kb, 为什么还有这么多用户感觉资费贵?”、“如何把2G用户引导到3G, 如何体现3G的优势?”

在流量经营中, 客户和运营商都存在一些困惑, 而解决这些困惑PCC是关键!让我们看看PCC是如何应对流量经营的困惑 (如图1) 。

由此可见, PCC不仅是智能管道的承担者, 也是内容计费的主导者, 更是4G LTE新数据业务的推动者, 只有实现了PCC, 运营商才能适应移动互联网和电子商务运营。

PCC是流量经营、4G LTE新数据业务的基石

策略控制与计费 (PCC) 是3GPP在R7版定义的网络资源与计费策略控制架构, 旨在通过业务流承载资源保障以及流计费策略, 为用户提供差异化服务。

PCC是LTE核心子系统之一, 旨在通过业务流承载保障和流计费策略, 为用户提供差异化服务, 为企业做好流量经营, 提高收益。

●PCRF (Policy and Charging Rule Function) 策略与计费规则功能

PCRF作用是网络策略控制, 包括业务数据流检测、门控、Qo S控制基于流的计费控制 (信用管理除外) 。具体功能:用户签约数据管理、策略控制、计费控制、事件触发条件定制、业务优先级化与冲突处理、IP-CAN承载与IP-CAN会话相关联的策略信息管理、用量监控和控制、接口会话。PCRF就像是PCC的大脑, 它负责策略的抉择。在建立IP-CAN会话时及进行期间, PCRF需要针对所定制PCC规则定义的业务数据流动态地进行控制功能。

PCRF的主要功能:

(1) 门控功能:PCRF根据自身定义的规则或AF的会话事件指示进行门控决策, 并下发给PCEF, 这是基于每一个业务数据流而进行的。

(2) Qo S控制:PCRF利用业务信息、用户签约信息、从PCEF获取的请求Qo S及配置的策略信息计算合适的Qo S授权 (QCI, ARP, 速率) , 可分为业务数据流的Qo S控制和IP-CAN承载层的Qo S控制。

(3) 策略冲突处理:对某一会话所配置的多条策略的适用条件均满足时, PCRF根据如下原则选择适用的策略:按照策略的优先级选择适用的策略;当有组合条件的策略时, 优先考虑选择组合条件对应的策略。

(4) 计费控制:CRF指定基于业务数据流的计费规则, 计费规则是与策略控制信息一起提供给PCEF。PCEF按照计费规则执行计费。

●PCEF (Policy and Charging Enforcement Fucntion) 策略和计费执行功能

PCEF主要包含业务数据流的检测、策略执行和基于流的计费功能。该功能实体位于网关, 例如EPC的P-GW、WLAN中是PDG, 也可独立部署。具体功能:执行策略控制、执行计费控制、业务数据流检测、测量、Qo S执行等。PCEF就是PCC的双手, 负责执行大脑 (PCRF) 发出的指令。

PCEF的主要功能描述如下:

(1) 门控执行:当且仅当一个其受到策略控制约束的业务数据流的门处于开启状态时, PCEF允许通过。

(2) Qo S执行:PCC规则的Qo S执行, PCEF将根据活动的PCC规则执行对服务数据流的Qo S授权, 授权Qo S提供了能够预留给GBR的资源的上限值或者为IP-CAN承载所分配 (MBR) 的资源上限值。

(3) 计费控制:对于活动PCC规则定义的受计费控制约束的服务数据流, 当且仅当有相应的活动PCC规则、或在线计费系统已经为该计费键值授权了信用额度分时, PCEF将允许服务数据流通过。

(4) 业务数据流检测:是指识别属于一个服务数据流的分组的检测处理, 每一个PCC规则包含业务数据流模板, 这个模板定义了用于服务数据流检测的数据。

●SPR (Subscription Profile Repository) 用户属性存储器

功能概述:用户属性存储逻辑实体包含有与所有签约用户或签约相关的信息, SPR提供的签约信息包括 (每一个PDN的) :签约用户允许的业务;每个允许业务的优先级 (可选) ;签约用户允许的Qo S信息;签约用户业务的计费相关信息, 如接入类型、位置信息和使用次数;签约用户的类型等。具体功能:用户签约数据管理和用户动态信息管理。

SPR逻辑实体为PCRF存储其需要的所有用户策略签约信息, 用于PCRF生成基于签约的策略和IP承载级的PCC规则。

●OCS (Online Charge System) 在线计费系统

预付费用户的计费支撑系统, 负责预付费业务的计费处理。在线计费系统通过Sy接口将客户的累积量、余额等信息传给PCRF, 以便PCRF进行策略决策。图2将PCRF、PCEF、OCS三者的关系和配合情况进行了很好的说明。

以上就是PCC支撑4G LTE新数据业务的主要功能模块, 这些模块的协同, 能够对用户级 (用户访问网络、用户种类、用户位置、业务数据流信息、运营商计费策略) 的数据流进行检测、进行门控、实施Qo S控制等处理, 才能有效支撑智能管道、流量经营和4G LTE新数据业务。

PCC如何有效支撑流量经营和4G LTE新数据业务

(1) PCC业务支撑的基础策略控制能力

PCC有效支撑流量经营和4G LTE新数据业务的核心在于控制策略, 是PCC的精髓所在, PCC能实现以下场景的策略控制功能:

基于以上一种或几种控制策略的执行, 可以充分将客户、网络资源、服务能力等众多因素相结合, 真正实现流量经营和LTE支撑。

(2) PCC支撑几种基本业务场景

1.忙时忙区P2P限流

在移动数据网中对占用网络流量较大的典型P2P业务进行策略限速, 保证非P2P用户公平使用无线网络资源, 缓解无线网络扩容压力, 提高高价值用户和业务的感知。

2.达量降速提醒, 客户一键订购

用户到达流量门限时, 自动降速并收到提醒, 用户一键即可自主订购流量包, 并恢复到原速率。PCC识别流量、下发降速策略, 并根据流量使用情况, 到达门限值后实施降速。这里PCC可以在用户超额使用流量10%时, 自动降速并推送超量提醒及订购提醒, 用户收到通知后, 使用10000号、网厅、掌上营业厅、短信、APP客户端等方式均可以进行自主订购流量包恢复原来的速率。

3.自助式流量积木套餐 (基于时段、位置、内容、速率等元素)

在现有积木式套餐中引入智能管道差异化元素, 用户灵活组合, 按需订购, 在统一的客户端上进行呈现。实现对时段、位置、内容、速率等差异化信息的识别能力, 用户依托客户端自主、积木式组合订购差异化服务。为用户提供智能查询、提醒服务, 用户可以自主设置流量智能提醒, 并对具体业务流量进行实时查询。

4.给不同客户提供更好的服务体验

一个天翼钻石卡客户, 在机场使用中国电信的定制机, 上网速度可以更快, 同时也可以获得一定的免费流量和时长。其实, 中国电信也可以学习美国运营商AT&T, 为IPAD终端, 在不同的网络下, 定制专门的套餐, 以发挥3G和4G网络最大化的优势。

一个低端客户, 同时也是星巴克的VIP会员, 在他生日当天, 电信获知后, 通过PCC进行上网提速, 并通过短信发送关爱短信, 并推荐一款适合该客户的2元提速包并在当月赠送一定的流量进行关怀, 客户确认后网络提速并获取免费流量。

5.一些重点和关键业务的保障

在发生重大事故和灾害的时候, PCC可以做到快速响应, 如某地区发生地震灾害, 立即对进入该地区所有手机进行费用的减免, 并对医院、救灾中心附近的网络进行重点提速, 全力保障救灾工作。PCC都可以快速而准确的完成。

一些行业应用可以拓展:如政企客户为自己员工办理的移动OA服务;行业定点超大流量包:针对特定行业客户, 在一定区域具有超大流量的需求 (如驾校考点实时上传路考操作) 等等。

从以上举例来看, PCC的应用必然推动流量经营更加精细化, 丰富化。其实将PCC策略控制支撑的场景进行综合考虑, 将催生出更多的业务和产品, 这也是PCC既是流量经营、4G LTE新数据业务的基石, 也是其推动力的原因。

(3) PCC支撑后向计费, 在内容计费中的创新

流量经营的另一个重点是内容计费, PCC可以支撑后向计费, 以达到与OTT厂商的双赢模式。对OTT服务商后向收费, OTT服务商自行决定是否向最终用户收费:运营商对最终用户不收费 (甚至对流量都不收费) , 但对OTT服务商收费, OTT商通过前向或者后向方式的“互联网式”商业化手段解决成本问题。

业务场景为:腾讯与电信签约, 在电信内发布了腾讯的微信产品, 合约对使用微信的结算规则为:将访问次数0.0005元/次结算费用给电信。电信用户手机上网, 使用腾讯微信发语音消息。

大数据与电信业务经营 篇2

工业和信息化部：

我公司在获得在线数据处理与交易处理业务经营许可证以后，在从事电信业务经营活动中，将遵守如下承诺：

一、我们将严格遵守有关电信法律、法规和政策，严格按照已批准的业务服务范围，从事合法的电信业务经营活动；

二、保证提供的电信服务业务符合国家信息安全的要求，严格执行国家安全管理部门和电信主管部门的安全保密管理规定；

我公司承诺在开展在线数据处理与交易处理业务时，将遵守国务院和国家行业管理部门颁布的《中华人民共和国电子签名法》、《商用密码管理条例》、《电子银行业务管理办法》、《网络交易平台服务规范》、《电子认证服务管理办法》和《电子支付指引》、《互联网安全保护技术措施规定》等相关法规和法律文件的规定，以确保在线数据处理和交易处理业务安全。依照原信息产业部颁布的《增值电信业务网络信息安全保障基本要求》(YDN126-2007)完善公司的网络与信息安全保障措施，制定相应的信息安全管理制度，建立严格的网络与信息安全应急响应流程和措施，定期进行网络和信息安全风险评估机制，落实信息安全责任。

三、按照国家有关资费政策制定电信业务收费标准,不断提高电信业务服务质量，依法经营，公平竞争；

我公司承诺在向用户提供在线数据处理与交易处理业务时，服务质量将不低于原信息产业部36号令《电信服务规范》规定之标准，如低于该标准或违反该标准而造成对用户利益的损害，我公司愿承担相应的用户赔偿责任并接受主管部门的处罚。

四、自觉接受各级电信主管部门的行业管理和监督检查，按照电信管理年检制度及时向各级电信主管部门报送年检材料和统计资料；

五、切实加强对各地分公司或控股子公司的管理，公司在各地所设子公司经营电信业务时至少要占有51%以上的股份；

六、我公司将遵照国家和电信主管部门的有关规定，不利用国家政策不允许使用的网络资源开展电信业务经营活动；

七、我公司保证按照《电信业务经营许可管理办法》第21条规定，在获得电信业务经营许可证一年内（或在电信业务经营许可证特别规定事项规定的时限内），在所申请业务覆盖范围提供在线数据处理与交易处理业务；

八、我公司将严格执行国家外商投资电信行业的政策规定，在企业（内资企业）引入外资或企业（已设立外商投资电信企业）股权变更前，按照《外商投资电信企业管理规定》办理有关手续；

九、我公司将按电信主管部门要求在取证时与发证机关签订电信业务经营许可证“特别规定事项”，并严格按照“特别规定事项”的各项规定经营相关电信业务；

十、我公司承诺根据电信业务市场监测需要，按照规定要求向电信主管部门报送相应的监测信息。

以上承诺如有违反，愿接受通信行业管理部门的依法处罚。

法定代表人签字：

公章

电信大数据的研究与应用 篇3

互联网+在大数据应用中的机遇与挑战在大数据浪潮中，电信运营商是率先开展大数据研究和应用的行业之一。通过利用运营商海量的网络大数据资源，各个运营商都构建大数据平台并开展大数据创新。对灯塔大数据定位于整合多源数据、打造能力平台、创新行业应用， 通过对800亿电信数据的脱敏、互联网数据（来自地产、金融和社交）的抓取和对第三方（如法院、银行、人力）数据的接入，形成庞大的相对基层的数据量；并对多源数据进行整合，控制数据质量，增强数据融合，同时对数据能力封装，由此开展数据行业应用创新。

在大数据应用到互联网+的过程中，目前发现还有大量的问题需要解决（见图），主要包括如下三个方面：

数据质量不高是常态，如何建立更加有效的分析方法？

数据的价值密度是关键，如何寻找价值高地？

用户的隐私保护日益重要，如何找到平衡点？

运营商大数据关键技术研究

为了有效的服务于互联网+，大数据需要在如下几个方面进行技术突破：

（1）数据拼接技术

（2）高阶深度标签技术

（3）行业知识建模技术

（4）基于场景的智能推荐技术

（5）海量模糊数据降维和关联分析技术

（6）大规模交互式数据可视化技术

（7）数据安全和隐私保护

文本对其中几个关键技术进行介绍。

数据拼接技术

大数据的一个特征是异构多维，只有将来自不同来源的异构数据进行有效的整合，才能真正发挥大数据的价值。犹如瞎子摸象，每个单一来源都只涉及一个单一的侧面，只有把不同的侧面重新组合并且关联起来，才能完整的拼出一只“大象”。但是这个工作远比想象的要难，原因有几个方面：数据格式不同；数据标识（ID）不同；数据覆盖不同；数据计量标准不同（特别是经过一定处理后数据）；大量的数据噪声（重复数据，错误数据）。这些因素导致将不同数据拼接成一个完整的立体数据具有非常大的挑战。

然而，在这方面，运营商有较大的资源优势。结合运营商数据广度覆盖的特点，有可能作为所有数据的基础数据而实现数据拼接功能。在技术上，我们开发了基于图的数据模型，进行数据拼接。

高阶深度标签技术

用户画像一直是大数据研究的重点方向。在DMP中，系统根据用户访问轨迹来打标签，但是DMP通常仅仅通过关键词提取来打标签。为了进一步满足行业大数据的应用需求，我们需要补充两类标签，一类是模糊标签；一类是抽象标签。模糊标签是因为数据缺失而需要通过算法来补全的标签，例如用户的性别属性，如果基础数据里面没有这个属性，我们就需要通过机器学习算法去预测这个值，而且这个值往往是一个概率。抽象标签是针对一类高阶的属性，例如用户购买力，用户购物模式，用户口味偏好等，去建立标签模型。在灯塔平台中，我们建立了一套相对比较完整的深度标签体系。

图3是分别用TAN和NBC算法进行标签计算的效果：

行业知识建模技术

在互联网+结合行业大数据的过程中，行业知识的获取和利用是关键的一环。只有将行业知识通过建模数据化，才能将行业知识和其他数据进行混合和关联处理。行业知识建模可以分为两个层次：第一个层次是行业字典，通过大规模爬虫，可以将行业信息转化为行业字典。目前，灯塔平台已经积累了超过三亿条行业字典，包括一亿条电商字典，五千万条视频字典；第二个层次是知识图谱，字典的缺点是信息之间缺乏关联性，我们通过构建知识图谱，去建立语义级的行业知识。

基于场景的智能推荐技术

推荐系统是非常成熟的大数据精准营销技术，目前已经在广告、电商、视频、阅读等领域得到了广泛的应用。但是，通常的推荐系统往往存在推荐效率不高，重复推荐，过度推荐等问题。在大数据的场景下，我们结合地理位置分析和场景识别技术，对推荐系统进行了优化。

大数据交互式可视化技术

数据可视化不仅仅是大数据分析结果的直观展现，更重要的是一种分析数据关联性的方法和手段。通过交互式数据可视化的方法，可以从不同的角度去分析数据，并直接得到结果。交互式可视化在技术上最大的难点在于针对大规模数据进行可视化操作的时候性能优化。例如基于地理的可视化数据分析，需要在不同的放大尺度下对数据进行实时的归并和关联性计算。图5是通过地理位置和人群信息模型进行交互式可视化，实现人口迁徙分析的案例。

中国电信大数据的探索与实践

通过在互联网+的大数据关键技术突破，灯塔大数据团队构建了面向互联网+的行业大数据平台。

在灯塔平台的基础之上，打造了一套完整的5+1+1大数据产品体系，即5个直客产品方向、1个流量入口、1个能力平台。中国电信面向行业垂直领域直接客户，结合灯塔平台的能力，开发5类细分产品并逐步商用，并且根据融合数据、整合深度标签、ID图谱、GIS、爬虫、行业字典等平台能力，面向行业和政府提供技术解决方案。

大数据与电信业务经营 篇4

关键词：大数据,经营管理,挑战,对策

当前,是一个信息爆炸的时代,是一个每日都千变万化的时代,是一个充满着挑战的时代。人们的生活由不同方面的动态数据覆盖着,人们的工作离不开不断更新的数据。通过使用新技术、新功能,将当前人们生产、生活中的数据汇集起来,为人们未来的发展提供有效、可靠的数据,形成当前大数据时代的基础。大数据时代的到来为人们的生活带来了各种各样的便利,与之相对的,技术的发展与信息的更迭也为企业的经营管理带来了挑战,在大数据时代中如何提高数据的收集、分析能力,使大数据时代服务于企业的经营管理是企业亟需考虑的重要问题。

一、大数据时代的特点

(一)数据作用多样化

在大数据时代下,数据具有多样化的功能,包括记录功能、表现功能、预测功能等。其中,最为关键的就是其记录功能。随着信息时代的到来,数据每分每秒都进行着更新换代,为了使得数据能更好地为企业的经营管理提供有效的基础,首当其中地就是发挥其记录功能。通过对数据有效、有规律的记录,能实现对数据的有效管理。

其次,数据的反馈功能。在进行决策时,决策者往往对现有的信息进行分析与整理,通过对现状的了解进行决策。决策后,通过信息可以及时地得到反馈,了解决策的实施情况及反应,有利于决策者更好地进行下一步计划的制定。

(二)为企业的发展提供有效的数据基础

当前,不仅仅是人才竞争的时代,更是数据竞争的时代,可以说,谁掌握了更多的数据,谁对于未来的发展就掌握了更多的先机。从数据的挖掘、采集、分析到最终进行决策;从产品的设计、开发、调研到市场的营销,都离不开数据资源。

企业要实现更好的经营管理,必须充分利用其掌握的数据资源,通过数据为其决策奠定更好的基础。

二、大数据时代下企业经营管理面临的挑战

(一)数据处理能力

大数据时代是一个信息爆炸的时代,每一秒数据都成指数增长,企业经营管理过程中数据数量、数据类型、数据模式都在发生的变化,传统的数据收集、整理、分析能力在大数据时代面前显得较为薄弱,数据整体处理能力不强,数据处理效果差强人意。

当前,数据的增多使得企业数据处理能力降低,导致数据价值难以彰显,不利于企业的未来发展。提高数据处理能力,充分利用大数据时代的契机,为企业的发展制定正确的策略,是企业实现更好的发展的必经道路。

(二)经营管理方式的转变

当前,我国中小企业占企业的大部分,在中小企业中,传统企业又占了较大的比重。这些传统企业对于当前的信息技术并不是十分了解,对于企业的经营管理仍然采用较为落后的管理方式,未利用互联网技术。然而,网络技术的欠缺使得企业在进行经营管理时不能迅速地把握当前的经济动态,形成良好的风险规避能力,打破传统企业经营管理时间与空间的限制,在进行企业发展目标的制定及战略制定中处于不利的地位。

(三)管理者正确决策

诚然,大数据时代已悄然到来,许多企业都意识到了大数据时代给企业的经营管理带来的机会及挑战,然而,受到当前技术的限制,许多企业在进行数据分析时,仍然是停留在较为浅显的数据管理阶段,不能做到深层次的数据分析与整理。如对于企业来说十分重要的客户信息、竞争者的相关信息等,许多企业仅仅是对这些信息进行了掌握,没有利用这些信息挖掘更深的内容,如利用客户信息巩固现有客户,挖掘现有客户的人际圈,将其人际圈中的潜在客户列入企业客户名单等。

企业的管理层在进行决策时,若不能根据数据所反映的市场客观情况来进行判断,仅通过现有简单的数据汇总凭借个人思维经验,则容易导致企业经营管理决策发生错误,影响决策的科学性及有效性,导致企业整体的发展不能按照经营规划或经营目标进行。

(四)信息保护

企业在生产经营的过程中,会产生许多的数据,不仅包括企业自身内部的,还包括企业与外界交流所产生的数据。每个企业都是市场环境的一个主体,不能离开其他的市场主体,企业在与外界进行交流时,其信息可能面临着泄露的危险,尤其是企业的重要信息、商业信息等,一旦被竞争对手获取,企业可能面临着十分严峻的问题。因此,在大数据时代中,企业如何实现信息保护,也是当前面临的一个重大挑战。

三、应对大数据时代的挑战,企业如何实现更好地经营管理

(一)提高数据处理能力

数据即是商机,数据的处理能力体现了一个企业的把握商机的能力。纽约大学商学院教授罗伯特先生曾指出,大数据是一个超越了人们想象力的事物,是一个对企业进行全方面观察的重要方法。

企业必须更新其信息技术,引进高新技术,提高其数据处理能力,使得其收集的数据能实时反映企业的全方位的信息。如大数据时代的到来,使得消费者的消费内容、消费习惯、消费爱好都能被统计出来,企业收集到这些数据后,应当充分对其进行分析,寻找到适合更多消费者的产品,或对市场进行细分,实现品牌战略的升级。

(二)转变传统的经营管理方式

政府应当开通相应的数据平台,使得企业能及时地把握政府政策的动态,了解当前市场发展的趋势。与此同时,企业也应当进行开发,建设自身的网络平台。企业的自身开发不是产品的开发,而是企业对大数据技术的开发,只有拥有了先进的大数据技术,才能确保企业能及时掌握足够多的数据。

近些年来,网络平台的建设使得企业的发展进入了一个新的平台,如阿里巴巴的发展,成为了举世瞩目的成功模式。企业应当结合自身发展的特点,建设网络平台,利用发达的互联网降低自身的生产成本,提高效率,实现企业生产经营目标的完成。

(三)充分发挥数据的价值

在大数据时代的冲击下,传统的单一的发展模式必将不利于企业的发展,未来的世界是进行个性化的经营管理的时代。而大数据的魅力就在于通过层出不穷的数据为企业经营管理的决策提供了可能。

企业应利用大数据技术对其收集的数据进行精确的分析,甚至可以精确到个位上,如对每一个消费者的特性进行评估与预测,并针对其个体制定个性化的产品或服务。只有充分挖掘数据的价值,使得数据真正地发挥作用,才能为管理者做出决策提供有效科学的依据,保证其决策的正确性。

(四)加强信息保护

信息保护是大数据时代一个不可不谈的重要内容,随着数据重要性的增加,如何实现信息保护是每个企业都应该关注的问题。

在进行传统的信息保护的基础上,企业应当将信息保护列入经营管理的内容中,将信息保护融入到企业生产经营的每一个环节,任何一个环节出现了差错,都可能给企业带来毁灭性的灾害。利用先进的技术进行信息保护,建立健全信息保护系统与信息管理平台,是企业实现信息保护的手段,更是企业经营管理中不可忽视的重要内容。

四、结束语

大数据时代是时代发展的必然结果,企业为了实现经营管理方式的转变,实现企业经营目标,必须抓住大数据时代的特点,积极应对挑战,通过提高数据处理能力、转变传统的经营管理方式、充分发挥数据的价值及加强信息保护等手段提高其综合竞争力,创造更多的经济效益。

参考文献

[1]郝霞.大数据时代企业经营管理的挑战与对策[J].重庆与世界,2013

[2]孙是君.大数据时代企业经营管理中的挑战与对策[J].网友世界,2014

通信行业：向数据业务流量经营转型 篇5

但不能忽视的是，通信业近几年进入了一个低利润、低增长的通道。据了解，2014年电信运营业的收入增长5%左右，利润已经从20%多降到10%左右，2015年或将跌破10%。话音和短信等传统业务收入已步入下行轨道，互联网企业对传统运营商冲击巨大，彩信业务大量被替代，运营商的未来才是更需要关注的问题。在产业融合发展趋势加剧的大背景下，融合通信、VOLTE等创新将推动电信业从目前的语音业务转型向未来的数据流量业务。

OTT和微信电话本等业务创新，给基础运营商的传统业务带来巨大冲击，也为基础电信企业带来了庞大的数据流量消费。与OTT企业从对抗走向合作共赢已成为基本共识。因此，借助OTT企业在业务创新、用户体验和盈利模式等方面的优势，跨界竞合发展将成为运营商的基本趋势。随着移动转售企业的加入，国内民营资本开始大规模进入传统电信行业，阿里巴巴、迪信通、苏宁、国美等来自不同领域的竞争，将为通信业格局多元化埋下伏笔。

电信转型的一个重要方向，就是深入研究如何以信息化支撑工业化，在两化深度融合中寻找发力点。《信息化和工业化深度融合专项行动计划（2013～2018年）》中提出，2018年，全国两化融合发展水平指数达到82。习近平总书记2014年到福建考察时，要求当地抓住机遇加快发展，尤其提到要加快工业化和信息化的深度融合。

“两化深度融合”口号已喊多年，但落到实处，需要在市场竞争中脱颖而出的有实力、有创新活力的企业来承担，有可能是电信运营商，也有可能是平台企业，更有可能是未来产生的一批创新企业。

电信转型实质就是互联网化。一些当前电信企业在着力发展的热点，包括VoLTE和融合通信，更多的仍然是一种电信网思维，关注点仍在于通过改造网络去实现相关的能力。融合通信也许是电信网思维的最后一步，下一步会全面走向互联网，否则电信业再过两三年下降的趋势会比现在来得更加明显。

大数据与电信业务经营 篇6

对于大数据IT界归纳了4个V (Volume, Variety, Velocity和Value) 的特征, 已经基本得到大家的一致认同。具体到电信行业大数据的四个V又表现为什么呢, 总结下来可以概括如下。

Volume数据规模巨大:电信行业仅日常运营产生的各类话单数据 (x DR) 和信令数据规模已相当可观, 如果再加入网络流量的数据采集, 数据规模将呈爆炸式增长。一个大型城市的每分钟产生超过8万条位置更新信息, 一天通过网络承载的数据流量可高达100TB。

Variety数据类型丰富:除了传统的来自电信运营系统如BOSS系统 (CRM、RSM等) 和VAS系统的结构化数据外, 互联网业务的发展带来了诸如文本、图片、视频、位置信息等大量非结构化的数据。

Velocity高速实时的数据:即时话费查询、流量监管等新功能的应用随之产生了大量的高速动态数据流, 对数据流的实时分析与处理要求不断增加, 数据处理的越及时, 产生的价值越大。

Value数据价值大密度低:网络中对媒体流和信令检测探针的应用形成了源源不断的数据, 但与从信息中能挖掘出的知识量相比, 数据的价值利用密度很低, 需要创新的技术和思维来提升从数据中挖掘知识的效率。

大数据为电信行业带来巨大变化

Gartner预测到2020年大约75%的企业都将大数据分析融入其日常经营决策中, 未来大数据分析将成为企业经营的一项基本能力。

根据Sysbase的统计分析, 电信行业通过在运营中应用大数据, 人均产值提升了17%, 而在行业价值贡献方面更是排在了所有行业的首位。在电信行业收入增幅日趋放缓的今天, 这样的产值增幅无疑是鼓舞人心的。

通过构建行业大数据分析系统让运营商具备了大数据分析处理的技能, 但这只是在大数据时代获得成功的基础;运营商还需要从企业战略和经营思维层面改变, 发现新的机遇和模式并付诸实施, 才能真正将自己所掌握的大数据资产和大数据技能转变为企业价值。

●大数据需要数据处理技术的改变

电信行业一直以来都是非常关注数据的收集和统计分析, 运营商BSS、OSS、DSS、CRM和RA等系统都大量部署应用了关系数据库 (RDB) 或数据仓库 (DW) , 多采用Oracle、DB2、Sybase和My SQL等数据库管理系统。这类数据库处理的多是电信业务运营过程数据、资源信息、话单记录等结构化的数据类型, 随着互联网数据业务的发展, 运营商需要收集处理更多的业务应用类数据, 由此带来了数据量、数据类型和分析能力的巨大变化。原有的业务运营系统所产生的结构化数据量大约只占所拥有数据量的2成, 超过80%的新数据来自互联网、物联网等新业务应用, 并且以视频流量、文本、网络点击行为等各类非结构化的形式存在。面对数据对象的新变化, 传统的电信运营数据库系统在处理能力和处理效率上都无法满足要求, 转变势在必行。

从DB (Database) 转向BD (Big Data) 是一个大的技术演进, 而不仅仅是需要处理的数据规模的扩大。电信行业因为互联网应用的普及和管道智能化演进带来了大量非结构化数据的分析处理以及高速流量数据的实时处理问题, 对于这些数据处理的效率又要求达到电信级运营的要求。因此对电信运营商而言一个合适的大数据系统至少应该具备以下三种能力:分布式处理能力, 非结构化数据分析能力和流式数据实时处理能力。以Map Reduce技术为核心的Hadoop开源平台已成为非结构化大数据处理的事实标准, 其适合非结构化数据, 大规模并行处理的特点可以满足电信行业的需要。而在流式大数据实时处理方面则可以考虑应用较为成熟的CEP (Complex EventProcessing) 技术, 这一技术针对电信网络大量的信令、消息、特征媒体流等流数据具备良好的实时分析处理能力。

中兴通讯的大数据平台解决方案充分利用主流的大数据处理技术, 并结合电信行业数据处理的特点, 提供融合传统数据仓库和大数据的专用平台, 可灵活适配各种数据规模、多种业务应用的场景。系统提供自研的CEP技术可满足电信大流量数据的实时处理需要, 采用Hadoop开源技术满足对电信业务平台上非结构化和半结构化数据的批量处理需要, 基于No SQL的HBase大数据存储架构可满足从GB到TB各种级别的数据存储和快速I/O需要。

●大数据引发经营思维的改变

电信行业的数据主要包括客户信息数据 (如客户入网资料、套餐情况) 、业务过程数据 (如通话记录、客户服务记录等) 和网络运行数据 (网络性能、客户终端使用情况等) 几部分, 传统上这些数据分布在不同数据库中并且较独立的进行统计分析以服务于不同的运营部门, 数据分析在很大程度上仅仅作为部门运营报表输出和绩效考核功能应用而存在, 这显然低估了数据的价值。在大数据时代数据的价值来源于数据的全面性、数据的共享和数据的二次利用。运营商应该将不同部门、不同数据库收集存储的数据进行共享, 重新挖掘历史数据而不是轻易删除, 围绕客户进行整合分析, 这才是大数据下的思维方式。当我们将数据进行组合、再利用, 形成新的大数据集, 大数据的真正价值才能显现。

举一个电信行业通过部门间数据共享组合发现新商业价值的例子:很多移动运营商网络维护部门出于改善网络运行质量和提升客户体验的考虑一直在进行网络和终端的分析优化活动, 期间收集了大量的终端应用数据, 这些数据以往仅仅为网络优化目的而利用, 网优活动结束后就废弃了;其实这些数据通过再分析可以提供更多的用途, 比如基于对全网络不同型号手机终端的实际使用数据分析, 运营商可以向手机制造商提供更为真实的手机使用情况咨询, 在确保不侵犯竞争厂家的隐私的情况下运营商可以向手机制造商提供更为真实的手机实际使用率信息, 这些对于手机制造商而言都是无价之宝, 比以往依赖仿真测试和销售数据分析获得的情况更加真实, 可以有效指导他们的经营决策, 而运营商通过对数据的二次分析提供信息咨询可获得额外的商业收益。

再以运营商运维部门常见的告警派单活动为例, 大量的设备历史告警数据通常作为部门运维质量考核的统计数据并且定期被清理覆盖。但事实上通过设备海量历史告警数据与客户投诉的关联分析, 运维部门可以有效地预测一条新发生的告警的准确性和引发的客户投诉的紧迫性, 更好地配合客服部门的服务响应, 也能优化部门内现场故障处理派单的活动, 通过对海量历史数据的挖掘分析即保证了客户服务的满意度, 也同时提高了客服与运维两个关联部门的工作效率。

上述两个案例仅仅是运营商基于大数据思维创造新价值、提升运营效率的小应用, 大数据是一个神奇的金矿, 它的潜在价值犹如漂浮在海洋中的冰山, 很大部分还隐藏在水面之下, 等待我们不断去挖掘。

大数据引领电信业转型

作为信息管道的经营者, 电信运营商天然具备数据的收集能力。相比互联网公司获取的是用户在虚拟网络中的数据, 提供用户入网接入服务的电信运营商拥有用户的真实社会型数据信息, 而管道的智能化又让运营商拥有获取用户在互联网虚拟社会数据的能力, 运营商基于管道平台同时拥有了现实社会和虚拟社会两套数据, 通过用户属性的关联实现数据的无缝衔接, 这是运营商特有的数据优势, 在大数据时代这是一个重要的核心资产。

对电信运营商而言一个合适的大数据系统至少应该具备以下三种能力:分布式处理能力, 非结构化数据分析能力和流式数据实时处理能力。

但是拥有大数据资产并没有给运营商带来直接的收入和利润, 原因就在于运营商普遍缺乏从数据中挖掘价值的技术和发现新价值的智慧理念, 而大量的互联网公司和中小科技公司却已经行动起来, 利用电信开放的数据资源获得收益。

国内领先的互联网公司如百度、腾讯、淘宝等都已经利用大数据来提升自身的产品和服务, 并且不断向传统的通信领域渗透, 面对竞争电信运营商必须要积极跟进, 利用大数据的资产优势, 发展大数据技能, 开拓大数据思维, 实现客户的深入洞察和业务决策的创新, 驱动企业向围绕客户信息服务为中心的战略转型。具体来说, 大数据将在4个领域为电信运营商的转型带来新机遇。 (如图所示)

●提升管道经营内涵, 增加管道收入

建设智能管道和业务聚合平台, 开展流量经营是电信运营商转型发展的基本措施之一, 借助大数据分析运营商可以实现对管道中大流量数据在线实时分析;对用户使用互联网业务行为动作进行批量分析;对管道中各类业务应用过程数据进行实时分析。通过大数据分析运营商可以及时把握网络流量状态, 预测流量变化趋势, 改善流量分布, 实现流量规模和流量层次上的精细化运营, 真正让流量创造价值。

●提高企业经营管理效率, 降低运营成本

大数据融入企业经营管理和决策流程将带来更高效、更精准的运营改变, 来自运营商内部各个部门的生产数据与外部的应用数据整合、交互, 使得决策的数据基础更为精准, 数据指向的目标更加统一于客户和收入, 大数据提供的相关性分析能帮助运营商更快、更准确的捕捉市场变化, 加快决策的效率;基于相关关系分析基础上的预测则可以更好的指导我们的日常运营操作, 优化资源配置, 降低运营成本。

●丰富业务营销内容, 精准客户洞察

通过对客户现实社会数据和互联网使用行为数据的收集聚合分析, 电信运营商可以更精准的刻画每个消费个体的偏好、习惯和社交网络, 识别价值客户, 预测客户行为, 以此为基础运营商可以开展针对性的组合营销, 或者为合作伙伴提供更准确的业务开发指引, 以个性化、精准型的业务内容不断增强客户黏性。

●提升产业信息服务能力, 拓展商业模式

在行业信息服务领域电信运营商通常只提供通信管道和设备托管服务, 相比之下IT厂商一直占据主导地位。大数据技术给运营商争夺IT厂商主导的行业信息服务市场提供了巨大的机会。运营商利用庞大的用户属性数据、精确的用户位置信息数据、真实的社会网络数据, 可以为行业客户提供高效、准确的信息服务。面对智慧城市、远程医疗、网络教育等新兴的信息服务需求, 运营商通过大数据价值挖掘可以拓展新型的信息服务模式获得持续的收入增长。

大数据时代民营银行经营模式研究 篇7

21世纪是快速发展的时代,而与这个时代与时俱进的产物是———大数据。大数据是近些年来越来越多被人们提及和使用的一个新词汇,指当前这个信息爆炸的年代中增速惊人的数据量,在国外已经多次出现在封面和新闻视频上,在中国也越来越多的应用到了各个商业及服务业等领域。在大数据时代,企业可以通过大数据的分析、挖掘对客户进行信用评估,以确定企业接下来的经营活动。拥有大量的数据,且善于运用的公司,必将有好的发展前景,时代在变迁,技术在更新,一切都要与时俱进。

大数据有很多特征,大体上讲就是运用新系统、新工具的技术,挖掘出具有潜价值的东西,大数据的特征显而易见,业界用“4V”来概括这些特征,而正是这些特征促进了时代的进步,也对我国金融行业产生了影响,想要更深入的了解金融行业的发展趋势,就必须全面了解大数据的本质特征,并与传统数据进行对比,如表1所示。

就某种角度而言,大数据是一项数据处理方面具有先导性的新技术。总之,大数据技术就是海量数据中将具有潜在价值的信息快速挖掘出来,并加以分析利用的新技术。正是由于这一点使得该技术具备了走向广大企业的潜力,同样因为大数据时代的这几个特点,使得各个领域都需要改变自己的经营策略,要有效的利用有用的信息,挖掘出对自己行业有利的信息,从而进行精准的营销,这是每个公司现有的最大挑战。

2 大数据时代对银行业的影响

传统银行业是指具有资本、工作人员、网点、客户等资源的实体银行,是以客户的需求、市场竞争情况来确定经营模式和战略目标。在大数据时代背景下,银行企业的成功与否取决于能否合理分析利用现阶段拥有的客户的数据资源,并且对其进行深度挖掘,找出客户的服务需求,有针对性的开发出适合目标客户的新产品,而大数据时代背景下,银行的服务和交易将以互联网、移动数据为平台,这样能够更加便捷、高效为客户服务。

大数据时代的银行业在市场定位上要考虑现有的条件和机遇,充分合理利用互联网,挖掘出客户真正需要的信息,开发出更加便捷的产品,掌握住战略高地,借鉴其他经验为客户提供最佳的服务。

(1)对银行业传统经营范围的影响。传统的商业交易中资金流、物流以及信息流是分别开的,然而在大数据时代背景下,资金流、物流、信息流将同时存在,银行业将不局限于自身的经营范围,将会与其他的商业活动共同发展。所以,可以想象得到未来银行业将不局限于现有的银行业务和非银行金融业务,而是要进军与交易相关的信息业和物流业,其他企业也会渗透到与之相关的金融业,即传统的经营范围会日益变大。

(2)对银行业传统经营方式的影响。大数据时代背景下,银行业更多的将以互联网为服务平台,银行业的经营方式将发生彻底改变,首先,在产品的营销和开发方面,银行加大对目标客户的数据搜集和分析判断,探索目标客户的服务需求,然后根据客户需要、市场需求展开定位,进行营销,这样能够精准的服务客户、精准营销。在风险控制方面,传统银行业尽管引进了很多数据分析技术。在大数据时代背景下,系统对客户本身进行多方面的评价,对违约率和违约损失率的评估判断更为精准,这种方式极大的避免了传统凭借经验办理业务的方式。

(3)对银行传统盈利模式的影响。我国的经济正在从高速向中速过渡,利率市场化改革也在不断加深,这种情况下,传统银行业通过赚取净息差获得盈利的运营模式将不能继续,信贷成本降低的范围缩小,因此,银行业未来的效益增长会放缓,经营压力会日益增加。在大数据时代背景下,银行业能够通过建立数据库并对其进行分析、挖掘,以日益发达的互联网和电子渠道为平台,给客户提供更为精准、高效的产品服务,提高客户的舒适度。并且,大数据时代下的网状营销结构为银行业拓展电子商务、加强财富管理、接资本市场等业务提供了新的空间,而这些业务将要成为未来银行运营的主要服务方式。

3 大数据时代民营银行新的经营模式

通过对目前金融行业的营销模式研究,我们可以发现,在大数据时代背景下,以往的金融营销模式已经跟不上金融业发展的步伐,以银行业为例,传统银行业不注重营销,是被动的营销方式,银行缺乏互动,缺乏风险意识,也没有较为准确的风险定价能力,传统银行所依靠的只是自己单一的数据,存在着信息不对称的问题,同时也无法得到用户的真正满意。另一方面,传统银行业并没有实现体验营销,顾客缺乏体验感,只是盲目的按照规章制度办事,没有充分利用银行业本身所拥有的大数据。

在大数据时代,民营银行的运营方式定会与传统有所不同,要根据大数据的特征针对性的去经营,以下是针对我国现有的三家民营银行的经营模式进行的对比和研究。

(1)微众银行的个存小贷模式。与传统银行相比,微众银行的与众不同在于交易方式和业务模式的创新,抛弃了以前柜台和网点办理业务的运营方式,它基于大数据背景下的数据信用评级,通过人脸识别的新技术进行无柜台、无网点、无担保的全新运营方式。这个业务的创新就在于完全通过互联网进行所有的金融业务,使服务更加便捷、高效,真正做到快速、准确、公平。

(2)温州民商银行的特定区域存贷款模式。温州民商银行立足服务中小企业,整合资本为民营企业提供融资新途径,合理补充国有银行中产生的信贷盲区。民商银行的优势是初期能够利用股东资源拓展业务,以便使得银行能够生存下来,而后立足于服务地区,为本地企业的创新提供融资。温州民商银行立足服务本地中小微型企业,合理利用自身服务好、经营活、效率高的优势,走有自身特色的、符合自身发展的道路。它以产业链金融等为特色,与已有银行形成错位竞争,为中小微型企业和小区居民提供便捷、高效的服务和灵活多变的产品,努力做中小微企业和小区居民的综合金融业务服务商。

(3)天津金城银行的公存公贷模式。通过华北集团、麦购集团为主要发起的天津金城银行,以天津地区的中小微企业和科技型企业为服务基本立足点。关于天津金城银行的经营模式,现在业界还没有具体的描述,但通过与上面两家民营银行的经营模式对比可以看出,天津金城银行的营销模式将突破传统银行所使用的服务形式,建立属于天津中小微企业精准定位的营销。

(4)三家民营银行的经营模式对比。首批试点的5家民营银行共有四种经营模式,即小存小贷、公存公贷、大存小贷、特定区域。以上分析的三家民营银行,都有各自定位的经营模式,如表2所示。

这三家民营银行都有一定的立足点,并没有将银行的所有业务全面展开,这对民营银行自身的发展是有一定好处的。民营银行要生存就要有自身的独特之处,有自己与国资银行不同的产品、服务,将自己的主要精力投放在自身的强项上,这样既有利于使自身得到进一步的发展,同时也能够与国资银行形成互补,使国内金融业得到健康稳定的发展。在当前环境下,国资银行与民营银行的业务展开对象将发生变化,国资银行有国家政策扶持,可以继续对风险领域进行融资投资,例如房地产行业,民营企业则能依靠自身服务好、便捷、高效的优势发展小微企业的金融服务。

4 大数据时代民营银行的经营对策与建议

(1)目标市场为所在地区和中小微企业。首先,作为一家民营银行新进入者应该选择目标市场为银行所在地区(城市)。其主要理由是:一是刚刚起步规模小,不适合过于高调的传播。二是选择优质客户要充分了解本地客服信息,防范风险。三是民营银行当地知名度高,有利于业务的迅速开展,建立信誉。四是在不同的地方,银行监管部门也有很多政策限制,监管过于严格。其次,以中小微企业服务为基本出发点。考虑商业银行的经营环境,应该选择进攻策略。基于对环境的深刻理解主动自觉把握机遇和风险并创造性的发挥发展自身优势把握,实现质量和数量的扩张。

(2)与大型银行错位竞争。在当前复杂的经济环境和激烈的竞争形势下,小规模的民营银行与国资银行直接竞争是很不明智的,因此民营银行可与其他金融机构广泛合作。民营银行与风险投资机构的协力合作,能够更加准确地对目标客户的未来发展和偿付能力做出预测和评估,这种合作相应的减少了银行对客户的监督和评估环节,减少运营成本,同时还能获得高新技术企业的额外收益;通过与融资担保机构和小额贷款公司的合作,能够学习其他企业在小微企业贷款审查方面的经验和方法,同时在一些合作项目上对贷款企业进行协同审查、评审,以最大程度上控制风险,进行风险分配,有效地防范贷款风险的集聚。

(3)提供更专业化的服务。民营银行成立伊始就要适应当前利率市场化的大背景,因此必须依靠提供专业化、特色化的金融服务来吸引客户,获得自身发展。提供专业化的金融服务依靠的是民营银行对金融服务、金融产品的创新。民营银行与国资银行的立足点不同市,因此在金融服务与金融产品创新时,在吸收现有经验的基础上,更要充分考虑和结合中小微企业客户的需求和特点,充分合理运用互联网金融便捷、高效的长处,挖掘出自身客户所需的服务品种,提高服务态度,满足客户的服务需求。

(4)有针对性地布局网点。网点是实体店业务办理的主要平台,是现阶段银行的主要组成元素。良好的网点选址和布局,是民营银行展开自身业务的基础。同时,必须考虑到的是,民营银行本身的经济实力有限,对于网点的资金投入也有限,不可能依据大型银行区域划分的网点布局原则,而更应该根据市场需求情况,有选择性、针对性地布局网点,尤其要在中小微企业聚集的创新创业园区、工业园区、商品批发市场、居民聚居区等地开设网点。通过在目标客户集中的区域开设网点,对民营银行业务的开展有很大的帮助。一方面,在目标客户集中的区域开设网点,可以尽可能的减少银行和客户的成本。另一方面,民营银行不但可以获得更多的企业认可,争取到更多的客户,更可以使得银行更容易获得客户的信用信息,在获取客户信息方面得到优势,使得民营银行具有的信息优势充分地发挥。

(5)借鉴“直销银行”的模式。直销银行是一种全新银行运作模式,它以互联网为平台进行银行业务的办理,没有实体网点,目标客户在任何有网络的地方都可以办理业务,简单的操作电脑和手机就可以办理业务。这种运营方式打破了传统的实体网店的经营模式,降低了运营成本,并且依靠互联网快捷发达的信息传递可以获得客户对银行的反馈,是银行自身进一步得到提升。民营银行可以将直销银行的运营方法借鉴过来,并且进一步升华,在大数据时代背景下,大力发展依托互联网的银行业务。互联网的飞速发展改变了很多消费者的消费习惯,消费者通过互联网相关的操作更加方便,便捷的电子银行已经成为银行消费者选择的一个因素必须加以考虑。电子银行与传统银行业务相比,民营银行在为目标客户提供方便,高效的服务同时,也为银行自身节省了大量的成本。

(6)制定严格的风险控制制度。鉴于目前的市场环境下,金融制度安排和民营银行本身的一些性质等因素,民营银行在市场中的风险较大型银行更高。因此,建立适合自身发展的,操作过程中严格的风险控制体系,严格控制风险,这是民营银行的持续健康发展的必要条件。

首先,新成立的民营银行要向成功民营银行学习相应风险控制经验。比如泰隆银行,浙商银行等民营银行,经过多年的发展,已建立一个比较完整的风险管理控制体系,特别是在中小企业贷款风险控制方面,与其他大型银行相比具有比较优势。浙商银行通过将投行业务跟小企业业务嫁接起来的方式,向捆在一起的几家企业一起发行集合票据,从而提高融资效率,减少单一客户信用风险。

另外,新设立的民营银行要重点防范关联贷款业务。通过国内外银行发生风险情况经验来看,银行的风险爆发点往往在于向自身有关联的企业发放贷款,所以掌握好与关联企业的关系,建立一套完善的贷款制度,合理控制风险是至关重要的。民营银行资本完全来自民间企业,因此要严格限制股东贷款的最高额度和比例、严格规定重大关联交易的审批程序,防止投资者违规占用贷款,控制银行风险。

摘要：大数据时代,一个数据爆炸的时代,引起了全球商业界和政府的关注,也将深刻影响我国银行业未来的发展。在此背景下,传统银行将面临较大的生存压力,应运而生的就是民营银行的发展,大数据催生了民营银行,因而此时民营银行经营转型探讨具有较强的现实意义。从大数据时代的发展和对民营银行的影响进行分析,推理出民营银行发展的必然性,并通过个案研究对我国现有的三家民营银行的经营模式进行分析,最后提出民营银行经营模式的新策略,从民营银行的市场定位以及营销模式二方面提出具有针对性的建议.

关键词：大数据,民营银行,市场定位,经营模式

参考文献

[1]田华茂.大数据时代中小商业银行经营转型探讨[J].西南金融,2014,(02):10-12.

[2]林伟雄.民营银行风险管理的内部影响因素分析与改进[J].特区经济,2014,(08):142-144.

[3]吕家进.大数据激发金融创新[J].中国金融,2014,(15):19-21.

[4]奚尊夏,赵敏慧,魏博文.民营银行发展的台州视角[J].浙江金融,2014,(07):64-68.

大数据业务在电信运营中的应用分析 篇8

关键词：大数据,电信运营,云计算,市场分析,运营研究

随着互联网和物联网的发展,人类的各项行为和活动都可以通过数据进行记录和分析,大量的新数据时刻涌现在互联网和物联网端,这些数据包含多样化的信息资料,能够为商业应用提供更有价值的数据资料。相对于网络互联网行业而言,电信运营商拥有更加庞大的数据生产能力和数据资源,包括消费者的年龄、电信资费、入网方式以及终端品牌和电信消费信息,随着移动互联网和智能移动设备的普及,电信运营商的用户数据更加完整,通过分析用户的资源情况和上网信息等内容即可得到用户的上网偏好、上网地点和网络应用实践等信息,从而为电信业务的开展提供可靠的数据资料。同时随着互联网企业的竞争,很多类似于电信运营的业务已经逐渐被互联网企业分流,电信运营中对用户的信息处理和控制能力逐渐下降,在大数据时代背景下,如何利用电信用户的信息数据为企业运营创造更大的发展价值,帮助电信企业实现内部精细化管理和运营服务为一体的电信业务,是电信企业运营中必须考虑的重要问题。

信息数据的高速发展拓展了移动互联网和物联网、电子商务等数据应用范围,大数据相关的云计算技术和数据挖掘技术、Hadoop技术是目前大数据领域相关的应用技术。下面主要介绍大数据背景下的数据挖掘技术和云计算技术。

一、大数据关键技术简介

1.1云计算技术

云计算技术简而言之就是一种数据模型,利用该数据模型能够灵活的根据不同需求访问共享的可配置数据资源,云计算内共分有三个运行层次,通过IAAS实现数据异构存储、数据处理和计算以及网络资源虚拟化管理;PAAS实现数据信息按需分配;SAAS利用浏览器实现应用软件分享。其中虚拟化是云计算技术中的关键部门,可以在虚拟机的基础上模拟硬件操作,实现数据管理,通过打包可以将整个操作执行环境传输给其他的物理节点,保证执行环境和物理环境相对独立,更好的部署整个应用程序模块。可以说云计算技术为数据处理提供了统一的虚拟化管理模式,实现数据资料按需分配。随着大数据资源和数据结构的变化,传统的数据采集和处理过程效率较低,在互联网应用基础上的云计算技术能够为大数据利用提供更加高效的架构平台,实现海量数据高效管理。

1.2数据挖掘技术

数据挖掘技术是指从海量的数据库中挖掘人们感兴趣的数据内容,可以根据这些数据对潜在的社会信息进行有效分析,数据挖掘技术设计的技术领域较为宽广,比如机器学习、模式识别、统计学和可视化技术等,通过数据提取和挖掘、数据表示等从原始数据中提取需要的数据信息,实现数据信息化到可认识化的转变,从海量的原始数据中提取需要的数据信息并转化为知识。

二、大数据业务在电信运用中的案例分析

大数据在电信运营中的应用主要体现在网络管理优化、网络运营管理、市场营销和客户关系维护等方面,其中网络管理优化包括电信基础设施建设;市场营销包括用户个性化推荐、用户需求分析以及精准营销等;客户关系管理包括用户体验、电信业务服务和客户维系等方面。

OTT业务对电信行业的短信业务产生了较大的营销,导致电信行业中短信收入下降,但电信运营中仍然应该利用大数据环境制定正确的措施减少短信业务下降带来的损失。首先可以根据大数据信息分析客户短信发送量下降原因以及短信使用下降的客户群体类型,从海量的数据信息中分析了短信业务使用状况和短信业务群体之间的差异,分析客户短信发送量上升和下降的原因,从而采取针对性的措施减轻短信发送量下降带来的损失。

利用大数据可以有针对性的整合相关数据信息,建立数据管理中心,客户的资费状况、短信业务以及通话行为都体现在电信运营商的通信数据网络内,可以说电信运营商在用户数据生产和控制领域占据很大的优势。分析用户短信业务使用情况和短信发送量下降原因,对用户主套餐和归属区、套餐流量特征、消费类型,包括用户的短信消费和流量语音消费、以及用户业务特征等数据类型进行统计分析。在电信用户海量信息数据的基础上,利用数学模型识别其中影响客户短信消费量的原因,形成了一个包括客户通信行为在内的数据宽表,在数据宽表的基础上利用数据挖掘技术分析短信客户的使用情况,通过数据比较可以发现客户的流量业务、语音通话、在网月数和话费支出等因素对客户短信发送的影响因素。针对这些影响因素,利用数据挖掘技术对这些关键因素进行了详细分析之后发现,电信资费的价格对客户短信发送量下降有直接的影响,再加上其他沟通方式的出现逐渐替代了短信沟通形式,使得短信的需求量下降。通过数据分析显示,客户的短信发送量的增幅和流量增幅呈现负相关关系,客户的流量使用量越高则短信发送量越低,可见微信和QQ等聊天软件对短信业务量的下降有着直接的关系。

本次案例分析中可以采用决策树等数学模型挖掘短信用户的数据进行分析,并发现用户短信发送量下降和流量套餐、短信套餐以及通化次数相关,之后针对每一个相关因素进行详细分析找出具体的影响要点,利用大数据分析发现客户短信使用量下降主要来源于对资费较为敏感的客户群体,这些客户在以微信为主的聊天工具的影响下,逐渐替代了短信联络方式,是导致电信业务中短信发送量下降的主要原因。同时发现,如果为客户办理短信套餐,不仅可以在短信上给予客户一定的优惠,还能稳定短信收入,缓解短信发送量的下降。通过大数据技术分析之后我们确定保证短信业务运营的主要方法就是推广使用短信套餐业务,提高短信套餐的使用范围从而稳定电信短信业务运营状况。

除了利用大数据制定营销策略以外,还可以利用大数据实现精确营销,在智能手机的普及下,越来越多的客户倾向于使用微信、QQ和手机地图等应用软件,通过分析客户手机上的软件可以对客户的行为偏好有一定的了解。在SPSSModeler的基础上获得客户手机的网络图,并分析客户的行为偏好,通过数据分析获得潜在的手机视频潜在使用客户,从客户的流量使用情况、通化次数以及音乐视频类软件使用状况相关数据,判断客户是否为手机视频潜在使用客户,从而根据大数据分析结果,提取符合条件的客户作为手机视频重点推广对象。

三、结束语

电信产业面临激烈的外部生存环境考验和内部业务优化挑战,需要通过优化业务流程和营销流程提高运营效果,大数据相关技术为电信运营的准确化和高效化发展提供了便利,电信行业本身就具有海量数据生产能力和数据控制能力,相较于其他行业而言已经具备了较为完善的信息化运营体系,重点开发大数据中的潜在信息可以为电信公司创造更大的发展价值,但同时要做好信息安全保护工作,在提高自身运营效率时保障用户的信息安全。

参考文献

[1]刘晓悦,郭强.海量用电数据并行聚类分析[J].辽宁工程技术大学学报(自然科学版).2016(01)

[2]陈亚楠,李涛,韩志雄.基于hadoop模式的数据查询系统设计[J].经营管理者.2014(34)

[3]潘毅,成静静.Hadoop在电信运营商经营分析系统中应用的研究[J].数据通信.2014(06)

[4]韩权利,李寒松,张征宇,丁玉成.企业产品数据管理技术的理论与实施[J].制造业自动化.2002(04)

大数据与电信业务经营 篇9

流动人口指离开户籍所在地的县、市或者直辖区,以工作、生活为目的异地居住的成年育龄人员,对某个城市而言,包括流入人口和流出人口,人口的流入和流出情况在一定程度上反映出当地的经济发展情况,也对当地造成一系列的社会经济影响,包括人力资源的分布变化、对公共设施配备的需求增加、对城市建设的影响等。目前常用的流动人口统计方法主要包括人口普查、人口抽样调查、构建流动人口信息平台等方法,缺乏实现快速动态监测、短周期内流动人口规模测度统计的有效方法和策略。若要对某城市实现以上统计目标,需实时获取城市范围内所有人员有关原户籍、现所在地等个人信息,传统方法很难在短时间内获取相关数据,而这对电信运营商来说却是易于反掌,原因在于移动的基站系统和实名制注册要求。据工业和信息化部统计,截止2015年4月,我国移动用户数总规模接近12.93亿户,而全国总人口为13.6亿人,移动电话普及率已达95.07部/百人,接近人手一部手机。对于流动人口而言,无论其流动方向而言,总会通过移动通信与家里留守的亲人保持联系,这使得流动人口的统计特征与移动通信数据保持基本一致,为应用电信大数据统计流动人口提供了较强的理论和数据支持。

二、电信大数据的类型分析

电信运营商的数据具有十分宝贵的研究价值,包括用户身份信息、设备终端数据,出于对在网客户进行服务计费的需要,运营商实时记录用户上网数据、所在位置数据、通信数据等内容。

(1)用户身份信息:包括用户姓名、年龄等个人信息,业务订购,积分获取等数据。在逐步实施用户实名制之后,运营商拥有了较为准确全面的用户个人资料,身份证号信息提供了用户的出生地信息,是进行流动人口统计的主要数据基础。(2)设备终端信息:主要记录用户终端的数据信息,包括品牌、型号以及手机终端的性能信息。(3)用户行为数据:记录用户的通话、数据上网、收发短信等行为,以通话为例,记录是否主被叫,通话时间、时长,是否漫游,对方号码归属地等信息。由于流动人群大多数存在频繁与户口所在地进行通信的现象,因此通话行为数据可被用来作为统计流动人口的依据。(4)用户位置数据:为保证用户能接打电话,手机终端需要与移动基站不停地进行呼叫通信,运营商可根据通信基站确定用户所处的大致范围,而随着用户位置的改变,网络会进行基站切换和位置更新,这就形成了特定时间内用户位置的移动轨迹。研究检测用户在某个时间范围内的位置变化也是流动人口研究的统计依据。综上所述,电信用户入网登记的身份信息,在网期间所产生的行为数据和位置数据对统计流动人口有重要的应用价值。

三、流动人口电信数据的表现特征

对某一特定区域而言流入人口和流出人口,在身份信息、行为数据和位置数据方面表现出不同的数据特征,以下将分别进行分析:(1)流入人口的数据特征分析。1、身份信息:实名认证客户的身份证信息中前六位所对应的出生地区域代码与电信运营商所在地不一致,可根据其统计流入人口的来源地区分布;2、位置信息:在春节、五一或国庆等节假日期间,出于与亲友团聚的目的,运营商检测到的流入人群所处基站位置信息发生明显变化,显示区域与身份信息所在地一致;3、用户行为数据:流入人群与其身份证记录的外地区域客户有频繁的长途通话、收发短信等行为。节假日期间,流入人群在身份证显示区域有漫游通话的情况。(2)流出人口的数据特征分析。1、位置信息:流出人口的身份证出生地信息显示为本地;2、位置信息:在春节等节假日期间,流出人口有回流情况,即所在基站位置与出生地一致;3、用户行为数据:流出人口与本地区域客户有较高频率的长途通话;节假日期间,客户漫游地区与本区域一致。

总结:电信运营商在提供移动通信业务的过程中,获取了海量真实的客户历史数据,客观反映了用户的真实身份信息、位置信息和消费行为,结合流动人口的消费、移动等行为特征,本文研究分析了流入、流出人口电信数据的特定表现特征,为进一步应用电信大数据统计流动人口数量提供了参考依据。

摘要：我国流动人口呈现出规模持续扩大,人口结构日益复杂化的趋势,但是目前的流动人口统计方法明显滞后,不能满足各级政府和社会各界对流动人口数据的需求,亟待结合大数据分析方法进行改进。而随着智能手机等移动终端的普及,电信运营商获取了用户身份、通讯记录、地理位置等海量客观数据,本文将结合电信运营商获取的数据信息分析流动人口所表现出的数据特征,为统计流动人口提供判定思路。

关键词：电信大数据,流动人口,价值分析,判定

参考文献

[1]智勇,盛昭翰.基于移动通信信息资源的人口流动趋势研究[J].山东社会科学,2009(11).

[2]Liu P.电信行业中的大数据.电信网技术[J],2013(8).

大数据对媒介经营管理的影响研究 篇10

当前, 媒介经营为了能够适应当前市场的发展趋势, 促使媒介经营管理方式发生改变, 在媒介融合背景下, 促进了媒介管理价值资源和媒介市场版图的不断重构。管理者应结合实际的发展需要, 重新审视自身的经营和发展。同时, 大数据的诞生, 也改变了媒介的生态模式, 给媒介经营者的管理工作既带来了机遇, 又带来了挑战。

二、大数据下媒介经营管理存在的问题

(一) 大数据对媒体价值有限

通过对大数据的应用价值进行分析可知, 其对传统媒体产生的价值是有限的。媒体发展受数据资源限制, 大多数数据资源主要来源于公司机构和商业网站, 需要加大资金支持力度和跨界合作来促进数据经营发展, 增强自身的实力。但是当前我国的大多数媒介机构并不具备较强的数据处理能力, 专业技术人才和设备缺乏。

(二) 大数据暴露了隐私权

大数据给人们的信息交流提供了便利, 满足了人们多元化的信息需求, 同时, 也导致个人成为一个透明体, 隐私极易被暴露。可以说, 在数据下分享信息的过程就是信息暴露的过程, 人们无法对信息进行控制, 将不再成为信息资源的主人。因此, 为了防止隐私被暴露, 需要明确信息公开和保护界限, 避免隐私权法律纠纷情况出现。[1]

(三) 大数据造成了信息霸权

当前我国有价值的数据资源大多被经济实力雄厚的大公司占有, 大数据逐渐演变为巨头游戏, 大数据带来了信息寡头和信息霸权现象;但目前对大数据的使用还处于不完善阶段, 无法促进数据信息的共享。随着数据挖掘技术的提升, 数据挖掘技术将成为媒体间竞争的有力武器, 数据库寡头经营现象普遍。

三、大数据对媒介经营管理模式的影响

(一) 影响媒介产品的生产模式和机制

20世纪90年代, 新闻界提出了“数据库新闻”概念, 21世纪初期, 数据库资源实现了初步整合。首先, 大数据与数据新闻的有效结合, 改变了新闻生产的思路和流程, 诞生了“数据新闻”。数据新闻往往以新闻应用、活动图表和可视化信息图的形式出现, 需要明确数据之间的关系, 对新闻的内容进行有效整合。其次, 数据库的诞生催生了新的商业运行模式, 需要明确数据的来源渠道, 对复杂的数据信息进行二次加工, 充分展现出数据资源的价值再生过程。数据库是公益性网站的主要筹资方式, 美国的数据商店频道充分利用数据库的筹资优势, 采用免费和收取合理费用的形式进行商业筹资。最后, 大数据通过对用户的个性化需求进行分析, 实现了对用户广度和深度的分析, 促进了数据在各种平台和各种行为中的有效连接, 实现了对数据资源的深度挖掘, 满足了用户获取信息的需求, 给用户提供了动态性和个性化的数据服务。提高了媒体新闻的受欢迎程度, 给记者的经营决策提供了依据。[2]

(二) 影响需求方平台广告经营模式

需求平台广告的出现, 促使大数据对广告经营造成了较大的影响。需求方平台为客户购买广告库存提供了便利, 展现出了需求平台广告的投放、用户定向和实时竞价功能。首先, 需要对用户进行合理定向, 定向的主要内容包括广告投放过程的精准可控、消费需求的精准预测和行为轨迹的动态追踪。需要对消费者的实际消费需求进行分析, 明确消费者的关联需求, 对消费需求进行预测, 通过进一步的关联需求, 促成消费者消费和购买行为的发生。需要将转化率和点击率作为广告业界对互联网广告效果评价的指标, 大数据能够促进广告展示到用户点击的数据转化, 确保广告投入总量效果转化率的精准性, 优化广告主的传播策略。其次, 促进实时竞价和投放工作的顺利开展。实时竞价在实际的开展过程中, 需要充分利用第三方技术, 针对每一位用户的实际使用需求, 对用户的行为进行评估。该种广告经营模式相对于传统的广告经营模式, 使媒体接线更加清晰, 帮助广告主按照“人群”在互联网上进行广告投放, 增加了广告主、消费者和媒体的供应量, 提高了广告投放的投资回报, 强化了消费者的用户体验效果。

(三) 加速了媒介组织结构和物理空间的布局变化

大数据的出现, 促使媒介的组织结构、组织架构和空间布局发生了较大的变化, 加速了媒介组织机构的融合。首先, 数据在编辑部取得了较好的应用效果, 例如, 美国的《纽约时报》发布了长达96页的《创新报告》, 要求对报纸等传统媒体进行结构性改革, 脱离传统的编辑模式, 要求记者参与到内容推广流程中;应促进各部门之间各项工作的有机结合, 加大对新闻采编部门数据库的开发力度。对媒介组织结构进行改革, 澳大利亚对这方面的内容做得较好, 在企业内部组建了网页技术团队, 将数据采集分析人员、数据挖掘人员、数据设计人员和图形可视化技术人员纳入数据新闻团队中来, 提高了新闻团队的技术能力。其次, 编辑部的布局发生了较大的变化。编辑部门需要加大与各部门之间的沟通和交流, 解决编辑部工作沟通不畅的问题, 构建全新的办公布局。在新闻中枢中构建环形工作台, 新闻中枢在和编辑同事进行对话时, 一个处于坐着状态、一个处于站着状态, 能够达到俯瞰全场的目的。

四、结语

大数据对促进媒介经营发展具有重要作用。缺少数据资源的支撑, 就无法促进媒介企业的发展。媒介机构在发展过程中, 应该充分利用大数据的价值, 提升企业的经营管理效果。加大对数据资产的累积和处理, 构建完善的媒介数据库, 将媒介原创内容作为媒介数据资产的核心, 以合作和购买的形式扩充数据资源。同时, 还需要加大对优秀数据分析人员的引进, 拓宽数据业务, 完善经营发展模式, 提升媒介数据价值, 充分展现出大数据的助推作用。

参考文献

[1]刘秋民, 谢爱英.论新媒体对媒介经营管理的影响[J].新闻战线, 2015 (20) :63-64.