涕零
㈠ 运营商大数据，你们听过没有效果怎么样
运营商大数据，听说过这个问题，但是具体效果并不太了解，这可能是摔到商业部门的一些商业秘密，并不一定都是对外公开的。
㈡ 大数据时代来了，运营商怎么办
在此背景下，大数据应运而生。中国工程院院士李德毅把大数据比喻为连接虚拟世界和现实世界之间的桥梁。如何把虚拟世界的海量数据转化为可以提高现实世界生产效率和生活品质的知识？这必然是大数据的重要任务之一。大数据将驱动新的经济模式毋庸置疑，移动互联网时代的竞争是用户体验的竞争，为用户提供极致的体验是互联网企业和电信运营商制胜的关键。无尺度网络模型的提出者艾伯特-拉斯洛·巴拉巴西认为人类行为的93%是可以预测的。海量的用户资源和用户行为数据已经成为大数据时代电信运营商的重要战略性资产，通过深度挖掘大数据金矿，识别和感知用户行为，分析用户需求的演进方向，创新商业模式和业务模式，通过为用户提供个性化、差异化的客户体验实现单位流量价值的最大化，可以形成新的具有核心竞争力的经济模式。大数据金山为运营商带来商业机会电信运营商比移动互联网企业具有更多的大数据资源优势。面对互联网企业的异质竞争，大数据时代电信运营商的运营智慧受到挑战。其实，多年的电信运营积累下来的网络运营数据和用户业务数据，已经为电信运营商堆积了大数据金山。相对于互联网数据，电信运营商拥有的用户数据优势明显。其一，用户办理固定电话和手机入网手续时提供了实名信息，诸如年龄、性别、单位等；其二，电信运营商掌握了用户的电信业务消费信息，包括电信业务类型、业务资费、历史通话信息、通话时长、通话双方信息等；其三，电信运营商基于位置的电信服务可以精确获得用户的地理位置信息；其四，电信运营商拥有每天上百亿次的互联网访问量信息。基于以上数据，电信运营商可以通过挖掘个体用户需求和用户群共性需求，将用户需求实时地反映到电信服务中，电信运营商掌握的大数据就可以创造新的商业价值。运营商应积极培养大数据分析能力目前，电信运营商在商业智能平台建设方面尚处于起步阶段，缺乏大数据分析竞争优势。因此，运营商必须逐步建立起基于云计算的大数据处理系统，积极培养网络运营大数据和用户业务大数据的分析能力，形成核心竞争力。网络运营大数据分析助力提升网络质量。运营商的网络运营大数据来自其运营支撑系统，通过对网络运营大数据的分析，运营商一方面可以进行带宽资源的实时动态分配，缩短信令分析的响应时间，从而提升电信网络端到端的服务质量和网络资源的最优化配置；另一方面可以进行业务流程优化，提高电信运维质量，提升电信运营管理效率，从而可以有效降低电信网络运营的管理成本和运维成本。用户业务大数据分析旨在精细化运营。运营商通过对用户的位置、时间、职业、年龄、业务偏好、业务流量及所需带宽等进行关联分析，实现对用户业务流量的甄别和用户级的网络资源控制，细分用户业务流量，将数据流量与用户、网络资源相匹配。通过用户业务大数据分析识别用户行为习惯和用户偏好，从而为用户提供个性化、差异化的电信服务，提高电信用户黏性和忠诚度，挖掘新的业务机会，实现电信业务流量价值的最大化。构建新的电信业务模式和商业模式大数据分析将催生新的电信业务模式和商业模式。应用大数据分析用户的电信业务数据，深度挖掘用户需求，构建新的电信业务模式，形成能够满足用户需求的电信业务，进行电信业务关联推荐，实现电信业务的精细化营销和拓展。互联网的关联推荐技术是电信运营领域业务拓展的一个借鉴，例如，运营商可将用户资源中的商家电话按商品进行细分，个人用户拨打某商家电话就视为用户对该类商品有购买需求，从而可以有效地找到此类商品的目标客户。运营商可以利用基于云计算的大数据分析系统自动找到与该类商品相关联的其他商品并推荐给该用户。一方面给电信用户购买商品提供了便利性，另一方面可以帮助其他商家实现精准化营销，而电信运营商可以增加后向广告收入。
㈢ 运营商大数据对外价值变现的十大趋势
作者 | 傅一平
来源 | 与数据同行
最近中国移动提出了DICT战略，显示其在政企市场进一步拓展的雄心，在这个背景下，重新探讨下运营商的大数据变现很有意义。虽然近半年“大数据圈”似乎有点风声鹤唳，但对于合法合规的进行大数据业务的企业来讲没有什么影响。
下面笔者就结合自身实践，给出未来2-3年运营商大数据价值变现的十个趋势判断，仅代表个人看法，希望于你有所启示。
1、行业服务边界不断拓展
依托于运营商潜力巨大的数据资源和政企市场渠道资源，经过多年的市场培育和拓展，当前运营商大数据业务从原来的金融、旅游等行业逐步拓展到政府、旅游、交通、教育、商业、招聘、医疗等各个各业。
运营商ICT业务在推进中，也孕育了不少大数据业务的商机，大数据业务则反过来促进了ICT业务的发展，因为大数据除了业务价值，还有一定的社会品牌效应，两者通过融合可以形成合力。
随着企业数字化转型的加快及产业互联网的崛起，作为未来社会基础设施的大数据，将与云计算、人工智能、物联网、区块链一起，在行业领域开疆扩土，其应用的边界几乎是无限的。
2、进入行业应用的深水区
大数据在行业领域拥有着巨大的潜力并不意味着运营商就能分得多少杯羹。虽然运营商大数据业务当前在金融、旅游等行业已经有所斩获，但这些行业低垂的果实基本要被摘光了。
以金融为例，4-5年前运营商切入的验真，失联触达等业务，当前仍然是运营商大数据变现的主力，但金融行业并未如运营商原先预料的那样，在贷前、贷中、贷后中给予运营商更多的机会，运营商很多变现业务模式的拓展基本是停滞的，起码不够快。
在大量的其他行业领域，运营商往往只能做到蜻蜓点水，而无法聚沙成塔，比如业务的复购率很低。
从定性的角度讲，运营商对于行业的理解还是比较浅的，其大量的行业应用游走在企业的核心生产流程之外，大数据似乎是奢侈品，而不是必需品，因此粘性是不够的。
以金融验真这个业务为例，其附加值并不高，且容易被替代，想想这几年对于金融行业的理解又增加了多少呢？这些都是需要反思的地方。
笔者曾经在智慧交通相关文章中提到：运营商的数据在很多领域其实是很有前途的，但必须深耕，要理解这个行业的业务，通晓这个行业的算法，不停的打磨产品，从而逼近核心。
可以这么说，运营商大数据将很快进入行业应用的深水区，为了顺应这个趋势，运营商需要建立专业化的组织去攻坚克难，挑战很大。
3、与互联网公司的竞争加剧
互联网应该没有把运营商当成主要的大数据竞争对手，但运营商进入这个领域会跟互联网公司形成事实上的竞争，无论是新零售，智慧交通等等，进入者都会感受到互联网巨头的压力。
比如运营商要为大型商超提供数据服务，但互联网公司早就捷足先登，新零售是互联网出的概念，当运营商还在进行自身渠道的艰难转型时，互联网公司线下商业的版图已经规划好了，当然也包括了大数据业务。你到商超谈，人家一开口就提XX通怎么样怎么样。
当然还不仅仅是这些。
无论是互联网公司在To G上自顶向下的推广策略，还有诸如城市大脑单一采购来源的霸气，都在说明巨型互联网公司在这些领域的影响力。
运营商要获得机会，得动用一切可用的资源，发挥自己数据的差异化价值，由点及面去寻找机会。实践证明，管道数据的价值是巨大的，但巨型互联网公司的数据也越来越好，这是不得不面对的现实。
4、从要素驱动向要素+能力驱动转型
运营商当前在大数据变现上的突破只能说摘取了低垂的果实，但这种通过简单数据加工形成的数据产品竞争力是不够的，也是不可持续的。
比如做智慧交通，如果位置精度和覆盖度不够，连速度都测不准，根本做不出高质量的数据产品。
应该来讲，运营商从来就没有现成的、高精度的、可以到用户级别的位置数据，粗精度的原始位置数据未来可能连支撑运营商自己的业务转型都不够，运营商需要充分挖掘现有位置数据的潜力，通过建模等方式把较为精准的位置模型做出来，才能有基本的大数据变现底蕴。
位置精度的提升虽然是一小步，但却是对外大数据变现的一大步。位置准了，运营商对于人们整个线下生活的理解就准了，无论是客流，路网，OD等等都不再话下。
现在运营商依靠数据资源这个要素能走出第一步是不错的，但光靠资源驱动已经不够了，能力必须过来接棒，没有能力加持的运营商大数据变现前景暗淡。
因此，运营商大数据变现未来不再是躺着挣钱，而是要从原始数据的驱动向数据+能力双驱动转型，这个能力包括人才、技术、数据、产品、运营等等，这是不容置疑的。但如果只是空喊着口号不敢探索尝试，则也许连能力提升的机会都没有。
5、持续强化大数据合作的生态
大数据变现从底向上涉及平台、数据、建模、产品、方案、渠道、咨询、运营、安全等一系列的内容，运营商无法一手包办，因此必须建立合作的生态。
从业务的角度看，缺乏渠道合作伙伴、缺乏行业解决方案对于运营商都是很现实的挑战，最大的痛苦莫过于不知道商机在哪里，不知道自己想做的这个数据或产品有没有前途。运营商不可能瞬间将现有的客户经理队伍转为数字化产品的销售队伍，毕竟知识结构的要求不一样。
虽然可以采取MVP的方式推进，但一方面试错的成本摆在那里，运营商也并没有资本为其背书，另一方面时间成本也大了点。现在很多运营商都有合作伙伴招募计划，这是很好的尝试，但符合要求的合作伙伴还是太少了。
从开放的角度看，中国移动的梦网曾经创造过辉煌，但开放这句口号不是随便喊喊的，你得建立一套标准，清晰的告诉别人你有什么能力，然后如何能方便的接入。
比如当我们在互联网大会展示城市实验室产品的时候，发现仍然有那么多的人惊讶于运营商竟然还能做这个，就说明我们在开放这条道上还有很长的路要走。
而当笔者第一次访问阿里云网站的时候，其较好的使用体验给我留下了深刻的印象，随后定期的营销推送起码说明是用心的，又比如笔者第一次使用腾讯云域名申请时，其后腾讯云客服的电话调研也是很及时的。
因此，能否跟更广泛的合作伙伴建立连接，能否建立起开放的平台，能否确保信息的安全，在很大程度上决定了运营商大数据变现的蛋糕能做多大。
6、通过集中化获得溢价能力的趋势将加强
由于历史原因运营商的大数据实际是分省存储和运营的，这跟互联网公司天然的集中统一的数据基因是完全不同的。虽然一些运营商在集中化上做了很多努力，但相对互联网公司，还是有一些差距。
各省本地化做一些产品虽然带来了灵活性，但造成了事实上的重复开发，这种模式在创新阶段其实没什么问题，但最大的问题是各个省能否有足够的资源去保证产品的持续优化，无论从数据的角度，还是从运营的角度看，我们都需要一定的集约化机制来确保高效低成本的运作。
但这还仅仅是一个方面。
另一方面，相较互联网，由于数据的割裂，运营商基于单个省的数据做出的产品溢价能力不高，往往只能服务于特定区域，在很多竞争中会处于劣势，比如当前运营商基于位置数据的应用很多，但为什么上网数据的变现却很少呢？
这个不仅仅是简单的https问题，更是因为客户对于上网数据的诉求基本是全国的，没有地域的概念，这让运营商失去了很多突破的机会。
因此，运营商的大数据在一个省创新后迅速全网复制是一直要坚持的策略，而基于集中化的数据进行创新是提升产品竞争力的一个关键。
7、运营商DICT战略将使得大数据获得更大支持
随着数字经济的发展和行业数字化的进步，传统产业转型升级的需求强劲，运营商和云服务提供商，均在强化云、网、端、边协同，推出“云+网+DICT”智能化解决方案，帮助企业实现更深层次的数字化转型。
运营商的政企2B市场是当前关注的焦点，而云+DICT（DT+CT+ICT+IDC）又是其中的关键，这意味着未来各种资源会逐步会向DICT倾斜，大数据需要抓住这个机会，通过DICT的融合来促进大数据业务的规模化发展，所谓“借势”。
另外，当前三大运营商已经宣布了5G商用，中国移动也发布了了“5G+”计划，其中包括“5G+AICDE”计划，“5G+AICDE”是将5G作为接入方式，与人工智能（AI）、物联网（IoT）、云计算（Cloud Computing）、大数据（Big Data）、边缘计算（Edge Computing）等新兴信息技术深度融合，准备打造以5G为中心的泛智能基础设施。
5G时代人和物、物和物之间的连接产生的数据类型将会更多，5G更密集的基站布点意味着更高的定位精度，5G业务形式更加多样意味着管道中的数据内容会爆发性增加，运营商对于客户行为的刻画能力将进一步加强，每项垂直5G行业应用都将会与大数据有着千丝万缕的关系，这些对于运营大数据的发展是利好。
8、日益趋紧的数据安全要求对于运营商既是挑战也是机遇
运营商虽然拥有海量的数据，但很多省公司并未实质性的开展大数据业务，很多是基于安全的考量。即使是正在开展大数据变现业务的运营商省份，合规合法经营也是其开展大数据业务的底线，运营商对于大数据的业务创新是相对保守的。
事实上，运营商当前能开展的各项大数据新业务，都需要经过内部极其严格的法律、安全多道审核，加上行业、集团、省出台的各种安全管理规范的约束，还有定期的安全检查，都让运营商大数据业务从一出生就经历着内部一轮轮的安全洗礼。
2019年持续发酵的各种信息安全事件让大数据圈似乎如履薄冰，但其打击的还是各种违法经营和黑市交易。事实上，经过新一轮的洗盘，运营商也许会面临较以往更好的商业环境，数据可能会变得更为稀缺，毕竟以前黑市的数据交易会导致良币驱逐劣币的现象，当然这也只是一种猜测。
可以肯定的是，未来国家对于信息安全管控的趋紧会使得大数据业务的创新变得更具挑战性，但合规合法的进行大数据价值挖掘，助力中国经济高质量发展始终是主流，运营商虽然会面临安全上的挑战，但也有更多的机会。
9、运营商大数据对于TO C业务的探索不会停止
互联网公司TO C业务前期是靠钱烧出来的，毕竟消费者是趋利的，拥有高体验的产品和一定基础的用户后，互联网公司才有了珍贵的海量数据，这个时候大数据才有用武之地，反过来赋能业务发展，这是互联网公司应用大数据的本质。
运营商天然就有大数据，但大数据变现的实践还是告诉我们，运营商的数据维度还是不够丰富，比如缺乏消费数据，而巨型的互联网公司通过应用的丰富不断积累着更多维度的数据。
事实上，当前运营商的数据维度拓展基本是停滞不前的，如果不加以改善，在不久的将来，运营商的数据优势会逐步变小，最终会影响到产品的竞争力。
现在运营商建立了很多专业公司，比如中国移动的咪咕，有人会质疑这些公司能否赚钱，姑且不从战略的角度思考这个问题，即使站在大数据的角度看，这些公司的拓展能够让运营商拥有更丰富的数据，这就很有价值。最近中移金科成立了，支付数据对于DT有多重要不用解释吧，因此意义是很深远的。
其实做大数据产品的，哪个没有点TO C的梦想？希望运营商能基于自己的资源优势，结合大数据的差异化特点，能够打造出真正的既卖座又叫好的TO C产品。
10、运营商对于低价值密度的大数据处理能力要求会大幅提升
运营商的DPI数据具有典型的大数据特征，有潜力但价值密度低，但这个数据是运营商除位置数据以外最珍贵的数据，很多人说这个数据在运营商变现中实际没啥应用场景，或者言必称https，那是比较业余的说法。
随着5G时代的到来，对于DPI数据的有效开采挖掘对于运营商大数据变现是核心的基础工作之一。
首先，DPI这个技术原生是为网络优化服务的，比如很多字段对于数据变现没有价值，能否考虑更高性价比的处理手段？这个就需要运营商针对性的进行研究，比如从客户洞察、精准营销和价值变现的角度去高效低成本的采集管道中的数据。
其次，5G海量、低延时、非结构数据的特点，将进一步促进数据存储、处理和分析技术的进步，即使是当前的4G，从采集到应用的时延也是比较高的，很难达到场景式营销的要求，而且保留的周期也非常有限。
最后，5G大数据的价值密度将进一 步降低，对AI的能力要求将更高，即使是针对当前的4G数据，运营商的NLP等能力储备也是不够的，因此要尽快补足短板。
当然，以上十个趋势只是笔者的个人判断，受限于自己的能力和视野，以上谈的肯定有很多不到位的地方，权当笔者抛砖引玉，如果能引发一点思考，那就更好了。
㈣ 国外运营商大数据的典型实践
国外运营商大数据的典型实践
当前，无论是对于互联网企业、电信运营商，还是新兴的创业公司而言，大数据的商业模式其数据的生成、汇聚、分析、挖掘直到应用都没有离开互联网领域。
目前，国内运营商对大数据还处于跃跃欲试的阶段，国外主流运营商早已进行了大数据应用，其中或存在一些可资借鉴的经验。西班牙电信曾推出过宽带网络的最终用户体验管理项目和一个含有60多个用户体验指标的系统，支持在线计费系统、探针、网络控制器、业务支撑节点、域名系统等各种网络节点的信息采集。并将采集来的全部信息进行归纳整合、储存在数据库中，为用户体验管理提供数据依据。西班牙电信还和市场研究机构GFK在数据分析和打包方面进行合作，使数据更具利用性。2012年更是直接成立Telefonica Dynamic Insights的大数据部门，该部门通过对数据进行分析打包，帮助客户进行可靠预测。例如它推出的“智慧足迹”产品，在城市分区的基础上，分析客户流量分布，为政府交通和企业选址提供依据。此外，2014年，Verizon在加利福尼亚州成立了一个大数据分析实验室作为数据分析实践研发中心，为公司提供数据分析、人工智能和机器学习活动的实践平台。Verizon的大数据应用主要表现在针对特定消费群体方面，通过提取年轻用户使用频率较高的社交媒体数据来深入了解用户的消费行为及潜在需求。2012年10月，Verizon为充分挖掘、分析用户数据信息成立精准营销部门，洞察用户需求以进行精准营销，为广告投放提供数据支撑，并推出面向ISIS支付系统的商务。另外，法国电信旗下的通信解决方案部门Orange Business Services一方面利用大数据提升服务质量，优化用户体验。例如，通过对客户进行细分，分析客户数百万电话的数据记录，重点关注客户的通话对象以及通话频率，有效提高了用户流失预测模型的精确性，另外还通过分析掉话率数据，寻找超负荷运行的网络并进行维护及扩充。另一方面，Orange Business Services还将大数据应用到公共服务领域，如根据高速公路上车辆每天产生的数据记录进行分析，帮助车辆获得及时准确的信息，提高道路通行率，Orange还在IT系统领域开展大数据应用竞赛，充分挖掘大数据的价值。总结：未来，进入工业互联网时代，数据从生成到应用必然要离开互联网环境而进入物理环境。因此，工业互联网时代是物理世界与数字世界融合的全新时代，必然对已有大数据商业模式带来巨大冲击。
以上是小编为大家分享的关于国外运营商大数据的典型实践的相关内容，更多信息可以关注环球青藤分享更多干货
㈤ 在大数据时代，数据拥有者的商业模式有哪些
在大数据成为趋势，成为国家战略的今天，如何最大限度发挥大数据的价值成为人们思考的问题。无论是对于互联网企业、电信运营商还是数量众多的初创企业而言，大数据的变现显得尤为重要。谁最先一步找到密码，谁就能够抢占市场，赢得发展。在探索大数据商业模式的同时，大数据正加速在各行各业的应用，大数据不仅为人们的购物、出行、交友提供了帮助，甚至还在高考这样重要的事件中发挥作用。大数据产业具有无污染、生态友好、低投入高附加值特点，对于我国转变过去资源因素型经济增长方式、推进“互联网+”行动计划、实现国家制造业30年发展目标有战略意义。前几年，国内大数据产业讨论较多、落地较少，商业模式处于初探期，行业处于两种极端：一种是过热的浮躁带来了一定的泡沫和产业风险；一种是怀疑大数据只是炒作，依然坚持传统管理理念、经营模式。但是进入2015年之后，大数据产业告别了泡沫，进入更务实的发展阶段，从产业萌芽期进入了成长期。当前，如何将大数据变现成为业界探索的重要方向。B2B大数据交易所国内外均有企业在推动大数据交易。目前，我国正在探索“国家队”性质的B2B大数据交易所模式。2014年2月20日，国内首个面向数据交易的产业组织—中关村大数据交易产业联盟成立，同日，中关村数海大数据交易平台启动，定位大数据的交易服务平台。2015年4月15日，贵阳大数据交易所正式挂牌运营并完成首批大数据交易。贵阳大数据交易所完成的首批数据交易卖方为深圳市腾讯计算机系统有限公司、广东省数字广东研究院，买方为京东云平台、中金数据系统有限公司。2015年5月26日，在2015贵阳国际大数据产业博览会暨全球大数据时代贵阳峰会上，贵阳大数据交易所推出《2015年中国大数据交易白皮书》和《贵阳大数据交易所702公约》，为大数据交易所的性质、目的、交易标的、信息隐私保护等指明了方向，奠定了大数据金矿变现的产业基础。咨询研究报告国内咨询报告的数据大多来源于国家统计局等各部委的统计数据，由专业的研究员对数据加以分析、挖掘，找出各行业的定量特点进而得出定性结论，常见于“市场调研分析及发展咨询报告”，如“2015～2020年中国通信设备行业市场调研分析及发展咨询报告”、“2015～2020年中国手机行业销售状况分析及发展策略”、“2015年光纤市场分析报告”等，这些咨询报告面向社会销售，其实就是O2O的大数据交易模式。各行各业的分析报告为行业内的大量企业提供了智力成果、企业运营和市场营销的数据参考，有利于市场优化供应链，避免产能过剩，维持市场稳定。这些都是以统计部门的结构化数据和非结构化数据为基础的专业研究，这就是传统的一对多的行业大数据商业模式。数据挖掘云计算软件云计算的出现为中小企业分析海量数据提供了廉价的解决方案，SaaS模式是云计算的最大魅力所在。云计算服务中SaaS软件可以提供数据挖掘、数据清洗的第三方软件和插件。业内曾有专家指出，大数据=海量数据+分析软件+挖掘过程，通过强大的各有千秋的分析软件来提供多样性的数据挖掘服务就是其盈利模式。国内已经有大数据公司开发了这些架构在云端的大数据分析软件：它集统计分析、数据挖掘和商务智能于一体，用户只需要将数据导入该平台，就可以利用该平台提供的丰富算法和模型，进行数据处理、基础统计、高级统计、数据挖掘、数据制图和结果输出等。数据由系统统一进行管理，能够区分私有和公有数据，可以保证私有数据只供持有者使用，同时支持多样数据源接入，适合分析各行各业的数据，易学好用、操作界面简易直观，普通用户稍做了解即可使用，同时也适合高端用户自己建模进行二次开发。大数据咨询分析服务机构及企业规模越大其拥有的数据量就越大，但是很少有企业像大型互联网公司那样有自己的大数据分析团队，因此必然存在一些专业型的大数据咨询公司，这些公司提供基于管理咨询的大数据建模、大数据分析、商业模式转型、市场营销策划等，有了大数据作为依据，咨询公司的结论和咨询成果更加有说服力，这也是传统咨询公司的转型方向。比如某国外大型IT研究与顾问咨询公司的副总裁在公开场合曾表示，大数据能使贵州农业节省60%的投入，同时增加80%的产出。该公司能做出这样的论断当然是基于其对贵州农业、天气、土壤等数据的日积月累以及其建模分析能力。政府决策咨询智库党的十八届三中全会通过的《中共中央关于全面深化改革若干重大问题的决定》明确提出，加强中国特色新型智库建设，建立健全决策咨询制度。这是中共中央文件首次提出“智库”概念。近几年，一批以建设现代化智库为导向、以服务国家发展战略为目标的智库迅速成立，中国智库数量从2008年的全球第12位跃居当前第2位。大数据是智库的核心，没有了数据，智库的预测和分析将为无源之水。在海量信息甚至泛滥的情况下，智库要提升梳理、整合信息的能力必然需要依靠大数据分析。研究认为，93%的行为是可以预测的，如果将事件数字化、公式化、模型化，其实多么复杂的事件都是有其可以预知的规律可循，事态的发展走向是极易被预测的。可见，大数据的应用将不断提高政府的决策效率和决策科学性。自有平台大数据分析随着大数据的价值被各行各业逐渐认可，拥有广大客户群的大中型企业也开始开发、建设自有平台来分析大数据，并嵌入到企业内部的ERP系统信息流，由数据来引导企业内部决策、运营、现金流管理、市场开拓等，起到了企业内部价值链增值的作用。在分析1.0时代，数据仓库被视作分析的基础。2.0时代，公司主要依靠Hadoop集群和NoSQL数据库。3.0时代的新型“敏捷”分析方法和机器学习技术正在以更快的速度来提供分析结果。更多的企业将在其战略部门设置首席分析官，组织跨部门、跨学科、知识结构丰富、营销经验丰富的人员进行各种类型数据的混合分析。大数据投资工具证券市场行为、各类指数与投资者的分析、判断以及情绪都有很大关系。2002年诺贝尔经济学奖授予了行为经济学家卡尼曼和实验经济学家史密斯，行为经济学开始被主流经济学所接受，行为金融理论将心理学尤其是行为科学理论融入金融中。现实生活中拥有大量用户数据的互联网公司将其论坛、博客、新闻报道、文章、网民用户情绪、投资行为与股票行情对接，研究的是互联网的行为数据，关注热点及市场情绪，动态调整投资组合，开发出大数据投资工具，比如大数据类基金等。这些投资工具直接将大数据转化为投资理财产品。定向采购线上交易平台数据分析结果很多时候是其他行业的业务基础，国内目前对实体经济的电子商务化已经做到了B2C、C2C、B2B等，甚至目前O2O也越来越流行，但是对于数据这种虚拟商品而言，目前还没有具体的线上交易平台。比如服装制造企业针对某个省份的市场，需要该市场客户的身高、体重的中位数和平均数数据，那么医院体检部门、专业体检机构就是这些数据的供给方。通过获取这些数据，服装企业将可以开展精细化生产，以更低的成本生产出贴合市场需求的服装。假想一下，如果有这样一个“大数据定向采购平台”，就像淘宝购物一样，可以发起买方需求，也可以推出卖方产品，通过这样的模式，外加第三方支付平台，“数据分析结论”这种商品就会悄然而生，这种商品不占用物流资源、不污染环境、快速响应，但是却有“供”和“需”双方巨大的市场。而且通过这种平台可以保障基础数据安全，大数据定向采购服务平台交易的不是底层的基础数据，而是通过清洗建模出来的数据结果。所有卖方、买方都要实名认证，建立诚信档案机制并与国家信用体系打通。非营利性数据征信评价机构在国家将公民信息保护纳入刑法范围之前，公民个人信息经常被明码标价公开出售,并且形成了一个“灰色产业”。为此，2009年2月28日通过的刑法修正案（七）中新增了出售、非法提供公民个人信息罪，非法获取公民个人信息罪。该法条中特指国家机关或者金融、电信、交通、教育、医疗等单位的工作人员，不得将公民个人信息出售或非法提供给他人。而公民的信息在各种考试中介机构、房产中介、钓鱼网站、网站论坛依然在出售，诈骗电话、骚扰电话、推销电话在增加运营商话务量的同时也在破坏整个社会的信用体系和公民的安全感。虽然数据交易之前是交易所规定的经过数据清洗的数据，但是交易所员工从本质上是无法监控全国海量的数据的。数据清洗只是对不符合格式要求的数据进行清洗，主要有不完整的数据、错误的数据、重复的数据三大类。因此，建立非营利性数据征信评价机构是非常有必要的，将数据征信纳入企业及个人征信系统，作为全国征信系统的一部分，避免黑市交易变成市场的正常行为。除了征信评价机构之外，未来国家公共安全部门也许会成立数据安全局，纳入网络警察范畴，重点打击将侵犯企业商业秘密、公民隐私的基础数据进行数据贩卖的行为。结语：大数据已经从论坛串场、浮躁的观点逐步走向国家治理体系建设、营销管理、生产管理、证券市场等方面，其商业模式也多种多样。市场经验表明，存在买卖就存在商品经济，具体哪种商业模式占主流将由市场决定。而最终的事实将证明，大数据交易商品经济必然成为“互联网+”的重要组成部分。
㈥ 运营商发展大数据的核心价值在于商业化
运营商发展大数据的核心价值在于商业化近年来，电信运营商利润率增幅放缓甚至下降，传统话音业务收入增长乏力，日趋边缘化、管道化；数据业务占比迅速增长，但量收的剪刀差持续扩大，投入多回报少。在运营商转型路上，大数据技术的深入应用与商业模式的开发大有可为，可以说是运营商规避同质化竞争，打造智能数据管道，寻找差异化经营“蓝海”的必由之路。大数据的技术架构寻求高性能与低成本的统一，可以降低电信运营商庞大的IT资本开支压力。大数据的商业应用促使电信运营商从单纯提供网络资源、前向收费方式转变为基于网络资源和依据海量数据资源提供服务的灵活多样的混合模式，是一种新的商业模式。国内运营商大数据应用受限国内电信运营商在大数据应用方面主要受到了以下方面的限制。第一，数据采集散乱、深度不足：电信运营商拥有海量数据的来源，但采集渠道散乱，通常分级、分地区、分系统建设，整体规划不足，数据标准化程度低，汇聚困难，无法形成有效的数据资产。第二，数据分析能力不足：电信运营商建有以数据仓库为核心的经营分析系统，通常采用小型机加高性能存储架构建设，针对传统话单日志等结构化数据设计，还不具备非结构化数据与流数据的分析处理能力。第三，数据商业应用不足：电信运营商大量数据尚没有充分发掘数据应有的价值，智能管道的建设正处在初期阶段。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。电信运营商大数据发展探析（1）大数据的政策支撑电信运营商应积极寻求政府的支持，推动政府为大数据产业发展提供积极的政策支撑与引导、对关键技术的研发提供专项财政资金支持、对重点工程项目的实施提供支持与保障。电信运营商应高度重视大数据信息安全，推动政府部门牵头启动大数据立法，解决大数据信息权属与隐私保护问题；制定大数据技术标准与运营标准，规范大数据安全体系。通过政策支撑保障大数据产业的可持续发展。2012年10月，中国计算机学会和中国通信学会均成立了大数据专家委员会，从行业学会的层面来组织和推动大数据的相关产学研用活动。运营商可以依托该平台推动企业内部大数据的发展。（2）大数据技术架构与算法的研发根据2012年美国市场调查咨询公司（Gartner）发布的新兴技术曲线，大数据技术正处于“期望膨胀期”，距离真正成熟尚需2~5年。电信运营商应抓住机遇加强技术研发，在开源技术的基础上，发展适合运营商的大数据技术；同时应积极对技术标准做出贡献，掌握技术主动权。在技术的拓展可主要集中在三个方面：（a）大数据的采集与传输技术。采集技术是指基于智能管道和物联网的大数据获取技术和算法；大数据传输技术研究应注重海量数据传输的安全可靠性，解决调度与控制问题。（b）大数据的存储与分析技术。存储技术主要指面向海量数据文件的有效存储与读取能力、大数据的新型表示方法和去冗降噪算法；分析技术的拓展方向应包括数据可用性和可计算性，计算复杂性问题，研究求解算法，进行高效处理等。（c）大数据的隐私安全技术。在大数据时代，如何保护用户隐私安全不仅是法规层面需要解决的问题，也是电信运营商在技术层面亟待解决的问题。（3）大数据支撑运营中心运营商要充分发挥大数据的价值，首要条件是具备采集、融合、存储、分析海量数据的能力。电信运营商可以在现有经分系统或数据仓库的基础上，针对目前数据采集散乱、采集深度不足、分析能力不足的问题，构建数据集中、平台统一的省级或全国级大数据支撑运营中心，为大数据的应用与商业化提供精确支撑。大数据支撑运营中心可以设置如下逻辑架构。数据采集层：通过建设数据采集聚合网关，汇聚跨地区、跨系统的采集的丰富数据源。数据融合层：建设海量结构化数据、非结构化数据以及流数据处理能力，建立数据标准化体系，进行统一处理和存储。数据应用层：通过构建不同的数据挖掘与分析模型，融合结构化数据，形成数据仓库，对外提供统一服务能力。资源管理层：提供统一监控、资源管理与运营等功能。（4）大数据应用与商业化大数据应用与商业化是大数据发展的核心价值与落脚点。电信运营商拥有极其丰富的数据资源，相比互联网公司更具天然优势。对大数据进行全面、深入、实时的分析和应用，以客户体验为核心发展流量经营，是电信运营商应对新形势下挑战避免沦为哑管道的关键。通过大数据助力业务创新，提供市场营销与客户服务的精准支撑能力。在互联网社会中，拥有数据，就拥有了了解用户行为的基础，从足够多数据的叠加中可以探知一个人的过往行为，同时可以精准的预测出其未来的需求。通过对海量的行为和内容数据处理，可以获得用户的时间、位置、业务、终端等基础信息，分析出用户的身份、兴趣、社交圈等，这样可以开发出很多新的增值业务。通过大数据提升企业管理水平，提供透明管控与科学运营的精准支撑能力。运营商可以融合市场、财务、网络等多个系统产生的海量数据，将相关联的数据进行处理分析，有利于运营商更全面、更准确、更快速地获得企业运营数据，为投资决策和网络优化方案提供更多视角。通过大数据发展开放合作平台，开辟新的商业模式，助力电信运营商转型。电信运营商可以通过大数据支撑运营中心发展开放合作平台，为广大开发者提供海量数据资源，发挥大数据的价值，将数据作为资源，进而提升的运营商利润增长点。大数据技术的发展及规模商用，使得电信运营商能够充分挖掘管道内容，创造新的业务增长模式，应对“去电信化”的趋势，转型为综合信息服务提供商，成为未来大数据时代中最大的赢家。但在推动商业化应用的过程中还应全面认识大数据的内涵，避免陷入单纯的计算能力和存储能力建设，要清醒认识大数据发展的成熟度，客观分析用户的应用需求，避免过度建设
㈦ 大数据时代，电信运营商如何“点石成金”
大数据风起云涌。对于大数据中蕴含的商业价值，有人形象地将其称为“数据钻出石油”。充分利用大数据技术，从海量堆积的交互数据中发现带有趋势性、前瞻性的信息，能够孕育出惊人的社会价值和商业价值。 然而，即便放眼全球，我们看到的大数据应用案例还鲜有电信运营商的身影，与互联网领域的诸多探索相比，他们略显平淡，大规模钻出“石油”就更谈不上了。面对这种情况，相信很多业内人士都在思考这些问题：大数据究竟会给电信运营商带来哪些新机遇？大数据时代下的电信运营商面临什么样的挑战？电信运营商今后将如何运筹帷幄、构建面向智慧运营的大数据体系？ 从4W到4V： 运营商拥有先天优势 根据信息爆炸时代的特征，业界将大数据总结为“4V”体量（Volume）、多样（Variety）、速度（Velocity）和价值（Value）。体量意味着海量的数据，多样是指数据类型繁多，速度主要指数据被创建和移动的速度快，而价值是处理数据的目标、从各种形式呈现的复杂数据中挖掘有用的东西。 电信运营商作为信息服务的基础服务商，其提供的服务用一个简单的词来概括就是“4W”Who、When、Where、What，在使用服务时，哪些用户、需要联系谁、什么时间、处于什么位置、做些什么，这些信息无疑都需要经过运营商的管道。 对比“4V”和“4W”，我们可以发现两者之间的契合之处，通信用户数以亿计的基数保证了数据的海量和多样性，通信网络的实时承载保证了数据的速度，更重要的是，运营商还可以搜集到用户位置、大体收入等有价值的数据，进而为精准营销提供参考。因此，运营商在掌握用户行为数据方面具有先天优势，这是一般互联网厂商所望尘莫及的。随着智能手机和高速网络的普及，运营商能够获得的用户行为数据还将更为丰富。 数据科学家、《大数据时代》的作者维克托·迈尔·舍恩伯格表示，在大数据时代，拥有数据的公司无疑将取得巨大的成功。因为他们具有洞察力，大数据会提供他们全新的洞察力。从这个角度看，运营商无疑坐拥一座天然的宝藏，但是能否挖掘、提炼出这些矿藏中的价值将决定运营商能否把握住大数据带来的机遇。 由大入微： 构建智慧的大数据体系 由微入大易，由大入微难。对电信运营商来说，将无数具体而微的信息汇集起来其实并不难，真正的难点在于如何点石成金，如何“驾驭”这纷繁复杂的数据，如何存储、整合、分析、汲取出真正有价值的内容，并创造性地使用它。 大流量并不一定带来大数据，电信运营商获得的数据中大部分都是“桀骜不驯”的它们被称为非结构数据，这种数据本身并没有太多价值。目前，电信运营商在大数据方面的探索还仅仅处于起步阶段：一方面，用户的行为、轨迹、状态等数据散在网络各个环节中，形成信息资产的成本非常高；另一方面，运营商大数据挖掘手段还很不充足，如何从庞大的数据中分析出有价值的信息并找到合理的商业模式，提高“驾驭”数据的能力，成为电信运营商面临的挑战。 那么电信运营商该如何去构建面向智慧运营的大数据体系？ 对电信运营商来说，可以利用大数据实现自身的精确化营销和精细化运营，在这方面，国内已经有运营商作出了尝试。使用Hadoop等大数据处理工具，通过分析用户的兴趣图谱、关系图谱、行为定向，再结合自身的业务推出量身定制的服务，如针对出差较多的商务人士，向他们推荐漫游套餐；对爱好移动上网的用户，向他们提供流量包……这本身就属于大数据应用的范畴，而且，运营商通过对业务资源和财务等数据的综合分析，可以让决策层进行快速的市场决策，从而抢占市场制高点。 未来，运营商还可以拓展第三方模式，加大开放合作力度，与产业链各个环节开展合作，加快对大数据经营商业模式的探索，不断释放其管道中庞大数据的潜在力量，将数据转化成“真金白银”。在这方面，国外电信运营商的探索给我们提供了思路。西班牙电信去年成立了名为“动态洞察”的大数据业务部门，它可以为客户提供数据分析打包服务，帮助客户把握重大变化趋势。法国电信的移动业务部门也开始尝试挖掘大数据的潜在价值，比如，它承建了一个法国高速公路数据监测项目，对每天产生的几百万条记录进行分析，从而提高了道路通畅率。更具颠覆性的是Verizon，其数据业务的盈利收入在其整个业务中占比非常高，其中就有联合第三方机构对其用户群进行大数据分析，再将有价值的信息提供给政府或企业获取的额外价值。 分析人士指出，数据化程度越高的行业，其大数据的应用场景越多，能够带来的价值也就越高。数据重构商业，虽然国内在这方面的探索还未形成规模，但对运营商来说却代表着前进的方向凭借自身优势，将数据分析包装为服务，提供给政府、商场、银行等第三方机构进行决策，从而实现商业模式的创新，并在与互联网企业的竞争中占得先机。不过，需要明确的是，这里的数据包装并不是非法采集用户个人信息，更不是贩卖用户个性化隐私，真正的大数据应该是用加工实现增值，用分析来指导决策，而非原始数据信息本身的低层次滥用。
㈧ 三大运营商，大数据能力，哪家强
现在变化更新太快了，各个运营商在这一块儿都还没有成熟的商业模式，我就只知道电信搞了一个灯塔大数据，大概的就是利用他们的数据做了一些产品吧，具体你可以去他们的官网看看http://www.ctbigdata.cn/仅供参考哈
㈨ 移动通讯运营商运营及盈利模式
我不知道您说的数字是什么业务，我的理解是IPTV吧。电信运营商的盈利模式很多，你说的是产品，产品主要就是固话，宽带，移网，现在三大运营商都是全业务运营三大产品。盈利模式除了常见的个人业务（就是买手机卡，卖手机，办宽带，办固话）外，还有集团业务，政企业务（一般也是集团业务下面的）和校园业务（当然一般来说，校园业务也是集团业务）。集团业务是运营商的命脉，简言之就是跟企业集团签订合作协议，提供专线业务，也有可能是提供集团V网业务，当然还有种类丰富的新型行业应用。当然运营商现在也通过做平台进行盈利，比如向一些互联网公司租自己的服务器，比如向一些中小公司提供云平台服务等。三大运营商现在的优劣势不是由于他们的运营模式导致的，其中的原因非常复杂。我觉得，移动主要依靠自己强大的移网用户基数，维持老大的形象，目前在力争发展4G网络；中国联通依靠WCDMA 3g网络在3G上一骑绝尘，但是联通南北差异大，南方固网缺失，包括联通组织架构混乱，管理混乱，导致联通没能利用3G形成市场上的优势；电信依靠自己的过往优势，在三家混战中占得一席之地，但电信的移网发展，受制于终端和CDMA 2000升级4G的瓶颈，始终未能达到理想的高度。