电信行业大数据应用的四个方向

引言

大数据无疑是近两年最热门的词语，“大数据”最早由全球知名咨询公司麦肯锡提出，麦肯锡认为[1]：大数据“是创新、竞争和生产力的下一个前沿领域”，可以利用大数据回答以前我们无法涉及领域的问题，可以从中获取知识和见解，定位趋势并利用这些数据来提高生产力，赢得竞争优势。

伴随移动互联网、智能终端、云计算、物联网技术的发展，数据呈现爆炸式增长，数据密度空前提高，大数据时代波澜壮阔的画卷正在逐步展开。作为“数据金矿”拥有者，国内外电信运营商也都在积极投身到大数据应用的浪潮中。电信运营商如何利用自身在大数据方面的优势，挖掘“数据金矿”的价值呢？合适的应用方向和商业模式是开启“数据金矿”大门的金钥匙。

1      运营商数据资源现状与优势

1.1  数据资源现状

国内外电信运营商均拥有丰富的数据资源。以中国移动为例，目前有CRM、BI、BOSS等系统记录着7.5亿多用户的交互信息，这些数据涉及客户基本信息、通话行为、上网行为、数据业务使用、智能终端、渠道接触等诸多方面（如图1），无疑已具备大数据的“4V”特征：数据体量巨大（Volume）、数据类型繁多（Variety）、价值密度低（Value）、处理速度需要快（Velocity）。单就中国移动客服中心而言，客服中心每年服务客户超过500亿次，每月服务客户超30亿次，平均每月系统呼入量达32亿次，人工呼入量2.47亿次，平均每3秒就有1次1088611呼入，每个接线员每月接听5000-6000个电话。丰富的数据资源为电信运营商开展大数据应用方面的探索奠定了良好的基础。

 

图1  电信运营商具备的主要数据类型

1.2  数据资源优势

电信运营商拥有多年的数据积累，其数据资源的广度和深度是移动互联网企业难以相提并论的。电信运营商在大数据应用上的优势主要体现为数据资源的丰富性、完整性和连续性：

丰富性：是指电信运营商拥有的数据涉及的范围广，维度丰富，信息量巨大。如前所述，这些数据涉及到数亿用户的各类行为信息，数据量级已从TB（1012GB）发展至PB乃至ZB，不但涉及到如财务收入、业务发展量等结构化数据，也会涉及到图片、文本、音频、视频等非结构化数据。

完整性：是指电信运营商拥有的数据涵盖全业务、全客户和全渠道，数据信息完整。3G时代运营商的数据涉及移动语音、固定电话、固网接入和无线上网等所有业务，也会涉及公众客户、政企客户和家庭客户，同时也会收集到实体渠道、电子渠道、直销渠道等所有类型渠道的接触信息。

连续性：是指电信运营商拥有的数据记录周期长、留存时间长，数据延续性好，覆盖客户的从入网到离网前的全生命周期的海量信息。

总而言之，电信运营商因其拥有数据资源方面的显著优势，这为其在大数据应用方面的探索奠定了良好的基础。

2      国内运营商大数据应用所处阶段

2.1 大数据运营渐成趋势

当前国内外电信运营商普遍面临“管道化”的困境，OTT业务对传统语音、短信等业务的替代趋势加剧，电信运营商的数据业务在众多移动互联网应用面前已呈现颓势，如何在流量经营时代突破重围、实现自我救赎已成为国内电信运营商共同面临的重大课题。

运用大数据助力市场经营已成为国内外电信运营商的广泛共识。事实上，中国移动、西班牙电信等运营商已经在大数据应用方面做出了积极的探索，如表1所示。据电信与媒体市场调研公司Informa Telecoms & Media前不久出示了一份调查结果指出[2]，全球120家运营商中约有48%的运营商正在实施大数据业务。该调研公司表示，大数据业务成本平均占到运营商总IT预算的10%，并且在未来五年内将升至23%左右，成为运营商的一项战略性优势。可见，由流量经营进入大数据运营已成为大势所趋。

 

 

表1 国内外运营商在大数据应用方面的探索

 

运营商

大数据应用方面的探索

O2

推出了智慧步伐（Smart Steps）业务，向政府和商业客户提供人群的分布和流动规律分析，以及与商家合作实施地址围栏、精准营销

西班牙电信

成立了名为“动态洞察”的大数据业务部门Telefonica Dynamic Insights，面向全球运营，将为客户提供数据分析打包服务

法国电信

在移动业务部门，Orange Business Services已在借助大数据改善服务水平，提升用户体验。同时，开展了针对用户消费数据的分析评估，以帮助改善自身服务质量。

T-Mobile

在多个IT系统中整合了大数据应用，对客户交易和互动数据进行综合分析，更准确地预测客户流失率。通过将社交媒体数据、CRM与计费系统中的交易数据进行综合分析，T-mobile在一个季度内将客户流失率降低了50%。

 

中国移动

基于大云平台，以经分为切入点，利用现有数据，探索大数据技术，已在河北等省试点，并尝试利用大数据技术识别异常话单

 

2.2  国内运营商大数据应用处于起步阶段

纵观国内电信行业数据挖掘的发展，大数据其实是在前期海量数据的基础上进化而来的，只不过数据存储、处理能力与处理技术上有新的突破而已。传统意义上的海量数据是以结构化数据为主，伴随着近几年物联网、电子商务、移动互联网的快速发展，非结构化新数据和结构化传统数据一起构成了大数据。所以，大数据是时代发展的必然产物，也是传统数据的延伸，是对传统数据在深度和广度上的补充。所以，传统的数据挖掘应用与当前热议的大数据应用是一脉相承的，其本质上都是运营商在数据挖掘基础上开展业务运营、提升运营效率，亦即数据化经营，大数据应用是电信运营商数据化经营的新阶段。

这里，将国内电信运营商的数据化经营的发展分为三个阶段：起步阶段、扩展阶段、大数据应用阶段（如图2所示）。目前国内运营商都处在数据化经营的第二阶段，仍以传统的结构化数据的挖掘应用为主，至于大数据应用则都是出于前期摸索的起步期。

 

图2  国内电信运营商数据化经营的三个层次

3      国内运营商大数据应用的方向

现阶段电信运营商利用其拥有的大数据，进行全面深入、实时的分析和应用，是应对新形势下的挑战，避免沦为管道化的的关键。从大数据的具体应用方向来看，当前应主要集中在四个方向：流量经营精细化、智能客服中心建设、基于个性化服务的客户体验提升，以及对外数据服务。

3.1 流量经营精细化

在流量经营精细化上，大数据应用的价值主要体现在：深入洞察客户、助力精准营销和指导网络优化三个方面。首先，基于客户终端信息、手机上网行为轨迹等丰富的数据，借助DPI（Deep Packet Inspection，深度数据包检测）技术等，建立客户超级细分模型，为各细分群组客户打上互联网行为标签，可以帮助运营商完善客户的360度画像，帮助运营商深入了解客户行为偏好和需求特征；其次，根据用户行为偏好，推送合适的业务，并根据对客户特征的深入理解，建立客户与业务、资费套餐、终端类型、在用网络的精准匹配，同时也能做到在推送渠道、推送时机、推送方式上满足客户的个性化需求，实现全程精准营销；再次，利用大数据技术实时采集处理网络信令数据，监控网络状况，识别价值小区和业务热点小区，更精准的指导网络优化，实现网络、应用和用户的智能指配。

3.2 智能客服中心建设

作为运营商与客户接触的第一界面，客服中心（或称客户联络中心）拥有丰富的数据资源，可以称得上是客户信息的“聚宝盆”，利用好客服中心的客户接触数据对于建设智能化客服中心意义巨大。利用大数据技术可以深入分析客服热线呼入客户的IVR行为特征、访问路径、等候时长等等，同时结合客户历史接触信息、基本属性等，可以建立热线呼入客户的智能识别模型。基于客户智能识别模型可以在某类客户下次呼入前预先推测其呼入的需求大体是什么，IVR接入后应该走什么样的节点和处理流程。这样，就可以基于呼入客户习惯与需求的事先预测而设计的按键菜单、访问路径和处理流程，合理控制人工处理量，缩短梳理时限，为客户服务中心内部流程优化提供数据支撑，有助于提升热线服务管理水平，加速热线营销渠道资源整合，有效识别客户投诉风险，助力智能客服中心的建设。

3.3 基于个性化服务的客户体验提升

大数据时代对于运营商为客户提供服务来说更加侧重于“小”，亦即更加关注每个个体“小我”的个性化需求，而融合了电商、医疗、社交等方面信息的“大”数据正是为了更深入的理解“小我”、服务好“小我”。利用大数据技术，一方面可以建立更全面、丰满的客户画像，另一方面还可以量化分解客户接触信息，识别客户特征与习惯偏好，预测客户可能在何时手机会出现故障、何时会产生换机行为等等，为客户提供定制化的服务，优化产品、套餐和定价机制，实现“一户一策”的差异化、个性化服务，提升客户体验与感知。由此可见，大数据将为移动互联网时代的客户服务带来一次变革，给客户服务带来了极大的想象空间和无限的发展前景。

3.4 对外数据服务

对外数据服务是大数据应用的高级阶段，这个阶段电信运营商不再局限于利用大数据来提升内部管理效益，而是更加注重数据资产的平台化运营。利用大数据资产优势，将数据封装成服务，提供给相关行业的企业用户，为合作伙伴提供数据分析开放能力。例如，Telefonica和Verizon已经成立了专业化数据公司来运作对外数据售卖的服务。再如，如果将无线城市与物联网、电子政务等方面的信息结合起来，将能为电信运营商的数据和政府的政务数据增值，对于打造一个开放数据平台和民生服务平台有重大意义。让数据在不同行业之间流动起来，实现体外循环将能进一步释放数据的价值。当然，以简单的Data Seller模式售卖数据服务时，需要注意保护客户隐私、打消隐私顾虑。

结语

大数据时代已经到来，如何更好的发挥数据资产的价值对于电信运营商来说是一个崭新的课题。电信运营商应积极加强技术和人才储备，有序开展大数据关键技术研究与验证，同时要找准大数据应用的切入点，创新数据化运营的商业模式，尽快推动大数据技术应用试验，为大规模应用、推广奠定基础