大数据助力运营商提升规模化运营核心力策略

2018-02-01郭佳睿魏进武张云勇

电信科学 2018年1期

关键词：规模化运营商用户

郭佳睿，魏进武，张云勇

郭佳睿，魏进武，张云勇

（中国联合网络通信有限公司研究院，北京 100176）

通过研究国外运营商大数据发展历程，总结其优秀经验和做法，分别从运营组织、应用开展、平台布局和数据融合4个方面，为国内运营商在提升规模化运营核心力方面提出策略与建议，助力国内运营商迎接未来产业互联的快速规模化发展。

运营商；大数据；核心力；规模化；策略建议

1 引言

当前，移动互联网市场已经慢慢趋于饱和，而产业互联网才是通往下一个市场蓝海的“钥匙”。其中，大数据是产业互联网横向融合发展的“血液”[1]。为了迎接未来产业互联网快速、规模化的发展时代，利用好大数据这个有利工具，做好规模化运营对于运营商来说迫在眉睫。本文借鉴了国际运营商大数据发展的成功经验和优秀做法，形成指导未来国内运营商形成规模化运营生产大格局的策略和建议，主要包括运营组织、应用开展、平台布局和数据融合4个方面，最终成功利用大数据助力提升国内运营商规模化运营的核心竞争力[2]。

2 国际运营商大数据发展历程

2.1 大数据应用发展路径

运营商大数据应用分为内部和外部两种。对内提升自身能力，包括企业管理、市场营销、客户体验、网络优化和产品分析。对外实现变现，包括数据即服务、分析即服务、平台即服务和2I合作。

本文选取11家国际主流运营商，从内部应用、外部应用和重点行业渗透3个维度对其大数据应用研究分析，发现规律：国际运营商大数据发展经历了“数据整合”“内部应用”“外部应用”3个阶段，现在正处于“内外并举”的发展阶段。

其中，大数据内部应用集中在市场营销、客户体验和网络优化3个方面。目前还未正式渗透到企业内部生产决策组织流程中。

外部应用由易到难，分为数据即服务、分析即服务和平台即服务，其重点领域分布在零售、医疗和政府上。截止到当前，大数据带来的收入还未被运营商正式计入财务报表。11家国际运营商大数据应用归集见表1。

（1）对内——市场营销

市场营销侧，国际运营商采用各种策略，收集用户信息，利用大数据分析用户需求，提升营销成功率。如AT&T的2I合作，它在iPhone上市前，引入Facebook数据，推出更准确的电信捆绑服务；又如O2在英国推出免费Wi-Fi服务，收集用户信息，并将收集来的数据应用在媒体广告和营销服务上；此外，日本NTT DoCoMo通过制作精细化表格，并利用其收集用户详细信息，准确定位目标客户。

表1 11家国际运营商大数据应用归集

（2）对内——客户体验

客户体验侧，国际运营商利用大数据开展客户维系工作，改善服务水平，提升客户体验。如Telefónica的移动宽带端到端用户体验项目利用该项目多节点收集用户信息，为用户体验测量提供数据支撑[3]；又如通过分析客户流失原因，在一个季度内将流失率减半；而通过分析用户使用行为，提前推出符合用户兴趣的业务，防止用户流失；此外，通过用户消费数据分析评估，找到影响客户体验的问题并及时解决，提升用户体验。

（3）对内——网络优化

网络优化侧，国际运营商利用大数据开展后端网络资源的配置和优化，提升网络质量和运行效率，现有两种典型模式。一是快速诊断网络潜在问题，改善网络服务水平；二是德国电信和分析历史数据，动态调整网络资源配置，提高无线网络运行效率。

（4）对外——数据即服务[5]

国际运营商将用户脱敏数据向外部直接出售获利。最著名的就是AT&T的位置数据货币化，即AT&T将客户数据销售给广告公司，获取收益。另外，以开放API形式和外部对接，向数据挖掘公司等合作方提供用户的匿名地理位置数据。

（5）对外——分析即服务

国际运营商主攻用户位置和网络数据，将分析结果形成产品和服务对外提供，充分发挥其业务分析和洞察能力。比较有代表性的产品和服务见表2。

（6）对外——平台即服务

国际运营商采用内部生产与外部开放环境分离的模式，对外开放其大数据平台能力，基于开放平台，聚合行业大数据产业上下游，构建共生共赢的大数据生态系统。如日本NTT DoCoMo基于医疗业的生命参数采集和分发平台，该平台将运营商、医疗服务/产品提供商、个人消费者和普通商家/广告商4个角色有效串联起来，形成基于医疗行业的大数据生态系统。

其实，国内BAT在此方面表现也尤为突出。如起源于2009年的腾讯大数据平台，经过7年研发，2016年推出面向机器学习的第3代高性能计算平台Angel，并将基于此平台构建开源技术生态圈；又如阿里数加，它是阿里以自身作为试验田，经过10年耕耘，积累大数据平台能力，于2016年1月将多年积累的大数据能力对外开放的平台。

表2 7种国际运营商的大数据产品和服务

2.2 组织模式保障

为了保障大数据方面能够开展规模化经营，避免大公司形成“小作坊”式的组织形式，国际运营商在组织模式上展开了不同程度的探索，并沉淀出3种典型模式：独立部门、独立公司和合资公司。

独立部门是在公司内成立专门负责大数据业务的独立部门，完成企业内部的业务经营和产品创新。如Telefónica在大数据发展初期，成立动态洞察部门（TDI），推出智慧足迹产品，2016年推出大数据业务部门（LUCA），开展大数据规模化、产品化运营。独立公司是以独立子公司的名义，完成大数据相关业务，如德国电信的T-Systems。合资公司是和其他行业的公司成立合资公司，拓展和行业大数据的融合，快速渗透到各行业内部，完成跨行业的大数据创新整合工作，如日本NTT DoCoMo和医疗、广告行业成立合资公司，快速占据了行业大数据产业链上的主要位置，抢占了市场先机。

3 国内运营商提升核心运营力策略建议

根据国外运营商在大数据方面的成功经验和做法，国内运营商可以在大数据方面发力，从运营组织、应用开展、平台布局和数据融合4个方面开展，提升自身的规模化运营能力[6]。具体策略和建议如下。

3.1 运营组织

（1）建议国内运营商采用合资公司模式，打造大数据自主运营核心力和面向行业快速融合渗透力[7]的运营模式。

借鉴日本NTT DoCoMo的成功合资经验，国内运营商一方面，可以面向生产环节，与第三方服务公司进行合资，通过优化投资结构来保障合资公司的人工成本，扩张和储备自有公司人员，从而掌控大数据自主研发运营权；另一方面，可以面向前端行业市场，与重点的行业公司成立“小而精”的产品型合资公司，从而快速渗透到重点行业中，实现行业人才、专业知识及应用的创新融合，最终做大以运营商为主导的行业大数据产业链。

（2）以客户为中心，构建“前、中、后”台生产组织体系，打造“大数据产品+专项/通用”的模式。

国内运营商可以借鉴互联网巨头阿里公司提出的中台战略，构建“前、中、后”台的生产组织体系。其中，前台围绕客户，纵向“做深、做细”，以“开放合作”的方式，以应用与产品经营为目标，构建对内、对外两条产品线，实现面向客户的“家政式”“物业式”服务；中台可以基于试验孵化环境，“做大、做强、做厚”，以“合作研发”的方式，面向产品与应用，打造支撑产品与应用的大数据专项能力，从而有效支撑前台产品快速适应市场的变革；后台则基于生产环境，“做薄、做快、做灵”，以提供快速支撑和服务响应为目标，整合全部数据，构建通用能力，以解决大数据运营前向响应机制不足的问题。

图1 前、后端分离式打造“产品+能力”架构

其中，前、中台试验孵化环境，面向大数据的运营者，提供生产运营的抓手，后台生产环境，面向大数据的管理整合者，提供“能力及数据资源池”，最终形成“大数据管理整合者→运营者→客户”的从后向前的服务体系，建立并完善从前向后的闭环考核机制。前、后端分离式打造“产品+能力”架构如图1所示。

3.2 应用开展

借鉴国际运营商在大数据应用方面的发展经验，结合当前国内的市场现状，国内运营商在大数据应用方面应该要内外并举发展。其中，对内主攻市场营销、客户体验和网络优化，并尝试优化企业的生产流程和资源配置，促进企业内部科学管理。对外则主攻分析服务和平台服务，重点抓住金融、医疗、交通、零售和政府等重点行业，并深入2I合作，推出具有特点的产品，形成具有特色的服务，提高公司收益[8]。

3.3 平台布局

从国际运营商大数据平台发展历程来看，国际运营商大数据在大数据平台发展初期，一般都以内部应用为主，待大数据平台发展相对成熟，则将生产环境与外部开放环境相分离，一般的做法，会对外创建一个公共试验孵化的实验环境，并利用孵化环境汇聚合作伙伴，引导数据融合与应用创新，最后形成一个平台级生态的体系，实现变现。

另外，国际运营商在平台发展过程中，还会汇聚各种类型的合作伙伴，其中包括研究中心、知名大学和行业企业，这种各行业参与的合作方式能让运营商在陌生领域里快速获得广泛的专业知识和先进的技术解决方案，通过合作完成先进技术、模式的预演和验证，极大满足了大数据应用创新性、探索性的需求。就像Telenor（挪威电信公司），分别和挪威研究理事会、哥本哈根信息技术大学、谷歌、华为等多家企业合作，开展大数据创新应用的研究。

根据国际运营商的大数据平台布局经验，国内运营商可以基于环境分离模式，依托自身具有的创新体系，构建面向公共开放的试验孵化平台，以联合实验室的方式开展大数据、人工智能的产学研协作，从而实现技术能力、创新应用、数据模型等知识库的汇聚、试错以及内/外部合作模式的磨合，最终形成新型场景，引流到企业的生产平台上。依托规模化生产运营体系，构建面向公司内部经营主体开放的生产平台，实现专项能力开放，完成大数据产品的规模化经营。

另外，在技术应用方面，要注意要以开源技术为主。使用过程中，要注重良性循环，及时反馈，以需求和应用场景引导其发展方向，最终实现平台低成本迭代优化机制。

3.4 数据融合

通过国际运营商在数据方面广泛融合应用实践的成功经验，建议国内运营商应该以开放的思维，广泛合作，通过置换第三方数据的使用权，令自身可用数据直达“最后一公里”，从而提升自身数据的最终使用价值[9]。

国内运营商可以采取广泛合作的战略，以自有高质量的管道数据及平台侧构建的开放大数据生态体系为依托，抓住当前大数据的红利窗口，在保持数据集中管理和使用的前提下，通过和其他行业运营者的广泛合作，置换第三方数据使用权，拓展自身可用数据直达“最后一公里”，最终让数据资源“既全面覆盖、又能专项直到用户”，在数据使用过程中，让数据价值达到最大化。

当然，数据隐私和所有权是数据融合中不可规避的问题。当前运营商的一般做法是采用用户群体型、历史型、趋势型和统计型的脱敏数据。可以参考AT&T的做法，通过免费或让利的方式与用户签订契约，获取对用户数据的支配权，当然，采取一定的技术手段保障数据安全也是可行的方法。

目前国内法律红线不明确，没必要坐等所有争议都解决再去尝试，可在一定的原则和风控措施下，在自身大数据使用的已有安全管控体系下，以开放的思维，参与到整个数据生态中。

4 结束语

当前正是国内运营商正处于转型升级的关键时期。随着国内大数据技术的不断发展和企业大数据意识的不断升级，利用大数据推动公司管理模式的创新与运营能力的升级是当前每个企业都在思考的问题[10]。运营商作为发展大数据最具优势的企业，更应该重视利用好大数据这个有力工具。而只有在运营组织、应用开展、平台布局和数据融合4方面修炼好大数据的内功，才能真正地做到利用大数据全面提升企业的运营能力，最终实现利用规模化运营能力带来企业的利益增长。

[1] 苏敏坚. 大数据是运营商复兴的“起搏器”[J]. 中国电信业, 2017(4): 40-41.

SU M J. Big data is the “pacemaker”of the operator’s renaissance[J].China Telecommunication Trade, 2017(4): 40-41.

[2] 范铭. 运营商进入调速换档关键期大数据创造新机遇[J]. 通信世界, 2017(16):54.

FAN M. Operators enter the key period of speed regulation to create new opportunities for big data[J]. Communications World, 2017(16): 54.

[3] 云晴. 西班牙电信大数据实践启示“数据可视化”至关重要[J]. 通信世界, 2017(13): 31-32.

YUN Q. “Data visualization” is essential to the practice of big data in Spain[J]. Communications World, 2017(13): 31-32.

[4] 李莺. 基于大数据分析的运营商主动服务研究[J]. 移动通信, 2016, 40(24): 87-90.

LI Y. Research on active services for operators based on big data analysis[J]. Mobile Communications, 2016, 40(24): 87-90.

[5] 穆致君, 何阳, 杨丹. 运营商的大数据业务发展模式分析[J]. 现代电信科技, 2016, 46(1): 8-12.

MU Z J, HE Y, YANG D. The analysis of enterprise patters of big data of telecom operators[J]. Modern Science & Technology of Telecommunications, 2016, 46(1): 8-12.

[6] 费嘉祺. 运营商发展大数据的机遇和挑战[J]. 数字通信世界, 2017(8):115.

FEI J Q. Opportunities and challenges for operators to develop big data[J]. Digital Communication World, 2017(8): 115.

[7] 傅云瑾. 电信运营商大数据运营能力提升的思考[J]. 电信科学, 2016, 32(Z1): 194-196.

FU Y J. Thinking of improving the operation ability of the telecom operators of large data[J]. Telecommunication Science, 2016, 32(Z1):194-196.

[8] 刘春, 邹海锋, 向勇. 大数据环境下电信数据服务能力开放研究[J]. 电信科学, 2014, 30(3): 156-161.

LIU C, ZOU H F, XIANG Y, et al. Research on telecom data service open ability under the environment of big data [J]. Telecommunications Science, 2014, 30(3): 156-161.

[9] 韩晶, 张智江, 王健全, 等. 面向统一运营的电信运营商大数据战略[J]. 电信科学, 2014, 30(11): 154-158.

HAN J, ZHANG Z J, WANG J Q, et al. The unified- operation-oriented big data strategy for telecom operators [J]. Telecommunications Science, 2014, 30(11): 154-158.

[10] 陈森, 陈超, 张小勇, 等. 基于大数据分析的移动互联网用户感知评估系统[J]. 电信科学,2015, 31(4): 154-161.

CHEN S, CHEN C, ZHANG X Y, et al. Evaluation system of mobile internet user experience based on big data analysis [J]. Telecommunications Science, 2015, 31(4): 154-161.

Strategies for enhancing core capability of large-scalely operation for national telecom operators assisted by big data

GUO Jiarui, WEI Jinwu, ZHANG Yunyong

Institute of.,., Beijing 100176, China

The research has been executed through the history of big data belonging to the international telecom operators. A splendid summary of the practical experience was indicated in four aspects, including the organization of operation, the application of operation, the platform layout and data integration. The concepts will promote national network carriers in scaling up the core operation capability, as well as the development of the future industrialization of internet by applying specifically beneficial strategies and advices.

operator, big data, core operation capability, large-scalely, strategy and advice

TN915

10.11959/j.issn.1000−0801.2018045

2017−12−01；

2018−01−05

郭佳睿（1984−），女，中国联合网络通信有限公司研究院工程师，主要研究方向为大数据顶层设计、大数据解决方案及IT业务咨询等。