运营商大数据对外运营的研究

1运营商大数据的价值与挑战

当前社会是一个信息大爆炸的社会，而运营商就是一个

典型的例子，用户每日的通信行为、用户基础资料、消费习

惯、上网行为等等都产生海量的数据。这些数据所承载的信

息蕴藏着不可估算的价值，数据已成为新时代最关键的生产

要素，而运营商的数据是一个巨型的金矿，等待着人类的不

断开采。

然而在国内，运营商大数据对外运营仍处于初期阶段，

没有成熟的业务模式和成功案例，当前还有不少问题需要解

决，这里只选两个较为关键的问题来分析。第一个问题是业务模式，即运营商应该选择何种业务模式；第二个问题是信

息安全，即如何解决客户的信息安全问题。2运营商大数据的业务模式研究大数据业务模式非常多，包括：咨询服务、运营分析、媒体广告、开发平台、精准营销等等。但从运营商角度出发，结合实际推广难度、用户接受度以及信息安全进行综合考虑，我们建议从“群体性数据服务”入手，优先开展以下业务。2.1提供用户基础特征分析服务面向咨询公司：针对城市规划、商业运营等大型咨询项目，基于多种维度准确描述区域内的人群分布特点及位置变化规律，辅助提升咨询项目数据质量。咨询公司针对政府行业分析的数据需求如图1。运营商提供的数据包括：人口属性数据：用户的基本属性信息，如性别、年龄、职业、消费能力等；人口分布数据：基于移动用户的位置信息、判断用户位置分布情况；人口流动数据：根据通信基站变化情况，获取人口流动数据。图1咨询公司针对政府行业分析的数据需求

2.2提供市场行业数据分析服务

面向行业分析机构：提供实时提供准确的业务数据支

撑，提升机构分析报告的实时性；提升数据获取效率，大大降低传统的数据调研成本。

运营商提供的数据包括：

终端类型情况：用户使用手机品牌、型号、价位、版本等

信息；

网购消费情况：用户所在的区域、网购的频率、购物的金额等信息；

上网行为分析：用户习惯购物的网址、时间段、喜欢的品

牌和款式等信息；

娱乐消费情况：用户喜欢的娱乐活动、场所、频率、额度等数据。

2.3提供用户行为习惯分析服务

面向商业或地产：基于用户的手机位置及基础属性，为商圈提供准确的客源分布分析、客流趋势分析、客流轨迹、竞

品分析、会员分析等数据。

运营商大数据对外运营的研究

邱俊东姚泽楠

（中国移动通信集团广东有限公司汕头分公司，广东汕头515000）

[摘要]大数据是当前社会非常热门的话题，其价值已经被各行各业普遍接受。大数据时代已经到来，电信运营商也迎来了大数据时代的重大机遇。本文从运营商的角度综合分析大数据的价值与存在的挑战，结合市场与行业的需求，对大数据业务模式进行研究，提出以“群体类数据服务”为切入点的四种对外运营的业务模式，同时针对大数据的信息安全问题提出若干建设性意见。

[关键词]大数据；运营商大数据；对外运营；业务模式

中图分类号：F626文献标识码：A 文章编号：1008-6609(2015)07-0054-

02

——————————————作者简介：邱俊东，男，广东潮州人，工学学士，助理工程师，研究方向：IT 系统架构，大数据应用。2015年第7期

学术探讨网络与通信

-

-

54

运营商提供的数据包括：图2面向商业或地产运营商提供的数据2.4提供用户信用评估分析服务面向金融机构：构建个人信用评价体系，拓展运营商信用体系生态圈，为第三方业务提供授信决策，为银行放货决策提供依据。运营商提供的服务：图3面向金融机构运营商提供的服务3运营商大数据的信息安全建议大数据的安全问题与其带来的价值一样引人注目。信息安全是大数据对外运营必须解决的核心问题，特别是以运营商角色提供数据服务更应该重视的问题。目前国内因信息安全问题被曝光的事件越来越多，而且信息安全事件也将运营商推至风口浪尖，对于如何处理大数据的信息安全问题就显得尤为重要。因此，运营商大数据对外运营必须谨慎，加强数据安全方面的保证，首先必须遵从以下三大原则：

（1）以“群体类数据服务”为切入点，只提供趋势分析、人

群分析的数据，而不涉及具体用户数据；

（2）先与政府、国企合作，从便民利民领域入手，取得社

会公众的认可，再进行商业化；

（3）对于涉及用户个人数据，必须由用户发起，并经过用

户授权（或确认），才可向第三方提供数据。

同时，运营商必须加强对大数据安全技术的不断探索，

可以从以下几个方面实践：

（1）大数据访问控制技术：是实现数据受控共享的有效

手段。必须根据各种具体的应用场景，对大数据设置不同的

访问权限。

（2）大数据发布匿名技术：匿名技术是大数据应用中保

护客户隐私的重要技术，不同系统、不同应用之间进行数据交互，但不暴露具体用户。

（3）数据水印技术：通过将数据库指纹信息嵌入水印中，

可以识别出信息的所有者以及被分发的对象，有利于在分布

式环境下追踪泄密者。

运营商只有重视信息安全，尊重用户，方可向大数据对

外运营迈出坚实的一步。

4结束语

大数据的持续火热加速了其发展的步伐，以BAT 为首的

互联网公司与运营商之间的竞争已经白热化。在大数据的

初级阶段，运营商拥有先天的优势，有大量的原始数据，应尽

快明确大数据的战略方向，探索符合当地的业务模式，在保证信息安全的基础上尽快发展大数据对外运营，方能在激烈

的竞争中立于不败之地。

参考文献：

[1]阿里研究院．互联网+从IT 到DT[M]．北京：机械工业出版社，2015．

[2]张尼，胡坤，张云勇，等．大数据安全技术与应用[M]．北京：人民邮电出版社，2014．

[3]卢辉．数据挖掘与数据化运营实战[M]．北京：机械工业出版社，

2013．

Research on the External Operation of Operator ’s Big Data

Qiu Jundong Yao Zenan

(China Mobile Communications Group Guangdong co.,LTD.Shantou Branch,Shantou 515000,Guangdong)

【Abstract 】Big data has become a very popular topic in the current social,which value is widely accepted in all walks of life.Big data era has arrived,and telecom operators also ushered in the big opportunity of big data.This paper analyzes the value of big data and its existing challenges from the angle of operators,studies on the big data business model combining with the demand of market and industry.It puts forward four kinds of external operation business model starting from the point of "cluster data service",and pro-poses some constructive suggestions for big data information security problems.

【Keywords 】big data;operator ’s big data;external operation;business model 2015年第7期

学术探讨

网络与通信--

55

大数据时代运营商的SWOT分析

西安邮电大学 科研训练（论文）题目：大数据时代运营商的SWOT分析 院（系）：经济与管理学院（工商管理系） 专业：人力资源管理 班级：1102班 学生姓名：刘丹 导师姓名：尹丽英职称：讲师 起止时间：2013年9月16日至12月6日

科研训练（论文）成绩鉴定表 指导教师评语

目录 摘要........................................ 错误!未定义书签。Abstract......................................... 错误!未定义书签。 1 引言...................................... 错误!未定义书签。 2 大数据时代运营商的发展现状 (1) 2.1大数据的含义及特征............................... 错误!未定义书签。 2.2大数据的应用领域及其价值......................... 错误!未定义书签。 2.3大数据时代运营商的发展现状 (3) 2.4大数据时代运营商的发展趋势 (4) 3 大数据时代运营商的SWOT分析 (5) 3.1优势与劣势分析 (5) 3.2机会与威胁分析 (6) 4大数据时代运营商的经营策略 (8) 5结论 (10) 参考文献 (11)

摘要 近年来，大数据所带来的挑战推动了计算技术的快速发展，催生了分布式并行处理平台Hadoop、软硬件一体化数据库服务器Exadata等一批新产品。对于电信运营商这样的大型企业而言，需要思考如何应用这些新技术，解决在大数据时代背景下所面临的挑战，从而提升企业价值。本文立足于电信行业，通过分析大数据的现状及发展趋势，利用SWOT分析模型，阐述电信运营商在大数据时代背景下的优势与劣势，以及所面临的机遇与挑战，并提出相关应对策略，最后展望在大数据时代电信企业的发展及转变趋势。 关键词：大数据运营商 SWOT分析模型数据挖掘

电信运营商行业大数据应用考试试题及答案

企业级大数据平台架构 电信行业大数据应用案例分享 互联网+行业大数据应用案例分享 第一套题 1、哪个选项不属于大数据4V特点？（ B ） A、Volume B、Valid C、Variety D、Value 2、大数据的特点不包含（ B ） A、数据体量大 B、价值密度高 C、处理速度快 D、数据不统一 3、业界对大数据典型特征定义，一下哪像描述正确 ABC 4、Hadoop包括（ABC） A、Hadoop Distrbuted Filesystem（HDFS） B、HadoopMapReduce C、Hbase D、HadoopStreaming 5、有关HDFS文件系统说法正确的是以下那些？（AD） A、HDFS本身是个高可用系统架构 B、HDFS采取的是多NameNode、DataNode架构 C、HDFS数据副本的数量越大越好 D、HDFS NameNode分主备，主备不同时对外服务 6、关于大数据的理念的描述，以下哪些不正确（BD） A、相关性比因果更重要 B、要效率也要绝对精准 C、大数据的核心价值是预测 D、遵从隐私和法律并非大数据的风险 7、HDFS文件系统适用于以下哪些场景（AC） A、将单文件分割成很多小块存储 B、存储大量小文件 C、流式数据读取 D、实时数据读取 8、对海量大数据管理可能面临的难题包括（ABCD） A、如何实现快速查找，提升检索效率； B、如何保证数据真实性，防止数据诈骗； C、如何实现PB级不同类型数据的存储； D、如何降低数据产生数量，节约存储资源。 9、大数据应用大大方便教育资源的管理，彻底改变教育模式，特别是在科研领域，面向数据密集型科研发现，将成为继三大范式之后的第四范式，此处提到的科学发展领域的三大范式是指（ABC） A、理论 B、推演 C、模拟 D、计算

运营商大数据应用解决方案

运营商大数据应用解决方案

运营商大数据应用 解决方案

目录 1.大数据概述 (9) 1.1.概述 9 1.2.大数据定义 9 1.3.大数据技术发展 11 2.大数据应用 (14) 2.1.大数据应用阐述 14 2.2.大数据应用架构 16 2.3.大数据行业应用 16 2.3.1.医疗行业 16 2.3.2.能源行业 17 2.3.3.通信行业 17

2.3.4.零售业 18 3.大数据解决方案 (19) 3.1.大数据技术组成 19 3.1.1.分析技术 19 3.1.1.1.................. 可视化分析 19 3.1.1.2................. 数据挖掘算法 19 3.1.1.3................. 预测分析能力 19 3.1.1. 4................... 语义引擎 19 3.1.1.5............. 数据质量和数据管理 20 3.1.2.存储数据库 20 3.1.3.分布式计算技术 21 3.2.大数据处理过程 23 3.2.1.采集 23 3.2.2.导入/预处理

24 3.2.3.统计/分析 24 3.2. 4.挖掘 24 3.3.大数据处理的核心技术-Hadoop 25 3.3.1.Hadoop的组成 25 3.3.2.Hadoop的优点： 28 3.3.2.1.................. 高可靠性。 28 3.3.2.2.................. 高扩展性。 28 3.3.2.3................... 高效性。 29 3.3.2. 4.................. 高容错性。 29 3.3.3.Hadoop的不足 29 3.3. 4.主要商业性“大数据”处理方案 29 3.3.2.5....... IBM InfoSphere大数据分析平台 30 3.3.2.6...... Or a c l e Bi g Da t aApplianc 31

关于移动运营商在大数据方面的应用及策略

关于移动运营商在大数据方面的应用及策略 发表时间：2017-10-11T15:22:24.220Z 来源：《建筑学研究前沿》2017年第11期作者：白雪伟 [导读] 随着信息技术、云计算技术的快速发展，移动运营商的用户数量和业务数据呈现指数式的增长。 中国移动通信集团广西有限公司 530000 摘要：随着信息技术、云计算技术的快速发展，移动运营商的用户数量和业务数据呈现指数式的增长，数据处理的复杂程度也达到了一个新的高峰。但随着大数据在移动运营商的广泛应用，促进了工作人员在处理数据方面更加的高效、精确，同时也促进了网络资源的优化，更好的为用户提供服务。本文从大数据的优势特征以及大数据在移动运营商尚存不足之处的角度入手，进而分析了移动运营商在大数据方面的应用，并针对性的提出了移动运营商大数据发展策略。 一、大数据的优势特征和不足之处 1.大数据优势特征 大数据对于互联网领域的价值是不可估量的，互联网企业的运行效率和生产力在大数据的影响下得以大幅度的提高，移动运营商在大数据应用方面的优势尤为明显其具体 主要体现在以下几方面： 第一，用户基数庞大随着通信技术的快速发展，消费者对移动运营业务的需求也在不断增长，迄今为止，三家运营商移动用户已达到约13亿人次，移动运营商拥有庞大的用户群体及海量的基础数据第二，数据的时效性4G时代的到来促使人们的日常生活与移动互联网紧密相关，移动运营商掌握着庞大的第一手用户行为数据，并保持数据的不间断更新，保证了数据的时效性第三，移动运营商转型契机为应对OTT的竞争，移动运营商巫需向数字化服务提供者转型借助大数据技术的兴起，移动运营商能加快转型的步伐，为用户提供更好的移动信息服务。 2.移动运营商在大数据应用方面面临的挑战 第一，数据来源广而杂，聚集较为困难系统数据形式不一，格式多样，而系统往往只支持单一的数据结构处理模式，无法全面覆盖各种类型的数据处理，进而无法满足互联网多样化的发展，同时也给大数据的技术人员在处理数据上造成一定的困难第二，商业模式尚未成熟移动运营商由于拥有的用户基数过于庞大，掌握的数据资源也非常多，但对于这些数据的处理上仍存在一定难题由于移动运营商尚未建立对外数据平台，大量的数据只能供内部人员使用，而不能使外部人员对其加以应用，从而造成这些数据没有得到有效利用，无法实现利益最大化第三，大数据运营存在风险人们的隐私关系到他们的自身利益、名誉，甚至生命安全等，因此，移动运营商在为客户提供服务时保证个人隐私不泄露至关重要对移动运营商而言，大数据安全策略的研究将会是重中之重 二、移动运营商在大数据方面的应用 1、提升网络服务 优化网络建设通过分析小区级数据流量，了解用户流量消费水平的分布情况，针对流量消费较高的区域重点优化4G网络建设；通过MR数据分析，辨别信号较差的区域，然后根据关联用户的相关信息，为用户进行网络优化服务；还可以根据用户的位置信息实现网络切换，优化网络性能，为用户提供更好的服务。 基于用户行为信息 为用户提供个性化服务基于用户数据为用户提供个性化服务的模式主要有两种，以用户手机号码为例，第一种是根据用户提供的相关信息，移动运营商先对用户的手机号码进行匿名处理后，即用伪码来代替真正的手机号码，然后第三方再根据用户提供的相关数据为伪码做标签处理，使其成为用户手机号码特有的标志；第二种与第一种的不同之处在于为用户打上标签的是移动运营商，而非第三方。 三、移动运营商在大数据应用上的发展策略 1.应用大数据协助内部运营 利用大数据来协助移动运营商的内部运营对于移动运营商具有非常重要的意义，具体措的施可从以下几方面做起：第一，运用大数据为用户服务通过对用户的位置定位，根据用户对网络信息的反馈，及时了解关联用户的网络质量，帮助用户解决网络问题第二，优化网络质量移动运营商通过对用户的爱好、位置等相关信息关联，分析用户所在的网络质量，为用户提供更好的网络服务，进而促进运营商的网络建设。 2.向大数据转型、开展新的业务模式 移动运营商向大数据转型的核心要点是合理规划大数据业务模式首先，借助大数据运营中心平台，通过分析海量基础数据，为用户提供个性化的优质服务，同时实现移动运营商利润的最大化其次，通过采集、分析大量数据，发挥大数据的真正价值构建完整的大数据运营中心，针对性的解决数据多而杂的问题除此之外，利用大数据开展新的业务模式，以进一步加强移动运营商的竟争力。 三、移动通信运营商营销平台的大数据应用案例 大数据精准营销应用，契合了移动通信公司流量转型的需要不同于终端、号卡销售时代，流量经营时代不仅依靠营销资源的投人，更需要精细化的运营平台以客户为中心，通过丰富的网络日志，智能识别消费场景和消费需求通过海量数据分析，描绘全方位的客户画像，分析其行为，深度细分客户群，关注客户需求，开展差异化营销；为精确和实时运营提供支撑，针对性地灵活支持资源分配策略。 广西某地市移动通信运营商基于LBS数据、客户消费能力数据、客户消费习惯数据的综合调用，建构客户“标签库”精准营销内部应用平台，利用大数据关联分析，在营销平台中组合调用，通过不同渠道接触客户，实现了精准营销实时化和差异化。 首先，采集LBS、客户消费能力、客户消费习惯三大类客户数据，并封装三大类数据的分析查询结果通过网络的无线定位技术获取LBS数据，基站信号获取手机终端所在的位置信息，采集在选定时间客户出现在何处的信息，指定区域在特定时段内的人流量信息，对LBS数据的时间、位置人流量三个基本属性进行分析，获取某个区域一天内的人流量变化情况，提供指定时间、位置的人流量查询能力通过BOSS系统获取客户消费能力数据，采集客户的缴费、套餐定制数据，对客户的缴费频度、金额、套餐消费情况等信息进行分析，得到

运营商大数据对外运营的研究

1运营商大数据的价值与挑战 当前社会是一个信息大爆炸的社会，而运营商就是一个 典型的例子，用户每日的通信行为、用户基础资料、消费习 惯、上网行为等等都产生海量的数据。这些数据所承载的信 息蕴藏着不可估算的价值，数据已成为新时代最关键的生产 要素，而运营商的数据是一个巨型的金矿，等待着人类的不 断开采。 然而在国内，运营商大数据对外运营仍处于初期阶段， 没有成熟的业务模式和成功案例，当前还有不少问题需要解 决，这里只选两个较为关键的问题来分析。第一个问题是业务模式，即运营商应该选择何种业务模式；第二个问题是信 息安全，即如何解决客户的信息安全问题。2运营商大数据的业务模式研究大数据业务模式非常多，包括：咨询服务、运营分析、媒体广告、开发平台、精准营销等等。但从运营商角度出发，结合实际推广难度、用户接受度以及信息安全进行综合考虑，我们建议从“群体性数据服务”入手，优先开展以下业务。2.1提供用户基础特征分析服务面向咨询公司：针对城市规划、商业运营等大型咨询项目，基于多种维度准确描述区域内的人群分布特点及位置变化规律，辅助提升咨询项目数据质量。咨询公司针对政府行业分析的数据需求如图1。运营商提供的数据包括：人口属性数据：用户的基本属性信息，如性别、年龄、职业、消费能力等；人口分布数据：基于移动用户的位置信息、判断用户位置分布情况；人口流动数据：根据通信基站变化情况，获取人口流动数据。图1咨询公司针对政府行业分析的数据需求 2.2提供市场行业数据分析服务 面向行业分析机构：提供实时提供准确的业务数据支 撑，提升机构分析报告的实时性；提升数据获取效率，大大降低传统的数据调研成本。 运营商提供的数据包括： 终端类型情况：用户使用手机品牌、型号、价位、版本等 信息； 网购消费情况：用户所在的区域、网购的频率、购物的金额等信息； 上网行为分析：用户习惯购物的网址、时间段、喜欢的品 牌和款式等信息； 娱乐消费情况：用户喜欢的娱乐活动、场所、频率、额度等数据。 2.3提供用户行为习惯分析服务 面向商业或地产：基于用户的手机位置及基础属性，为商圈提供准确的客源分布分析、客流趋势分析、客流轨迹、竞 品分析、会员分析等数据。 运营商大数据对外运营的研究 邱俊东姚泽楠 （中国移动通信集团广东有限公司汕头分公司，广东汕头515000） [摘要]大数据是当前社会非常热门的话题，其价值已经被各行各业普遍接受。大数据时代已经到来，电信运营商也迎来了大数据时代的重大机遇。本文从运营商的角度综合分析大数据的价值与存在的挑战，结合市场与行业的需求，对大数据业务模式进行研究，提出以“群体类数据服务”为切入点的四种对外运营的业务模式，同时针对大数据的信息安全问题提出若干建设性意见。 [关键词]大数据；运营商大数据；对外运营；业务模式 中图分类号：F626文献标识码：A 文章编号：1008-6609(2015)07-0054- 02 ——————————————作者简介：邱俊东，男，广东潮州人，工学学士，助理工程师，研究方向：IT 系统架构，大数据应用。2015年第7期 学术探讨网络与通信 - - 54

三大电信运营商大数据平台发展分析

三大电信运营商大数据平台发展分析 9月29日消息，如今我们处在一个无处不数据的时代，坐拥大数据这座富矿，国内无论是互联网企业还是运营商都在紧锣密鼓的建设大数据平台，企图将这座宝矿开发成为熠熠生辉的“钻石”。 目前，国内三大运营商迎接大数据时代的步伐和规划各自不同，中国电信的大数据平台已经扩展到31个省，基础平台建设基本完成；中国联通虽然起步晚一些，但是其大数据产品体系已经发展成为六大产品种类；相对于中国电信和中国联通的成熟，中国移动的数据中心资源略显不足，但是需求量不断递增，也在不断努力布局中。 中国电信：大数据平台扩展到31个省基础平台建设基本完成 中国电信所有的大数据都是在云平台和云设施之上搭建的，如今其大数据平台建设从原来的5个省现在扩展到31个省，数据的种类从开始的几类主要的数据扩展到十几类，实效性是原来一周到现在小时的延时。 中国电信云计算分公司大数据事业部首席数据分析师张宇中表示：“中国电信的大数据平台跟其它合作伙伴的模式不一样，中国电信主要是做节约化运营，将数据的汇聚、接入、存储、加工、输出整合在一起，这样前端的响应可以快速的传递到客户中去，并且可以持续的循环。同时，中国电信的平台开发还做了具体功能区分。” 目前中国电信已经完成了大数据基础平台的建设，正在继续完善行业的应用。依托云网融合，中国电信的大数据开放平台一直拥有强大的资源，中国电信有八大资源基地，还有内蒙和贵州两大数据中心，并且很多区域下沉的边界。 2015年11月28日，中国电信正式发布“天翼大数据”品牌，并推出精准

营销、风险防控、区域洞察、咨询报告四类数据型产品和大数据云平台型产品，重点服务于旅游、金融、广告、政府、交通等行业。这是中国电信运营商第一个大数据业务品牌。 据了解，中国电信推出的4+1产品模块，拥有15个子项。其中有面向个人拥护推出的风控的和精准营销产品；还有一部分是输出具体数据，形成相关报告；此外，中国电信还开发了PAAS的平台对价值链的某一方面具有专业特色的公司能够利用大数据平台做它所擅长的事情。可以说，中国电信通过多种手段为产业链打造了一个比较安全可靠的大数据平台。 此外，中国电信还和其它100家企业共同发起成立BDU中国企业大数据联盟，期望能够与产业链共同推进大数据生态的建设。 中国联通：大数据产品体系发展为六大类 中国联通从2013年开始发展大数据业务，如今其大数据产品体系已经发展成为六大产品种类。 据了解，这六大产品种类分别是：一征信产品，例如大数据最大的应用是在金融行业，金融行业需求电信运营商所拥有的大量用户的真实性数据；二沃指数，分析包括市场洞察和行业指数两个方面，行业指数涉及到金融、交通、旅游、APP，以及各类的各个垂直行业分析的指数；三精准营销产品，中国联通有很多用户资源和渠道，在保护用户隐私的前提下，可以做到针对不同的场景和不同的用户，进行内部和外部的精准营销；四用户标签；五能力开放平台；六智慧足迹。 特别需要指出的是去年底中国联通在第二届世界互联网大会上，首次发布了“沃指数”大数据产品体系。该产品体系以中国联通4亿用户数据为基础，具备海量、实时的数据处理能力，通过与政府、行业权威机构的数据进行整合、提炼、分析和挖掘，具有真实、全量、安全、实时、公正的特点。 据介绍，“沃指数”涵盖了3000余个用户标签，能够轻松识别3.8亿条URL、6万个互联网产品、约3000个手机品牌、8.2万个终端型号，据此可助力政府在城市规划、公共服务、交通出行、旅游监控、抢险救灾等方面提供决策依据；帮助企业在商业选址、广告投放、信用控制、产品设计等方面提供分析报告及经营决策指导；为公众提供交通出行、旅游选择、消费指南等生活服务。 目前中国联通对移动网和固网用户的数据采集、数据存储、分析和挖掘，形

2016年电信运营商大数据分析报告(经典版)

(此文档为word格式，可任意修改编辑！） 2016年8月

目录 1 移动互联推动运营商跨入大数据时代 5 2 通信大数据价值对比互联网、金融大数据特点显著 5 21、大数据技术助力运营商数据获取能力拓展 5 22、互联网企业大数据人群广度上仍有所不足 6 23、金融企业大数据在对人群属性定位在过于狭窄7 24、运营商大数据在定位用户O2O需求方面优势显著7 3 DT 时代通信大数据将迎来货币化大机会8 31、通信大数据可细分为五个产业环节9 32、采集环节价值并不显著10 33、非结构化数据特点推动大数据库卡位的价值11 331、创新公司高估值表明大数据底层架构体系受到欢迎12 332、Hadoop 体系将是大数据时代最有可能的发展方向12 333、适应DT时代运营商积极转变13 4 大数据分析将占据未来产业链技术能力核心16 41、分析工具类公司高估值表明大数据分析体系有较高价值16

42、大数据分析将是有别于传统数据分析的新市场17 43、大数据应用将是最大的蛋糕所在19 431、大数据营销公司获得市场青睐19 432、大数据变现将是整个大数据应用的最后一公里19 5、通信大数据应用将迎来蓝海时代20 51、大数据行业现状20 52、运营商大数据商业模式22 521、传统模式：经营分析24 522、第三方分析25 523、精准营销26 524、第三方合作27 53 运营商大数据市场规模28 531、运营商DSP 29 532、消费金融32 533、信息安全监测34 534、运营商大数据加大投入35

6、电信运营商大数据投资建议36 61、运营商大数据进入实质性商业阶段37 62、由互联网服务及行业信息化带来的大量数据所造就的大数据机遇38 63、大数据挖掘技术快速发展39 7、主要公司分析40 71、东方国信41 72、烽火通信42 33、荣之联43 74、风险提示44

电信运营商大数据业务运营流程深度剖析

电信运营商大数据业务运营流程深度剖析 【摘要】为了对电信运营商大数据业务运营流程进行剖析，首先针对运营商在对外开展大数据业务的过程中所面临的管理困境进行了总结和分析，并从数据资产管理流程及大数据端到端业务流程两方面提出相应的改进建议，以期为电信运营商大数据业务整体推进提供有益的参考。 【关键词】大数据业务数据资产管理流程端到端业务流程 1 引言 2015年，在“互联网+”战略及创新氛围的带动下，三大运营商均已完成大?稻萦τ贸【按幽诓坑τ米?向外部变现的破局。2016年以后，运营商的大数据业务正逐渐走向规模化和商业化。在大数据业务的规模化商业化运营过程中，运营商面临怎样的挑战，又该如何应对，成为值得探讨的问题。 本文将针对运营商的大数据业务运营全流程，从数据资产管理和大数据端到端业务流程两条管理制度流程，详细剖析运营商开展大数据业务所面临的困难，并针对这些困难提供出优化提升的管理建议，以期为后续大数据业务运营管理提供参考。 2 大数据业务管理现状及相关理论介绍

2.1 大数据业务管理现状 运营商在开展大数据业务过程中通常会涉及两条流程支线：数据资产管理流程和大数据端到端业务管理流程。 如图1所示，在大数据端到端业务管理流程方面，大部分运营商已形成了前端部门收集汇总大数据需求，后端部门与外部支撑厂商进行大数据应用功能的具体开发实现的端到端业务管理流程。 如图2所示，在数据资产管理流程方面，大部分运营商仍延续传统的采集存储规则，并未形成针对大数据应用的系统性的数据资产管理流程及制度。完整的数据资产管理是包括针对数据的计划、规范定义、采集存储、提取使用、盘点维护、数据清除环节在内的全生命周期管理，而目前大部分运营商的数据管理仅包含采集存储、提取使用、数据清除环节，且现存管理制度不适应大数据业务特征，制度有效性受限。 2.2 BPMMM和数据质量管理评估维度 （1）业务流程管理成熟度模型 业务流程管理成熟度模型（BPMMM，Business Process Management Maturity Model）是用来评价并提高企业业务流程管理水平的模型，包括外部结构和内部结构。如图3所示，BPMMM的外部结构划分为初始级、可复用级、已定义级、可管理级和优化级五个层级。

电信运营商基于大数据的商业智能应用思考

电信运营商基于大数据的商业 智能应用的思考
孙少陵 中国移动通信有限公司研究院 2012年11月
1

目录
3 1 2 3
电信运营商商业智能面临的挑战 基于大数据的商业智能系统的初步构想 “大云”在大数据商业智能领域的实践
2

全球数据量高速增长，信息成为运营商战略资产
?信息社会的信息增量在高速发展 ?随着互联网/移动互联网、数码设备、物联网/传感器等技术的发展，全球数据生产在 高速增长 ?Jim Gray的新摩尔定理认为，每18个月全球新增的信息量是计算机有史以来全部信息 量的总和。据IDC研究报告，未来10年全球数据量将以40+%的速度增长，2020年全球数 据量将达到35ZB（35,000,000PB），为2009年（0.8ZB）的44倍 ?信息成为企业战略资产，市场竞争和政策管制要求越来越多的数据被长期保存 ?企业越来越需要长期保存各类数据，以进行用户行为分析、市场研究，信息服务企业 更是需要积累越来越多的信息资源 ?为了遵从萨巴斯、上网日志审计等管制要求，企业需要长期保存越来越多的生产数据
3

基于大数据的商业智能（BI）为运营商带来新的机遇
在网络时代，运营商是数据交换中心，运营商的网络管道、业务平台、 支撑系统中每天都在产生大量有价值的数据，基于这些数据的商业智能 应用为运营商带来巨大的机遇
改善用户体验 优化网络质量 助力市场决策 刺激业务创新
? 分析用户行为，改进产品设计 ? 通过用户偏好分析，及时、准确进行业务推荐和客户关怀
? 分析流量、流向变化，调整资源配置 ? 分析网络日志，进行网络优化和故障定位
? 通过业务、资源、财务等各类数据的综合分析，快速准确确 定公司管理和市场竞争策略
? 在确保用户隐私不被侵犯的前提下，对数据进行深度加工， 对外提供信息服务，提升企业价值
4

电信运营商该如何利用大数据

电信运营商该如何利用大数据? 大数据市场前景广阔。市场研究公司 Marketsa ndMarkets 最新 发布 的一份报告预计，从2013年到2018年，全球大数据市场将会 出现年均26%的增长率，即从今年的148.7亿美元增长到2018年 的463.4亿美元。 全球范围内的许多企业都在进军大数据应用市场， 同时，大数据也为 电信运营商带来了新的盈利空间以及新的挑战。 大数据“美好时代”来临 互联网产生大数据，随着互联网技术的不断发展，数据也将像能 源、材料一样，成为战略性资源。如何利用数据资源深挖创新、提升I 1 0 IJ D J C □ 1 c

效益，是诸多IT企业的追求目标。大数据因其市场需求广阔、后续增长潜力大、投资前景好等优点，后续发展持续被看好。 如今，“大数据”早已渗透到我们的生活中，衍生出了形形色色的数据应用，涵盖交通、医疗、金融、文艺、体育等各个方面。大数据促进了信息融合和产业跨界，也引发了更多新业态出现。其中，获利最多的当属IT企业。 在国内，腾讯这个移动互联网巨头是最早尝到大数据甜头的企业，其从2003年起已经开始努力做手机QQ的尝试。现在，几乎每个拥有手机的网民都是手机QQ用户。另一个互联网巨头百度的新一代搜索引擎的重要支柱之一就是大数据。依托大数据，百度新一代搜索引擎才得以为用户提供更便捷与智能的医疗、交通等服务。以医疗 为例，用户可以在百度搜索引擎中便捷地获取相关病症的原因、症状、治疗等信息；甚至可以通过搜索引擎，在线咨询医生、在线挂号，这大大降低了百姓获得医疗信息和服务的门槛。除此之外，阿里巴巴的 云计算、奇虎360的商业模式、微信的运作自如……这些IT大佬们的得意，无不与“大数据”这个词语紧密相连。 在国外，大数据也被许多科技企业看作是云计算之后的另一个巨大商机，包括微软、谷歌、亚马逊和微软在内的一大批互联网巨头纷纷掘金这一市场。谷歌基于搜索数据成功建立了盈利模式；亚马逊通过云技术、大数据构建了电商帝国……大数据引发的信息融合正在改变着IT企业的发展方

电信运营商大数据发展策略探讨_黄勇军

电信运营商大数据发展策略探讨 黄勇军1，冯 明2，丁圣勇1，樊勇兵 1 （1.中国电信股份有限公司广东研究院广州510630；2.中国电信集团公司北京100032） 摘 要：随着互联网业务和应用的迅猛发展以及移动互联网的爆炸式增长，电信运营商客户行为数据、网络运维 数据、信令数据等海量数据的存储与分析日益成为电信运营商的重要挑战，大数据技术的出现与发展为电信运营商深挖数据提供了新的技术手段，同时也为其更好地服务客户提供了新的机遇。本文结合大数据的技术现状以及电信运营商的数据特点，分析了大数据技术在电信运营商的适用性，探讨了电信运营商应用大数据的策略，并提出了一种参考性的平台架构，以推动电信运营商对大数据技术的应用。关键词：电信运营商； 大数据；策略 doi:10.3969/j.issn.1000-0801.2013.03.002 专题：大数据技术与应用 1引言 近年来，以海量数据处理为目标的大数据技术正成为 新的研究热点。尽管没有严格的定义，但大数据的4V （volume ———容量，value ———价值，velocity ———快速，variety ——— 多样）特点以及主流的处理技术已经基本得到认可，使用传统技术在短时间内无法处理的任务或问题目前都可归为大数据问题，相应的处理技术被称为大数据技术。 大数据技术起源于互联网公司，最初主要用于解决海 量非结构化网页数据的存储、分析以及检索等问题，在设计理念上采用经济的服务器构建超大规模的集群，以获得海量的数据存储和处理能力。与传统集群技术不同的是，在大数据解决方案下，尽管单台节点服务器的性能与可靠性不足以与高性能服务器媲美，但可以通过超大规模（上万台）集群以及冗余设计获得显著的成本和扩展优势。大数据技术的扩展性、先进性已被Google 、微软、Yahoo 、 Facebook 等顶级互联网公司所验证。 与此同时，随着电信运营商的全业务化运营以及3G 推动下移动互联网业务的爆炸式增长，电信行业的数据类 Big Data Development Strategy for Telecom Operators Huang Yongjun 1,Feng Ming 2,Ding Shengyong 1,Fan Yongbing 1 (1.Guangdong Research Institute of China Telecom Co.,Ltd.,Guangzhou 510630,China; 2.China Telecom Corporation,Beijing 100032,China) Abstract:With the rapid development of internet and dramatic growth of mobile services,the storage and process of massive data are becoming a big challenge for telecom operators.Big data technologies provide a new solution for the operators to mine massive data in depth as well as a new opportunity to provide better services for their customers.The applicability of big data technologies for operators were analyzed,based on the comprehensive analysis of big data technologies and telecom operators ’data characteristics.The big data development strategy for telecom operators was discussed and a conceptual technical architecture was also proposed in order to push the application of big data technologies. Key words:telecom operator,big data,strategy 7

电信运营商大数据发展策略研究

电信运营商大数据发展策略研究 随着移动互联网技术的发展进步、大数据的出现及发展应用，面对OTT企業的不断冲击，电信运营商在大数据时代面临新的挑战和机遇。本文首先对电信运营商的大数据发展现状进行了分析，进而研究阐述了电信运营商大数据发展应用过程中存在的问题，然后提出了电信运营商大数据发展的四个策略，以期对今后电信运营商的发展提供建议和参考。 标签：电信运营商；大数据；策略；移动互联网 近年来，移动互联网和4G+技术的快速发展进步，全球数据呈现几何式增长，大数据时代已全面到来。电信运营商是信息的运营者，在数据量上具有得天独厚的资源优势，工信部要求客户实名制以来，电信运营商的数据真实性进一步实现了质的飞跃，海量数据的挖掘分析利用对运营商的顺利转型以及快速应对OTT 企业的冲击至关重要。4G时代，三大电信运营商是全业务的竞争，是否能够快准狠地将其拥有的海量数据资源进行准确变现对运营商的发展进步非常重要。鉴于此，大数据在电信运营商的发展策略研究是一个很具有现实意义的课题。 1 运营商大数据发展现状 电信运营商作为国民信息运营平台，在数据量和质方面均有独有的优势。近年来，众多国内外运营商大力着手对海量数据进行挖掘分析，从而进行更好地精准营销运营，促进体制的顺利转型。 1.1 国外运营商大数据发展现状 移动互联网时代，为避免逐步走向信息管道的没落结局，国外运营商已在大数据应用营销方面进行了积极探索和分析。西班牙电信与2012年成立了大数据业务部，该部门通过分析客户行为极大的推动了与合作伙伴的进程；同年，美国Verizon成立了PrecisionMarketing Division，通过整合挖掘其自身数据、用户行为数据及第三方统计数据，助力了移动业务的精准营销和市场需求预测。 1.2 中国运营商大数据发展现状 国内三大运营商也在快速推进大数据的应用项目。从2014年到2016年中国移动、中国联通、中国电信三大运营商大数据加大投入，整体市场规模两年内从12亿元增加到100亿元。日前，中国移动成功地将大数据应用到客户投诉智能识别中，通过大数据挖掘客户投诉真实原因，制定有效的服务策略，提升了客户感知，每年节约成本达540万元；中国联通与西班牙电信合资成立“智慧足迹科技有限公司”，通过对客户位置数据挖掘提供了有价值的位置营销服务信息。 2 运营商大数据应用发展问题

电信运营商行业大数据应用考试试题及答案

企业级大数据平台架构电信行业大数据应用案例分享互联网+行业大数据应用案例分享第一套题 1、哪个选项不属于大数据 4V 特点？（ B ） A、Volume B、Valid C、Variety D、Value 2、大数据的特点不包含（ B ） A、数据体量大 B、价值密度高 C处理速度快D数据不统一 3、业界对大数据典型特征定义，一下哪像描述正确 ABC 4、Hadoop 包括（ABC） A、Hadoop Distrbuted Filesystem（HDFS） B、HadoopMapReduce C、Hbase D、HadoopStreaming 5、有关HDFS文件系统说法正确的是以下那些？（ AD） A、HDFS本身是个高可用系统架构 B、HDFS采取的是多NameNode、DataNode架构 C、HDFS数据副本的数量越大越好 D、HDFS NameNode分主备，主备不同时对外服务 6、关于大数据的理念的描述，以下哪些不正确（ BD） A、相关性比因果更重要 B、要效率也要绝对精准 C大数据的核心价值是预测 D、遵从隐私和法律并非大数据的风险 7、H DFS文件系统适用于以下哪些场景（AC） A、将单文件分割成很多小块存储 B、存储大量小文件 C流式数据读取 D、实时数据读取 8、对海量大数据管理可能面临的难题包括（ABCD） A、如何实现快速查找，提升检索效率； B、如何保证数据真实性，防止数据诈骗； C、如何实现PB级不同类型数据的存储； D、如何降低数据产生数量，节约存储资源。 9、大数据应用大大方便教育资源的管理，彻底改变教育模式，特别是在科研领域，面向数据密集型科研发现，将成为继三大范式之后的第四范式，此处提到的科学发展领域的三大范式是指（ ABC） A理论 B、推演 C、模拟 D、计算 第二套题 1、运营商大数据主要遍布在一下哪些域？（多选）（ ABC ） A、B 域 B、O 域 C、M 域 D、R 域 2、以下哪些是运营商大数据应用痛点？（多选）（ABCD

移动运营商的大数据发展策略研究

２２２ 移动运营商的大数据发展策略研究 陈淑梅 （中国移动湖北公司发展战略部，湖北武汉430000） 摘要：当前移动运营商面临着传统话音业务和数据业务增长乏力，随着大数据和云计算的到来，移动运营商需要未雨绸 缪，发挥自身优势，积极探索在大数据的应用与实践。文章从大数据的特征与商业价值入手，分析了大数据时代移动运营商面临的机遇与挑战，给出移动运营商大数据发展策略。关键词：大数据；优势；挑战；发展策略中图分类号：F626文献标识码：A 文章编号：1673-1131（2014）06-0222-02 1大数据的特征及其商业价值 大数据的挖掘与应用可创造出远超万亿美金的价值，将是未来十年IT 领域最大的市场机遇之一。大数据的挖掘与应用可大幅提升企业运行效率和效力，大幅提升生产力，其作用堪称有一次工业革命。 IDC 发布的报告显示，全球在2012年产生的数据量约为2.8ZB ，并以大约每两年翻一番的速度增长，预计2020年全球将产生40ZB 的数据量。这意味着我们正进入大数据时代。 1.1大数据特征 大数据具有4V 特征，也就是数据量大（V olume ）、数据种类多样（Variety ）、要求实时性强（Velocity ），对它关注也是因为它蕴藏的商业价值大（Value ）。体量（V olume ）意味着海量的数据，存储量大，对传统的数据存储技术提出了新的挑战。多样（Variety ）指数据类型繁多，来源等更加多样化，处理难度更高。 速度（Velocity ）指数据必须实时处理，这是区别大数据引用和 传统数据仓库技术的关键差别，价值（Value ）是处理数据的目 标、从各种形式呈现的复杂数据中挖掘有价值的东西，因此，大 数据之“大”除了指“数量大”以外，更在于其“价值大”。 1.2大数据与云计算 既然大数据有着数据量大、种类多，实时性要求高，就需要 相应的技术手段来处理，才能真正体现大数据的价值。这里就 得提一下云计算，云计算也是最近一段时间各大运营观众和应 用的新技术，可以说大数据与云计算是两个相互关联的概念： 如果说大数据是一个问题，那么云计算就是一个解决这个问题的方法。云计算带来的是IT 的转型，而大数据带来的是业务的转型。通过云计算对大数据进行分析、预测，会使得决策更为精准，释放出更多大数据的隐藏价值。1.3大数据的商业价值大数据的应用将为提高生产率、增加销售额带来巨大的机会。美国德克萨斯大学的一项研究显示，如果电信业的大数据利用率提高10%，生产效率将会提升17%，销售额将增加96亿美元。另一方面，大数据预测分析能够帮助运营商了解用户的行为，从而制定相应的策略。例如，运营商通过对网络和用户数据的深入分析，发现某个用户在一段时间内网络状况不佳，便可以通过赠送话费等方式留住这个用户，从而降低客户流失率，避免收入的减少。 下面给出高质量数据应用可显著提升企业商业的表现： 数据可用性提高10%，各行业员工销售额提升百分比统计（数据来源：sybase ）。高质量数据主要包括数据挖掘质量、可用性、智能型、远程访问和支持移动销售。2移动运营商在大数据时代的优势与挑战 2.1大数据时代的优势 在大数据时代中，相比互联网公司而言，电信运营商在数 据拥有量和拥有数据的完整度和可用性的角度来说，要远远优 于互联网公司。 移动运营商发展大数据具有其他行业或其他运营商无可 比拟的优势，主要体现在：一、移动运营商用户高达近7亿，数 以亿计的通信用户基数保证了数据的海量和多元性。二、数据 提供的可持续性。通信网络的时时存在为数据的持续和速度 提供了保证。三、运营商对数据可以有效利用。运营商可以通 过对海量数据的有效分析，更加精准、更加高效地把握用户需求，为广大用户和社会各界提供他们需要的产品和服务。移动运营商在三家运营商中大数据优势最明显，因为移动运营商承载了最多的用户数据。移动运营商有着庞大的经营分析系统，并且移动业务支撑系统、IDC 中心主要依赖云技术， 并开发了“兴业云”、“教育云”的系列应用。移动运营商在多年的运营中，已进行数据挖掘等的应用，在存量客户保有、数据流量经营以及网管等方面，正积极部署和尝试大数据应用。2.2移动运营商在大数据时代的面临的挑战第一，系统分专业建设、数据采集散乱，难以实现资源共享。存在于传统网络中,端对端的业务将穿越智能域和传统SDH 域。整个传输网结构为MESH 网与自愈环并存的方式。同一厂家的ASON 子域和传统SDH 网络可通过高层的网管系统实现统一管理、统一调度，不同厂家的网域无法统一管理。 同一厂家的传统设备子网与ASON 设备子网的网管统一纳入上一层的网络级网管,做到业务的统一调度并不困难,但这与通过智能代理达到全网智能（业务动态连接）并不是同一个概念。这时的传统设备子网中的业务仍将是半永久连接的方式。随着ASON 技术标准的完善，设备商用化程度提高、价格 降低，区间形传输业务增加，低层传输网络向格型网或网状网演变，ASON 设备成为建设的主流，网络规模不断扩大,从骨干层向汇聚接入层延伸,最终全网将统一成为ASON,不同子网间由跨厂家统一的E-NNI 接口互通。 考虑到目前ASON 设备具有较大的交叉处理能力，组网节点一般在50个左右，在省内长途传输网引入ASON 时，可考虑在业务重点地市核心层设置数个ASON 节点，满足业务发展需求。

运营商大数据精准营销

大数据时代下的互联网精准营销THE AGE OF BIG DATA OF INTERNET PRECISION MARKETING

0102 电信精准营销03电信核心优势 04 电信合作品牌 CONTENT S 目录 大数据时代

社会信息化发展步入大数据时代 数据已经渗透到当今每一个行业和业务职能领域，成为重要的生产因 素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者 盈余浪潮的到来，大数据正成为最值得关注的领域之一 .“大数据”在互联网 行业通常表现为互联网公司在日常运营中生成、累积的用户网络行为数据。 ?每一秒：全球发送290万封电子邮件； ?每一分钟：微博推特上新发的数据量超过10万；社交网络 Facebook的浏览量超过600万； ? 每一天：全球上传2.88万小时视频至Youtube； ? 每个月：网民在Facebook上花费7千亿分钟； ? 上一年：人们制造并使用的数据达1.8ZB。

大数据给社会带来巨大价值 大数据为我们更深入准确地认识和把握事物发展的内在规律提供了信息基础，蕴涵着非常大的潜在价值。这一点不 仅是许多业内研究机构的共识，更已经在商业应用中得到了体现。 据美国麦肯锡公司预测，大数据为美国医疗服务业每年带来3000亿美元的潜在增加值，为欧洲的公共管理每年带来2500亿欧元的潜在价值，为位置服务产业带来6000亿美元的潜在年收入。 零售商充分利用大数据可实现运营利润增长60%，制造业充分利用大数据可降低设备装配成本50%。 经合组织（OECD ）的一项最新研究成果还对互联网数据的市场价值进行了估计，佐证了大数据的巨大 潜在价值。 市场价值2013年 2025年$181亿$1600亿

(完整word版)运营商大数据需求分析报告

运营商“大数据”需求分析 当前电信运营商，尤其是移动通信信息服务领域中数据的爆炸性增长为大数据技术的应用提供了丰富的数据原料。运营商已深刻认识到大数据的重要性，均在数据仓库建设方面投入了大量资源，在企业内部已经利用大数据实现消费行为记录管理。大数据分析也已经成为运营商提升核心竞争力，创新业务模式的有力手段。 运营商数据一般可分为三大类。第一类是业务数据，如用户姓名、出生日期、所用终端信息、通信行为习惯等等；第二类数据是企业内部的经营管理活动产生的；第三类是网络日志，这是所有数据里占比最大的一块。 一、运营商大数据分析应用领域。运营商对数据分析的应用主要涵盖企业管理和产品服务、客户调查、网络优化等。 1、改善用户体验。通过对大数据资产的有效利用，电信运营商能够更好的了解客户，提供客户满意的服务和产品，提高客户忠诚度，降低流失率。研究并应用大数据关键技术对各领域持续生成的服务数据、用户数据和网络数据进行分析挖掘，并将产生的结果和知识应用于服务和支撑系统中，对服务的运行数据进行缜密的评估和诊断，并实现对用户的行为数据进行深入的分析和挖掘。 2、支撑企业决策。通过大数据可视化，实时真实准确展现企业发展现状，支撑企业的战略决策和管理。在经营分析系统中，深度挖掘融合市场、集团、客户、客服、网络、财务数据，为业务和决策部门提供较完备的用户数据分析，使公司决策由“经验型”转为“分

析型”，实现了精细化运营。公司发展战略部需要依靠数据来分析了解市场情况，比如地方出现突发事件后客流量减少从话务量可以看出，通过用户的漫游话单可以看到马航失联事件对当地旅游业的影响等等。 3、创新商业模式。大数据应用为电信运营商开创了新的盈利模式。例如：产业链的合作模式、数据的开放运营等等。随着大数据技术这种全新的方法和工具在移动通信信息服务领域的深入应用，必将创造出革命性的新生产力，促进移动通信信息服务产业进入新一轮爆发性增长。例如：精准营销，促进增值业务发展，根据用户对互联网内容的偏好进行交叉销售。 4、渠道管理。数据分析也可以帮助运营商做好对渠道商的管控。比如，目前中国移动在国内大概有100万个社会渠道，根据现有政策，如果渠道商发展了新客户，中国移动会对其发放酬金。但有些渠道商会通过作假来套取酬金。但这些欺诈行为是可以通过数据分析鉴别出来的，比如说如果新客户的很多行为是高度一致的，基本可以判定这些属于假用户。 二、具体应用举例。比较成熟的应用包括：流量经营分析系统、手机阅读BI（商业智能）系统、无线音乐BI系统、垃圾短信骚扰电话分析系统、位置精准营销系统等。 以手机阅读BI系统为例：通过大数据BI平台产品，实现智能推荐、精准营销、用户分析、产品分析、门户分析、智能报表、合作伙伴管理、数据开放等大数据应用。通过打造生产型BI应用，每天为