大數據助力運營商提升規模化運營核心力策略

郭佳睿，魏進武，張云勇

?

大數據助力運營商提升規模化運營核心力策略

郭佳睿，魏進武，張云勇

（中國聯合網絡通信有限公司研究院，北京 100176）

通過研究國外運營商大數據發展歷程，總結其優秀經驗和做法，分別從運營組織、應用開展、平臺布局和數據融合4個方面，為國內運營商在提升規模化運營核心力方面提出策略與建議，助力國內運營商迎接未來產業互聯的快速規模化發展。

運營商；大數據；核心力；規模化；策略建議

1 引言

當前，移動互聯網市場已經慢慢趨于飽和，而產業互聯網才是通往下一個市場藍海的“鑰匙”。其中，大數據是產業互聯網橫向融合發展的“血液”[1]。為了迎接未來產業互聯網快速、規模化的發展時代，利用好大數據這個有利工具，做好規模化運營對于運營商來說迫在眉睫。本文借鑒了國際運營商大數據發展的成功經驗和優秀做法，形成指導未來國內運營商形成規模化運營生產大格局的策略和建議，主要包括運營組織、應用開展、平臺布局和數據融合4個方面，最終成功利用大數據助力提升國內運營商規模化運營的核心競爭力[2]。

2 國際運營商大數據發展歷程

2.1 大數據應用發展路徑

運營商大數據應用分為內部和外部兩種。對內提升自身能力，包括企業管理、市場營銷、客戶體驗、網絡優化和產品分析。對外實現變現，包括數據即服務、分析即服務、平臺即服務和2I合作。

本文選取11家國際主流運營商，從內部應用、外部應用和重點行業滲透3個維度對其大數據應用研究分析，發現規律：國際運營商大數據發展經歷了“數據整合”“內部應用”“外部應用”3個階段，現在正處于“內外并舉”的發展階段。

其中，大數據內部應用集中在市場營銷、客戶體驗和網絡優化3個方面。目前還未正式滲透到企業內部生產決策組織流程中。

外部應用由易到難，分為數據即服務、分析即服務和平臺即服務，其重點領域分布在零售、醫療和政府上。截止到當前，大數據帶來的收入還未被運營商正式計入財務報表。11家國際運營商大數據應用歸集見表1。

（1）對內——市場營銷

市場營銷側，國際運營商采用各種策略，收集用戶信息，利用大數據分析用戶需求，提升營銷成功率。如AT&T的2I合作，它在iPhone上市前，引入Facebook數據，推出更準確的電信捆綁服務；又如O2在英國推出免費Wi-Fi服務，收集用戶信息，并將收集來的數據應用在媒體廣告和營銷服務上；此外，日本NTT DoCoMo通過制作精細化表格，并利用其收集用戶詳細信息，準確定位目標客戶。

表1 11家國際運營商大數據應用歸集

（2）對內——客戶體驗

客戶體驗側，國際運營商利用大數據開展客戶維系工作，改善服務水平，提升客戶體驗。如Telefónica的移動寬帶端到端用戶體驗項目利用該項目多節點收集用戶信息，為用戶體驗測量提供數據支撐[3]；又如通過分析客戶流失原因，在一個季度內將流失率減半；而通過分析用戶使用行為，提前推出符合用戶興趣的業務，防止用戶流失；此外，通過用戶消費數據分析評估，找到影響客戶體驗的問題并及時解決，提升用戶體驗。

（3）對內——網絡優化

網絡優化側，國際運營商利用大數據開展后端網絡資源的配置和優化，提升網絡質量和運行效率，現有兩種典型模式。一是快速診斷網絡潛在問題，改善網絡服務水平；二是德國電信和分析歷史數據，動態調整網絡資源配置，提高無線網絡運行效率。

（4）對外——數據即服務[5]

國際運營商將用戶脫敏數據向外部直接出售獲利。最著名的就是AT&T的位置數據貨幣化，即AT&T將客戶數據銷售給廣告公司，獲取收益。另外，以開放API形式和外部對接，向數據挖掘公司等合作方提供用戶的匿名地理位置數據。

（5）對外——分析即服務

國際運營商主攻用戶位置和網絡數據，將分析結果形成產品和服務對外提供，充分發揮其業務分析和洞察能力。比較有代表性的產品和服務見表2。

（6）對外——平臺即服務

國際運營商采用內部生產與外部開放環境分離的模式，對外開放其大數據平臺能力，基于開放平臺，聚合行業大數據產業上下游，構建共生共贏的大數據生態系統。如日本NTT DoCoMo基于醫療業的生命參數采集和分發平臺，該平臺將運營商、醫療服務/產品提供商、個人消費者和普通商家/廣告商4個角色有效串聯起來，形成基于醫療行業的大數據生態系統。

其實，國內BAT在此方面表現也尤為突出。如起源于2009年的騰訊大數據平臺，經過7年研發，2016年推出面向機器學習的第3代高性能計算平臺Angel，并將基于此平臺構建開源技術生態圈；又如阿里數加，它是阿里以自身作為試驗田，經過10年耕耘，積累大數據平臺能力，于2016年1月將多年積累的大數據能力對外開放的平臺。

表2 7種國際運營商的大數據產品和服務

2.2 組織模式保障

為了保障大數據方面能夠開展規模化經營，避免大公司形成“小作坊”式的組織形式，國際運營商在組織模式上展開了不同程度的探索，并沉淀出3種典型模式：獨立部門、獨立公司和合資公司。

獨立部門是在公司內成立專門負責大數據業務的獨立部門，完成企業內部的業務經營和產品創新。如Telefónica在大數據發展初期，成立動態洞察部門（TDI），推出智慧足跡產品，2016年推出大數據業務部門（LUCA），開展大數據規模化、產品化運營。獨立公司是以獨立子公司的名義，完成大數據相關業務，如德國電信的T-Systems。合資公司是和其他行業的公司成立合資公司，拓展和行業大數據的融合，快速滲透到各行業內部，完成跨行業的大數據創新整合工作，如日本NTT DoCoMo和醫療、廣告行業成立合資公司，快速占據了行業大數據產業鏈上的主要位置，搶占了市場先機。

3 國內運營商提升核心運營力策略建議

根據國外運營商在大數據方面的成功經驗和做法，國內運營商可以在大數據方面發力，從運營組織、應用開展、平臺布局和數據融合4個方面開展，提升自身的規模化運營能力[6]。具體策略和建議如下。

3.1 運營組織

（1）建議國內運營商采用合資公司模式，打造大數據自主運營核心力和面向行業快速融合滲透力[7]的運營模式。

借鑒日本NTT DoCoMo的成功合資經驗，國內運營商一方面，可以面向生產環節，與第三方服務公司進行合資，通過優化投資結構來保障合資公司的人工成本，擴張和儲備自有公司人員，從而掌控大數據自主研發運營權；另一方面，可以面向前端行業市場，與重點的行業公司成立“小而精”的產品型合資公司，從而快速滲透到重點行業中，實現行業人才、專業知識及應用的創新融合，最終做大以運營商為主導的行業大數據產業鏈。

（2）以客戶為中心，構建“前、中、后”臺生產組織體系，打造“大數據產品+專項/通用”的模式。

國內運營商可以借鑒互聯網巨頭阿里公司提出的中臺戰略，構建“前、中、后”臺的生產組織體系。其中，前臺圍繞客戶，縱向“做深、做細”，以“開放合作”的方式，以應用與產品經營為目標，構建對內、對外兩條產品線，實現面向客戶的“家政式”“物業式”服務；中臺可以基于試驗孵化環境，“做大、做強、做厚”，以“合作研發”的方式，面向產品與應用，打造支撐產品與應用的大數據專項能力，從而有效支撐前臺產品快速適應市場的變革；后臺則基于生產環境，“做薄、做快、做靈”，以提供快速支撐和服務響應為目標，整合全部數據，構建通用能力，以解決大數據運營前向響應機制不足的問題。

圖1 前、后端分離式打造“產品+能力”架構

其中，前、中臺試驗孵化環境，面向大數據的運營者，提供生產運營的抓手，后臺生產環境，面向大數據的管理整合者，提供“能力及數據資源池”，最終形成“大數據管理整合者→運營者→客戶”的從后向前的服務體系，建立并完善從前向后的閉環考核機制。前、后端分離式打造“產品+能力”架構如圖1所示。

3.2 應用開展

借鑒國際運營商在大數據應用方面的發展經驗，結合當前國內的市場現狀，國內運營商在大數據應用方面應該要內外并舉發展。其中，對內主攻市場營銷、客戶體驗和網絡優化，并嘗試優化企業的生產流程和資源配置，促進企業內部科學管理。對外則主攻分析服務和平臺服務，重點抓住金融、醫療、交通、零售和政府等重點行業，并深入2I合作，推出具有特點的產品，形成具有特色的服務，提高公司收益[8]。

3.3 平臺布局

從國際運營商大數據平臺發展歷程來看，國際運營商大數據在大數據平臺發展初期，一般都以內部應用為主，待大數據平臺發展相對成熟，則將生產環境與外部開放環境相分離，一般的做法，會對外創建一個公共試驗孵化的實驗環境，并利用孵化環境匯聚合作伙伴，引導數據融合與應用創新，最后形成一個平臺級生態的體系，實現變現。

另外，國際運營商在平臺發展過程中，還會匯聚各種類型的合作伙伴，其中包括研究中心、知名大學和行業企業，這種各行業參與的合作方式能讓運營商在陌生領域里快速獲得廣泛的專業知識和先進的技術解決方案，通過合作完成先進技術、模式的預演和驗證，極大滿足了大數據應用創新性、探索性的需求。就像Telenor（挪威電信公司），分別和挪威研究理事會、哥本哈根信息技術大學、谷歌、華為等多家企業合作，開展大數據創新應用的研究。

根據國際運營商的大數據平臺布局經驗，國內運營商可以基于環境分離模式，依托自身具有的創新體系，構建面向公共開放的試驗孵化平臺，以聯合實驗室的方式開展大數據、人工智能的產學研協作，從而實現技術能力、創新應用、數據模型等知識庫的匯聚、試錯以及內/外部合作模式的磨合，最終形成新型場景，引流到企業的生產平臺上。依托規模化生產運營體系，構建面向公司內部經營主體開放的生產平臺，實現專項能力開放，完成大數據產品的規模化經營。

另外，在技術應用方面，要注意要以開源技術為主。使用過程中，要注重良性循環，及時反饋，以需求和應用場景引導其發展方向，最終實現平臺低成本迭代優化機制。

3.4 數據融合

通過國際運營商在數據方面廣泛融合應用實踐的成功經驗，建議國內運營商應該以開放的思維，廣泛合作，通過置換第三方數據的使用權，令自身可用數據直達“最后一公里”，從而提升自身數據的最終使用價值[9]。

國內運營商可以采取廣泛合作的戰略，以自有高質量的管道數據及平臺側構建的開放大數據生態體系為依托，抓住當前大數據的紅利窗口，在保持數據集中管理和使用的前提下，通過和其他行業運營者的廣泛合作，置換第三方數據使用權，拓展自身可用數據直達“最后一公里”，最終讓數據資源“既全面覆蓋、又能專項直到用戶”，在數據使用過程中，讓數據價值達到最大化。

當然，數據隱私和所有權是數據融合中不可規避的問題。當前運營商的一般做法是采用用戶群體型、歷史型、趨勢型和統計型的脫敏數據。可以參考AT&T的做法，通過免費或讓利的方式與用戶簽訂契約，獲取對用戶數據的支配權，當然，采取一定的技術手段保障數據安全也是可行的方法。

目前國內法律紅線不明確，沒必要坐等所有爭議都解決再去嘗試，可在一定的原則和風控措施下，在自身大數據使用的已有安全管控體系下，以開放的思維，參與到整個數據生態中。

4 結束語

當前正是國內運營商正處于轉型升級的關鍵時期。隨著國內大數據技術的不斷發展和企業大數據意識的不斷升級，利用大數據推動公司管理模式的創新與運營能力的升級是當前每個企業都在思考的問題[10]。運營商作為發展大數據最具優勢的企業，更應該重視利用好大數據這個有力工具。而只有在運營組織、應用開展、平臺布局和數據融合4方面修煉好大數據的內功，才能真正地做到利用大數據全面提升企業的運營能力，最終實現利用規模化運營能力帶來企業的利益增長。

[1] 蘇敏堅. 大數據是運營商復興的“起搏器”[J]. 中國電信業, 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] 范銘. 運營商進入調速換檔關鍵期大數據創造新機遇[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. 西班牙電信大數據實踐啟示“數據可視化”至關重要[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] 李鶯. 基于大數據分析的運營商主動服務研究[J]. 移動通信, 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, 何陽, 楊丹. 運營商的大數據業務發展模式分析[J]. 現代電信科技, 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] 費嘉祺. 運營商發展大數據的機遇和挑戰[J]. 數字通信世界, 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. 電信運營商大數據運營能力提升的思考[J]. 電信科學, 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] 劉春, 鄒海鋒, 向勇. 大數據環境下電信數據服務能力開放研究[J]. 電信科學, 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] 韓晶, 張智江, 王健全, 等. 面向統一運營的電信運營商大數據戰略[J]. 電信科學, 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] 陳森, 陳超, 張小勇, 等. 基于大數據分析的移動互聯網用戶感知評估系統[J]. 電信科學,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

A

10.11959/j.issn.1000?0801.2018045

2017?12?01；

2018?01?05

郭佳睿（1984?），女，中國聯合網絡通信有限公司研究院工程師，主要研究方向為大數據頂層設計、大數據解決方案及IT業務咨詢等。

魏進武（1978?），男，博士，中國聯合網絡通信有限公司研究院大數據研究中心主任、副教授、高級工程師，主要研究方向為大數據、云計算以及電信IT系統的設計及研發等。

張云勇（1976?），男，博士，中國聯合網絡通信有限公司研究院院長、教授級高級工程師，主要研究方向為云計算、移動互聯網、物聯網、大數據、信息安全、SDN/NFV國際行業標準、新技術實驗、國家重大專項的研發、驗證及實施工作。