大數據推動運營商市場經營模式創新的展望

王軍林，王寶旺，趙斐，馬春宇，譚紹富

?

大數據推動運營商市場經營模式創新的展望

王軍林，王寶旺，趙斐，馬春宇，譚紹富

（華為技術有限公司，廣東 深圳 518129）

結合大數據在運營商領域研究與實踐，提出大數據在經營領域產出價值的8個方向，并舉例說明；通過闡釋大數據推動運營商市場經營模式創新的定義與特征，提出智慧運營中心的概念，并介紹其意義、商業設計與支撐要素；同時闡釋智慧運營中心與其他業務平臺的關系；最后提出AI時代下智慧運營中心的發展機遇與演進策略。

運營商；大數據；經營模式創新；智慧運營中心

1 引言

大數據曾是一個在2013年被廣泛熱炒的詞，但時隔一年后，大數據卻從Gartner成熟度曲線高峰區域消失，并伴隨出現了機器學習，如圖1、圖2所示。大數據熱詞的變化不意味著大數據技術不再重要了，大數據其實已經真正走入政府、商業企業的生產和經營系統中，發揮著“潤物細無聲”的實際價值。而且伴隨大數據+AI（人工智能）的有效結合，將會迸發出更大的社會變革力量。作為在信息化領域一直處于排頭兵的通信行業，大數據在經營、運維和管理領域發揮的價值正在被全球運營商廣泛接受，這在涉及商業目標實現的經營領域更加明顯。

圖1 Gartner成熟度曲線（2013年）

2 運營商經營領域大數據發揮價值的方向及相關案例

圍繞運營商的大數據能夠發揮價值的經營范圍，產業界有很多討論，劃分的維度不同，呈現的方式也有不同。業界通常做法是從商業模式細分、從產出的價值方向細分、從職能管理的模塊細分等。筆者根據行業權威資料的各種劃分方式的優劣比較，結合自身在運營商各市場領域十余年的實踐經驗積累，將大數據在運營商的市場經營中可發揮價值的領域劃分為客戶洞察、產品/業務創新、組合/定價、數字營銷、數字服務、資源管理、行業拓展、生態化創新8個方面，如圖3所示。

下面結合華為在輔助運營商建設大數據生態的案例總結分別展開論述。

（1）客戶洞察

客戶洞察可以構建區域人群軌跡、用戶軌跡、人群畫像、人群關系、客戶資信和客戶分群等洞察能力。區別于傳統經營分析，基于海量的數據處理能力，大數據對客戶的洞察在數據來源方面是多維的，涵蓋了客戶的時間軌跡、空間軌跡、行為數據，并基于成熟的算法模型能力，把隱含的信息找出來，更精準地刻畫客戶的畫像，識別客戶的需求。

例如，中國移動通信集團湖南有限公司（以下簡稱湖南移動）使用內嵌機器學習算法的猜終端數據服務產品，實現“10 min完成建模操作，30 min輸出100萬終端潛在客戶”，同時在營銷測試中，客戶營銷成功率提升12%。這有效解決了非4G客戶以低端客戶為主，各市公司通過個人經驗難以精準識別目標客戶，粗放營銷式數據獲取周期長，營銷成功率不高，且對用戶騷擾較多，有降低品牌忠誠度的問題。

（2）產品與業務創新

產品與業務創新可以在產品設計、產品研發、產品優化3個方面充分利用大數據服務，對產品的生命周期進行跟蹤管理，為業務創新提供支持。

圖2 Gartner成熟度曲線（2014年）

圖3 智慧經營劃分領域

例如，針對大數據針對客戶通過“10086”渠道反饋的服務投訴進行語音識別，發掘投訴抱怨產品的共性特征，并對于產品的優化做出相應的改進督促。

（3）組合/定價

運營商在推出新產品時，如何進行定價、如果安排產品組合、進行促銷設計是很大的難題。而基于大數據對歷史產品相似度信息以及客戶偏好信息的分析，可以對產品進行更好的組合設計；也可以根據產品的需求熱度，對促銷的力度進行不同階段的設計。

例如，出行行業中Uber結合打車高低峰時段供需匹配動態定價。

（4）數字營銷

基于大數據的數字營銷已在運營商廣泛應用，大數據支撐了客戶、產品、渠道、事件的精準匹配，目前已形成基于大數據驅動的事件營銷、批量營銷、駐點營銷等多種精準營銷場景。

例如，中國移動通信集團四川有限公司（以下簡稱四川移動）為支撐寬帶業務的拓展，建立了從后端到前端、從線上到線下的駐點顧問營銷管理系統，該系統利用地圖客流信息，結合客戶標簽，實現全流程可視化的駐點運營。將廣元城區切分為若干責任田，并根據大數據分析，實時掌握縣區分公司、分局及責任田區域寬帶業務發展情況，使寬帶駐點營銷時，目標客戶咨詢率達到30%以上。

（5）數字服務

數字服務涵蓋了運營商客服領域的咨詢、辦理、投訴等方向，大數據可以實現海量客戶接觸行為的信息采集與分析，并結合用戶畫像，對客戶業務辦理和投訴解決提供個性化的匹配方案。

例如，中國移動通信集團一級客服對撥打“10086”的客戶錄音進行語義識別，為海量用戶需求的發掘打下了良好基礎。

（6）資源管理

資源管理涵蓋了運營商的基站、寬帶端口、促銷品、終端、卡號等，是為客戶提供服務的基礎。需要利用大數據技術實現資源的高效運轉，如：預測到某渠道的卡號資源不足時能及時發起調度請求；客戶在跟渠道接觸時，能實時獲取客戶的行為，進行實時精準推薦。

例如，為有效保障流量經營開展，中國移動通信集團上海有限公司（以下簡稱上海移動）融合B、O域數據構建了LTE高負荷基站識別能力，以發現流量業務指標波動時能快速定位有問題的基站，并進行處理，有效規避了基站高負荷問題引起的流量損失。

（7）業務拓展

運營商擁有豐富的數據資源，可以打造一系列的數據產品面向行業客戶銷售，數據產品不僅僅可以銷售，還可以結合行業客戶的業務進行合作，構建以運營商大數據能力為基礎的產品，向第三方客戶提供服務。

例如，中國移動通信集團天津有限公司（以下簡稱天津移動）構建區域位置洞察相關數據服務，面向天津市政府打造“知行天津”城市名片，支撐了城市人口聚集區域預警管理、城市外來人員流動管理、城市內人口流動管理等，取得了良好的城市管理效益和社會效應。

（8）生態化創新

生態化創新包括數據交易和數據開放合作。數據真正流動起來才能發揮價值，流動的含義既包括在運營商內部的域數據融合；又包括運營商數據與行業數據的融合。

例如，中國聯合網絡通信有限公司上海分公司（以下簡稱上海聯通）、中國移動通信集團浙江有限公司（以下簡稱浙江移動）分別以自身運營商數據為基礎，建設開放的大數據平臺并提供租戶能力，廣納金融、保險、商業零售等行業合作伙伴匯聚行業數據，在數據安全合法合規前提下，拓寬行業客戶面向2B、2C提供信息增值服務。

通過以上案例可以看出，大數據已經在運營商經營領域發揮著廣泛價值。

3 運營商大數據如何輔助運營商做好經營模式創新

運營商在經營領域發揮價值的大數據應用越來越多，但多數應用仍以解決特定問題的小顆粒的專題形式存在，單一應用無法形成對市場側的全面經營模式轉型支撐。同時在經營領域中原有的很多業務系統，如BOSS、CRM、IOP、VGOP等，其迭代升級更側重于業務流程本身的編排與支撐，以大數據為主體進行變革的能力相對有限，可在某種程度上促進運營更智能更敏捷，但是，在代表市場經營模式創新上的意義相對有限。那么如何界定大數據在經營模式創新中的真正意義？

3.1 運營商經營模式創新的定義

首先來看看經營模式創新有什么比較好的詮釋。根據Gartner 發布的《商業智能和分析的炒作周期（2016）》，對于經營創新領域有“智能運營平臺”的相關定義“一套開發和實時運行的軟件平臺，通過提供當前的數據和分析，可以監控、報警和支持互動決策。這些平臺擁有接收和發送數據的適配器、事件處理邏輯，檢測威脅和機會、規則處理、分析、儀表板、報警設備和觸發應用的程序、設備、工作流程工具反應的能力。

依托以上內容理解，結合實踐中與各運營商高層廣泛對標研討達成的相對共識，關于智慧運營中心的概念總結如下：依托大數據平臺建設的不斷完善，積極打造具備發現問題/商機、分析問題/商機、制定決策、優化/商機實施、鞏固控制功能的智慧運營能力，為生產運營提供綜合化、智能化、標準化的管理支撐，實現業務監控預警、營銷效果評估和市場決策支撐等全生命周期的業務運營管理。

3.2 運營商經營模式創新的特征

有了智慧運營中心的概念理解，進一步討論如何界定運營商經營模式的創新特征。這需要從運營領域的市場分析入手。清華大學數據科學研究院工業大數據研究中心總工程師王晨認為，“數據分析基本上可以分成兩個層次，第一是初級分析，第二是高級分析。初級分析是傳統企業的BI。高級分析包括兩個層次的分析，第一個叫預測性分析（predictive analytics），通過數據分析預測未來會變成什么樣；第二叫假設分析（what-if analytics），假設預測的結果不好能否通過控制調節結果。

回顧通信運營商對于數據分析的訴求不難發現，中國移動、中國聯通和中國電信3家運營商對于數據分析的需求主要來源于數據指標的基本統計分析，對于多維數據的OLAP交叉分析以及對于指標本身的展示監控要求；在某這種分析些領域具備一定的單點預測能力，比如某省公司年度收入指標的波動性、客戶撥打客服“10086”的排隊時間長短、集團客戶的客戶穩定度分析等。但這種分析基本靠單點和單環節的分析建模實現，難以形成指標體系的全流程、端到端的關鍵節點監控，也無法有效提供業務指標的指標預警和波動干預能力，比如從某些基站的性能指標看到對于業務發展的指標影響或者對于用戶體驗指標的群體性影響范圍；更無法提供依靠數據的預先決策能力和商業外部環境的敏感感知和預示能力。數據驅動運營轉型的層次如圖4所示。

而在大數據時代，非結構數據的廣泛采集、數據的多維刻畫、數據的快速流動與實時處理等這些關鍵特性，為運營商的精細運營提供了見微知著的能力，進而驅動運營商經營創新轉型。結合以上分析，本文將運營創新的特征總結如下。

（1）全體系預測能力

針對經營主體關注的經營指標單元或經營區域，實現全程全面預測功能，能夠提前發現指標異常或商業機會。

（2）全體系對標能力

針對經營主體關注的經營指標單元或經營區域，識別類似經營單元或區域歷史及實時情況，實現實時的監控與對標。

（3）根因分析能力

針對發現指標異常或商業機會的經營主體關注的經營指標單元或經營區域，通過已固化的分析模型或可快速便捷生成分析模型，診斷過程因素及末端根因。

（4）決策支持能力

針對經營主體關注的經營指標單元，面向異常或潛在機會的經營指標單元或經營區域，根據歷史決策路徑，給予現期決策支持建議。

3.3 運營商智慧運營中心方案設計

基于電信運營模式創新相關定義的詮釋與特征描述，進一步構建智慧運營中心的解決方案。

圖5 智慧運營中心框架設計思想

3.3.1 方案核心思想

智慧運營中心解決方案設計的核心思想包括全程監控、根因/對標分析、決策支持、流程穿越幾個方面，設計思想如圖5所示。

商業運營的目的是經營業績指標的達成，智慧運營中心首先需要考慮將關鍵業績指標的全面監控與健康審視作為運營管理的重要能力。在實踐工作中，也支持一些運營商建設“管理駕駛艙”或“運營儀表盤”類似功能的大數據產品設計。

商業運營中，發現不健康指標或潛在商業機會，不能再按以往的后知后覺的工作原理開展工作，智慧化的運營管理體系需要從“KPI—KQI—末端因子”的根因分析或者從對標分析中發現商業機會的模型構建能力。

當發現了運營中的根因問題/商業機會后，智慧經營也需要有決策支持的能力，依據以往問題類型及應對解決方案的歸納，形成決策的建議方案。

最后，為了最終解決相關問題，需要對現有的系統、流程或者人員方面的問題進行改善和固化，包括在未有的流程領域或者流程冗長領域形成流程改善，或形成對商機的跟進和市場經營活動的實施。

圖6 智慧運營中心功能模塊設計

3.3.2 方案商業設計

智慧運營中心解決方案設計將提供種核心能力：實現業務指標健康預警與監控；通過專題流程穿越，實現業務問題的定位與定界以及優化改善；通過基于經營區域或經營單元的審視，發現營銷、服務商業機會，提升經營業績。

智慧運營中心的指標監控模塊提供業務指標監控預警與監控能力；要素洞察（客戶洞察、資源洞察、業務洞察）提供基礎要素的供需現狀評估及歷史回顧能力；業務與流程（商機管理和改善管理）提供發現營銷、服務商業機會，并提升經營業績和業務問題的定位、定界及優化改善能力，如圖6所示。

從功能模塊關系看，指標監控提供推式營銷的觸發機制，要素洞察提供拉式營銷的觸發機制，進而促進商機管理實施；指標監控提供指標異常問題發現的觸發機制，要素洞察提供異常的觸發機制，進而促進改善管理的實施。

3.3.3 相關要素支持

智慧運營中心的落地需要指標庫、知識庫、算法庫等相關要素的支持。指標庫維護指標的全面性、準確性和標準化，為指標的監控預警預測調用提供基礎；知識庫存有歷史問題類型、決策改善策略等方面的信息，為決策建議提供基礎；算法庫為支持以上活動的自動化、智能化開展提供工具支撐。

4 智慧運營中心與營銷業務系統的關系

4.1 智慧運營中心與數字化營銷系統定位

智慧運營中心主要通過指標監控、要素洞察、異常預警和商機管理功能模塊，完成業務發展分析和洞察，并給出策略建議。它是管理者或運營人員的“望遠鏡、放大鏡和顯微鏡”，發揮了運營“大腦”輔助決策的作用。

數字化營銷中心主要通過營銷執行模塊，實施流程編排和權限管理，把營銷策劃變成可呈現、可執行、可評估的落地場景，同時對營銷執行結果進行效果評估，發揮了運營“軀干”實施經營動作并達成目標的作用。智慧運營中心與數字化營銷中心關系如圖7所示。

圖7 智慧運營中心與數字化營銷中心關系

4.2 智慧運營中心與數字化營銷系統的銜接與協同

智慧運營中心與數字化營銷系統兩者相輔相成。圖8對兩個系統的銜接和協同進行說明。

智慧運營中心通過業務要素洞察、客戶挖掘、指標監控、異常告警和商機發現，輸出客戶畫像、標簽、數據權重、API等分析數據，客戶畫像數據可以直接作為目標客戶群進行營銷，標簽數據則沉淀下來，定時刷新，進行重復使用，而數據權重作為產品偏好、客戶偏好、渠道偏好等數據，可以進行數字化營銷的個性化推薦，API數據則進行了服務封裝，直接提供給內外部進行調用，有些分析可還以作為新產品的開發的機會，幫助業務人員開發新產品，降低TTM。

圖8 智慧運營中心與數字化營銷中心銜接與協作

數字化營銷系統保持自己的完整體系，包括了營銷策劃、營銷審批、營銷執行、營銷監控和營銷評估。數字化營銷平臺根據智慧運營中心的分析結果，結合KPI或者業務發展訴求進行營銷策劃，設置目標客戶群、營銷產品、渠道和營銷規則，進行審批和營銷執行，并對營銷的各個階段進行營銷監控，根據用戶反饋結果進行營銷效果分析。最終實現營銷活動的端到端執行管理。

數字化營銷與智慧運營中心提供標準的數據接口和業務鏈接，智慧運營中心的分析結果以離線接口、實時接口、API等形式與數字化營銷中心進行交互，智慧運營中心的分析結果在數字化運營中心能夠查詢、調用；然后數字化營銷中心根據智慧運營中心的分析結果進行營銷，并把營銷結果反饋給智慧運營中心，實現進一步的業務洞察。

5 經營創新AI時代新機遇與演進方向

5.1 AI時代帶來的新機遇

面向運營商的經營的創新不能一蹴而就，其中需要大量的算法建模和業務建模工作，同時也需要歷史經營活動相關數據的有效積累。傳統的統計建模和數據挖掘處理海量數據的能力相對有限，在建模的自動化和部分精準度方面也有待提升。伴隨AI時代的到來，深度學習在越來越多的領域發揮更大的價值，例如在市場經營指標分析領域，依據既有指標之間的關聯關系，可以輔助快速發現和定位問題或商業機會；又在市場營銷價值提升領域依據既有工作目標下的市場方案和策略的學習，可以為未來決策提供支持和建議。

5.2 智慧運營中心演進方向的展望

智慧運營中心是一個相對龐大的綜合運營系統，演進的策略不可能按照單個功能模塊化的形式，即某階段只建設某一模塊內的內容，下階段全面建設另一模塊。更應該以多個功能模塊的形式，某一階段相同業務方向的形成閉環管理能力建設，下一階段迭代升級的方式演進。建設的業務方向也可以按照階段性經營業務重點有所側重，在未來階段出現新的業務方向時補充豐富功能模塊下的內容。演進的方向上初期以人工方式實現，進而局部替代重復性常規性工作，如指標通用分析模型的構建、營銷目標業務與潛在用戶群的匹配等，最后實現以智能人機交互為基礎的相應操作，如智慧運營中心可以主動發掘預警信息，并診斷原因以及應對策略供決策人參考。

6 結束語

大數據在運營商的智慧運營體系中發揮的價值將越發凸顯。能夠幫助運營商改善市場經營、發現市場機會的智慧運營中心將會成為重要的解決方案，促進企業的經營模式創新轉型。伴隨AI時代的到來，“大數據+AI”將促使智慧運營中心在生產活動中的預測、預決與預示的能力得以全面實現，同時原有的人工作業方式逐步轉變為自動作業，進而變成智能作業。相信未來的智慧運營一定會很美好。

最后，引用軟銀集團董事長兼總裁孫正義在“2017軟銀世界大會”中的講話，“我認為我們正處在一個變革的時代當中。產業革命在競爭方面改變了每個人的生活，而這次的信息革命將更進一步地帶領我們去往現在每個人都沒有想象過的世界。”

[1] Gartner. Gartner’s 2013 hype cycle for emerging technologies maps out evolving relationship between humans and machines[R]. 2013.

[2] Gartner. Gartner’s 2015 hype cycle for emerging technologies identifies the computing innovations that organizations should monitor[R]. 2015.

[3] KURT S. Hype Cycle for Business intelligence and analytics[EB/OL]. (2015-08-04)[2017-12-15]. https://www.gartner. com/doc/3106118.

[4] 王晨. 一文讀懂工業大數據的技術與實踐: 如何建設工業大數據管理系統[EB/OL]. (2017-01-02)[2017-11-15]. https://wx. jcloud.com/zixun/article-118714.html.

WANG C. The technology and practice of big data in industry: how to build a large industrial data management system[EB/OL]. (2017-01-02)[2017-11-15]. https://wx.jcloud.com/zixun/article- 118714.html.

[5] 張永輝, 胡萬里. 基于波特五力模型的4G時代電信業經營策略分析[J]. 電信科學, 2014, 30(4): 129-134.

ZHANG Y H, HU W L. Analysis of China’s telecommunication business strategies based on porter’s five-force model on 4G era[J]. Telecommunications Science, 2014, 30(4): 129-134.

[6] 盧衛, 陸希玉. 4G時代移動互聯網的發展趨勢[J]. 電信科學, 2014, 30(5): 51-54.

LU W, LU X Y. Mobile internet trends in 4G era [J]. Telecommunications Science, 2014, 30(5): 51-54.

Prospect of big data stimulating business model innovation of telecom operator

WANG Junlin, WANG Baowang, ZHAO Fei, MA Chunyu, TAN Shaofu

Huawei Technologies Co., Ltd., Shenzhen 518129, China

Combined with big data research and practice of telecommunication industry, eight business operation areas in which big data can create values were illustrated. Through explaining the definition and characteristics of big data which stimulates business model innovation, the concept of intelligence operations center was illuminated, and the significance, commercial design and supporting elements were introduced. At the same time, the relationship between intelligence operations center and other business platforms was explained. Finally the development opportunities and evolution strategies of intelligence operations center at AI era was introduced.

operator, big data, business model innovation, intelligence operation center

TN929.5

A

10.11959/j.issn.1000?0801.2018032

2017?12?10；

2018?01?06

王軍林（1980?），男，博士，華為技術有限公司中國區運營商BG大數據商業解決方案部部長，長期從事BI及大數據業務，在業務拓展、市場營銷方面有著多年的實踐積累。

王寶旺（1976?），男，華為技術有限公司中國地區部大數據解決方案設計團隊leader，具備18年IT工作經驗，長期從事電信行業經營分析系統、大數據平臺的建設工作，涉及項目管理、業務方案和系統設計，對經營分析領域有豐富的經驗。

趙斐（1978?），男，華為技術有限公司中國地區部大數據應用解決方案組長，具備15年運營商市場運營管理與市場分析工作經驗，長期從事電信行業個人客戶拓展運營、政企客戶拓展經營分析、大數據應用創新與建設等方面的工作，涉及大數據應用商業咨詢、項目管理、解決方案設計與孵化等。

馬春宇（1973?），男，華為技術有限公司高級營銷經理，具備20年的IT工作經驗，主要從事運營商業務建設和規劃、大數據方案規劃、數字化營銷方案規劃和個性化推薦運營方案規劃等方面的工作。

譚紹富（1980?），男，華為技術有限公司大數據解決方案顧問，主要研究方向為運營商業務問題診斷、客戶行為分析、數字營銷、業務預測。