電信運營商數字化轉型的有關思考

劉開開

（中國電信集團公司，北京 100033）

1.數字化轉型背景

基于互聯網技術，通信客戶也近似飽和，短信與語音業務量大不如前。盡管4G網絡迅速普及，數據流量迅猛增長，但備受營改增、提速降費等政策制約，國內運營商將面臨“增量不增收”困境，盈利狀況依然得不到改善。電信運營商收入增長點、加速轉型、探索新業務已是必然趨勢。伴隨互聯網技術逐步涌現、運用及通信技術革新發展，企業運營方式及客戶消費習慣均產生了重大變化[1]。基于此，信息交換模式不斷由語音為主變成以數據為主，消費活動不斷從線下改成線上活動，面對數字化社會經濟發展的大趨勢，電信運營商有待利用數字化轉型來拓展新業務，同時需融入新的產業生態圈，數字化轉型已成電信運營商的必備選擇。

2.電信運營商數字化轉型人工智能核心技術的分析及應用

2.1 人工智能的核心技術

其一，人機交互。在電信運營中，人機交互應用到的技術大致有兩種，一種是機器人學技術，一種是模式識別技術。機器人學是以仿照人的行為進行的一種操作技術，是當前智能性技術運用最前衛的技術，而模式識別技術是通過計算機技術的優點，代替我們人們實施有關的感知，其研究對象主要是計算機方式識別系統，二者的有機融合并加以操作，能夠讓人工智能技術的運用優點得到顯著發揮。

其二，數據挖掘與學習。基于大數據技術視域下，對大量數據實施深度數據挖掘時，單憑以往數據處理模式對數據關系進行剖析，是存在一定模糊性的。那么，如果通過人工智能技術實施數據挖掘，它可利用人工智能技術的分支，也就是機器學習，在通過計算機模擬操作，呈現對數據模擬人類化的數據加以剖析及學習，并且在機器神經網絡技術支持下，呈現對數據關聯性的海量檢索。

其三，知識與數據的智能處理。在對知識實施處理時，運用率相對較高的技術為專家系統。它是把知識的思維模式，轉入到應用的專門知識，實施專門問題的解讀，以此由人工智能技術從理論探究期，轉到實際運用中[2]。換言之，專家系統作為一種附有專門知識的計算機智能系統，專家系統能夠按照特定領域的專家提供知識及經驗，在人工智能技術支持下，對各種專家可以處理的問題，實施繁瑣性問題的處理及模擬。

2.2 人工智能技術在電信運營中的運用

其一，自然語言技術。自然語言處理技術在電信運營中營業廳運營作用尤為重要，該技術可以在電腦的操作下，有效弱化對人類語言識別的難度，進而迅速獲得人類語言數據消息，為所服務的客戶提供精準的、系統的客戶體驗及服務。該技術在電信運營的營業廳中運用時，它的性能主要包括人機數據資源共享及搜索有關問題、提取數據摘要、數據抽取、機器翻譯等[3]。換言之，電信營業廳作為電信客戶的重要服務場所，電信營業廳鑒于服務性能的限制，可能會在為客戶實施服務提供時，存在一定服務效率不高，或是鑒于客戶表達不精準，呈現服務錯誤的現象。

其二，智能營業廳。它不但是一種新型電信營業廳概念，還是一種電信運營技術。智能營業廳是通過人工智能技術的優點，通過一站式的服務模式，在多樣化技術大力支持下，對電信營業廳的系統與硬件設備實施集成性整合，致使電信營業廳可以呈現出服務的多元性、智能性及互動性。與以往電信營業廳比較，如今電信實現了智能營業廳，且服務內容也獲得了全面擴展，能夠全面優化以往客戶需求數據獲得不充分、營業廳服務響應慢、服務提供不精確等狀況，繼而讓電信運營可以更好地為客戶提供相對服務，逐步增強電信營業廳的服務水準。

3.電信運營商大數據運用的挑戰

3.1 數據安全管控壓力大

電信數據化運用的安全標準依然存在諸多缺失，安全管控壓力較大。數據安全是數據化運用發展最核心與最基礎的前提條件。電信數據化涉及著客戶個人隱私，在客戶信息保護與數據安全層面要求較為嚴格，怎樣在電信運營服務交易期間，有效旁避數據安全風險，全面做好數據安全的保證及管理，是電信運營商發展數據化業務必將面臨的巨大挑戰[4]?，F階段，大數據安全領域的有關標準依然處于探索階段，電信領域內有關數據技術安全規范層面存在諸多空白，在欠缺行業統一規范與安全標準的狀況下，僅憑運營商自身監管控制，會帶來諸多安全風險。

3.2 數據運用市場需求有待培養

電信大數據運用應求有待培育，數據交易市場不穩定缺乏成熟性，缺乏規范性的管理。電信大數據業務的市場運用需求尚未健全，除了金融征信、準確營銷等個別行業，交通、醫療、教育等大多數垂直行業的運用需求依然處于低水平階段，用戶對電信數據化合作形式、運用價值、業務方式、運營過程的認識匱乏，市場開發與培育的壓力較大[5]。并且，全球性數據化交易市場建設依然處于初級階段，在技術支撐、交易途徑、數據定價、交易模式等諸多層面都存有一定盲區，大數據交易流程中，存在服務能力不足，專業水平不高，并且有關政策法規有待進一步健全問題，綜合大數據交易流程的規范化管理水準不高。

3.3 數據資產化管理能力匱乏

電信運營商以往的數據化系統是類似于“煙筒式”建設模型，數據分布在各個子系統中，缺乏統一的數據存儲管理標準，各個行業的數據弊端依然存在較大差別，很難實現共享互通。另外，各個運營商的大數據平臺建設依然處在初級構建階段，以往數據系統改良難度系數大，現有數據收集與運用剖析能力很難符合大數據業務下的海量計算需求與數據存儲需求，數據要求的響應速度緩慢，個性化數據剖析能力有所欠缺。

3.4 以往組織框構不適應

以往電信業務多層級運營架構，很難迎合大數據業務的迅速創新趨勢與靈活運營特性。大數據業務附有典型的移動互聯網產品特點，和以往電信業務比有很大差別，需求更具靈活性的運營管理方式。大數據業務運營都是以產品為重心，調整以往分布散在各個機構的營銷推廣、客戶服務、設計研發等運營環節，從而建立專業化大數據業務運營監督管理規制[6]。對國內電信運營商來講，發展大數據業務在運營過程、組織架構及人才儲備等層面均面臨非常大的轉型整合壓力。

4.電信運營商數字化轉型的應對建議

4.1 運用大數據技術實現服務能力升級

在電信運營中，企業的業務運營方式與戰略轉型的革新并非是短時間內所能達到的事情，所以在這個遲緩革新的流程中，電信運營商需要做到以現有數據優勢，融合數據技術把企業中數據價值系統呈現出來，基于大數據技術背景，逐步優化業務服務能力，以此達到客戶較為滿意的程度，為客戶提供更高水準與更高質量的電信服務，如圖1所示。另外，還需構建具有數據化的個性化營銷服務體制，結合精確性的服務向客戶提供最佳的業務服務，給客戶帶來高質量服務感受[7]。與此同時，還可經過用戶群的運營方式來減少營銷成本，提高客戶對產品服務的肯定，從而以最佳的個性化電信服務提升客戶滿意度，在服務水平上呈現出電信運營時質的飛躍，最終為電信運營商數字化轉型的實施提供強有力保證。

圖1 締造數據化服務生態圈及數字化轉型發展趨勢

4.2 強化電信運營數據化人才體制構建

在電信日常運營中，若要迅速形成數據化剖析運用能力，僅憑公司以往的人才是遠遠不夠的，所以要加大力度強化大數據技術人才的體制建立。電信運營商的大數據人才，不但是電信領域的數據專家、還是數據研發與剖析的人才，唯有呈現業務與技術的有結合，方可切實把數據化的效用全面呈現出來，繼而強化公司競爭力，有效促使電信運營商數據化轉型。另外，電信運營商需利用雙重融合模式，加快對核心技術人才的儲備，一種是外部引進模式，一種是內部培養模式[8]。并且，也需要全面增大在數據行業的技術研發力度，結合數據技術的核心領域建立公司強有力的專業體制與技術團隊，摒棄對外部技術的依賴，把握數據化的核心技術，從而締造企業在數據化的核心技術能力。

4.3 加快電信數據化轉型云投資步伐

云計算技術發展渠道有兩種，一種是構建數據中心，一種是租用數據中心。運營商構建數據中心具有政企行業對數據化存儲的重要需求、網絡傳輸能力及運營商資質等諸多固有優勢，構建運營數據中心是電信運營商的必要趨勢。但它屬于重資產屬性，運營商務必要嚴謹完成好布局與規劃，以免建設過度造成資源浪費。智能管道是云計算技術主要的構成部分，運營商在做好虛擬化部署與數據化中心建設時，網絡云化的部署應該齊頭并進[9]。唯有健全的智能管道，方能按照用戶需求與業務價值自主配備科學的網絡資源，同時提供相對計費方式的數據管道，這樣方可呈現“網絡可管理、客戶可識別、業務可區分、流量可調整”，在最大程度上較好地滿足電信運營商數據化業務環境云化的趨勢。

4.4 建立具有開放性的網絡平臺

互聯網附有一定開放性，電信運營商若想在互聯網的競爭中前行，就需在互聯網產業鏈中應該具有一定的發言權，那么就不可實施單獨發展，而此時數據化技術正好給了電信運營商一個重要的契機。電信運營商需要強化對外的合作力度，以開放性的心態自主地結合到綜合互聯網世界中，同互聯網產業鏈與大數據產業鏈中的各個程序實施細化合作，如圖2所示。此時，電信運營商能夠憑借數據化平臺，把數據剖析、獲取、處理等能力呈現出服務化，進而建立具有開放性的產業鏈系統，促使業務方式轉型革新[10]。同時，也能和其他公司實施數據共享，揚長避短，把電信運營中重要數據資源的內在價值全面開發出來，達到合作共贏的目標，實現數據最大化應用。

圖2 電信運營商對大數據應用

5.結語

伴隨整體社會數據化的演變，通信領域也步入互聯網技術、計算機技術及媒體技術背景下的數據化轉型的核心時期，該轉型和電信領域以后持續良性發展具有重要聯系。若要確保電信領域以往的優質發展形勢，務必要下足功夫完成數據化技術的轉型，從企業人才培養、組織、規章體系、文化等層面實施系統革新，從網絡技術的升級換代上變革，如此才可成功轉型，促進電信業持續發展。