电信运营商数据资源现状（含使用说明）.docxVIP

xx年9月电信运营商数据资源现状

xx年9月

电信运营商数据资源现状

电信运营商数据资源现状

1电信运营商数据资源现状

电信运营商积累和沉淀的数据是非常优质的数据资源，数据量非常庞大且数据极具真实性和完整性。根据工信部数据，xx年，移动互联网接入流量消费达41.87亿G，同比增速高达103%。流量意味着数据量，当前仅在移动互联网方面，电信运营商就聚集了海量数据，且还在高速增长。

在固定互联网方面，2015年，固定宽带接入时长高达50.03万亿分钟，同比增长20.7%。当前，中国联通和中国电信已经将数据变现列为xx年的KPI指标，电信运营商在大数据运营方面的探索已经开始。

以中国移动为例，目前有CRM、BI、BOSS等系统记录着7.5亿多用户的交互信息，这些数据涉及客户基本信息，如通话数据、上网数据、数据业务使用信息、智能终端信息、渠道接触信息等诸多方面，这无疑已具备大数据的“4V”特征：数据体量巨大（Volume）、数据类型繁多（Variety）、价值密度低（Value）、处理速度需要快（Velocity）。

单就中国移动客服中心而言，客服中心每年服务客户超过500亿次，每月服务客户超过30亿次，平均每月系统呼入量达32亿次，人工呼入量2.47亿次，平均每3秒就有1次1008611呼入，每个接线员每月接听5000～6000个电话。丰富的数据资源为电信运营商开展大数据应用方面的探索奠定了良好基础。

2电信运营商大数据挖掘方向

近两年运营商对于大数据的经营发生了较大变化，从过去主要采集用户信息、ARPU值等用于经分、客户维护等，逐渐转向信令数据、用户数据、APP数据的采集和分析等。这其中主要由于发生了几大变化，使得运营商更注重大数据：

（1）移动互联网时代的到来：进入到移动互联网时代，手机变成用于上网最多的终端。在移动端上，运营商可以监测到每个用户使用的流量、用户的常用APP、每个APP打开次数、停留时间、有哪些信誉好的足球投注网站和浏览的网页等；

（2）由增量用户抢夺变为存量用户维系：目前移动用户已达13亿户，新增空间已十分有限。运营商的策略讲从争夺新增用户转向存量市场的挖掘和用户维系，并且提高单用户的ARPU值。因此，运营商更加关注大数据，希冀从中能够获得更多用户习惯和偏好进而通过针对性的措施提升ARPU。

从运营商进行大数据挖掘的出发点进行考量，运营商目前最为关心的将主要聚焦于如何用大数据提升用户的流量使用量，以及如何通过新的商业模式获取更多收益。

3电信运营商大数据运营模式

十八大提出实施“国家大数据战略”，确定了大数据已经上升到国家战略层面。大数据巨大的应用价值已经被普遍认同，电信运营商作为大数据应用的先行者之一，基本已部署了大数据平台并开展了各类应用，但目前电信运营商的大数据应用普遍面临以下困境：

较大的投入和不确定的收益，使多数大数据应用缺少“性价比”；

受技术和政策法律限制，电信运营商所能提供的数据种类较少，变现收益有限；

在新兴的大数据产业链上，电信运营商的地位管道化、边缘化。

破解大数据困境，关键在于找到适合电信运营商的大数据商业模式，把数据潜在价值转化为收益。那么哪些商业模式是适合电信运营商大数据业务呢？

电信运营商与合作伙伴的传统商业合作模式是：运营商向合作伙伴采购硬件、软件和服务，然后向客户提供电信服务并收费。该模式下，合作伙伴只赚取设备、软件和服务的销售费用，营收严重依赖运营商的资本开支，长期来看增长空间受限。

SEQ图表\*ARABIC4：电信运营商与合作伙伴的传统商务模式

上述商业模式能够维持的基础是：电信运营商的语音、宽带、流量等传统业务相对比较简单，无需复杂的设备和技术支持，客户的定制化需求非常有限。

通信大数据业务与电信运营商的传统业务有很大不同，数据量庞大，对采集分析及安全管理的技术要求非常高，客户的需求也复杂多样，而三大运营商在现有的体制下，缺乏大数据思维，基本没有能力独立开展大数据业务。

电信运营商在通信大数据业务的运营上，通常是多种模式同时存在，并且相互支撑。

SEQ图表\*ARABIC5：电信运营商大数据商业模式

内部应用

电信运营商的数据与电信业务的运营和维护相关性最强，因此，投入到内部应用能产生的数据价值最大。内部应用模式以服务于运营商内部客户、提升既有各项业务效率、降低运营成本为目的，采集和分析设备以及运营过程中生成的各种数据，包括各种网管数据、设备日志、信令、DPI记录、用户账单、投诉记录等。

内部应用阶段的典型应用场景一是面向客户体验的网络规划、维护、优化，二是面向电信业务的精准营销。

例如中兴通讯与中国电信某省公司共同实施了基于大数据的无线网络运维优化方案，以省为中心，基于中兴通讯的大数据平台，采集了全网各类数据，包括DT/CQT、