细数大数据在运营商领域的五大应用

调查结果显示，全球120家运营商中约有48%的运营商正在实施大数据业务。大数据业务成本平均占到运营商总预算的10%，并且在未来五年内将升至23%左右，成为运营商的一项战略性优势。可见，由流量经营进入大数据运营已成为大势所趋。

电信运营商拥有多年的数据积累，拥有诸如财务收入、业务发展量等结构化数据，也会涉及到图片、文本、音频、视频等非结构化数据。从数据来源看，电信运营商的数据来自于涉及移动语音、固定电话、固网接入和无线上网等所有业务，也会涉及公众客户、政企客户和家庭客户，同时也会收集到实体渠道、电子渠道、直销渠道等所有类型渠道的接触信息。整体来看，电信运营商大数据发展仍处在探索阶段。

目前国内运营商运用大数据主要有五方面：(1)网络管理和优化，包括基础设施建设优化和网络运营管理和优化;(2)市场与精准营销，包括客户画像、关系链研究、精准营销、实时营销和个性化推荐;(3)客户关系管理，包括客服中心优化和客户生命周期管理;(4)企业运营管理，包括业务运营监控和经营分析;(5)数据商业化指数据对外商业化，单独盈利。

第一方面：网络管理和优化。此方向包括对基础设施建设的优化和网络运营管理及优化。

(1) 基础设施建设的优化。如利用大数据实现基站和热点的选址以及资源的分配。运营商可以通过分析话单和信令中用户的流量在时间周期和位置特征方面的分布，对4G的高流量区域设计5G基站;同时，运营商还可以对建立评估模型对已有基站的效率和成本进行评估，发现基站建设的资源浪费问题，如某些地区为了完成基站建设指标将基站建设在人际罕至的地方等。

(2) 网络运营管理及优化。在网络运营层面，运营商可以通过大数据分析网络的流量、流向变化趋势，及时调整资源配置，同时还可以分析网络日志，进行全网络优化，不断提升网络质量和网络利用率。

第二方面，市场与精准营销。此方向包括客户画像、关系链研究、精准营销、实时营销和个性化推荐。

(1) 客户画像。运营商可以基于客户终端信息、位置信息、通话行为、手机上网行为轨迹等丰富的数据，为每个客户打上人口统计学特征、消费行为、上网行为和兴趣爱好标签，并借助数据挖掘技术进行客户分群，完善客户的360度画像，帮助运营商深入了解客户行为偏好和需求特征。

(2) 关系链研究。运营商可以通过分析客户通讯录、通话行为、网络社交行以及客户资料等数据，开展交往圈分析。尤其是利用各种联系记录形成社交网络来丰富对用户的洞察，并进一步利用图挖掘的方法来发现各种圈子，发现圈子中的关键人员，以及识别家庭和政企客户;或者分析社交圈子寻找营销机会。

(3) 精准营销和实时营销。运营商在客户画像的基础上对客户特征的深入理解，建立客户与业务、资费套餐、终端类型、在用网络的精准匹配，并在在推送渠道、推送时机、推送方式上满足客户的需求，实现精准营销。

(4) 个性化推荐。利用客户画像信息、客户终端信息、客户行为习惯偏好等，运营商可以为客户提供定制化的服务，优化产品、流量套餐和定价机制，实现个性化营销和服务，提升客户体验与感知;或者在应用商城实现个性化推荐，在电商商城平台实现个性化推荐，在社交网络推荐感兴趣的好友。

第三方面，客户关系管理。此方面包括客服中心优化和客户生命周期管理。

(1) 客服中心优化。客服中心是运营商和客户接触较为频繁的通道，因此客服中心拥有大量的客户呼叫行为和需求数据。我们可以利用大数据技术可以深入分析客服热线呼入客户的行为特征、选择路径、等候时长，并关联客户历史接触信息、客户套餐消费情况、客户人口统计学特征、客户机型等数据，建立客服热线智能路径模型，预测下次客户呼入的需求、投诉风险以及相应的路径和节点，这样便可缩短客服呼入处理时间，识别投诉风险，有助于提升客服满意度;另外，也可以通过语义分析，对客服热线的问题进行分类，识别热点问题和客户情绪，对于发生量较大且严重的问题，要及时预警相关部门进行优化。

(2) 客户关怀与客户生命周期管理。客户生命周期管理包括新客户获取、客户成长、客户成熟、客户衰退和客户离开等五个阶段的管理。在客户获取阶段，我们可以通过算法挖掘和发现高潜客户;在客户成长阶段，通过关联规则等算法进行交叉销售，提升客户人均消费额;在客户成熟期，可以通过大数据方法进行客户分群并进行精准推荐，同时对不同客户实时忠诚计划;在客户衰退期，需要进行流失预警，提前发现高流失风险客户，并作相应的客户关怀;在客户离开阶段，我们可以通过大数据挖掘高潜回流客户。

第四方面，企业运营管理。可以分为业务运营监控和经营分析。

(1) 业务运营监控分可以基于大数据分析从网络、业务、用户和业务量、业务质量、终端等多个维度为运营商监控管道和客户运营情况。构建灵活可定制的指标模块，构建指标体系，以及智能监控体系，从宏观到微观全方位快速准确地掌控运营及异动原因。

(2) 经营分析和市场监测。我们可以通过数据分析对业务和市场经营状况进行总结和分析，主要分为经营日报、周报、月报、季报以及专题分析等。

第五方面，数据商业化。

数据商业化指通过企业自身拥有的大数据资产进行对外商业化，获取收益。就目前来看运营商通过自身数据对外提供的服务主要集中在两个方面：数据报告及白皮书查询和社交关系追溯及精准营销投放。

(1) 数据报告及白皮书查询。运营商运用收集上来的数据提供例如人口流动、手机普及率等报告及白皮书。

(2) 社交关系追溯及精准营销投放。在社交关系追溯中，通过用户的通话记录、行为轨迹等多维度数据来判断人与人之间的关系。在睿帆科技与运营商合作的精准营销项目中，就曾以此为出发点帮助运营商进行数据的商业化变现。

该项目为某大型商业中心希望通过运营商大数据来帮助其提升精准营销的ROI。于是，运营商找到我们为其提供解决方案。经过我们的研究发现，该大型商业中心核心问题是广告投入费用与用户到店数不成正比。于是，我们通过运营商大数据挖掘人与人之间的关系，将营销短信以社交关系网为单位进行投放，在小范围区域内形成话题效应，从而提升用户到店率。

此外，我们与运营商合作的智慧旅游项目也很好的体现了运营商精准营销的落地场景。在此项目中，我们先通过用户行为轨迹区分出景区住户和游客，然后在追溯到游客来源地并得出来源地报告。通过来源地报告景区可以发现景区广告投放缺乏的区域，并加大该区域的广告投放，从而提升景区的营收。

总的来看，电信行业的大数据依然处于探索阶段，未来几年，无论是内部大数据应用还是外部大数据商业化都有很大的成长空间。但电信行业大数据大的障碍是数据孤岛效应严重，由于国内运营商的区域化运营，电信企业的数据分别存储在各地区分公司，甚至分公司不同业务的数据都有可能没打通。而互联网和大数据则是没有边界。对于国内电信运营商，要真正的利用大数据，数据的统一和整合是最为重要的一步。我们已经看到中国移动已经开始着手准备这方面的工作，相信未来几年，在互联网企业的竞争压力下，中国的电信行业大数据将发展的更快，变革会更彻底。

新闻名称：细数大数据在运营商领域的五大应用
本文地址：/news47/101897.html

成都网站建设公司_创新互联，为您提供网页设计公司、标签优化、小程序开发、软件开发、移动网站建设、网站维护

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 创新互联