大数据时代运营商精准化营销模式研究

大数据时代运营商精准化营销模式研究 （威县） 摘要 “很多人还没搞清楚什么是PC互联网，移动互联网来了，我们还没搞清楚移动互联的时候，大数据时代又来了。”——马云卸任演讲。 大数据时代已经来临，面临多元化数据的大量出现,大数据所蕴含的营销价值也随着大数据技术和市场的迅猛发展而得到释放，面对巨量的数据，要实现个性化、相关性、一致性的高效客户沟通。需要细分市场和目标信息，提高客户体验，与客户和潜在客户实现一对一互动，就必须运用大数据营销。大数据营销是大数据条件下网络营销的新模式,大数据营销必将成为“大数据时代”企业市场营销的主流模式。本文首先以大数据营销为出发点，了大数据时代背景及网络营销模式，提出大数据营销新型模式。然后指出大数据时代网络营销对运营商的意义，谈谈中国移动大大数据营销的内容，最后介绍实施策略和价值实现策略。  关键字：大数据；大数据营销；中国移动；价值实现策略 目录 第一章  研究背景及意义 1.1大数据时代产生的背景 1.2 什么是大数据 1.3 开展大数据营销的目的和意义 第二章  现有的营销模式分析 2.1 传统营销模式 2.2 网络营销模式 第三章  提出基于大数据的营销新模式 3.1 谁在做大数据营销 3.2 大数据营销做什么 3.3 大数据营销怎么做 3.4 大数据营销目前做得怎么样 第四章  运营商及中国移动大数据市场分析 4.1 国外一些电信公司的大数据营销分析 4.2 中国移动大数据营销战略 4.2.1 利用大数据分析挖掘客户需求 4.2.2 中国移动研究大数据营销的优势 4.2.3 大数据与云计算助力规模化定制精准营销 4.2.4 中国移动的大数据应用可分三步走 第一章  研究背景及意义 1.1 大数据时代产生的背景 进入2012年以来，大数据（Big Data）一词越来越多地被提及与使用，人们用它来描述和定义信息爆炸时代产生的海量数，它已经出现过在《纽约时报》、《华尔街时报》的专栏封面，进入美国白宫网的新闻，现身在国内一些互联网主题的讲座沙龙中，甚至被嗅觉灵敏的国君证劵、国泰君安、银河证劵等写进了投资推荐报告，大数据时代来临据。有人说21世纪是数据信息时代，移动互联、社交网络、电子商务大大拓展了互联网的疆界和应用领域。我们在享受便利的同时，也无偿贡献了自己的“行踪”。现在互联网不但知道对面是一只狗，还知道这只狗喜欢什么食物，几点出去遛弯，几点回窝睡觉。我们不得不接受这个现实，每个人在互联网进入到大数据时代，都将是透明性存在。各种数据正在迅速膨胀并变大，它决定着企业的未来发展，虽然现在企业可能并没有意识到数据爆炸性增长带来问题的隐患，但是随着时间的推移，人们将越来越多的意识到数据对企业的重要性。大数据时代对人类的数据驾驭能力提出了新的挑战，也为人们获得更为深刻、全面的洞察能力提供了前所未有的空间与潜力。正如《纽约时报》2012年2月的一篇专栏中所称，“大数据”时代已经降临，在商业、经济及其他领域中，决策将日益基于数据和分析而作出，而并非基于经验和直觉。哈佛大学社会学教授加里·金说：“这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。” 1.2 什么是大数据 大数据（Big Data）是指那些超过传统数据库系统处理能力的数据。它的数据规模和转输速度要求很高，或者其结构不适合原本的数据库系统。为了获取大数据中的价值，我们必须选择另一种方式来处理它。数据中隐藏着有价值的模式和信息，在以往需要相当的时间和成本才能提取这些信息。如沃尔玛或谷歌这类领先企业都要付高昂的代价才能从大数据中挖掘信息。而当今的各种资源，如硬件、云架构和开源软件使得大数据的处理更为方便和廉价。即使是在车库中创业的公司也可以用较低的价格租用云服务时间了。对于企业组织来讲，大数据的价值体现在两个方面：分析使用和二次开发。对大数据进行分析能揭示隐藏其中的信息。例如零售业中对门店销售、地理和社会信息的分析能提升对客户的理解。对大数据的二次开发则是那些成功的网络公司的长项。例如Facebook通过结合大量用户信息，定制出高度个性化的用户体验，并创造出一种新的广告模式。这种通过大数据创造出新产品和服务的商业行为并非巧合，谷歌、雅虎、亚马逊和Facebook它们都是大数据时代的创新者。 一、大数据四个特性 海量性：企业面临着数据量的大规模增长。例如，IDC最近的报告预测称，到2020年，全球数据量将扩大50倍。目前，大数据的规模尚是一个不断变化的指标，单一数据集的规模范围从几十TB到数PB不等。简而言之，存储1PB数据将需要两万台配备50GB硬盘的个人电脑。此外，各种意想不到的来源都能产生数据。多样性：一个普遍观点认为，人们使用互联网搜索是形成数据多样性的主要原因，这一看法部分正确。然而，数据多样性的增加主要是由于新型多结构数据，以及包括网络日志、社交媒体、互联网搜索、手机通话记录及传感器网络等数据类型造成。其中，部分传感器安装在火车、汽车和飞机上，每个传感器都增加了数据的多样性。高速性：高速描述的是数据被创建和移动的速度。在高速网络时代，通过基于实现软件性能优化的高速电脑处理器和服务器，创建实时数据流已成为流行趋势。企业不仅需要了解如何快速创建数据，还必须知道如何快速处理、分析并返回给用户，以满足他们的实时需求。根据IMS Research关于数据创建速度的调查，据预测，到2020年全球将拥有220亿部互联网连接设备。易变性：大数据具有多层结构，这意味着大数据会呈现出多变的形式和类型。相较传统的业务数据，大数据存在不规则和模糊不清的特性，造成很难甚至无法使用传统的应用软件进行分析。传统业务数据随时间演变已拥有标准的格式，能够被标准的商务智能软件识别。目前，企业面临的挑战是处理并从各种形式呈现的复杂数据中挖掘价值。二、大数据三个特征除了有四个特性之外，大数据时代的数据还呈现出其他三个特征。第一个特征是数据类型繁多。包括网络日志、音频、视频、图片、地理位置信息等等，多类型的数据对数据的处理能力提出了更高的要求。第二个特征是数据价值密度相对较低。如随着物联网的广泛应用，信息感知无处不在，信息海量，但价值密度较低，如何通过强大的机器算法更迅速地完成数据的价值“提纯”，是大数据时代亟待解决的难题。第三个特征是处理速度快，时效性要求高。这是大数据区分于传统数据挖掘最显著的特征。三、大数据时代对生活、工作的影响大数据，其影响除了经济方面的，它同时也能在政治、文化等方面产生深远的影响，大数据可以帮助人们开启循“数”管理的模式，也是我们当下“大社会”的集中体现，三分技术，七分数据，得数据者得天下。“大数据”的影响，增加了对信息管理专家的需求。事实上，大数据的影响并不仅仅限于信息通信产业，而是正在“吞噬”和重构很多传统行业，广泛运用数据分析手段管理和优化运营的公司其实质都是一个数据公司。麦当劳、肯德基以及苹果公司等旗舰专卖店的位置都是建立在数据分析基础之上的精准选址。而在零售业中，数据分析的技术与手段更是得到广泛的应用，传统企业如沃尔玛通过数据挖掘重塑并优化供应链，新崛起的电商如卓越亚马逊、淘宝等则通过对海量数据的掌握和分析，为用户提供更加专业化和个性化的服务。大数据在个人隐私的方面，大量数据经常含有一些详细的潜在的能够展示有关我们的信息，逐渐引起了我们对个人隐私的担忧。一些处理大数据公司需要认真的对待这个问题。例如美国天睿资讯给人留下比较深刻印象的是他的一个科学家提出，我们不应该简单地服从法律方面的隐私保护问题，这些远远不够的，公司都应该遵从谷歌不作恶的原则，甚至更应该做出更积极的努力。四、大数据时代的发展方向、趋势虽然大数据目前在国内还处于初级阶段，但是商业价值已经显现出来。 1.3 开展大数据营销的目的和意义 在大数据营销背景下有机会搜集各类数据，通过大数据分析挖掘发现新的商业价值。开展大数据营销能使企业在营销活动中正确面对成千上万的客户、理解并预测客户行为、精确的开展营销活动定位客户，获取最大利润、把可能的损失降到最低、更有效地分配营销资源和控制成本。在今天以客户为中心的市场环境中，使用大数据来展开、评估营销活动史，从繁杂的大数据中提炼最有价值的客户信息，从而开展精准、有效的营销活动。大数据营销实现有效的客户互动，提供富有吸引力的客户体验，在合适的时间，通过适当的渠道，把最相关的产品和服务信息提供给最需要的顾客。 大数据价值：（如图） 1.客户群体细分，然后为每个群体量定制特别的服务。 2.模拟现实环境，发掘新的需求同时提高投资的回报率。 3.加强部门联系，提高整条管理链条和产业链条的效率。 4.降低服务成本，发现隐藏线索进行产品和服务的创新。 案例1、T-Mobile采用Informatica平台在不同的联合体系架构中集成数据，其中包括一项基于 CDR、网络日志、帐单数据、社交媒体信息及更多信息支撑的高级客户流失分析的 Hadoop实施。通过融合大交易数据和大交互数据，T-Mobile获得了更为完整的客户视图以及客户流失的原因，通过各种针对性挽留手段,在短短一个季度内客户整体流失率就下降了50%。 案例2、中信银行信用卡中心数据库营销：近年来，中信银行信用卡中心的发卡量迅速增长。2008年达到500万张，2010年更增加了一倍。随着用户的迅猛增长，业务数据规模也线性膨胀。2010年4月到2011年5月，中信银行信用卡中心实施了Greenplum数据仓库解决方案，实现了近似实时的商业智能（BI）和秒级营销，运营效率得到全面提升。营销活动配置平均时间从2周缩短到2-3天；信用额度调整从以前的按季、按月变成账单日立即调整；信用卡不良贷款（NPL）比率同比减少了0.76%；系统维护的便捷简单使每年减少了大约500万元的数据库维护成本。 第二章  现有的营销模式分析 2.1 传统营销模式 传统营销三大模式     1、终端广告：代企业：太太口服液、脑白金等产品。利弊分析：传播面广、市场启动迅速、容易得到顾客认可，但投入费用较高、回款慢、经营风险较大。该模式是当前健康产业应用最广、时间最长、最为人熟知的营销模式。已形成多种广告发布形式和内容，根据广告发布媒体的不同，主要有三大分支：专做报纸媒体的软文模式、专做广播电台的电台讲座模式、专做电视的专题片模式。 2、直销苏醒：代表企业：安利、天狮等。利弊分析：争议最大，产品价格定位，众多老鼠会搅局，国人大多对该模式缺乏了解。确切的说是直销选择了保健行业，据中国保健协会统计，直销系统80%以上的产品与保健行业相关。从上世纪90年代是是非非的传销到2005年直销市场有限度地开放，直销一直饱受争议。其过高的准入门槛，让很大一部分进入者选择了在“灰色地带”游走。经过06、07年的市场调整，08年应该是直销的复苏之年。      3、会议营销：代表企业：天年、中脉等。利弊分析：直接面对消费者，通过产品营销和亲情营销改变消费者生活，更利用会议的鱼群效应产生爆发式销售，该模式魅力依旧。但目标顾客集中、人才流动剧烈、顾客忠诚度降低，导致营销成本攀高。 2.2 网络营销 2.1.1电子邮件邮箱营销 Email营销是向目标客户通过电子邮件发送有价值信息的网络营销手段，依托庞大的用户群，Email营销是广告宣传的一种重要手段，在掌握大量用户邮箱的情况下，可以在很短的时间内将广告发送给数以万计的目标用户。营销范围不受地域限制，操作简单，并且成本低。 2.1.2搜索引擎营销 搜索引擎营销就是基于搜索引擎平台的网络营销，通过对用户使用搜索引擎习惯和关键词的分析，在用户检索信息时通过关键词将相关的营销信息传递给目标客户。搜索引擎营销采取点击付费，竞价排名，通过搜索引擎庞大的用户群实现最大搜索引擎的访问量。搜索营销的最主要工作是扩大搜索引擎在营销业务中的比重，通过对网络广告和商业网站进行搜索优化，挖掘更多的潜在客户，帮助企业实现更高的转化率。 2.1.3博客营销 博客是个人在网上的出版模块。通过在博客写相关专业的问题，读者往往是对内容感兴趣的群体，拥有个性化、细分的专业化属性。细分度相当高。所以博客营销广告的定向投入准确度高。博客营销能很好的把媒体传播和人际传播结合起来。博客中是具有相同爱好着的圈子，因此博客营销互动传播性强，信任程度高，口碑效应好。对于一些博客粉丝达千万级的博客，足以引导网络舆论潮流，具有强大的影响力。有着很好的口碑营销效果，取得很好的营销效果。吸引更多的人群关注。 2.1.4微博营销 微博营销是随着微博的火热兴起的一种网络营销方式，微博营销具有传播快、便捷快、门槛低、立体化特征。微博具有数以亿计的用户，只要拥有大批的粉丝，微博就是一个很好的网路推广平台，一句话可能上万人看到。微博强大的分享和互动功能也是企业进行客户维护很好平台，通过不断的回复互动，与顾客建立超强的买卖关系的情感，通过不断的互动也有利于企业品牌的维护，微博营销是社交思维对粉丝经济重要性的体现。 2.1.5微信营销 微信营销是借助微信进行营销的一种网路营销活动，微信是移动端的最大社交应用，拥有几亿的用户，是移动互联网时代的入口，微信营销基于地理位置的服务极大提高了营销互动的精确度，商家可以通过微信和微信公众平台对客户进行消息的推送。相对于博客营销方式，微信营销拥有更加真实，有价值的客户群，不仅可以借助移动终端进行定位营销，以及线上线下的互动营销方式，而且还可以可以实现一定的一对一互动营销。 第三章  提出基于大数据的营销新模式 3.1 谁在做大数据营销 基于：1业务：和市场营销相关，因此政府机关单位数据不考虑。 2体量：拥有足够多有价值的数据。这一条很多互联网企业和传统大企业都能满足。3技术：有技术能力处理大数据。上面3个因素，国内能做大数据市场营销的有BAT三家。众所周知，三家的数据特点各不相同。腾讯优势在社交数据；阿里巴巴优势在商品和交易数据；百度优势在全网信息、消费者行为和主动需求数据。 3.2 大数据营销做什么？ 营销业务类型：如果粗略划分的话，广告主市场营销的预算一般可以分为实效营销和品牌营销两大块，根据自身发展需要和行业业务特点各有侧重。例如过去京东、一号店等电商类企业，平安等金融类企业主要做效果营销，互联网是更适合做效果的媒体投放渠道；宝洁等FMCG客户、奔驰奥迪等汽车客户主要做品牌营销，传统电视渠道是主要的媒体投放渠道。当然现在情况也逐渐改变，主要反映在： 1. 越来越多的品牌类广告主也开始把品牌营销预算放在互联网上做 2. 越来越多的营销形式越来越综合。效果类客户逐渐开始做品牌（京东）；品牌类客户也开始做效果（汽车，考核线下4S店销量转化）。 3.2.1.实效营销 实效营销，互联网人太清楚了。由于业务特性，过去的百度和阿里巴巴大数据主要应用还是中小客户和消费者的个性化广告，腾讯也主要是面向消费者的个性化广告（阿里还可以用支付数据作信用风险评估，但是金融方面的了）。 例如像大家相对熟悉用大数据训练优化数据挖掘模型，Amazon等一众零售电商普遍应用这种个性化推荐技术，在我看来只是市场营销中的应用类型之一。包括BAT及各大电商在内的各种个性化搜索和展示广告都是这个路子。基本上都是实效营销，考核CPC。在很多互联网人眼里，由于熟悉实效营销，会有一种认知，市场营销就是这些东西。挂广告，考核CPM/CPC/CPD/CPS。 3.2.2品牌营销 据观察，不少互联网人其实对于品牌营销是比较陌生的。关于品牌营销这里需要先说为什么做品牌营销？ 理由1.赚钱的需要：实效（效果）营销钱赚到天花板了，互联网媒体要抢品牌营销大头的预算了。整个广告市场，大广告主手上的预算，占大头的还是品牌营销预算，投放的媒介上传统媒体（例如电视等）居多，投给数字媒体上的钱只是10%~30%（大概数字）左右。理由2.客户的需要：别再跟我提CPC了，很多东西没法通过点击衡量，品牌的知名度、美誉度、忠诚度怎么用CPC衡量？因此需要对大客户提供整合营销的解决方案。 百度过去是效果营销的典型代表。百度除了广泛的中小企业客户，还有大量的大品牌客户，例如宝洁、奔驰、宝马、平安、欧莱雅等等，收入比重很大。对这些大客户，需要品牌营销。这样百度大数据的价值就体现出来了。前边说到百度数据的优势在于全网信息和消费者真实行为和需求的表达。覆盖的广度不是商品交易数据能比的。因此对为品牌提供整合营销解决方案奠定了基础。基于以上，对百度最有价值的方式是基于大数据提供品牌营销解决方案。 3.3 大数据营销怎么做 基于数据的营销基本过程。大数据的基本营销过程与过去数据分析基本过程没有差别，需要在定义商业问题之后，采集和处理数据、建模分析数据、解读数据这么三个大层面。但是大数据对三个层面的影响使得具体的做法又与传统不一样。 3.3.1 数据层：采集和处理数据 传统采集数据的过程一般是有限的、有意识的、结构化的进行数据采集，例如问卷调研的形式。你能采集到的数据一定是你能设想到的情况。数据的结构化较好。一般的数据库Mysql甚至Excel就能满足数据处理过程。而互联网时代里，大数据的采集过程基本是无限的、无意识的、非结构化的数据采集。各种纷繁复杂的行为数据以行为日志的形式上传到服务器。专属的例如Hadoop、Mapreduce等工具。 3.3.2 业务层：建模分析数据 使用的数据分析模型，例如基本统计、机器学习、例如数据挖掘的分类、聚类、关联、预测等算法，传统数据和大数据的做法差别不大，例如银行、通信运营商、零售商早已成熟运用消费者的属性和行为数据来识别风险和付费可能性。但是由于数据量的极大扩增，算法也获得极大优化提升的空间。 3.3.3应用层：解读数据 数据指导营销最重要的是解读。传统一般是定义营销问题之后，采集对应的数据，然后根据确定的建模或分析框架，数据进行分析，验证假设，进行解读。解读的空间是有限的。而大数据提供了一种可能性，既可以根据营销问题，封闭性地去挖掘对应数据进行验证，也可以开放性地探索，得出一些可能与常识或经验判断完全相异的结论出来。可解读的点变得非常丰富。 3.4 大数据营销目前做得怎么样？ 通过“西湖品学·大数据峰会”的报道上看来阿里巴巴大数据还主要在实效营销的方面发力。便是基于客户的真实商业需求和问题，通过大数据的应用提供解决方案，目前也已经和客户产生了不少优秀的模型方法和案例成果。与传统品牌营销的几方面类似，大数据在品牌营销的主要应用方向也有：1.消费者洞察2.媒体价值研究3.市场竞争分析4.品牌管理等方向。 第四章  运营商如何用大数据探索市场营销 数据,已经渗透到当今各个行业和业务职能领域,成为重要的生产因素。对海量数据的挖掘和运用,预示着新一波生产率增长和消费者盈余浪潮的到来.”十年前,全球知名咨询公司麦肯锡最早提出“大数据”时代已到来. 随着大数据的脚步日渐加快,全世界电信运营商开始了大数据的探索。 4.1 国外一些电信公司的大数据营销分析 美国T-mobiles采用Informatica - The Data Integration Company平台开展大数据工作，通过集成数据综合分析客户流失的原因，根据分析结果优化网络布局为客户提供了更好的体验，在一个季度内将流失率减半；韩国 SK telecom新成立一家公司SK Planet，通过大数据分析用户的使用行为，在用户做出决定之前推出符合用户兴趣的业务防止用户流失。美国AT&T 公司将记录用户在Wifi网络中的地理位置、网络浏览历史记录以及使用的应用等数据销售给广告客户。比如当用户距离商家很近时，就有可能收到该商家提供的折扣很大的电子优惠券。英国BT - Broadband公司发布了新的安全数据分析服务Assure Analytics—BT news releases，帮助企业收集、管理和评估大数据集，将这些数据通过可视化的方式呈现给企业，帮助企业改进决策。 4.2 中国移动大数据营销战略 4.2.1利用大数据分析挖掘客户需求。 在进行产品整体前，对客户需求进行合理化分析。而移动互联网的发展，产生了大量用户行为数据，也给用户需求的研究带来了革命性的变革。运营商拥有独特的网络基础设施和海量的用户数据资源，可以更加精准的获得面向特定业务、特定群体、或特定区域的客户分析，通过大数据挖掘，运营商可以比客户自己更加了解自身需求，并以此为出发点设计产品引领客户需求。正如乔布斯坚信的那样：“用户不知道自己要的是什么，直到你展示给他看”。 美国Verizon公司基于大数据分析的精准营销部门能够提供精准营销洞察、精准营销、移动商务等服务。Verizon针对NBA球队菲尼克斯太阳队观众的来源地进行了精确数据分析，使得球队了解观众对赞助商的喜好，并以此为基础制定赞助商策略。 4.2.2中国移动研究大数据营销的优势 随着移动互联网和智能手机的普及，导致电信行业数据量同样呈现爆炸性增长。从全球移动网络中语音和数据流量的对比情况来看，2009年末，数据流量开始超过语音流量，到2011年数据流量已超过语音流量的两倍。根据爱立信的研究预测，2015年全球移动数据流量将比2010年上升26倍。电信行业不仅仅数据量大，而且保存时间长，用户规模庞大，用户的通话行为和消费行为形成的海量数据，成为电信行业的重要负担和独有价值。 图：中国移动与其他行业企业其他运营商客户规模比 对用户数据进行有效的研究、挖掘和分析能够帮助电信运营商规避同质化竞争，寻找差异化经营“蓝海”，从暴增的数据流量中发现潜在的信息应用需求，获取更大的商业价值，从而增加管道的价值和收入，进一步抓住未来广阔的信息化市场，摆脱被边缘化和底层化的危机。 4.2.3大数据与云计算助力规模化定制精准营销 定制服务时代的运营商营销首先是精准营销，中国移动可以应用大数据与云计算根据不同用户的购买、点击行为推测其兴趣偏好，推荐合适的套餐及业务，增加客户黏性；对用户行为进行分析，细分客户群体，发现未被满足的市场，开发出更有针对性的产品；还能通过对用户阅读、讨论内容的分析，结合相应的推荐模型，以精准友好的方式及时推送有效的手机广告。如欧洲运营商Vodafone应用精确营销平台对用户行为进行分析，使其业务量提升了4倍，英国新兴运营商blyk依赖精确营销广告运作，最高用户响应率达51%。Amazon公司超过30%的销售量是通过大数据分析和精准推荐带来的 中国移动公司不断加强云计算规模,不仅有先进的云计算中心和丰富的固定网络资源,而且随着今年底4G网络全省全覆盖,通信网络速度将提高到100Mbps的时代,为大规模开展云计算应用提供坚实保证。 4.2.4 中国移动的大数据应用可分三步走 第一步：用内部的数据解决内部问题 1、提高业务设计能力。 随着大数据的发展，客户细分从大众化、模块化向颗粒化、个人化转变，客户定义从标准化向个性化改变，需求信息从阶段性梳理向实时性处理转变，实质上客户已经介入并掌握了企业的控制权。传统上，在做业务设计和用户体验优化时，可能更多地通过一些市场调研等方式进行。而实际上，针对客户的每通电话每次上网，我们都可以采集到用户对业务的偏好和部分行为特征。基于这些行为特征可以很好地为用户改进产品的设计，满足客户的个性化需求。 2、助力精准营销 业务的发展尤其是数信业务和新业务的发展，已经成为运营商的一个重点和难点。目前营销目标一般是通过简单的数据统计以及业务人员的经验原则提取，缺乏科学的数据分析方法，数据缺乏从用户整体角度进行考量，影响推荐准确性。亚马逊、淘宝等都借助大数据技术来寻找产品之间未知的相关性，来向客户推荐强相关性的产品，据悉亚马逊销售额的三分之一都来自于它个性化的推荐系统。利用大数据的技术，可以对全量的用户数据、对更丰富的用户数据进行分析，利用K-Means、Bayes、SVN等优秀的聚类、分类算法来发现未知的分类模型，并根据模型结果来判断一个用户是否适合推荐业务，做到精确营销。 3、优化网络服务质量 当前中国移动的网络类型较多，包括GSM、TD-SCDMA、WLAN以及TD-LTE，网络优化非常复杂。与此同时网络优化的时效性要求也非常高，一旦基站出现故障，必须在非常短的时间内进行定位和修复。大数据为我们的网络优化带来了巨大的潜在机遇。通过端到端的网络质量分析，可以迅速实现故障定位和网络的优化；通过客户历史定位信息和历史通信记录，可以预测特定时间点各基站下的通信人数和通信质量；甚至可通过多尺度异常检测，发现隐藏的网络内部威胁，提升网络的安全性。 4、提高流量经营效益 智能管道的本质是提高网络运营效率，按需向用户提供网络资源及服务。大数据时代下，电信运营商通过对用户的业务行为进行实时的采集、分析和处理，即可实现智能管道的核心价值，即识别用户、业务、场景，分档分阶地差异化服务。 第二步：用内部的数据解决外部问题 模式1：企业经营决策指导 中国移动可以利用用户数据，加以成熟的运营分析技术运用，形成全面的行业、地区发展评估分析，让企业客户的决策更为准确。简而言之，将运营商内部数据分析技术商用化，为企业客户提供决策依据。如英国电信2012年6月发布的新的安全数据分析服务Assure Analytics，可帮助企业客户收集、管理和评估大数据集，并通过可视化的方式呈现这些数据，从而帮助企业客户改进决策。西班牙电信也在2012年10月成立了名为“动态洞察”的大数据业务部门，推出的首款产品名为智慧足迹。该产品基于完全匿名和聚合的移动网络数据，可对某个时段、某个地点人流量的关键影响因素进行分析，并将洞察结果面向企业客户提供。例如，洞察结果可为零售商新店设计和选址、设计促销方式、与客户反馈等提供决策支撑，从而帮助零售商更好地理解和满足客户需求、降低成本。 模式2：内容聚合分发体系 在日常运营中，我们经常会根据用户喜好推荐各类业务或应用，比如应用商店软件推荐、IPTV视频节目推荐等，而通过关联算法、文本摘要抽取、情感分析等智能分析算法后，可以将之延伸到商用化服务，利用数据挖掘技术帮助企业客户进行精准营销，盈利模式主要来自于客户增值部分的分成。 模式3：移动商务平台 中国移动可以基于对用户的洞察，优化当前的12580运营模式，推出基于数据分析后的移动商务平台，按行业分类，针对不同的行业客户采取不同的促销活动和服务方式，提供更有针对性的服务，然后将提供线上线下支付的通道打通，形成闭环，打造一个实用的移动商务平台。这方面的案例如AT&T的Alert业务，使用场景是用户路过一家AT&T的商用合作伙伴实体店时，AT&T可根据用户的历史喜好信息、当前位置信息将商业合作伙伴的一个限时打折的优惠劵推送到用户手机上，用户可凭此优惠劵消费。 模式4：社会服务管理 数据分析在政府服务市场上前景巨大。美国已经使用大数据技术对历史性犯罪模式、发薪日、体育项目、降雨天气和假日等变量进行分析，从而优化警力配置。法国电信和Verizon都有把用户的数据或者是统计分析报告卖给政府。中国移动也可依托大数据技术履行企业的社会责任。比如通过同一条路上多个用户手机位移的速度便可以判断当时的路况，为拥堵做出准确预警，通过APP实时反馈给全城的手机用户查看，提升出行的便利。 第三步：成为大数据运营商 该阶段意味着中国移动进入了一个以大数据运营为特征的时代，成为大数据运营商，“大数据”将在全社会范围被收集、处理、传输和应用。 尽管Google、Facebook、Amazon、腾讯、新浪等借助自身的平台和应用，可以抓住很大一部分的用户信息，但是都没有中国移动的优势，因为深度数据包分析这种手段是与平台、应用无关的。同时，由于一般用户都是只使用一家运营商的宽带和手机业务，这意味着几乎用户所有的数据业务流量都要经过那家运营商，而且与用户具有很强的对应关系。拥有超大用户规模的中移动对个人数据覆盖的广度是互联网平台和手机应用提供商难以匹敌的，其手上的数据资源也是很多互联网巨头可望不可及的。作为双边市场传统的组织者，中移动很容易演化成未来的大数据运营商。 大数据运营商的发展大致分为三个阶段：第一阶段，借助消费平台积累数据资产；第二阶段，基于用户积累加速行业扩张，逐步形成以消费者为中心的行业格局；第三阶段，面向全体社会成员的大数据公共平台出现。这三个阶段所描述的经营模式是叠加而非替代关系。从大数据的角度看，第一阶段着眼于积累原始资本，第二阶段注重数据的垂直投资布局和精耕细作，第三阶段注重跨行业数据的共享运营。但从经营视角来看，最终大数据运营商将由数据驱动，通过挖掘的信息来指导整个市场运营。 第五章  大数据时代无论是运用互联网进行沟通、购物、学习、休闲或交流互动，只要运用高科技活动，就会留下相应的数字信息，这些就是数据，而且会随着时间逐渐累积，把横跨不同设备，不同网站的累计数据搜集起来，就形成了大数据。大数据反映的是人们消磨时光、如果能将这些数据与商业活动的金融、营销、服务、产品信息，销售数据和人口统计数据结合起来就会得到货真价实的大数据。当企业营销人员能够开启并运用大数据，就为得到营销业的“圣杯”创造了条件，并能够全面了解客户，增强和客户的互动战略。不论是传统行业还是新型行业，谁率先与互联网融合成功，能够从大数据的金矿中发现暗藏的规律，就能够抢占先机，成为技术改革的标志。 关于大数据、建模方法和分析过程，还有很多大家不知道的神秘应用潜伏在黑暗里，如同《三体》中的“黑暗森林法则”——宇宙就是一座黑暗森林，每个文明都是带枪的猎人，像幽灵般潜行于林间，轻拨开挡路的树枝，竭力不让脚步发出一点儿声音，连呼吸都必须小心翼翼：他必须小心，因为林中到处都有与他一样潜行的猎人，如果他发现了别的生命，能做的只有一件事：开枪消灭之。在这片森林中，他人就是地狱，就是永恒的威胁，任何暴露自己存在的生命都将很快被消灭，这就是宇宙文明的图景，这就是对费米悖论的解释。 参考文献： [1] 李建义. 数据库原理及开发. 北京：中国水利水电出版社， 2005 [2] 维克托·迈尔·舍恩伯格. 大数据时代. 浙江：浙江人民出版社 2012 [3] 艾伯特-拉斯洛·巴拉巴西 .爆发. 北京：中国人民大学出版社 2012 [4] 大数据时代降临 ．半月谈网 ．2012-09-22  [5] IT部门如何应对大数据时代？ ．CIO时代网 ．2012-02-27  [6]“大数据”时代来临决策不能只凭经验 ．东方早报网 ．2012-04-11  [7] 大数据时代来临：国内IT企业布局已然落后 ．新浪网 ．2012-06-01 [8] 迟晓英、宣国良，《价值链研究发展综述》，《外国经济与管理》 第22卷第1期。 [9] 任新建，《基于信息的虚拟价值链模型研究》，《兰州学刊》 2005年第1期。