• 标题
  • 全文

首页 > 变革时代下运营商大数据的驾驭之道

变革时代下运营商大数据的驾驭之道
2016-11-04 标签: 物联网  网络与通信 来源:电子信息产业网

一、大数据:从时髦外衣到核心要素


Gartner著名的新兴技术炒作周期(Hype Cycle for Emerging Technologies)在2014和2015年的两份报告中,最为显著的区别就是“大数据”的消失,由此可以理解为Gartner对“大数据”的定位已从“新兴”调整为“主流”。如今,大数据对于企业的意义已从能力要素上升为战略核心,从运营效率提升手段升级为商业模式创新的根基。因此,无论是企业级市场还是消费级市场,亦或是政府公共服务,都正和大数据发生联系。大数据具有先天的垄断性和后天的规模效益,因此具备先天数据和计算优势的企业都开始加快布局,谋求日后的规模效益和更多的产业话语权。在互联网领域尤为突出,无论是国外的FANG(Facebook、Amazon、Netflix、Google)还是国内的BAT(Baidu、Alibaba、Tencent),都将大数据视为其未来战略布局的核心和商业模式枢纽。


在通信行业,大数据的价值越来越被重视,AT&T、Verizon、Telefonica、DoCoMo等国际标杆运营商都积极利用自身在用户信息、地理位置、网络信令等领域的数据优势,与金融、零售、旅游、物流、公共管理等领域的企业和机构进行深度合作,一方面大幅度提升了运营效率和用户满意度,另一方面也实现了一定程度的商业变现,摸索了新的商业模式。反观国内三大运营商,近年多次提到“大数据”的重要性,也取得了一些成绩或两点。但尽管部分公司在一些局部领域取得了阶段性的突破,但亮点只是个案,沉淀下来能够体系化、常态化的东西却很少,在商业变现方面更是乏善可陈。究其原因,运营商虽然坐拥宝贵的大数据资源,但在大数据驱动商业及运营转型方面却面临着组织、能力、模式等方面诸多不适应,加上一些法律和政策方面的风险,使得运营商更加畏首畏尾。


二、运营商大数据的主要优势与独特价值


运营商在大数据领域具有其他行业无可比拟的优势,体现在以下三个方面:


1. 规模性:一方面是数据体量大,每天产生的数据以PB计算,具有丰富充足的数据源;另一方面是数据维度全面,包含用户行为、地理位置、上网行为、运动轨迹、支付能力、咨询投诉等信息。


2. 准确性:网络系统可实时产生与终端用户相关的多维度行为信息,准确实时的反映用户行为状态。


3. 连续性:网络数据可持续性提供,具有连续和可追溯性,仅取决于数据的存储策略,无人为因素干扰。


从数据本身来看,同互联网公司特别是BAT这样的巨头相比,运营商不遑多让。比如在用户标识方面,运营商的手机号码能够追踪到用户本身的实名信息,还能串联起用户所有的移动互联网行为(只要保证手机开机),而互联网公司的应用(不论是Native APP还是Web Service),都需要用户登录才能有效识别,而且必须保证应用本身正在运行(尽管可以采取驻留后台的方式,但会消耗系统资源,并有可能被清理软件关闭),如果用户离开了应用,也就无法获取外部行为信息;又比如在场景方面,运营商的数据基本覆盖了用户的全部移动行为,因此能够将用户行为与所处场景进行有效的关联,特别是在没有数据连接的情况下,即使不打开GPS功能,也依然能通过基站定位获取用户的位置信息。


总而言之,运营商作为管道的提供商,不仅掌握了自身的业务和运营数据,同时还掌握了海量用户的互联网行为数据和相关的场景数据。这些数据不仅对运营商有价值,对其他行业尤其是金融、互联网、消费、政府机构等的潜在价值更是难以估量。如果充分发挥自身的数据优势,同各行业的需求接轨,以产品服务的形式有偿地提供给外部客户,并建立紧密的数据合作关系,就能实现数据价值最大化。


三、国内运营商大数据的现实挑战


运营商大数据尽管理想很丰满,但现实往往比较骨感。在过去10到20年的时间里,国内运营商为了适应用户规模的快速增长,逐渐成长为投资密集型企业,公司的组织和流程都是围绕投资-放号-运维来建立的,经营活动也是基于经验来展开的。但随着市场的变化和技术的演进,这种发展模式已经越来越适应新的商业模式,尤其是面对大数据的新兴浪潮,运营商除了数据大这一优势外,在业务、技术及商业变现方面都显得步履蹒跚。其面临的挑战主要有以下4个方面:


挑战一:有数据难整合。一方面运营商虽坐拥海量数据,但数据在组织中却因为不同线条和部门的存在而处于割裂状态,拥有数据的部门之间往往缺乏顺畅的数据共享机制,加上各种烟囱平台的存在,数据的标准可能都有不兼容的情况,如何实现跨业务、跨平台的关联与整合成为运营商最大的挑战;另一方面由于互联网上大量非结构数据的存在,运营商还面临着将非结构化数据与结构化数据进行统一、整合的挑战。这一系列的挑战使得运营商的数据一直处于分散和休眠的状态,无法真正发挥其潜在价值。


挑战二:有需求难操作。对运营商而言,信息安全一直是一个无法回避的问题。由于运营商数据中包含了大量的用户基本信息,这其中涉及大量的个人隐私,一旦泄露并被不法分子利用,会给用户和运营商带来不可估量的损失。从国内的市场来看,众多三方机构一直热衷于此类敏感数据的交易,并且用各种高大上的名词来包装,但往往实在运营商不知情的情况下滥用用户信息,运营商往往防不胜防。任何能够追溯到个人或终端的数据一旦未经授权即被第三方获取,往往会引发数据安全事件,在媒体的推波助澜下,极有可能成为运营商不可承受之重。


挑战三:有想法无承载。即使不考虑数据质量和隐私风险,运营商实现大数据变现还需要面对组织和流程上的空白。大数据应用是一个系统工程,其开发、建设、产品、营销、运营等环节都需要有具体的部门去承载和落实。然而,国内运营商现实的问题是,已有的组织架构和流程规范都是基于传统业务来制定的,对于大数据这样的新兴领域,往往都是基于各自的理解或资源的分布,各省市公司都缺少统一的范式(比如前端是数业部门还是政企部门牵头,后端是网络部门还是业务支撑部门统筹),更无法形成自上而下的力量来贯穿,如散兵游勇一般。


挑战四:有机会难实施。抛开组织和流程的问题,能力和机制更是运营商绕不开的门槛。大数据属于技术密集型领域,技术专家(解决建模与架构)和复合型人才(解决跨行业的Know How)的匮乏一直困扰着运营商,虽然短期可通过合作的方式解决,但长期来看还需自建团队实现能力内化和储备。而这往往需要在人力资源的开发、核心人才的引进以及激励机制的革新等方面下功夫。


四、运营商大数据的突破策略建议


随着万物互联图景的日益显现,未来将出现海量的新连接,管道中承载的数据量也将呈几何级增长。大数据为万物互联激起了广阔的想象空间,应用的场景数不胜数,但不可否认,国内运营商对大数据的运用还处于起步阶段。如何跨越瓶颈跃升至新的高度,可尝试从以下方面着手:


1、能力破冰:以项目带平台、再带流程与能力。国内运营商在实施大数据上一直存在着“先有鸡还是先有蛋”的困惑,既要投入资源提升大数据能力,同时又要有变现收益来支撑资源投入。考虑到运营商在大数据领域缺少现成的经验和案例可借鉴,可以从具体的项目着手,先接触客户,从实现简单的需求开始,理解数据、验证模型,积累相应的经验和案例,形成平台建设和数据规范的需要,在此基础上指导平台建设与数据治理。此后,基于平台的不断完善和升级,实现对已有系统的整合及原有流程的优化,从而进一步夯实自身的大数据能力。


2、平台建设:底层统一平台协议,上层先烟囱建设再下沉能力。一方面,在数据收集存储以及信息整合的层面建设统一的平台,保证数据规范统一,解决数据的实时性问题,保证所有数据从产生、记录、存储到维护都有一个完整生命周期;另一方面,在应用层面可以先尝试在局部领域进行烟囱式的建设,及早对接业务的需求,通过小范围试错和迭代来形成Know How、沉淀经验,等到这些模式逐渐被实践验证和市场接受的情况下,便可考虑下沉为能力平台,并通过开放来承载更多的商业模式和变现途径。除此之外,运营商特别还要在基础设施和IT架构上,将大数据技术融入到自身已有的技术生态中。


3、数据开拓:以开放思维参与数据生态。运营商尽管在数据资源上具有其独特的价值,但并不意味着仅靠自身的数据就所向披靡。尤其是在跨行业的复合场景下,多个数据源的关联分析能产生出更大的价值。这就要求运营商还要整合更为广泛的外部数据源,包括其他行业、公司及政府机构。随着大数据创新的不断涌现,跨领域的数据共享需求会越来越大,这其中涉及到的数据所有权、定价和交易规则等问题都有可能逐渐地清晰。当然,运营商也没有必要坐等所有争议都得到解决再去尝试,可以在一定的原则和风控措施下,以开放的思维参与到整个数据生态。


4、产品形态:大数据能力是未来运营商向行业客户提供一揽子服务的重要组件。从现阶段国内案例看,最常见的大数据应用就是各类数据报告,但在国内的商业环境下,数据报告的变现能力和变现方式都太局限,很多数据图打着大数据的幌子,更多是做噱头和认知。对运营商而言,大数据的变现应与自身业务和能力相结合,将自身大数据能力与业务进行集成,提供能嵌入行业客户日常运营的一揽子服务。以国外运营商案例看,大多数运营商都会协助线下企业提供精准营销服务(例如:Verizon为菲尼克斯太阳队提供精准营销服务,帮助其提升赛季套票销量的35%;西班牙电信利用人群轨迹分析帮助莫里森超市提高了150%的客流量。),而在此过程中,运营商的价值不能只停留在通过大数据能力找到精准营销的对象上,而要结合运营商能力(例如定位、轨迹等),为使用方触点提供准确的激活判断,并将这些价值集成在一起形成解决方案或平台,持续地协助行业客户提升运营能力。


5、开放平台:开放平台是大数据变现商业模式的必要承载。从现阶段大数据产品形态看,其商业模式暂未超出互联网商业模式范畴。像现阶段的征信业务等一单单、非实时的应用一定不是未来大数据的主要业务形态,而随着大数据应用能力的提升,大数据计算模型的执行将在瞬间完成,并使数据应用方能快速根据结果产生判断和后续业务动作,如实时信用额度提升、带标签导流与推荐、营销规则触发等。而实现这些实时的应用,都需要开放的能力平台承载。同时,考虑到信息安全等因素,数据源直接向社会裸露无非会带来巨大风险,因此通过能力封装,将裸数据进行脱敏,并包装成API或SDK以供调用,以达到安全管理的目的。并可根据不同垂直行业需求,定制封装成不同的能力产品群,以聚合产业链上的开发能力,在其基础上,开拓更多的应用空间。


6、组织转型:先释放弹性,后加以重构。未来大数据分析和应用要逐渐融入到运营商的日常运作当中,整个过程每一个员工都要参与变革。但组织变革就好比高空换发动机,牵一发动全身,需要稳步推进。建议前期先在现有的组织架构上进行适配,划分不同部门的角色分工(比如在移动公司可以考虑由数业负责产品、政企负责销售),通过建立联合团队,吸纳内外部具备业务视角或技术能力的人才,在较为集中的时间内实现局部领域的攻关和突破。在职能上,大数据业务团队不能只作为能力提供者,而应该与客户管理部门一同直接面向企业需求,建立贯穿售前、售中、售后的引导支撑、方案制定和实施交付等全面能力;到后期,在业务体量和能力储备达到一定层次后,设立独立的事业部以及VP层级的首席架构师角色,推动公司大数据端到端变现能力的形成(包括数据理解、模型应用、场景适配、模式创新等)。另外,无论是跨部门合作还是独立事业部,在人才的引进、培养、考核和职业发展等方面都应该有相应的配套措施,同时建立起小步快跑、容忍试错的机制,为创新创造条件。

IC交易网订阅号

ETIME元器件