運營商自身如何用好大數據

大數據時代已經到來，如何更好地發揮數據資產的價值對于電信運營商來說是一個嶄新的課題。電信運營商是大數據的傳送者、生產者和使用者。在電信運營商為各行各業提供大數據應用時，首先要將大數據應用于自身發展，才能更好地適應時代競爭需求，如果連內部都做不好，對外營銷大數據產品也沒有說服力。

運營商是大數據的生產者和使用者

電信運營商是移動數據的傳送者。據StatCounter公司2014年5月報告，全球移動互聯網流量占互聯網流量的25%，其中亞洲比例更高，占到37%，而在2010年這一比例僅為4.5%。有互聯網女皇之稱的Mary Meeker在《2014互聯網趨勢報告》中指出，全球移動設備貢獻的互聯網流量份額將年增1.5倍，到2014年年底超過30%。

電信運營商也是移動數據的生產者。電信運營商在為用戶提供上網訪問、語音通話、短消息發送等管道服務的同時，也收集管道中流過的數據。

運營商中的大數據主要可分為三大類。第一類是CS（Circuit Switch）域中的信令數據，主要包含用戶的電話呼叫記錄（CDR）、短信發送記錄以及終端與網絡的其他交互記錄（如終端的開機消息、位置更新消息、鑒權消息）等；第二類是PS（Packet Switch）域中的IP包數據，PS域數據主要包含用戶上網時的控制面和用戶面數據包記錄，控制面數據如AAA的鑒權、認證數據包，PDP建立、更新、刪除等，用戶面數據主要是用戶的上網記錄數據；第三類是包含用戶個人屬性的CRM數據，主要包含用戶的身份資料數據、產品的訂購數據、用戶的消費數據、用戶的支付數據、用戶的套餐數據、用戶的終端數據等。

這些數據完美地體現了大數據的“五V”特征，中國聯通從SGSN與GGSN間以分光方式獲取移動用戶的上網IP地址、時長、上網記錄和基站流量，2013年每秒收集用戶上網記錄83萬條，對應年數據量3.6PB。中國電信一個中等規模的本地網每天3G用戶上網記錄就達到TB級，上海電信每分鐘產生8萬條位置更新信息。中國移動從移動終端上報的異常事件記錄中采集數據，還從基站和交換機中通過分光方式采集數據，2013年每天記錄話單數據10TB、信令數據100TB、上網日志500TB，累計數據存量80PB，年增50%。

電信運營商還是移動數據的使用者。三大電信運營商都著力建設大數據分析系統。中國聯通建立了用戶上網大數據分析系統，利用收集的用戶上網記錄解決用戶透明消費問題, 并使用其中的數據做客戶的精細化營銷，同時準確掌握每個基站的實時流量和忙閑，為網絡擴容和提高質量提供依據。中國移動建立網絡資源的大數據系統，改進對用戶專線提供的速度。建立微營銷大數據分析系統，實現定向精確營銷、差異化的合作伙伴后向能力保障和智慧城市管理。中國電信利用大數據支撐智能管道，通過感知優化流量使網絡暢通，還利用大數據分析中小企業用戶的通信行為，對企業誠信和經濟能力進行評價，降低金融機構的風險。

大數據提高企業內部科學決策

運營商大數據的價值主要體現在運營商內部應用和外部商業化。其中通過內部應用可以提高運營商的科學決策水平，實現決策從主觀判斷和經驗判斷為主轉向數據驅動的科學決策。

精準營銷，提升市場經營水平。通過對移動用戶上網行為的分析，知道用戶的上網偏好，并把合適的內容推薦給喜歡的用戶，實現精準流量經營；根據使用不同移動終端的用戶的月均流量消耗，分析出在哪些移動終端上用戶的上網體驗最佳、DOU最大，根據該數據就可制定更為科學的終端補貼策略；通過對用戶手機的通話、短信和空間位置等信息進行處理，提取用戶通信行為的時空規則性和重復性，有針對性地開發業務和優化資費模式及套餐余量置換方案，實現定向精確的終端營銷和個性化內容業務推薦。

客戶維系，提升客戶服務水平。根據用戶的終端是否支持4G，主動向用戶推薦性價比更好的4G套餐，讓持4G終端的用戶早日用上4G網絡，提升客戶體驗，降低用戶流失率；通過分析客戶通話對象結構轉移、使用量變化、上網行為漂移、套餐飽和度下降，分析出客戶離網傾向及繳費異常傾向，及時進行客戶維系與挽留。

優化網絡，提高網絡建設和維護水平。通過3G基站的流量大數據，可以分析出哪些區域是用戶數據流量高消耗區，在這些區域建設4G基站，就能做到既精準又有效；通過對MR大數據的分析，可以知道哪些區域移動網絡小區信號覆蓋不好，通過關聯CRM中的客戶信息和套餐信息，便可排出網絡優化的優先順序；以用戶的體驗視覺實時跟蹤網絡性能，記錄接收信號強度(RSSI)、用戶位置等信息，快速預測用戶移動行為，并獲取當前小區及下一個切換小區的信息，對待切換到的小區為用戶預留資源，實現快速切換，準確掌握每個基站的動態流量和忙閑，為精確規劃站址和決策擴容、優化網絡性能、實現異構網宏微協同提供依據。

案例：

1.國內某運營企業綜合應用神經網絡、分類樹算法、logistic回歸、文本挖掘、SNA社交網絡分析等數據挖掘技術，建立投訴預測五大模型，包括交際圈模型、忍受度模型、情感分析模型、業務表象模型、內容敏感點模型，另外利用文本挖掘方式實現對客戶投訴文本的自動化分類算法的功能，實現文本自動化分類技術，實現事件到問題的轉換，同時，建立文本分類識別模型，變更分類，根據訓練結果自動重新歸類文本，使業務數據得到有效沉淀，并結合每個分析視角與應用場景，給出用戶投訴的風險度、可能的投訴原因及相關場景。實現了智能預判提醒功能，防患于未然，使一線員工的工作方式由被動服務變為主動關懷，有效降低了再次來電率和再次生成工單率，縮短了人均處理工單的時間，提升了工作人員的處理效率，降低了升級用戶的投訴率，降低了流量調費用戶的調費金額，有效降低了成本。

2.T-Mobile采用Informatica平臺開展大數據工作，通過海量數據的集成，綜合分析客戶流失的原因，在一個季度內將流失率減半。

3.SK電訊新成立一家公司SK Planet，專門處理與大數據相關的業務，通過大數據分析用戶的使用行為，在用戶做出決定之前，推出符合用戶興趣的業務，減少用戶流失。

4.法國電信開展針對用戶消費的大數據分析評估，利用大數據改善服務水平，提升用戶體驗。某段網絡的掉話率持續過高，借助大數據分析手段診斷出通話中斷產生的原因是網絡負荷過重造成的，根據分析結果優化網絡布局，提升客戶體驗，從而獲得更多的客戶以及業務增長。

5. 國內某運營企業利用主成分分析(Principal Component Analysis，PCA)算法，將多個變量通過線性變換以選出較少個數重要變量，并嘗試基于全量的用戶通信記錄數據建立大數據分析模型，自動識別邊界漫游小區，做到數據與業務的完美結合，改善工作流程，讓工作更加高效，從而保證新增加的邊界漫游小區及時添加到計費系統中，解決由于邊界漫游話單多收用戶漫游費而引發的客戶投訴，提升公司對用戶的服務品質，減少用戶投訴引起的話費返還等維系成本；對網絡調整后不再是邊界漫游小區的及時發現并刪除，避免真實漫游話單當作本地話單進行批價而造成話費損失。