坐拥海量数据的运营商大佬，如何走商业变现之路？ - 通信人家园

时间: 2022-1-11 09:48

作者: m743380799 标题: 坐拥海量数据的运营商大佬，如何走商业变现之路？

10月26日，第一财经旗下DT财经发起的数据社群——数据侠联手复旦大学大数据研究院人文社科数据研究所，共同举办了以“大数据商业应用解析与未来展望”为主题的公开课。课上，数据侠联盟成员、中国电信大数据产品经理、2016年SODA大赛（上海开放数据创新应用大赛）冠军汪科科，以中国电信的海量数据为例，向复旦大学的同学们与数据侠社群的数据爱好者们介绍了大数据商业化的方法论。

本文根据汪科科的演讲内容整理而成，通过对中国电信的海量数据类型、产品服务以及商业化程度等方面的介绍，帮助大家更好地了解目前大数据商业化的情况。

所谓“电信运营商在整个大数据产业链当中如何实现数据外部变现”，即为数据怎么变成钱。

运营商作为一家数据源公司，与阿里巴巴等大型互联网公司一样，它的数据分为两部分使用：

下文的内容将围绕运营商的数据怎么嫁接在其他公司或产业上，为他们带来价值增量这个角度展开。

大数据产业如何变现？很重要的一步是我们要了解大数据产业链。理解了大数据产业链，企业才能知道在整个产业链当中我在哪里？我的客户在哪里？我离我的客户有几步？如何才能缩短我和客户的距离？

从供需的角度来看，整个大数据产业链分为有数据的人、有技术的人和用数据的人三部分，大数据变现就是要把“数据和洞察挖掘能力转换成服务”，为使用者带来增值。

总体来看，大数据产业链包括数据采集和整合、数据存储和运算、数据分析和挖掘以及数据应用和消费四个部分。在这四个部分当中，运营商处于产业链的基础层，即数据源端，在整个大数据产业变现路径当中，运营商是非常重要的一环。

得益于自身服务的宽度，运营商的优势在于完成了大数据行业中部分核心数据的汇聚和打通。有很多数据在运营商这里先天就是打通的，不需要再找第三方数据来进行打通。上海电信大数据覆盖了1000万移动手机用户、500万固网宽带用户、300万IPTV家庭用户、800万固定电话用户和700万电信账单用户。不同类型的用户为上海电信提供了不同的数据。

上海电信大数据覆盖的这些用户，每天都会产生各类互联网行为数据，包括固网侧、移动设备侧以及WiFi方式上网所产生的行为数据等。在使用互联网或移动互联网时，用户的行为会在信息高速公路的管道中留下痕迹，如通过网络看书、看抖音视频等，这些痕迹都可以被运营商收集到，形成大量的互联网类行为数据。

为了给用户保证7×24小时不间断的通信服务，运营商与用户保持了7×24小时的不间断连接，与此同时也就可以获得7×24小时的移动位置数据。除了运营商之外，很多移动互联网公司，包括APP产品的互联网公司，也会提供移动用户的位置数据，但如果用户在后台将位置权限关闭，这些企业就不能够获取用户的位置数据。相比于这些企业，运营商的优势就在于能够获取7×24小时不间断的移动位置数据。

通信型数据包括两种，一种是话音数据，一种是短信数据。这部分数据拥有非常高的潜在价值。通信的数据量可以涵盖出一个人的社交圈，哪些人是经常联系的，哪些人在不同时间段之内是周期性联系的，通过模型可以分析出哪些是你的同事，哪些是你的家人。

C2C（Consumer To Consumer）的短信在互联网社交时代虽然已经被微信等社交软件取代，但仍有一部分人喜欢使用短信发送信息，因为它强制性地一定会到屏幕最前面，让对方看到。

今年9月份，三大运营商的运营商电视（包括IPTV及中移动的OTT电视）在全国4亿电视使用人口当中已达到2.2亿，超过有线电视成为最大的电视服务供应商，因此，运营商通过电视服务的提供获得了海量电视行为数据。

除了以上4类数据外，随着实名制的普及，运营商的数据也包括了用户姓名、手机号、家庭地址、身份证号等基础信息数据。

运营商采集数据的体量非常大，仅上海一地的日数据增量就超过14TB，但上海电信在使用数据的时候却有一套非常严格的程序，来保证底层源数据的安全。

在日常大数据业务开展过程中，我们必须各类严格的操作数据接触和操作流程，其中有两条绝对不可逾越的红线。第一是数据不能出门，第二是数据脱敏后才能使用。姓名、手机号、身份信息、不同时刻出现的行为数据等原始数据不可从运营商机房出去；同时任何可反溯到用户个体的数据也绝对不可离开运营商的机房。在具体使用数据时，必须要先对数据进行脱敏，即把数据和个人的关联脱离，放到物理隔离的环境里，才能进行数据分析。

五年前运营商们刚开始做大数据外部变现的时候，都认为非常简单，只要通过贵州大数据交易中心、上海大数据交易所这样合规的数据中间交易机构就可以持续地获得外部收入，但在实际操作过程中发现事情往往有许多复杂的问题。运营商的数据要外部变现，必须要将数据和客户的需求拼装成能力，然后再利用这些能力给不同的客户赋能。

大数据它不是一个独立的闭环产业，它一定要嫁接在某一个产业上。能够提升某个产业的效率、节约成本或是获得更多的商业机会，这样大数据才能产生更大的商业价值。

如何利用数据为客户带来价值？首先要分辨出你做出来的东西到底谁来买单？是政府机构需要，还是商业机构需要，然后针对不同的客户需求提供相应的解决方案。为了做到“因人而异”，运营商必须具备一支基于自身数据应用的经验丰富的设计架构团队，拥有利用丰富的数据展示可视化手段进行大数据平台搭建的能力，才能释放数据的能力，给其他产业赋能。

在大数据这个行业当中，我们掌握的永远是一部分的数据，想要达成一件事情，往往需要不同数据之间的交换。运营商先天拥有一个完整的账号关联系统。比如一个家庭的主宽带账号，下面关联了手机账号、IPTV账号等，运营商通过自身的数据能力，能够将用户线上和线下的标签关联起来，构成比较完整的数据闭环。

数据的商业化，必须要先标签化。运营商数据的标签类别包括用户基础信息类、OD位置类、行为偏好类、消费能级类和资信类等。通过用户标签的构建，将基站语言、UI字段等转化成用户能够听懂的内容，然后才能将数据进行商业化。

爬虫数据是运营商开展大数据时对自身数据的有效补充，通过商业化的爬虫能力能为运营商带来稳定的数据采集途径。

空间是一个包容性的容器，可以把多维的数据包容在以空间为基础的地理大数据上面，同时产生很多有意思的分析。大数据空间地图网格化，能够解决用户隐私数据保护和数据脱敏问题，比如说在做上海人流结构分析时，我们将整个上海按500x500m，分成了3万多个格子，这样就不需要用到个人的数据，而是人流的轨迹，这同时也是一次数据脱敏，利用空间地图网格化，可以在不侵犯用户隐私数据的同时能够利用数据进行商业性分析。

大数据空间地图网格化提供了业界数据共享的一个共通规则，不同数据源可以将数据放到网格里，产生不同的化学反应。

用户画像是整个大数据营销当中非常重要的一环，基于用户画像，运营商可以做非常多的洞察类的商业应用。用户画像通常在两个环节使用，第一是广告投放，第二是新产品规划。

举个例子，某乳业公司要对20-35岁的女性白领推出一款常温酸奶，在产品规划过程中，会遇到这些问题：中高档人群的基量有多少？这个人群是否存在？新产品相对于传统酸奶而言具有什么样的特色？它的市场空间有多少？价格如何定位？潜在目标群价格承受能力如何？

通过运营商的大数据资源和能力，我们就可以准确的回答该乳业公司对目标客群的定性定量分析，从而规避在新品设计初期的市场预判风险，决定新产品要不要做、在什么渠道投放广告、使用什么广告术语、通过什么渠道整合提高目标人群触达率等，达成良好的营销效果。

通过数据监测，运营商可以为客户提供一套完整的咨询服务方案。比如用户在各类互联网平台上的行为，能够通过运营商的数据进行追踪，找到用户是从哪个流量入口进入，他停留了多长时间，有没有退出产品去看竞品，有没有产生加购行为等痕迹，通过用户行为分析，为客户提供相对应的咨询服务方案。

运营商覆盖的人群和数据，能够达成商圈消费行为、商圈店铺结构、商圈网络行为、竞争对手情况、商圈人群属性等区域洞察。

利用大数据区域洞察能力，运营商能够为各行各业在营销、风控、技术等环节提供相应解决方案，如精准营销获客、用户标签补足、风控标签等。

运营商数据要实现外部变现，为客户提供专业服务，要具备用户画像服务团队、专业咨询团队、业务数据分析团队、业务分析团队和个性化服务团队。对于传统运营商业务来说，这些都是新的挑战，必须将专业机构人才放到团队里，才能提供一个比较完整的解决方案。

目前运营商数据外部变现的方式，主要集中在规划、营销、商圈和风控四大部分，具体包括智慧社区、智慧旅游、智慧双创园区、智慧商圈、智慧展会、智慧交通、智慧城市、智慧政务及智慧气象等应用。

智慧社区方面，通过电信提供的NBIOT网络和各类物联网设备，可以对小区人流出入状况、车辆出入状况和公共区域等进行高效的监控和智能管理。

智慧旅游方面，通过人流的监测了解当地旅游市场的各地游客来源地构成、连续的旅游路径分析等相关状况。

智慧双创园区方面，通过电信数据和客户自由数据的拼接，产生汇聚和碰撞，得出甲方需要的解决方案的价值。

智慧交通方面，把人的数据和物的数据连接起来，分析城市内通勤及出行、城际间通勤及出行、道路拥堵状况、公众用户画像和网络行为偏好。

智慧城市方面，打造空间数据地图，以500x500m网格上的人流数据为基础，辅以各类POI（Point of Interest）数据，输出一系列城市数据地图产品。

智慧气象为气象局提供全方位的人文洞察，包括老百姓对气象播报的评价如何、用户手机里安装了哪些气象APP、在什么时间看气象等。

运营商在整个大数据产业当中犹如一个数据农场主，为了能实现数据的高效变现，它成为了一个向客户提供全案服务的供应商。运营商的大数据要成功外部变现，不能像过去一样只卖原材料，因为目标客户不知道原材料会给他带来什么价值。所以运营商在大数据外部变现的业务路径上，需要把数据和服务融合，配备许多专业团队，综合原数据、标签、解决方案、项目以及服务等，给客户提供可选的全案解决方案。