运营商挖掘大数据价值的7种模式

　　（来源：中国信息产业网）

　　移动互联网时代，数据爆炸式增长后带来巨大的流量，运营商在收入上却没有得到相应的提升，还面临着数据流的附加值被互联网公司“吸”走的挑战，面临沦为管道的尴尬。在接下来的移动互联网的竞争中，运营商要怎么办?对于电信运营商而言，大流量、大数据带来更加严峻的考验，但是同时机遇往往与挑战并存，运营商手中所掌握的海量数据，也是产业链上其他环节望尘莫及的。另外，高效的信息分析能力，将帮助运营商在日益激烈的市场竞争中准确决策，深度挖掘流量和数据价值，从而摆脱“管道化”风险。

　　随着互联网、移动互联网、物联网、云计算的兴起以及移动智能终端的快速普及，运营商的网络获得了更完整的用户数据。例如在用户层面，除了常见的年龄、品牌、资费、入网渠道等基本信息外，数据还包括上网时间、上网地点、浏览内容偏好、各种应用的使用时间等；在终端层面，包括IMEI、MAC、终端品牌、终端类型、终端预装了哪些应用、终端的操作系统、终端的尺寸等。此外，还有诸如Web浏览记录、传感器信号、GPS跟踪和社交网络信息等数据。按《爆发》一书中的说法——“爆发展示的是一种思维方式，而不是预测方法。从物理学到人类社会大数据时代我们的行为确实可以预测，我们在享受一些免费服务的同时，出卖自己的喜好。”从这些庞大的用户数据中，可以分析出不同用户的行为习惯和消费喜好，并最终提高经营效率。

　　运营商已深刻认识到大数据的重要性，在企业内部已经利用大数据实现精确化营销和精细化运营。中国移动就通过对用户数据的MOU(平均用户通话时长)、业务收入等数据分析后，提供比较精准的模块支撑，极大地方便了营销人员的日常营销。如针对漫游费比较多的用户，就推荐漫游套餐；对经常用手机上网的用户，就推荐流量包。通过对用户行为的分析，提供IM服务，如飞信、飞聊等。在经营分析系统中，深度挖掘融合市场、集团、客户、客服、网络、财务数据，为业务和决策部门提供较完备的用户数据分析，使公司决策由“经验型”转为“分析型”，实现了精细化运营。

　　然而，这些是远远不够的。运营商虽然开始尝试对外提供数据服务，却停留在提供原始数据层面，这对于大数据是严重浪费。就海量数据，提供高附加值的数据分析服务，将数据封装为服务，形成可对外开放、可商业化的核心能力，实现商业模式的创新，才能使运营商真正挖掘到大数据这一金矿。笔者认为，至少有以下7种模式是运营商可以实践的。

　　模式1：数据存储空间出租

　　企业和个人有着海量信息存储的需求，只有将数据妥善存储，才有可能进一步挖掘其潜在价值。具体而言，这块业务模式又可以细分为针对个人文件存储和针对企业用户两大类。主要是通过易于使用的API，用户可以方便地将各种数据对象放在云端，然后再像使用水、电一样按用量收费。目前已有多个公司推出相应服务，如亚马逊、网易、诺基亚等。运营商也推出了相应的服务，如中国移动的彩云业务。

　　要提升差异化的竞争能力，运营商应该在数据分析上下工夫。对于个人文

　　件存储应在提升关系链管理、提升个人效率上下工夫；而在企业服务上，将其从简单的文件存储、分项逐步扩展到数据聚合平台，未来的盈利模式将有无限可能。

　　模式2：客户关系管理

　　客户管理应用的目的是根据客户的属性(包括自然属性和行为属性)，从不同角度深层次分析客户、了解客户，以此增加新的客户、提高客户的忠诚度、降低客户流失率、提高客户消费等。

　　对中小客户来说，专门的CRM显然大而贵。不少中小商家将飞信作为初级CRM来使用。比如把老客户加到飞信群里，在群朋友圈里发布新产品预告、特价销售通知，完成售前售后服务等。中国移动不妨在此基础上，推出基于数据分析后的客户关系管理平台，按行业分类，针对不同的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，然后将提供线上支付的通道打通，形成闭环，打造一个实用的客户关系管理系统。

　　模式3：企业经营决策指导

　　运营商可以利用用户数据，加以运用成熟的运营分析技术，有效提升企业的数据资源利用能力，让企业的决策更为准确，从而提高整体运营效率。简而言之，将运营商内部数据分析技术商用化，为企业提供决策依据。举个简单的例子，某商店卖牛奶，通过数据分析，知道在本店买了牛奶的顾客以后常常会再去另一店买包子，人数还不少，那么这家店就可以考虑与包子店合作，或直接在店里出售包子。

　　模式4：个性化精准推荐

　　在运营商内部，根据用户喜好推荐各类业务或应用是常见的，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客户进行精准营销，今后盈利可以来自于客户增值部分的分成。

　　以日常的“垃圾短信”为例，信息并不都是“垃圾”，因为收到的人并不需要而被视为垃圾。通过用户行为数据进行分析后，可以给需要的人发送需要的信息，这样“垃圾短信”就成了有价值的信息。在日本的麦当劳，用户在手机上下载优惠券，再去餐厅用运营商DoCoMo的手机钱包优惠支付。运营商和麦当劳搜集相关消费信息，例如经常买什么汉堡，去哪个店消费，消费频次多少，然后精准推送优惠券给用户。

　　模式5：建设本地化数据集市

　　我们都知道，数据是非常有价值的东西。因此，能够下载或者访问数据平台，自然而然也就成了商业需求。运营商可以通过建设数据集市，数据提供者可以将数据上传至平台供人免费下载，或者以一定的价格销售，让每个人都能找到自己需要的数据集。

　　运营商具有的全程全网、本地化优势，会使运营商所提供的平台，可以最大限度地覆盖本地服务、娱乐、教育和医疗等数据。典型的应用是中国移动“无线城市”，以“二维码+账号体系+LBS+支付+关系链”的闭环体系推动，带给本地化数据集市平台多元化的盈利模式。

　　模式6：数据搜索

　　数据搜索是一个并不新鲜的应用，随着大数据时代的到来，实时性、全范围搜索的需求也就变得越来越强烈。我们需要能搜索各种社交网络、用户行为等数据。其商业应用价值是将实时的数据处理与分析和广告联系起来，即实时广告业务和应用内移动广告的社交服务。

　　运营商掌握的用户网上行为信息，使得所获取的数据“具备更全面维度”，更具商业价值。典型应用如中国移动的“盘古搜索”。

　　模式7：创新社会管理

　　对运营商来说，数据分析在政府服务市场上前景巨大。比如在大数据的帮助下，什么时间段、哪条路拥堵等问题，都可以通过分析得知。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，为拥堵作出准确预警。美国已经使用大数据技术对历史性逮捕模式、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。

　　在国内，运营商也可以在交通、应对突发灾害、维稳等工作中使大数据技术发挥更大的作用。

　　运营商处在一个数据交换中心的地位，在掌握用户行为方面具有先天的优势。作为信息技术的又一次变革，大数据的出现正在给技术进步和社会发展带来全新的方向，而谁掌握了这一方向，谁就可能成功。对于运营商来说，在数据处理分析上，需要转型的不仅是技巧和法律问题，更需要转变思维方式，以商业化角度思考大数据营销。