国内运营商大数据的应用和发展

杨玉清 中国移动通信集团青海有限公司发展战略部工程师

邓 璐 中国信息通信研究院产业与规划研究所工程师

何 阳 中国信息通信研究院云计算与大数据研究所工程师

1 引言

大数据发展浪潮已席卷全球，全球数据量增长迅猛，据统计监测，2017年全球的数据总量超过21.6ZB；预计到2020年，数据总量将达到40ZB。在我国，数据消费与价值也在增长：2017年，移动互联网接入流量消费达246亿GB；2020年，预计大数据对我国GDP总的增量贡献也将达到1.2%～1.9%。一方面，大数据潜力巨大，且已上升到国家战略层面；另一方面，运营商也面临量收不匹配、OTT替代、管道化风险强化等发展难题，亟需寻找下一个收入增长点，作为用户数据接触、存储、传输、应用的管道载体，数据价值挖掘存在巨大潜力，大数据经营将成为运营商的重要发展方向。

如表1所示，电信运营商在数据方面具有天然的优势，拥有全维度时空连续的数据，主要包括身份、位置、通信、上网行为等数据，各类数据的来源、特点与使用场景各有不同。

从应用方向上来看，目前运营商主要是采用用户身份信息、业务数据、位置数据等，对上网行为数据的挖掘较少，未来需融合内外部数据，逐步深化细分领域，向价值更高的应用服务拓展。

2 电信大数据应用的典型场景

目前，国内运营商开始积极应用大数据的新技术、新能力，主要模式是“对内应用为主，对外商用为辅”。内部应用集中在网络建设、市场营销、产品设计和客户支持的优化，对外则主要是基于用户数据、M2M和企业数据进行加工获取收入。2017年，“电信大数据司马（SMART）奖”的数据显示，国内运营商目前的主要应用领域集中在金融、零售、政务、旅游和智慧城市等领域（见图1）。不同的大数据典型场景各具特点：

表1 电信大数据种类及特点分析

图1 国内电信运营商大数据中的应用领域分布

（1）金融：增强“金融服务创新”能力

金融领域是电信大数据商业价值变现最为热点的应用方向（见图2）。主要有两大方向：一是帮助金融机构提供征信服务。基于电信大数据的金融风控体系，引入了用户身份、履约能力、消费行为等多维度数据，为用户建立信用模型，在贷前信息核验、贷中风险变化探针、贷后违约预警等多方面，为金融机构提供征信服务,帮助其降低违约成本，防范信用风险；二是帮助金融机构对接外部资源，强化精准营销和客户获取能力。运营商基于海量规模的用户属性和行为数据，建立用户金融消费偏好分析模型，为金融机构实现更精准高效的金融业务设计开发和目标客户营销服务，提供有效支撑。例如，运营商推出的“移动手机贷”业务，帮助金融机构基于电信业务数据的精准分析，提供有针对性的现金类信贷服务。同时，三大电信运营商也推出了金融征信大数据服务，如中国电信的“天翼征信”、中国移动的“试金石征信”、中国联通的“沃指数”等。

图2 大数据对金融业务的全流程风控支撑服务

（2）零售：强化对内对外的精准营销能力

运营商利用大数据推动营销运营，主要包括两大方面：一是内部的客户洞察，分析客户的行为特征、选择路径，形成用户360°视图，丰富对用户的洞察，可运用于终端推广、套餐推广、外呼等，例如终端推广可通过家庭宽带与公共Wi-Fi的访问记录，分析用户的终端使用情况，通过分析挖掘模型为用户匹配相应的产品，此外还包括外呼中心基于客户标签的营销服务等；二是对外的精准营销服务，根据用户的身份特征、通信行为、上网行为等信息，打造用户消费偏好、消费能力等深度标签，梳理人与物的多重时空关系，作出用户需求或行为的客户与预测，帮助商家进行个性化推广，例如中国电信的灯塔大数据产品，以及商圈大数据SmartPin。

（3）政务：强化“反电信欺诈”能力

反欺诈是政务治理的重要应用场景，而如何精确识别不断变化的诈骗号码、如何进行有效的事中拦截和事后抓捕是反电信欺诈需要解决的核心问题。号码识别中，运营商的实时数据处理系统，能实时采集手机终端信令数据，对用户的通信特征和多种骚扰模型分析比对，动态识别当前存在高欺诈风险的号码源、通信信息流等；在事中拦截上，能实时监控黑名单号码通信行为，对接到诈骗电话的用户进行电话、短信提醒；在事后抓捕上，对已确认的诈骗号码，可实现对诈骗分子空间位置、移动轨迹的跟踪监控，为公安机关快速抓捕犯罪分子提供信息支撑。目前，运营商与政府协作实施的多省联合防欺诈工作体系能协助公安机关打击诈骗团伙（见图3）。以浙江省为例，自2016年8月反通信欺诈系统上线一年内，累计挽回损失超过4600万，诈骗报案量下降40%以上。

图3 对高欺诈风险号码源的动态识别模型

（4）政务：提升“公共安全维护”能力

电信大数据在政务治理的公共安全领域应用包括两方面：一是对公共领域的精确管理。主要是利用电信大数据对人口变化进行动态实时监测，为政府公共安全部门提供包括实时人口热力图、区域人口密度分析、城市人口变化趋势、外来人口统计等功能，帮助政府实施城市安全的精确化管理；二是对社区安全的有效监控。运营商通过电信大数据分析，与GIS地图相结合，建立流动人口密度分析模型，并融合社区网格化标签，能精确识别流动人群密度分布归属网格，便于社区工作人员登记、管理高密度地区流动人口。以佛山禅城区为例，运营商通过大数据应用平台实现社会流动人口历史趋势、归属地、常驻区域、日夜驻留、年龄、性别、本地活动等多维度对比分析，并结合历史变化趋势，对有可能造成民生保障、社会维稳等问题进行预警提示。

（5）智慧城市：优化“公共交通服务”水平

电信大数据在交通领域的应用主要包括两方面：一是向交通规划管理部门提供的决策服务。主要是基于手机位置、基站信令等基础数据，结合交通出行特征数据，对人群密度、潮汐交通、热点区域、行车速度、特征人群轨迹等实现监控和预测；同时，开展动态人口分布分析、客流分析、出行特征分析、路况监测分析、区域客流分析等，为交通系统构建、配套设施布局优化、组织方案制定等提供决策依据；二是面向个人的个性化信息服务，提供基于交通出行规律的定位、查询、漫游等增值服务。例如，在中关村创新示范区的规划中，电信大数据与交通大数据的结合，为缓解“大城市交通病”提供重要支撑。广东“云图”交通大数据应用，为居民出行提供智能交通服务。

（6）旅游：实现“智能化旅游服务”

电信大数据主要基于电信业务和旅游信息提供旅游大数据服务。一是面向旅游主管部门，提供智慧旅游管理服务。通过分析游客来源、游客出行方式、游客特征，为主管部门提供热点旅游区域情况，支撑旅游安全管控；二是面向旅游景区，推动智慧旅游经营。通过景区实时监控、游客特征分析等功能，辅助洞察游客偏好、调整服务设施、实现分流拥堵等；三是面向广大游客，提供智慧旅游出行服务。通过汇集景区热度排名、景区服务信息、行程规划服务等各种旅游信息，为游客提供出行指南等服务。例如，运营商与云南、四川、青海等地方政府合作，打造本地化的智慧旅游服务平台，均带来了上千万的经济效益；江苏基于电信大数据的智慧旅游平台与景区、旅游、商圈都有合作，已累计签约100多个景区。

3 电信大数据应用的主要挑战

（1）数据孤岛情况严重

运营商内部缺乏顶层设计层面的统一监管与规范，网络与IT系统多是分省独立建设，各省数据差异性较大，“三域”数据难以打通并汇聚，且标准化程度低。目前，大数据平台建设还处于初级阶段，整合难度较大。

（2）数据安全与隐私问题待解决

电信大数据涉及用户隐私，政府、社会对数据安全关注程度提升，数据资源保护以及信息安全开发相关的标准、规范缺乏，作为国企的运营商应用用户数据，要完全规避数据安全风险，仍存在困难。

（3）数据分析能力欠缺

大数据分析应用变现，对人才素质、系统能力、分析能力都有较高要求，目前运营商的IT技术力量、对各种算法的掌控能力、对业务的理解、场景模型的设计能力还不能满足市场需求。

此外，电信大数据业务的市场应用

需求不成熟，运营商相对传统的运营流程、组织机制等问题均为运营商应用电信大数据带来挑战。

4 电信大数据应用的策略建议

（1）强化大数据基础能力建设

运营商是推动电信行业大数据应用发展的核心主体，要强化对于数据资源战略地位的认识；通过数据“资产化”管理的方式，强化数据资源的内部整合，梳理并打通各渠道数据节点；标准化处理数据，实现数据定义、存储编码、处理模型和分析口径等多方面的数据统一管理标准；升级内部IT架构和体系，完善数据管理能力，提高数据存储和计算扩展性，降低成本，提供“能力及数据资源池”；加强数据基础能力平台建设，明确大数据平台架构，强化数据需求响应、存储能力、分析能力、视图输出能力等，形成大数据生产力。

（2）切入优势领域逐步变现

领域布局时，根据Gartner的研究，运营商在未来5年内基于大数据获得收入的领域主要有广告/媒体营销、医疗健康、智慧城市等（见图4）。根据产业特点和运营商资源优势，运营商的大数据领域分为几个策略群，建议分类施策。

图4 电信大数据重点领导布局建议

●对于高价值、高可行领域，可提升整体能力，优化产品服务布局。

●对于高价值、低可行领域，需依据政策、技术能力，审慎推进，规避风险。

●对于低价值、高可行领域，可稳固已有优势，持续提升数据价值，深入挖掘。

●对于低价值、低可行领域，需整合产业链资源，积极开展合作，立足长远，整体规划。

在不同的发展阶段，运营商需采取不同的策略，基于数据资源优势，先以探索、积累为目标，重视数据的可获得性和可靠性，以不触及法律红线为准则，稳步推进。近期可从企业内部入手，开展客户洞察、网络监测等，不涉及隐私外泄，对外可拓展具有较强的公益性的政务领域等，政策风险较小。未来可以拓展、变现为目标，重视应用的商业价值，选择电信数据资源优势明显、已形成规模化需求、客户关系扎实、符合国家与社会政策导向的领域，探索大数据在生产、生活、政务等各领域的广泛应用。

（3）对外合作推动能力互补

运营商强化对外合作，增强大数据能力建设，积极参与大数据相关标准与政策、规范性文件的制定，争取有利政策环境，加强与政府、公共机构的合作，拓展数据来源，积极探索与其他大数据企业合作运营的方式，弥补自身数据在分析能力与软件开发、平台建设等能力上的短板。与互联网企业、软件企业、内容提供商等合作，积极开发电信大数据相关的应用服务产品，并强化相关产品服务的运营推广力度。

（4）强化大数据隐私保护

运营商发展大数据应用时，需加强对个人信息的保护，一方面强化技术水平，采取存储加密、匿名技术、第三方审计等技术，并提高硬件及系统的安全级别，减小网络风险；另一方面，可匿名化、群组化处理敏感数据，数据经用户授权才能给第三方使用，对外披露大数据则使用趋势性的群体大数据，规避法律风险。

（5）提升大数据运营支撑能力

大数据与传统电信业务有较大差异，需更加灵活的运营管理和商业模式。一方面运营商需建立相对独立的专业运营单元，或成立单独的部门、子公司，或合作共建合资公司，对大数据业务进行集中、区隔管理；另一方面，需强化大数据的人才队伍建设，通过引进新鲜血液或内部培养专业队伍等，强化大数据的运营支撑能力。

参考文献

[1]成欣,喻朝新,刘立.通信领域大数据应用前景分析及模式场景探讨[J].现代电信科技,2016,46(01)1-7.

[2]张云帆.电信运营商大数据发展策略与价值挖掘[J].移动通信,2016(5):20-23.

[3]冯橙.大数据变现，电信运营商出啥招[N].人民邮电报,2017-05-16.

[4]数据中心联盟大数据发展促进委员会.电信大数据应用白皮书（2017年）[R]北京：2017:2-4.