电信运营商数字化转型的有关思考

刘开开

（中国电信集团公司，北京 100033）

1.数字化转型背景

基于互联网技术，通信客户也近似饱和，短信与语音业务量大不如前。尽管4G网络迅速普及，数据流量迅猛增长，但备受营改增、提速降费等政策制约，国内运营商将面临“增量不增收”困境，盈利状况依然得不到改善。电信运营商收入增长点、加速转型、探索新业务已是必然趋势。伴随互联网技术逐步涌现、运用及通信技术革新发展，企业运营方式及客户消费习惯均产生了重大变化[1]。基于此，信息交换模式不断由语音为主变成以数据为主，消费活动不断从线下改成线上活动，面对数字化社会经济发展的大趋势，电信运营商有待利用数字化转型来拓展新业务，同时需融入新的产业生态圈，数字化转型已成电信运营商的必备选择。

2.电信运营商数字化转型人工智能核心技术的分析及应用

2.1 人工智能的核心技术

其一，人机交互。在电信运营中，人机交互应用到的技术大致有两种，一种是机器人学技术，一种是模式识别技术。机器人学是以仿照人的行为进行的一种操作技术，是当前智能性技术运用最前卫的技术，而模式识别技术是通过计算机技术的优点，代替我们人们实施有关的感知，其研究对象主要是计算机方式识别系统，二者的有机融合并加以操作，能够让人工智能技术的运用优点得到显著发挥。

其二，数据挖掘与学习。基于大数据技术视域下，对大量数据实施深度数据挖掘时，单凭以往数据处理模式对数据关系进行剖析，是存在一定模糊性的。那么，如果通过人工智能技术实施数据挖掘，它可利用人工智能技术的分支，也就是机器学习，在通过计算机模拟操作，呈现对数据模拟人类化的数据加以剖析及学习，并且在机器神经网络技术支持下，呈现对数据关联性的海量检索。

其三，知识与数据的智能处理。在对知识实施处理时，运用率相对较高的技术为专家系统。它是把知识的思维模式，转入到应用的专门知识，实施专门问题的解读，以此由人工智能技术从理论探究期，转到实际运用中[2]。换言之，专家系统作为一种附有专门知识的计算机智能系统，专家系统能够按照特定领域的专家提供知识及经验，在人工智能技术支持下，对各种专家可以处理的问题，实施繁琐性问题的处理及模拟。

2.2 人工智能技术在电信运营中的运用

其一，自然语言技术。自然语言处理技术在电信运营中营业厅运营作用尤为重要，该技术可以在电脑的操作下，有效弱化对人类语言识别的难度，进而迅速获得人类语言数据消息，为所服务的客户提供精准的、系统的客户体验及服务。该技术在电信运营的营业厅中运用时，它的性能主要包括人机数据资源共享及搜索有关问题、提取数据摘要、数据抽取、机器翻译等[3]。换言之，电信营业厅作为电信客户的重要服务场所，电信营业厅鉴于服务性能的限制，可能会在为客户实施服务提供时，存在一定服务效率不高，或是鉴于客户表达不精准，呈现服务错误的现象。

其二，智能营业厅。它不但是一种新型电信营业厅概念，还是一种电信运营技术。智能营业厅是通过人工智能技术的优点，通过一站式的服务模式，在多样化技术大力支持下，对电信营业厅的系统与硬件设备实施集成性整合，致使电信营业厅可以呈现出服务的多元性、智能性及互动性。与以往电信营业厅比较，如今电信实现了智能营业厅，且服务内容也获得了全面扩展，能够全面优化以往客户需求数据获得不充分、营业厅服务响应慢、服务提供不精确等状况，继而让电信运营可以更好地为客户提供相对服务，逐步增强电信营业厅的服务水准。

3.电信运营商大数据运用的挑战

3.1 数据安全管控压力大

电信数据化运用的安全标准依然存在诸多缺失，安全管控压力较大。数据安全是数据化运用发展最核心与最基础的前提条件。电信数据化涉及着客户个人隐私，在客户信息保护与数据安全层面要求较为严格，怎样在电信运营服务交易期间，有效旁避数据安全风险，全面做好数据安全的保证及管理，是电信运营商发展数据化业务必将面临的巨大挑战[4]。现阶段，大数据安全领域的有关标准依然处于探索阶段，电信领域内有关数据技术安全规范层面存在诸多空白，在欠缺行业统一规范与安全标准的状况下，仅凭运营商自身监管控制，会带来诸多安全风险。

3.2 数据运用市场需求有待培养

电信大数据运用应求有待培育，数据交易市场不稳定缺乏成熟性，缺乏规范性的管理。电信大数据业务的市场运用需求尚未健全，除了金融征信、准确营销等个别行业，交通、医疗、教育等大多数垂直行业的运用需求依然处于低水平阶段，用户对电信数据化合作形式、运用价值、业务方式、运营过程的认识匮乏，市场开发与培育的压力较大[5]。并且，全球性数据化交易市场建设依然处于初级阶段，在技术支撑、交易途径、数据定价、交易模式等诸多层面都存有一定盲区，大数据交易流程中，存在服务能力不足，专业水平不高，并且有关政策法规有待进一步健全问题，综合大数据交易流程的规范化管理水准不高。

3.3 数据资产化管理能力匮乏

电信运营商以往的数据化系统是类似于“烟筒式”建设模型，数据分布在各个子系统中，缺乏统一的数据存储管理标准，各个行业的数据弊端依然存在较大差别，很难实现共享互通。另外，各个运营商的大数据平台建设依然处在初级构建阶段，以往数据系统改良难度系数大，现有数据收集与运用剖析能力很难符合大数据业务下的海量计算需求与数据存储需求，数据要求的响应速度缓慢，个性化数据剖析能力有所欠缺。

3.4 以往组织框构不适应

以往电信业务多层级运营架构，很难迎合大数据业务的迅速创新趋势与灵活运营特性。大数据业务附有典型的移动互联网产品特点，和以往电信业务比有很大差别，需求更具灵活性的运营管理方式。大数据业务运营都是以产品为重心，调整以往分布散在各个机构的营销推广、客户服务、设计研发等运营环节，从而建立专业化大数据业务运营监督管理规制[6]。对国内电信运营商来讲，发展大数据业务在运营过程、组织架构及人才储备等层面均面临非常大的转型整合压力。

4.电信运营商数字化转型的应对建议

4.1 运用大数据技术实现服务能力升级

在电信运营中，企业的业务运营方式与战略转型的革新并非是短时间内所能达到的事情，所以在这个迟缓革新的流程中，电信运营商需要做到以现有数据优势，融合数据技术把企业中数据价值系统呈现出来，基于大数据技术背景，逐步优化业务服务能力，以此达到客户较为满意的程度，为客户提供更高水准与更高质量的电信服务，如图1所示。另外，还需构建具有数据化的个性化营销服务体制，结合精确性的服务向客户提供最佳的业务服务，给客户带来高质量服务感受[7]。与此同时，还可经过用户群的运营方式来减少营销成本，提高客户对产品服务的肯定，从而以最佳的个性化电信服务提升客户满意度，在服务水平上呈现出电信运营时质的飞跃，最终为电信运营商数字化转型的实施提供强有力保证。

图1 缔造数据化服务生态圈及数字化转型发展趋势

4.2 强化电信运营数据化人才体制构建

在电信日常运营中，若要迅速形成数据化剖析运用能力，仅凭公司以往的人才是远远不够的，所以要加大力度强化大数据技术人才的体制建立。电信运营商的大数据人才，不但是电信领域的数据专家、还是数据研发与剖析的人才，唯有呈现业务与技术的有结合，方可切实把数据化的效用全面呈现出来，继而强化公司竞争力，有效促使电信运营商数据化转型。另外，电信运营商需利用双重融合模式，加快对核心技术人才的储备，一种是外部引进模式，一种是内部培养模式[8]。并且，也需要全面增大在数据行业的技术研发力度，结合数据技术的核心领域建立公司强有力的专业体制与技术团队，摒弃对外部技术的依赖，把握数据化的核心技术，从而缔造企业在数据化的核心技术能力。

4.3 加快电信数据化转型云投资步伐

云计算技术发展渠道有两种，一种是构建数据中心，一种是租用数据中心。运营商构建数据中心具有政企行业对数据化存储的重要需求、网络传输能力及运营商资质等诸多固有优势，构建运营数据中心是电信运营商的必要趋势。但它属于重资产属性，运营商务必要严谨完成好布局与规划，以免建设过度造成资源浪费。智能管道是云计算技术主要的构成部分，运营商在做好虚拟化部署与数据化中心建设时，网络云化的部署应该齐头并进[9]。唯有健全的智能管道，方能按照用户需求与业务价值自主配备科学的网络资源，同时提供相对计费方式的数据管道，这样方可呈现“网络可管理、客户可识别、业务可区分、流量可调整”，在最大程度上较好地满足电信运营商数据化业务环境云化的趋势。

4.4 建立具有开放性的网络平台

互联网附有一定开放性，电信运营商若想在互联网的竞争中前行，就需在互联网产业链中应该具有一定的发言权，那么就不可实施单独发展，而此时数据化技术正好给了电信运营商一个重要的契机。电信运营商需要强化对外的合作力度，以开放性的心态自主地结合到综合互联网世界中，同互联网产业链与大数据产业链中的各个程序实施细化合作，如图2所示。此时，电信运营商能够凭借数据化平台，把数据剖析、获取、处理等能力呈现出服务化，进而建立具有开放性的产业链系统，促使业务方式转型革新[10]。同时，也能和其他公司实施数据共享，扬长避短，把电信运营中重要数据资源的内在价值全面开发出来，达到合作共赢的目标，实现数据最大化应用。

图2 电信运营商对大数据应用

5.结语

伴随整体社会数据化的演变，通信领域也步入互联网技术、计算机技术及媒体技术背景下的数据化转型的核心时期，该转型和电信领域以后持续良性发展具有重要联系。若要确保电信领域以往的优质发展形势，务必要下足功夫完成数据化技术的转型，从企业人才培养、组织、规章体系、文化等层面实施系统革新，从网络技术的升级换代上变革，如此才可成功转型，促进电信业持续发展。