第10章通信业商业分析应用的发展趋势（课件）《商业分析实务》（华东师范大学出版社）

第十章 通信业商业分析应用的发展趋势 1 拥有的大数据 大数据在电信行业应用的总体情况 方法视角下的大数据分析模型 变现视角下的大数据分析应用 目录 CONTENT 01 02 03 04 01 拥有的大数据 3 拥有的大数据 总的来看，电信行业的大数据依然处于探索阶段，未来几年，无论是内部大数据应用还是外部大数据商业化都有很大的成长空间。但电信行业大数据最大的障碍是数据孤岛效应严重，由于国内运营商的区域化运营，电信企业的数据分别存储在各地区分公司，甚至分公司不同业务的数据都有可能没打通。而互联网和大数据则是没有边界。 日本最大的移动通信运营商NTT Docomo 2010年以前就开始着手大数据运用的规划，NTT Docomo相对国内运营商有一个很大的优势是全国统一的数据收集、整合形式，因此NTT Docomo可以很轻易拿到全国的系统数据。Docomo不但着重搜集用户本身的年龄、性别、住址等信息，而且制作精细化的表格，要求用户办理业务填写更详细信息。 电信运营商拥有迅猛增长的大数据 运营商拥有客户完整的信息指纹 电信运营商将具备前所未有的深度洞察能力 日本NTT 2010年以前就开始着手大数据运用的规划 大数据商业化三个阶段：建立资料库，建立活用机制，实现活用 制作精细化的表格，要求用户办理业务填写更详细信息 当前还处于规划阶段，挑战是客户隐私问题。 02 大数据在电信行业应用的总体情况 电信运营商大数据应用 网络管理和优化 基础设施建设的优化。如利用大数据实现基站和热点的选址以及资源的分配。运营商可以通过分析话单和信令中用户的流量在时间周期和位置特征方面的分布，对2G、3G的高流量区域设计4G基站和WLAN热点；同时，运营商还可以对建立评估模型对已有基站的效率和成本进行评估，发现基站建设的资源浪费问题，如某些地区为了完成基站建设指标将基站建设在人迹罕至的地方等。 网络运营管理及优化。在网络运营层面，运营商可以通过大数据分析网络的流量、流向变化趋势，及时调整资源配置，同时还可以分析网络日志，进行全网络优化，不断提升网络质量和网络利用率。利用大数据技术实时采集处理网络信令数据，监控网络状况，识别价值小区和业务热点小区，更精准的指导网络优化，实现网络、应用和用户的智能指配。 电信运营商大数据应用 市场营销 客户画像。运营商可以基于客户终端信息、位置信息、通话行为、手机上网行为轨迹等丰富的数据，为每个客户打上人口统计学特征、消费行为、上网行为和兴趣爱好标签，并借助数据挖掘技术（如分类、聚类、RFM分析等）进行客户分群，完善客户的360度画像，帮助运营商深入了解客户行为偏好和需求特征。 关系链研究。运营商可以通过分析客户通讯录、通话行为、网络社交行为以及客户资料等数据，开展交往圈分析。尤其是利用各种联系记录形成社交网络来丰富对用户的洞察，并进一步利用网络图挖掘的方法来发现各种圈子，发现圈子中的关键人员，以及识别家庭和政企客户，或者分析社交圈子寻找营销机会。 精准营销和实时营销。运营商在客户画像的基础上对客户特征深入理解，建立客户与业务、资费套餐、终端类型、在用网络的精准匹配，并在推送渠道、推送时机、推送方式上满足客户的需求，实现精准营销。 个性化推荐。利用客户画像信息、客户终端信息、客户行为习惯偏好等，运营商可以为客户提供定制化的服务，优化产品、流量套餐和定价机制，实现个性化营销和服务，提升客户体验与感知；或者在应用商城实现个性化推荐，在电商平台实现个性化推荐，在社交网络推荐感兴趣的好友。 电信运营商大数据应用 企业运营管理 业务运营监控。业务运营监控可以基于大数据分析从网络、业务、用户和业务量、业务质量、终端等多个维度为运营商监控管道和客户运营情况。构建灵活可定制的指标模块，构建QoE/KQI/KPI等指标体系，以及异动智能监控体系，从宏观到微观全方位快速准确地掌控运营及异动原因。 经营分析和市场监测。我们可以通过数据分析对业务和市场经营状况进行总结和分析，主要分为经营日报、周报、月报、季报以及专题分析等。这些经营报告和专题分析报告均可以自动化生成网页或者APP形式，通过机器来完成。 电信运营商大数据应用 数据商业化 指企业通过自身拥有的大数据资产进行对外商业化，获取收益。国内外运营商的数据商业化都处于探索阶段，但相对来说，国外运营商在这方面发展的更快一些。 营销洞察。美国电信运营商Verizon成立了精准营销部门Precision Marketing Division。该部门提供精准营销洞察(Precision Market Insights)，提供商业数据分析服务。如在美国，棒球和篮球比赛是商家最为看中的营销场合，此前在超级碗和NBA的比赛中，Verizon针对观众的来源地进行了精确数据分析，球队得以了解观众对赞助商的喜好等。 精准广告投放。Verizon的精准营销部门基于营销洞察还提供精准广告投放服务；当用户距离商家很近时，就有可能收到该商家提供的折扣很大的电子优惠券。 03 方法视角下的大数据分析模型 社交网络分析 社交网络分析旨在通过分析个人的社交网络关系，为企业建立可视化、可测量的模型，挖掘出人们之间在信息流动与价值交换等过程中隐藏的商业智能。 企业在应用社交网络分析技术方面主要有3种方法，这来源于企业所面临的3个关系维度：一是着眼于员工的内部网络分析，二是着眼于商业伙伴的价值网络分析，三是着眼于客户的影响力分析。 简单来说，社交网络是一个由个人或社区组成的点状网络拓扑结构。其中每个节点 (Node) 代表一个个体，可以是个人，也可以是一个团队或是一个社区，个体与个体之间可能存在各种相互依赖的社会关系，在拓扑网络中以点与点之间的边 (Tie) 表示。而社交网络分析关心的正是点与边之间依存的社会关系。随着个体数量的增加，以及个体间社会关系的复杂化，最后形成的整个社交网络结构可能会非常复杂 复杂的社交网络 序列模式分析 序列模式分析即发现序列数据中的规律，模式匹配，时间序列分析。 时间序列数据是指由随时间变化的序列值或事件组成的数据。其数值通常都是在等时间间隔测得的数据，如电信行业每月的业务收入、股票市场的每日波动、科学实验等等。时间序列的挖掘主要包括趋势分析、周期分析、与时间有关数据的序列模式挖掘、相似性搜索等几个重要方面。 序列模式是指在一组有序的数据列组成的数据集中，经常出现的那些序列组合构成的模式。序列模式分析目标是频繁序列模式的挖掘，如三个月内首先买了计算机，又买了CD-ROM，然后是数码相机；相比关联规则只能发现相关关系，序列模式分析能发现一些带有时间顺序的、更有意义的规则。序列模式挖掘是指挖掘相对时间或其他模式出现频率高的模式。 位置数据分析 位置数据分析即对位置轨迹地理数据进行分析，发现频繁轨迹模式。 位置大数据（Location big data,LBD）。随着位置服务和车联网应用的不断普及，由地理数据、车辆轨迹和应用记录等构成的位置大数据已经成为当前用来感知人类社群活动规律、分析地理国情和构建智慧城市的重要战略资源。 泛在测绘（ubiqutous mapping）是指用户在任何地点、任何时间为认知自然和社会环境与人的关系而创建和使用地图的活动。它强调人、环境等地理信息的社会属性，强调人的活动与数据融合。通过对位置大数据进行适当的处理以及社会计算，提供个性化的、实时的、动态的位置信息。 含有空间位置和时间标识的地理和人类社会信息数据即为位置数据。位置数据由一系列带有时间戳的坐标点组成，每个坐标点包含了经度、纬度和海拔高度等信息，形成一个序列数据。 文本数据分析 有别于传统调研问卷的固定模式，如今消费者在网上写下的评价更为复杂。缺乏引导的反馈往往缺乏条理性，一条评论中，产品、服务、环境等多个方面相互交织，积极与负面反馈参杂不清，网络热词等非规范化语言也可能大量出现。这种由自然语言写就的文本为分析过程带来了极大挑战。 文本数据挖掘(Text Mining)是指从文本数据中抽取有价值的信息和知识的计算机处理技术。由机器学习、数理统计、自然语言处理等多种学科交叉形成。 文本挖掘利用智能算法，如神经网络、基于案例的推理、可能性推理等，并结合文字处理技术，分析大量的非结构化文本源（如文档、电子表格、客户电子邮件、问题查询、网页等），抽取或标记关键字概念、文字间的关系，并按照内容对文档进行分类，获取有用的知识和信息。 文本挖掘包括信息抽取，文本摘要、文本聚类和文本分类。 文本分析过程 04 变现视角下的大数据分析应用 变现视角下的大数据分析应用 数据效率变现，是指对企业内部变现，即通过大数据的引入和对大数据的挖掘和分析来改善传统分析，提升企业的运营效率，提高数据洞察能力，实现数据驱动流程，提升运营ROI。 数据商品变现，即对企业外部变现，是指通过一定的技术和方法整合大数据价值，将企业的数据资产加工成数据产品或服务并推向市场，创新数据盈利模式，然后通过销售给其他客户，从而帮助企业获得巨大利润，实现信息运营。 对于电信行业数据变现还可以带来两个附加效果，第一、为客户提供增值服务，提高客户忠诚度；第二、提高企业市场竞争力，甚至股价。 数据效率变现 数据效率变现，是指对企业内部变现，即通过大数据的引路和对大数据的挖掘和分析来改善传统分析，提升企业的运营效率，提高数据洞察能力，实现数据驱动流程，提升运营ROI，利用大数据分析降低运营成本。 AT&T利用大数据技术在网络规划/优化领域，实现基于实时网络动态策略与自优化，降低掉线率与减少网络拥塞，基于离线数据实现对网络精准覆盖，极大降低运营成本 数据商品变现 数据商品变现，即对企业外部变现，是指通过一定的技术和方法整合大数据价值，将企业的数据资产加工成数据产品或服务并推向市场，创新数据盈利模式，然后通过销售给其他客户，从而帮助企业获得巨大利润，实现信息运营。 数据商品变现分三种情况： 销售数据和洞察力，主要销售位置信息和时间信息。 汇总群体行为数据的分类，即在不同的地点、特定的时间，大量的人流的信息。 大数据分析价值比较高的部分，把它称为预测性的分析。它的生意模式是针对不同的企业客户。 思考题 1.思考电信行业就现有的客户数据，还能做哪些业务领域的开发？ 2.为什么我国的位置数据没有很好的与商业结合起来，你有什么改进的方案吗？ 3.数据商品变现还有很长的路需要走，国家应该就哪些方面出台监管法规？ $$