Page 17 - 网络电信2015年12月刊
P. 17
运营商专栏
Universe：聚焦运营商数字化转型
孟庆光
大数据已成为电信运营商数字化
转型的核心引擎。如何建设大数据
分析平台？如何使用大数据分析平
台解决业务问题？如何构建数字化
合作生态，实现数据资产变现？是
运营商在建设大数据分析平台时经
常会问的3个问题。
商业驱动的大数据时代到来 L4（2014年～）：构建大数据开放生态系统。运营商把自
身数据作为数据资产，聚合合作伙伴共同开发，面向行业提供
起源于互联网公司的大数据正在各个行业蓬勃发展，纵观 数据服务能力。
其发展历程，有3个关键的要素在起作用。
但和互联网公司不同，运营商缺少足够的大数据技术和数
Business：大数据解决商业价值挖掘，越来越多的运营商 据分析人员的积累，在应用大数据的过程中面临着诸多挑战：
开始聚焦大数据的商业应用，利用大数据进行以客户为中心的
客户价值创新、企业经营优化、商业模式创新。2015年成为大 数据资产整合的挑战：大多数运营商网络中存在着多种业
数据新的元年——商业驱动的大数据时代到来。 务系统和分析系统，如BI、NI、客服、营销等，数据孤岛化成
为大数据分析的关键障碍。如何高效地整合来自于BSS、OSS、
Data Science：数据科学从传统分析走向智能化，机器学 网络设备、财务系统的数据，以及越来越多的互联网数据，确
习、认知计算、深度学习、知识发现等新的数据科学理论和实 保这些数据的质量，成为运营商应用大数据的首要难题。
践逐步应用到生产实践中，成为数据分析生产力的源动力。
数据分析人才严重匮乏：根据咨询公司
Technology：Hadoop为代表的开源技术 报告，2014年美国大数据分析岗位的人才缺
极大地推动了大数据的发展，甚至成为整个 口将近20万人，而在其他区域大数据分析专
行业事实上的标准。但技术的多样性和复杂 才则更加炙手可热。运营商难以从本区域获
性给运营商的IT部门带来了较大挑战，大数 取到足够的大数据分析人才来支撑业务的精
据技术如何进一步整合和标准化，成为整个 细化运营分析。
行业面临的新课题。
成功的大数据商业案例严重短缺：运
和互联网公司不同，运营商缺少足够的 营商尝试了多种方法应用大数据解决商业问
大数据技术和数据分析人员的积累，在应用 题，平均每个运营商每年规划数十个商业案
大数据的过程中面临着数据资产整合、分析 例，但真正成功的只有不到20%。
人才匮乏、成功案例短缺、数据资产变现困难等诸多挑战。 数据资产变现难以找到合适的商业模式：数据除了可以
支撑运营商的内部精细化运营，更重要的是服务于企业外部，
运营商应用大数据面临众多挑战 帮助运营商构建数字化生态系统。很多运营商做了建设性的尝
试，但所创造的收入规模很小。主要原因有两个：一是缺少外
大数据在电信领域应用可以划分为4个不同的成熟度层次。 部数据源的引入，二是没有找到合适的商业模式。
L1（2010～2012年）：大数据关键技术部件应用。尝试使
用大数据关键技术（如Hadoop、MPP DB）来解决现有分析系统 Universe大数据解决方案定位
存储和弹性扩容能力不足的问题。
L2（2012～2014年）：大数据垂直业务应用。运营商的某 大数据成为电信运营商数字化转型的核心引擎，其重要性
个部门使用大数据来解决特定业务领域的问题，如精准营销、 不言而喻。电信运营商在建设大数据分析平台的过程中经常会
客户体验管理、客户维挽等。 问3个问题：（1）如何建设大数据分析平台？（2）怎样使用大
L3（2014年～）：建设企业级大数据分析平台，整合B/O/ 数据分析平台来解决业务问题？（3）怎样使用大数据分析平台
M/互联网多个领域的数据，面向客服、营销、网维以及合作生 来构建数字化合作生态，实现数据资产变现？
态提供On Demand的大数据服务，打造领先的数字化运营体系。
50 网络电信 二零一五年十二月
