大数据变现，电信运营商出啥招

2017-05-19 来源：人民邮电报

1104 116 0

【导读】近几年，随着移动互联网的快速发展，大数据成为行业当之无愧的网红，电信运营企业是大数据发展应用的生力军。据统计，截至2017年，我国运营商主要在九大领域布局大数据业务，分别为电信、金融、零售、政务、旅游、智...

近几年，随着移动互联网的快速发展，大数据成为行业当之无愧的网红，电信运营企业是大数据发展应用的生力军。据统计，截至2017年，我国运营商主要在九大领域布局大数据业务，分别为电信、金融、零售、政务、旅游、智慧城市、交通、体育和游戏。然而，虽然当前大数据的业务场景众多，但却尚未完全释放出应有的商业价值。未来运营商该如何更好地将大数据变现，使其真正为第三条曲线贡献价值呢？

最佳市场机遇在哪里

Gartner对全球100多家运营商的13个垂直行业、140多个大数据案例进行研究，描绘出了大数据变现的四象限图。其中，横轴代表该行业产生大数据收入的机会；纵轴代表运营商在未来5年内获得收入的机会。可以看出，最有利于运营商变现的领域就是右上角的第一象限：广告/市场营销、医疗健康、智慧城市应用。

哪些数据更容易变现

对于运营商而言，哪些数据更容易变现呢？总体而言，有四类数据值得关注：

第一类是基于BSS系统的用户身份和通信类数据。包括用户开户时的身份信息，话费情况即通话、短信与流量费用的构成，套餐种类，甚至终端类型等。

第二类基于运营商OSS系统的用户行为数据。包括用户通过手机上网、聊天、玩游戏、浏览网页等行为产生的数据。

第三类是基于用户LBS的位置数据。如果说前两类均偏线上的话，那这类数据偏向线下，与用户线下的使用场景密切相关。可用于线下商家营销、人口流动、公共安全、城市规划等。

第四类是在物联网场景下产生的2B和2C数据。这里主要指物联网场景下的“物”和“人”两类大数据：“物”的大数据——如来自仪表收集的水、电、气数据，传感器收集的气候、污染数据，资产货运的跟踪数据；“人”的大数据——如人体健康、生活习惯或运动的数据，这些数据在医疗保健、可穿戴设备、智能家居领域有极大的价值。

理想变现模式有哪些

纵观全球，大数据的变现模式主要包括6种：

一、提供原始数据：运营商将大数据进行匿名化等一系列脱敏处理后，有偿提供给第三方合作伙伴。

二、提供数据开发平台：运营商构建一个大数据平台，在平台上提供Hadoop平台、应用程序开发、预测分析/机器学习等模块功能，供外部开发者或公司使用。

三、广告/营销变现：包括线上广告和线下广告两种模式。线上广告就是利用大数据进行精准广告投放。SKT构建了一个高阶的玩法，建立了Syrup ad大数据广告平台，让广告投放者与广告发布者在平台生态中实现共赢。线下广告就是结合LBS进行线下的商家推荐、优惠券推介等。

四、提供企业定制化分析：根据企业的特定需求，以项目形式开展特定的大数据定制化分析。例如英国的某车险公司想了解汽车碰撞现场的场景，沃达丰提供了“汽车碰撞重建分析”，还原了汽车碰撞时的力度、天气、交通流量、事故位置、车速等。

五、提供行业解决方案：针对整个行业的普适性解决方案，这种方式复用性更强，因此变现能力也更强。例如SK电讯的Geovision，基于人口、销售、地产、商业信息等大数据为众多小型企业提供商业区域选址分析服务。

六、提供基于物联网方案的大数据增值服务：运营商不针对大数据服务直接收费，而是将其作为一整套物联网解决方案中嵌入的重要一环间接收费。例如在货运和资产跟踪中，收集货物的位置、温度、湿度、撞击、掉落等数据，从而提供货物/资产跟踪和管理服务。

未来之路在何方

为何当前难以实现大规模的变现呢？综合分析之后可以发现，运营商当前的组织架构和运营体系需要调整，可从五个方面入手。

第一，升级IT架构和体系。运营商需要将结构化和非结构化的元素以及支撑、分析工具集成在一起。而当前运营商还存在IT系统不兼容的问题，难以集成，对于数据的导入、存储、分类和呈现功能不尽理想，因此需要大力调整和升级。

第二，建立专门的大数据组织架构。设立首席数据官是很有必要的，在运营商庞大的体制内，需要有专人站在全局的角度，在数据收集、数据管理和数据分析方面制定战略。同时，需要对大数据的发展进行权衡取舍，选择最有价值的细分领域重点发展。

第三，建立公司大数据资源池。目前公司大数据散落在各个系统中，需要建立专门的大数据资源池，将其筛选、整理、整合和录入。只有建立了有价值导向的大数据资源池，才能快速定制形成项目。

第四，构建大数据价值评估机制。价值评估直接关乎激励。大数据的价值包括直接贡献的收入和间接贡献的收入。直接贡献的收入即大数据解决方案、项目所产生的收益；而间接贡献的收入可能包括，因提高了生产效率、巩固了合作伙伴关系，或者大数据作为解决方案的一部分从而产生的收入。

第五，做好大数据隐私风险防控。做好用户的授权知情通知，将数据进行分级分类管理并进行脱敏处理。建立大数据“收集-处理-传输-加工-输出”全流程的操作规范，并且可以识别每个环节的经手人，此外还应建立应急风险赔偿机制等。

喜欢116

旅游资讯

大数据变现，电信运营商出啥招