电信企业如何用活大数据?

移动网络中的大数据

• 作者 潘霄斌 •
2013年11月13日16:41 • 中国信息产业网

  1 引言

  全球在过去2年创造的数据比之前50年的总和还多,这就是世界当下发展的速度。数字化时代,每个人每分每秒都在创造数据,在浏览的网站上,在使用的设备中,在各种通信服务系统里,数据都以指数级的速度在数量和类型上快速增长。即使是在传统移动通信网络里情况也是如此,各功能网元都会留存日志,像省级网关这样的设备,即使经过压缩处理,每月生成的日志数据仍在几百GB水平;据统计,过去25年间电信系统各类用户及业务系统数据规模增长了1000倍,运营商网络成为天然的大数据贮存和流动的载体。如何处理和利用好如此规模的数据,已成为全球运营商需要迫切应对的关键课题之一。

  2 对内:从精细化运营出发

  运营商对于大数据的应用可分为内部辅助应用与外部业务创新两种类型。出于精细化运营的需要,运营商内部各业务部门对数据都提出了分析和应用的需求。

  市场部门主导开展精细化营销,一个大前提就是对网络中的用户有全面的了解,从而精确的为每个业务找到合适的营销人群,以最小的营销成本实现最高的用户转换。传统的用户分析仅从订购关系和计费层面去定义和分析用户,因此无法呈现出动态的用户形象。沿循用户与业务系统的各个接触点,运营商可从更多方面去了解用户,在业务的发现、获取、设置、使用、购买、帮助、改变等环节均可理解到用户的行为与偏好,对这些触点的连续跟踪和分析可帮助形成更准确的用户肖像和动态分类标签。例如,对使用环节如流量日志数据的分析可帮助区分不同兴趣关注的人群,对设置环节如HLR/HSS数据的分析可帮助区分不同活动范围的人群,对购买环节如CRM的分析可帮助区分不同购买力和信用度的人群,这样针对新的商旅套餐或导航服务的营销案就可以更精准的向平时出行范围较大的白领人士进行投放。

  客服部门推动主动式客户关怀的动力,主要是认识到维系老用户的成本远低于获取新用户的代价,而且研究表明,老用户比新用户更愿意接受新产品,因此是运营商最重视的客户群体。客户服务不应被动等待客户上门投诉或寻求帮助,应从多角度主动开展客户关怀。如基于Gn口数据的实时流量提醒与告警,基于HTTP响应和流量日志分析的错误网址智能重定向建议,基于HLR/HSS数据或MSC日志分析的欺诈电话和讯息主动预防策略,基于终端配置系统数据的异常换机换卡主动关怀等,都是大数据带来的服务创新场景。这些通信系统本身不一定是为了实现主动客户关怀而设计的,然而通过大数据分析,客服部门完全可以应用这些数据实现全新的客户服务模式,进而成为运营商维系和关怀用户的“软实力”。

  同样的,网络部门也需要及时掌握用户终端、OTT应用和网络设备的运行情况,方能从容应对如iPhone5S等新终端上市对网络带来的潜在影响,实现网络自动调优和选择最优扩容时机。因此,基于各种设备消息事件的实时运维监控平台,基于位置和社会事件信息的突发流量和呼叫的预警监控机制,基于终端配置系统和HLR/HSS数据的终端排障机制,都是网络部门对跨系统的异构数据进行联合分析的潜在应用场景。今年PT展上,爱立信的“慧眼识网”方案便就展示了如何利用网络最底层的事件信息进行大数据分析,从而帮助精确定位网络问题,利用网络底层信息指导网络规划。

  总的来说,基于大数据分析的辅助服务在运营商各部门中充满了应用的潜力和活力。

  3 对外:新商业模式的机遇

  大数据不仅帮助运营商对内优化业务运营绩效,更重要的是,大数据能为运营商带来了业务创新的机遇,为电信运营商在除了个人和集团客户的通信业务之外,开辟出一个崭新的业务发展空间。

  今年5月美国运营商Verizon推出了“精确市场洞察”服务,它根据用户的互联网访问行为和用户所在位置,结合用户的静态肖像信息进行归类与聚合,更精细的为企业描绘出指定地区的人口结构和组成,帮助企业在选择广告市场投放选择时作出最明智的决定;NBA菲城太阳队就利用此服务来评估赛场上的广告主是否可以通过球场广告而有效到达目标客户。尽管在用户隐私、匿名度、参与方式上仍存有一定争议,但这项基于大数据洞察的营销服务在企业市场上取得了客户的热烈反响,有人甚至惊呼,电信运营商自此要摇身转型为大数据服务商了。

  而在此半年前,西班牙电信集团就已成立了独立大数据事业部,名曰“动态洞察”,并在英国试水类似的匿名人流统计服务,主要针对的客户是政府部分或公共职能企业,帮助他们分析影响人们访问某个地点的各种因素,从而帮助政府与企业制定相应的政策与服务策略。也或许是由于它的匿名和公益性质,服务本身并没有受到像Verizon那样争议性的评价。

  无独有偶,由T-Mobile和Orange合资成立的英国最大移动通信公司EE,也为政府机构及企业客户提供匿名化了的用户出行和交通行为的统计数据报告服务,这些静态报告中还包括用户的社会化分群特征,以帮助读者快速找出目标人群的移动行为习惯与趋势。沃达丰更是在全球34个国家帮助TomTom公司部署M2M车载设备,通过大数据分析,生成实时交通流量报告,服务于全球TomTom用户。

  由此可见,只要合理控制好用户个人信息和隐私泄露的风险,大数据技术已为移动运营商开启了一扇广阔的新商业模式之门,无论是商业广告还是公共服务领域,运营商都可大有作为。

  4 结束语

  移动网络的大数据格局可能比其他行业更为复杂,不仅是因为存在种类繁多的数据种类,如各种业务和支撑系统数据、设备日志、流量数据、音视频、物联网传感器数据等各种形态,而且半结构化或非结构化的数据比例远超过结构化数据,因此无论在数据的产生和存储环节,还是在清洗转换集成环节,亦或是在分析应用环节,很少会有单一普适的解决方案可以满足所有应用场景的需求。

  因此运营商应对大数据挑战的根本方法,还是应从业务实际需求出发,剖析各相关数据源的特性及其联系,为目标应用场景找的合适的数据分析逻辑。例如爱立信在重庆等多地定制实施的精确营销系统,就在动态分析用户设备、上网行为、人口特征等多维度多形态数据的基础上,动态描绘出精细化的用户群组,帮助运营商快速精准的进行流量经营和客户服务,极大的提升了用户体验和品牌感知。作为电信领域系统和服务领导者,爱立信将凭借对各类通信网元的专业设计和深度理解,继续努力为全国客户定制各种大数据解决方案,创建更多符合本地化特征的大数据应用,不断提升企业精细化运营的成效,并始终伴随企业新业务新模式的创新和发展。

当前,大数据浪潮风起云涌,各行各业都在探讨大数据的用途。对于电信企业来说,有潜在价值的大数据包括哪些?如何才能用活大数据?

调查结果显示,全球120家运营商中约有48%的运营商正在实施大数据业务。大数据业务成本平均占到运营商总预算的10%,并且在未来五年内将升至23%左右,成为运营商的一项战略性优势。可见,由流量经营进入大数据运营已成为大势所趋。

笔者认为,除了主要来自于业务运营支撑系统、企业管理系统的传统数据外,电信企业拥有的大数据主要来源于互联网、移动互联网等,以非结构化为主,构成更全面数据源,如上网行为数据、网上交易数据、位置数据、网管数据、信令数据、微博数据、即时通信数据、网页、传感器数据、音频数据、视频文件、图片、日志、实时监控视频等。

电信运营商拥有多年的数据积累,拥有诸如财务收入、业务发展量等结构化数据,也会涉及到图片、文本、音频、视频等非结构化数据。从数据来源看,电信运营商的数据来自于涉及移动语音、固定电话、固网接入和无线上网等所有业务,也会涉及公众客户、政企客户和家庭客户,同时也会收集到实体渠道、电子渠道、直销渠道等所有类型渠道的接触信息。整体来看,电信运营商大数据发展仍处在探索阶段。

大数据给运营商核心价值将带来很大提升。第一,大数据将助运营商提升市场响应能力,推进实现智慧运营。大数据让运营商能够全面洞察客户行为,精确化地识别客户,精准地制订策略,支持经营决策,增强电信核心竞争力。第二,大数据将助运营商提升客户服务创新能力,成为创新信息服务的参与者。数据产品化,将使运营商能够提供基于客户状态、位置、终端等个性化需求的信息服务。第三,笔者认为,大数据将使运营商提升资源优化配置能力,成为智能管道的主导者。大数据可让运营商精确识别客户、业务、SP,优化网络资源调度,分档分阶按需供给网络资源,实行差异化服务。第四,大数据将帮助运营商提升对产业链的服务能力,助力其成为综合平台的提供者。数据能力合理开放,将促进产业应用,提升全产业链综合服务能力。

图片 1

对内应用增强竞争力

目前国内运营商运用大数据主要有五方面:网络管理和优化,包括基础设施建设优化和网络运营管理和优化;市场与精准营销,包括客户画像、关系链研究、精准营销、实时营销和个性化推荐;客户关系管理,包括客服中心优化和客户生命周期管理;企业运营管理,包括业务运营监控和经营分析;数据商业化指数据对外商业化,单独盈利。

现阶段,运营商支持流量经营、智能管道的数据应用还处于初级水平,数据应用主要采用基于内部整合数据的分析挖掘手段。近期,运营商应着力整合企业内外部数据,做到内部交易数据与互联网交互数据的融合,由此开展用户行为模式的分析与数据挖掘并支撑各类数据应用,包括:支持精细化营销、支持产品规划和创新、支持网络优化和投资、支持能力开放与合作。长远来看,运营商应建立基于大数据驱动,以消费者为中心、以客户体验为重心的企业运营及组织变革模式,如亚马逊将数据化运营贯穿业务全过程,以选品、价格和便利作为亚马逊客户体验的三个支柱。

第一方面:网络管理和优化。此方向包括对基础设施建设的优化和网络运营管理及优化。

运营商内部的大数据应用场景可包括以下方面:第一是精确化营销与维系挽留。从海量数据中分析客户行为偏好,结合客户与收入数据,可以实现对现有业务的精确化营销和维系挽留,包括锁定特定业务的目标客户以及锁定可能流失的客户。第二是精确化网络运维。通过对流量和流向的分析,实现网络资源的动态配置;分析网络日志,支撑网络优化和故障定位;通过对客户流量和上网行为偏好的分析,实现智能管道策略的个性化制定以及网络阀值的动态调整。第三是精确化客服支撑。利用大数据实时技术实现客服信息的实时提醒;利用大数据技术的高速查询性能,提升清单查询速度,并有能力实现客户互联网使用详单查询。第四是关系链研究。收集客户通讯录、通话行为、网络社交行为等大数据以及客户资料等传统数据,开展交往圈分析,利用社交圈子提高营销效率,改进服务,低成本扩大产品的影响力。

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4G的高流量区域设计5G基站;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际罕至的地方等。

对外经营拓展业务模式

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。

运营商对外可充分利用电信行业的数据优势,拓展电信业务模式,将大数据直接产品化,基于客户状态、位置、终端、喜好等,为社会提供信息服务。如:开展广告、数据开放等业务。在广告推送方面,可通过客户上网类别反映的需求动向,精准锁定目标客户,支撑电信业务或者其他商家开展手机定向互联网广告服务。在数据开放方面,数据开放业务除了提供基本的原始数据以外,电信企业还可以利用本系统能力,基于网络信令和互联网客户标签数据分析,形成专业的行业应用报告,精确锁定有需求的潜在客户,为后向商家及内部合作伙伴管理提供准确定量的行业及客户分析报告,实现营销推送、分析评估等能力对外开放。例如:为特定区域分析客户群的类型,帮助区域商业规划、门店选址、大型LED广告动态投放等。

图片 2

第二方面,市场与精准营销。此方向包括客户画像、关系链研究、精准营销、实时营销和个性化推荐。

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的深入理解,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。

图片 3

第三方面,客户关系管理。此方面包括客服中心优化和客户生命周期管理。

客服中心优化。客服中心是运营商和客户接触较为频繁的通道,因此客服中心拥有大量的客户呼叫行为和需求数据。我们可以利用大数据技术可以深入分析客服热线呼入客户的行为特征、选择路径、等候时长,并关联客户历史接触信息、客户套餐消费情况、客户人口统计学特征、客户机型等数据,建立客服热线智能路径模型,预测下次客户呼入的需求、投诉风险以及相应的路径和节点,这样便可缩短客服呼入处理时间,识别投诉风险,有助于提升客服满意度;另外,也可以通过语义分析,对客服热线的问题进行分类,识别热点问题和客户情绪,对于发生量较大且严重的问题,要及时预警相关部门进行优化。

客户关怀与客户生命周期管理。客户生命周期管理包括新客户获取、客户成长、客户成熟、客户衰退和客户离开等五个阶段的管理。在客户获取阶段,我们可以通过算法挖掘和发现高潜客户;在客户成长阶段,通过关联规则等算法进行交叉销售,提升客户人均消费额;在客户成熟期,可以通过大数据方法进行客户分群并进行精准推荐,同时对不同客户实时忠诚计划;在客户衰退期,需要进行流失预警,提前发现高流失风险客户,并作相应的客户关怀;在客户离开阶段,我们可以通过大数据挖掘高潜回流客户。

图片 4

第四方面,企业运营管理。可以分为业务运营监控和经营分析。

业务运营监控分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,构建指标体系,以及智能监控体系,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。

第五方面,数据商业化。

数据商业化指通过企业自身拥有的大数据资产进行对外商业化,获取收益。就目前来看运营商通过自身数据对外提供的服务主要集中在两个方面:数据报告及白皮书查询和社交关系追溯及精准营销投放。

数据报告及白皮书查询。运营商运用收集上来的数据提供例如人口流动、手机普及率等报告及白皮书。

社交关系追溯及精准营销投放。在社交关系追溯中,通过用户的通话记录、行为轨迹等多维度数据来判断人与人之间的关系。在睿帆科技与运营商合作的精准营销项目中,就曾以此为出发点帮助运营商进行数据的商业化变现。

该项目为某大型商业中心希望通过运营商大数据来帮助其提升精准营销的ROI。于是,运营商找到我们为其提供解决方案。经过我们的研究发现,该大型商业中心核心问题是广告投入费用与用户到店数不成正比。于是,我们通过运营商大数据挖掘人与人之间的关系,将营销短信以社交关系网为单位进行投放,在小范围区域内形成话题效应,从而提升用户到店率。

此外,我们与运营商合作的智慧旅游项目也很好的体现了运营商精准营销的落地场景。在此项目中,我们先通过用户行为轨迹区分出景区住户和游客,然后在追溯到游客来源地并得出来源地报告。通过来源地报告景区可以发现景区广告投放缺乏的区域,并加大该区域的广告投放,从而提升景区的营收。

图片 5

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。对于国内电信运营商,要真正的利用大数据,数据的统一和整合是最为重要的一步。我们已经看到中国移动已经开始着手准备这方面的工作,相信未来几年,在互联网企业的竞争压力下,中国的电信行业大数据将发展的更快,变革会更彻底。

网站地图xml地图