关于移动运营商在大数据方面的应用及策略

发表时间：2017-10-11T15:22:24.220Z 来源：《建筑学研究前沿》2017年第11期作者：白雪伟

[导读] 随着信息技术、云计算技术的快速发展，移动运营商的用户数量和业务数据呈现指数式的增长。

中国移动通信集团广西有限公司 530000

摘要：随着信息技术、云计算技术的快速发展，移动运营商的用户数量和业务数据呈现指数式的增长，数据处理的复杂程度也达到了一个新的高峰。但随着大数据在移动运营商的广泛应用，促进了工作人员在处理数据方面更加的高效、精确，同时也促进了网络资源的优化，更好的为用户提供服务。本文从大数据的优势特征以及大数据在移动运营商尚存不足之处的角度入手，进而分析了移动运营商在大数据方面的应用，并针对性的提出了移动运营商大数据发展策略。

一、大数据的优势特征和不足之处

1.大数据优势特征

大数据对于互联网领域的价值是不可估量的，互联网企业的运行效率和生产力在大数据的影响下得以大幅度的提高，移动运营商在大数据应用方面的优势尤为明显其具体

主要体现在以下几方面：

第一，用户基数庞大随着通信技术的快速发展，消费者对移动运营业务的需求也在不断增长，迄今为止，三家运营商移动用户已达到约13亿人次，移动运营商拥有庞大的用户群体及海量的基础数据第二，数据的时效性4G时代的到来促使人们的日常生活与移动互联网紧密相关，移动运营商掌握着庞大的第一手用户行为数据，并保持数据的不间断更新，保证了数据的时效性第三，移动运营商转型契机为应对OTT的竞争，移动运营商巫需向数字化服务提供者转型借助大数据技术的兴起，移动运营商能加快转型的步伐，为用户提供更好的移动信息服务。

2.移动运营商在大数据应用方面面临的挑战

第一，数据来源广而杂，聚集较为困难系统数据形式不一，格式多样，而系统往往只支持单一的数据结构处理模式，无法全面覆盖各种类型的数据处理，进而无法满足互联网多样化的发展，同时也给大数据的技术人员在处理数据上造成一定的困难第二，商业模式尚未成熟移动运营商由于拥有的用户基数过于庞大，掌握的数据资源也非常多，但对于这些数据的处理上仍存在一定难题由于移动运营商尚未建立对外数据平台，大量的数据只能供内部人员使用，而不能使外部人员对其加以应用，从而造成这些数据没有得到有效利用，无法实现利益最大化第三，大数据运营存在风险人们的隐私关系到他们的自身利益、名誉，甚至生命安全等，因此，移动运营商在为客户提供服务时保证个人隐私不泄露至关重要对移动运营商而言，大数据安全策略的研究将会是重中之重

二、移动运营商在大数据方面的应用

1、提升网络服务

优化网络建设通过分析小区级数据流量，了解用户流量消费水平的分布情况，针对流量消费较高的区域重点优化4G网络建设；通过MR数据分析，辨别信号较差的区域，然后根据关联用户的相关信息，为用户进行网络优化服务；还可以根据用户的位置信息实现网络切换，优化网络性能，为用户提供更好的服务。

基于用户行为信息

为用户提供个性化服务基于用户数据为用户提供个性化服务的模式主要有两种，以用户手机号码为例，第一种是根据用户提供的相关信息，移动运营商先对用户的手机号码进行匿名处理后，即用伪码来代替真正的手机号码，然后第三方再根据用户提供的相关数据为伪码做标签处理，使其成为用户手机号码特有的标志；第二种与第一种的不同之处在于为用户打上标签的是移动运营商，而非第三方。

三、移动运营商在大数据应用上的发展策略

1.应用大数据协助内部运营

利用大数据来协助移动运营商的内部运营对于移动运营商具有非常重要的意义，具体措的施可从以下几方面做起：第一，运用大数据为用户服务通过对用户的位置定位，根据用户对网络信息的反馈，及时了解关联用户的网络质量，帮助用户解决网络问题第二，优化网络质量移动运营商通过对用户的爱好、位置等相关信息关联，分析用户所在的网络质量，为用户提供更好的网络服务，进而促进运营商的网络建设。

2.向大数据转型、开展新的业务模式

移动运营商向大数据转型的核心要点是合理规划大数据业务模式首先，借助大数据运营中心平台，通过分析海量基础数据，为用户提供个性化的优质服务，同时实现移动运营商利润的最大化其次，通过采集、分析大量数据，发挥大数据的真正价值构建完整的大数据运营中心，针对性的解决数据多而杂的问题除此之外，利用大数据开展新的业务模式，以进一步加强移动运营商的竟争力。

三、移动通信运营商营销平台的大数据应用案例

大数据精准营销应用，契合了移动通信公司流量转型的需要不同于终端、号卡销售时代，流量经营时代不仅依靠营销资源的投人，更需要精细化的运营平台以客户为中心，通过丰富的网络日志，智能识别消费场景和消费需求通过海量数据分析，描绘全方位的客户画像，分析其行为，深度细分客户群，关注客户需求，开展差异化营销；为精确和实时运营提供支撑，针对性地灵活支持资源分配策略。

广西某地市移动通信运营商基于LBS数据、客户消费能力数据、客户消费习惯数据的综合调用，建构客户“标签库”精准营销内部应用平台，利用大数据关联分析，在营销平台中组合调用，通过不同渠道接触客户，实现了精准营销实时化和差异化。

首先，采集LBS、客户消费能力、客户消费习惯三大类客户数据，并封装三大类数据的分析查询结果通过网络的无线定位技术获取LBS数据，基站信号获取手机终端所在的位置信息，采集在选定时间客户出现在何处的信息，指定区域在特定时段内的人流量信息，对LBS数据的时间、位置人流量三个基本属性进行分析，获取某个区域一天内的人流量变化情况，提供指定时间、位置的人流量查询能力通过BOSS系统获取客户消费能力数据，采集客户的缴费、套餐定制数据，对客户的缴费频度、金额、套餐消费情况等信息进行分析，得到

大数据在交通方面的应用

大数据在交通方面的应用
100 分
得
?
1.根据周琦老师所讲，高德交通信息服务覆盖（）多个城市以及全国高速路网。（单选题 3 分）分：3 分
o o o o ?
A.一百一十 B.一百 C.九十 D.八十 2.根据周琦老师所讲，高德实时统计用户近（）行驶里程数据与用户数，一旦发现异常则报警。（单选题 3 分）得分：3 分
o o o o ?
A.5 分钟 B.10 分钟 C.15 分钟 D.20 分钟 3.根据周琦老师所讲，高德交通信息服务覆盖全国主干道路及其它（）以上。（单选题 3 分） 3分得分：
o o o o ?
A.90% B.70% C.50% D.30% 4.根据周琦老师所讲，高德交通日均采集数十亿定位请求，系统处理月均（）公里驾驶里程覆盖。（单选题 3 分）得分：3 分

o o o o ? o o o o ? o o o o ? o o o o ?
A.50 亿 B.80 亿 C.100 亿 D.150 亿 5.根据周琦老师所讲，以下哪项不属于数据挖掘的内容？（单选题 3 分） A.补充与完善路网属性 B.多维分析统计用户出行规律 C.建立道路拥堵概率与拥堵趋势变化模型 D.高德地图导航有躲避拥堵功能 6.根据周琦老师所讲，高德交通信息服务覆盖全国高速（）以上。（单选题 3 分） A.90% B.70% C.60% D.50% 7.根据周琦老师所讲，高德 2014 年被（）全资收购了。（单选题 3 分） A.百度 B.阿里巴巴 C.腾讯 D.搜狐 8.根据周琦老师所讲，高德早在（）就开始投入资源来做全国交通信息的采集和发布。（单选题 3 分）得分：3 分得分：3 分得分：3 分得分：3 分
o
A.2002 年

电信运营商行业大数据应用考试试题及答案

企业级大数据平台架构电信行业大数据应用案例分享互联网+行业大数据应用案例分享第一套题 1、哪个选项不属于大数据4V特点？（ B ） A、Volume B、Valid C、Variety D、Value 2、大数据的特点不包含（ B ） A、数据体量大 B、价值密度高 C、处理速度快 D、数据不统一 3、业界对大数据典型特征定义，一下哪像描述正确 ABC 4、Hadoop包括（ABC） A、Hadoop Distrbuted Filesystem（HDFS） B、HadoopMapReduce C、Hbase D、HadoopStreaming 5、有关HDFS文件系统说法正确的是以下那些？（AD） A、HDFS本身是个高可用系统架构 B、HDFS采取的是多NameNode、DataNode架构 C、HDFS数据副本的数量越大越好 D、HDFS NameNode分主备，主备不同时对外服务 6、关于大数据的理念的描述，以下哪些不正确（BD） A、相关性比因果更重要 B、要效率也要绝对精准 C、大数据的核心价值是预测 D、遵从隐私和法律并非大数据的风险 7、HDFS文件系统适用于以下哪些场景（AC） A、将单文件分割成很多小块存储 B、存储大量小文件 C、流式数据读取 D、实时数据读取 8、对海量大数据管理可能面临的难题包括（ABCD） A、如何实现快速查找，提升检索效率； B、如何保证数据真实性，防止数据诈骗； C、如何实现PB级不同类型数据的存储； D、如何降低数据产生数量，节约存储资源。 9、大数据应用大大方便教育资源的管理，彻底改变教育模式，特别是在科研领域，面向数据密集型科研发现，将成为继三大范式之后的第四范式，此处提到的科学发展领域的三大范式是指（ABC） A、理论 B、推演 C、模拟 D、计算

大数据在it方面的应用

大数据IT领域的意义课程：14MGB002H-D4 自然辩证法学号：2015E8013261170 姓名：薛智友

目录大数据的简介 (2) 大数据的意义 (5) 企业大数据项目 (7) 数据是企业最宝贵的财富。 (8) 政府部门 (9) 个人 (9) 企业管理 (11) 预测 (11) 更有效地组织企业以节省资金 (12) 真正了解客户 (12) 企业共同创建、实时改进和创新产品 (13) 利用大数据找到新的商业机会 (14) 参考文献 (15)

大数据IT领域的意义大数据的简介大数据，英文big data。多大的数据才叫大数据?其实，关于大数据，难以有一个非常定量的定义。维基百科给出了一个定性的描述：大数据是指无法使用传统和常用的软件技术和工具在一定时间内完成获取、管理和处理的数据集。IDC(互联网数据中心)的定义则是：为了更经济的从高频率获取的、大容量、不同结构和类型的数据中获取价值而设计的新一代架构和技术。但不管怎么定义，大数据大概有以下四个方面的特点 1、巨大的数据量(volume),集中存储和集中处理数据已经无法处理这么巨大的数据。近几年来，随着计算机和信息技术的迅猛发展和普及应用，行业应用系统的规模迅速扩大，行业应用所产生的数据呈爆炸性增长。动辄达到数百TB甚至数十至数百PB规模的行业/企业大数据已远远超出了现有传统的计算技术和信

息系统的处理能力，因此，寻求有效的大数据处理技术、方法和手段已经成为现实世界的迫切需求[1]。机构或公司业务数据量百度10PB～100PB/天淘宝100PB/天 Twitter 2亿条消息/天会城市公安局道路车辆监控200亿条/三年表一部分机构的数据量图一数据量的庞大每天有2940亿封电子邮件发出，如果这些是纸质信件，在美国需要花费两年时间处理；每天有200万篇博客在网上发布，这些文章相当于《时代》杂志刊发770年的总量；每天有2.5亿张照片上传至社交网站Facebook，如果都打印出来，摞在一起能有80个埃菲尔铁塔那么高；每天有86.4万小时视频被上传至视频网站Youtube，相当于不间断播放视频98年；每天有 1.87亿个小时的音乐会在流媒体音乐网站Pandora上播放，如果一台电脑从公元元年就开始播放这些音乐会，到现在还没完没了地接着放；谷歌翻译每天处理的文字数量,每天翻译次数达十亿次，

大数据时代运营商的SWOT分析

西安邮电大学科研训练（论文）题目：大数据时代运营商的SWOT分析院（系）：经济与管理学院（工商管理系）专业：人力资源管理班级：1102班学生姓名：刘丹导师姓名：尹丽英职称：讲师起止时间：2013年9月16日至12月6日

科研训练（论文）成绩鉴定表指导教师评语

目录摘要........................................ 错误!未定义书签。Abstract......................................... 错误!未定义书签。 1 引言...................................... 错误!未定义书签。 2 大数据时代运营商的发展现状 (1) 2.1大数据的含义及特征............................... 错误!未定义书签。 2.2大数据的应用领域及其价值......................... 错误!未定义书签。 2.3大数据时代运营商的发展现状 (3) 2.4大数据时代运营商的发展趋势 (4) 3 大数据时代运营商的SWOT分析 (5) 3.1优势与劣势分析 (5) 3.2机会与威胁分析 (6) 4大数据时代运营商的经营策略 (8) 5结论 (10) 参考文献 (11)

摘要近年来，大数据所带来的挑战推动了计算技术的快速发展，催生了分布式并行处理平台Hadoop、软硬件一体化数据库服务器Exadata等一批新产品。对于电信运营商这样的大型企业而言，需要思考如何应用这些新技术，解决在大数据时代背景下所面临的挑战，从而提升企业价值。本文立足于电信行业，通过分析大数据的现状及发展趋势，利用SWOT分析模型，阐述电信运营商在大数据时代背景下的优势与劣势，以及所面临的机遇与挑战，并提出相关应对策略，最后展望在大数据时代电信企业的发展及转变趋势。关键词：大数据运营商 SWOT分析模型数据挖掘

大数据三大应用领域

大数据在企业商业智能、公共服务和市场营销三个领域拥有巨大的应用潜力和商机。今天，大数据似乎成了万灵药，从总统竞选到奥斯卡颁奖、从web安全到灾难预测，正如那句俗语： “当你手里有了锤子，什么都看上去像钉子。 ”当IT经理成功部署一套Hadoop系统后，任何事看上去都与大数据有关（事实也是如此）。类似的事情在云计算的普及中也出现过，一开始大家认为所有的IT都可以搬到云端，而现实是我们依然需要虚拟化技术和基础设施。对于大数据来说，如果IT经理们初期不能正确选择应用领域，有可能会导致达不到期望值，招致麻烦。其实，综合来看，未来几年大数据在商业智能、政府服务和市场营销三个领域的应用非常值得看好，大多数大数据案例和预算将发生在这三个领域。商业智能过去几十年，分析师们都依赖来自Hyperion、Microstrategy和Cognos的BI产品分析海量数据并生成报告。数据仓库和BI工具能够很好地回答类似这样的问题： “某某人本季度的销售业绩是多少？”（基于结构化数据），但如果涉及决策和规划方面的问题，由于不能快速处理非结构化数据，传统的BI会非常吃力和昂贵。大多数传统BI工具都受到以下两个方面的局限：首先，它们都是“预设-抓取”工具，由分析师预先确定收集什么数据用于分析。其次，它们都专注于报告“已知的未知”（Known unknowns），也就是我们知道问题是什么，然后去找答案。

（而大数据会给出一些未知的未知，也就是你没有想到的一些问题的结果）传统BI工具主要用于企业运营，侧重于成本控制和计划执行报告。而大数据技术最主要的功能/应用是ETL（Extract、Transform、Load）。将近80%的Hadoop应用都与ETL有关，例如在导入Vertica这样的分析数据库之前对日志文件或传感器数据的处理。今天计算和存储硬件变得非常便宜，配合大量的开源大数据工具，人们可以非常“奢侈”地先抓取大量数据再考虑分析命题。可以说，低廉的计算资源正在改变我们使用数据的方式。此外，处理性能的大幅提高（例如内存计算）使得实时互动分析更加容易实现，而“实时”和“预测”将BI带到了一个新的境界——未知的未知。这也是大数据分析与传统BI之间最大的区别。今天的大数据技术还处于战国时期，未来几年，随着企业间的兼并和新产品的不断推出，BI厂商们将能推出完善的，让CEO感到满意的“大数据套件”，但这并不意味着企业IT经理们的工作将受到威胁。因为正如云计算在理想和现实间达成妥协一样，大数据也会经历类似的发展过程。传统的BI工具将与大数据分析并存。公共服务大数据另外一个重大的应用领域是社会和政府。如今，数据挖掘已经能够预测疾病暴发、理解交通模型并改善教育。今天，城市正面临预算超支、基础设施难题以及从农村和郊区涌入的大量人口。这些都是非常紧迫的问题，而城市，也正是大数据计划的绝佳实验室。以纽约这样的大都市为例，政府公共数据公开化、以及市民生活的高度数字化（购物、交通、医疗等）等都是大数据分析的理想对象。

运营商大数据应用解决方案

目录 1.大数据概述 (9) 1.1.概述 9 1.2.大数据定义 9 1.3.大数据技术发展 11 2.大数据应用 (14) 2.1.大数据应用阐述 14 2.2.大数据应用架构 16 2.3.大数据行业应用 16 2.3.1.医疗行业 16 2.3.2.能源行业 17 2.3.3.通信行业 17

2.3.4.零售业 18 3.大数据解决方案 (19) 3.1.大数据技术组成 19 3.1.1.分析技术 19 3.1.1.1.................. 可视化分析 19 3.1.1.2................. 数据挖掘算法 19 3.1.1.3................. 预测分析能力 19 3.1.1. 4................... 语义引擎 19 3.1.1.5............. 数据质量和数据管理 20 3.1.2.存储数据库 20 3.1.3.分布式计算技术 21 3.2.大数据处理过程 23 3.2.1.采集 23 3.2.2.导入/预处理

24 3.2.3.统计/分析 24 3.2. 4.挖掘 24 3.3.大数据处理的核心技术-Hadoop 25 3.3.1.Hadoop的组成 25 3.3.2.Hadoop的优点： 28 3.3.2.1.................. 高可靠性。 28 3.3.2.2.................. 高扩展性。 28 3.3.2.3................... 高效性。 29 3.3.2. 4.................. 高容错性。 29 3.3.3.Hadoop的不足 29 3.3. 4.主要商业性“大数据”处理方案 29 3.3.2.5....... IBM InfoSphere大数据分析平台 30 3.3.2.6...... Or a c l e Bi g Da t aApplianc 31

运营商大数据对外运营的研究

1运营商大数据的价值与挑战当前社会是一个信息大爆炸的社会，而运营商就是一个典型的例子，用户每日的通信行为、用户基础资料、消费习惯、上网行为等等都产生海量的数据。这些数据所承载的信息蕴藏着不可估算的价值，数据已成为新时代最关键的生产要素，而运营商的数据是一个巨型的金矿，等待着人类的不断开采。然而在国内，运营商大数据对外运营仍处于初期阶段，没有成熟的业务模式和成功案例，当前还有不少问题需要解决，这里只选两个较为关键的问题来分析。第一个问题是业务模式，即运营商应该选择何种业务模式；第二个问题是信息安全，即如何解决客户的信息安全问题。2运营商大数据的业务模式研究大数据业务模式非常多，包括：咨询服务、运营分析、媒体广告、开发平台、精准营销等等。但从运营商角度出发，结合实际推广难度、用户接受度以及信息安全进行综合考虑，我们建议从“群体性数据服务”入手，优先开展以下业务。2.1提供用户基础特征分析服务面向咨询公司：针对城市规划、商业运营等大型咨询项目，基于多种维度准确描述区域内的人群分布特点及位置变化规律，辅助提升咨询项目数据质量。咨询公司针对政府行业分析的数据需求如图1。运营商提供的数据包括：人口属性数据：用户的基本属性信息，如性别、年龄、职业、消费能力等；人口分布数据：基于移动用户的位置信息、判断用户位置分布情况；人口流动数据：根据通信基站变化情况，获取人口流动数据。图1咨询公司针对政府行业分析的数据需求 2.2提供市场行业数据分析服务面向行业分析机构：提供实时提供准确的业务数据支撑，提升机构分析报告的实时性；提升数据获取效率，大大降低传统的数据调研成本。运营商提供的数据包括：终端类型情况：用户使用手机品牌、型号、价位、版本等信息；网购消费情况：用户所在的区域、网购的频率、购物的金额等信息；上网行为分析：用户习惯购物的网址、时间段、喜欢的品牌和款式等信息；娱乐消费情况：用户喜欢的娱乐活动、场所、频率、额度等数据。 2.3提供用户行为习惯分析服务面向商业或地产：基于用户的手机位置及基础属性，为商圈提供准确的客源分布分析、客流趋势分析、客流轨迹、竞品分析、会员分析等数据。运营商大数据对外运营的研究邱俊东姚泽楠（中国移动通信集团广东有限公司汕头分公司，广东汕头515000） [摘要]大数据是当前社会非常热门的话题，其价值已经被各行各业普遍接受。大数据时代已经到来，电信运营商也迎来了大数据时代的重大机遇。本文从运营商的角度综合分析大数据的价值与存在的挑战，结合市场与行业的需求，对大数据业务模式进行研究，提出以“群体类数据服务”为切入点的四种对外运营的业务模式，同时针对大数据的信息安全问题提出若干建设性意见。 [关键词]大数据；运营商大数据；对外运营；业务模式中图分类号：F626文献标识码：A 文章编号：1008-6609(2015)07-0054- 02 ——————————————作者简介：邱俊东，男，广东潮州人，工学学士，助理工程师，研究方向：IT 系统架构，大数据应用。2015年第7期学术探讨网络与通信 - - 54

大数据的应用案例

大数据的应用案例 DT时代，大数据的应用越来越广泛，大数据在哪些方面会应用到呢？一、能源行业智能电网现在欧洲已经做到了终端，也就是所谓的智能电表。在德国，为了鼓励利用太阳能，会在家庭安装太阳能，除了卖电给你，当你的太阳能有多余电的时候还可以买回来。通过电网收集每隔五分钟或十分钟收集一次数据，收集来的这些数据可以用来预测客户的用电习惯等，从而推断出在未来2~3个月时间里，整个电网大概需要多少电。有了这个预测后，就可以向发电或者供电企业购买一定数量的电。因为电有点像期货一样，如果提前买就会比较便宜，买现货就比较贵。通过这个预测后，可以降低采购成本。维斯塔斯风力系统，依靠的是BigInsights软件和IBM超级计算机，然后对气象数据进行分析，找出安装风力涡轮机和整个风电场最佳的地点。利用大数据，以往需要数周的分析工作，现在仅需要不足1小时便可完成。二、汽车制造当问起汽车的制造过程，大多数人脑子里随即浮现的是各种生产装配流水线和制造机器。然而在福特，在产品的研发设计阶段，大数据就已经对汽车的部件和功能产生了重要影响。比如，福特产品开发团队曾经对SUV是否应该采取掀背式(即手动打开车后行李箱车门)或电动式进行分析。如果选择后者，门会自动打开、便捷智能，但这种方式会影响到车门开启有限的困恼。此前采用定期调查的方式并没有发现这个问题，但后来根据对社交媒体的关注和分析，发现很多人都在谈论这些问题。三、零售行业 “我们的某个客户，是一家领先的专业时装零售商，通过当地的百货商店、网络及其邮购目录业务为客户提供服务。公司希望向客户提供差异化服务，如何定位公司的差异化，他们通过从Twitter 和Facebook 上收集社交信息，更深入的理解化妆品的营销模式，随后他们认识到必须保留两类有价值的客户：高消费者和高影响者。希望通过接受免费化妆服务，让用户进行口碑宣传，这是交易数据与交互数据的完美结合，为业务挑战提供了解决方案。”Informatica的技术帮助这家零售商用社交平台上的数据充实了客户主数据，使他的业务服务更具有目标性。零售企业也监控客户的店内走动情况以及与商品的互动。它们将这些数据与交易记录相结合来展开分析，从而在销售哪些商品、如何摆放货品以及何时调整售价上给出意见，此类

大数据在it方面的应用

大数据IT领域的意义课程： 14MGB002H-D4 自然辩证法学号： 2015E8013261170 姓名：薛智友

目录大数据的简介 (2) 大数据的意义 (4) 企业大数据项目 (6) 数据是企业最宝贵的财富。 (6) 政府部门 (7) 个人 (7) 企业管理 (9) 预测 (9) 更有效地组织企业以节省资金 (9) 真正了解客户 (10) 企业共同创建、实时改进和创新产品 (10) 利用大数据找到新的商业机会 (11) 参考文献 (12)

电信运营商该如何利用大数据

电信运营商该如何利用大数据? 大数据市场前景广阔。市场研究公司 Marketsa ndMarkets 最新发布的一份报告预计，从2013年到2018年，全球大数据市场将会出现年均26%的增长率，即从今年的148.7亿美元增长到2018年的463.4亿美元。全球范围内的许多企业都在进军大数据应用市场，同时，大数据也为电信运营商带来了新的盈利空间以及新的挑战。大数据“美好时代”来临互联网产生大数据，随着互联网技术的不断发展，数据也将像能源、材料一样，成为战略性资源。如何利用数据资源深挖创新、提升I 1 0 IJ D J C □ 1 c

效益，是诸多IT企业的追求目标。大数据因其市场需求广阔、后续增长潜力大、投资前景好等优点，后续发展持续被看好。如今，“大数据”早已渗透到我们的生活中，衍生出了形形色色的数据应用，涵盖交通、医疗、金融、文艺、体育等各个方面。大数据促进了信息融合和产业跨界，也引发了更多新业态出现。其中，获利最多的当属IT企业。在国内，腾讯这个移动互联网巨头是最早尝到大数据甜头的企业，其从2003年起已经开始努力做手机QQ的尝试。现在，几乎每个拥有手机的网民都是手机QQ用户。另一个互联网巨头百度的新一代搜索引擎的重要支柱之一就是大数据。依托大数据，百度新一代搜索引擎才得以为用户提供更便捷与智能的医疗、交通等服务。以医疗为例，用户可以在百度搜索引擎中便捷地获取相关病症的原因、症状、治疗等信息；甚至可以通过搜索引擎，在线咨询医生、在线挂号，这大大降低了百姓获得医疗信息和服务的门槛。除此之外，阿里巴巴的云计算、奇虎360的商业模式、微信的运作自如……这些IT大佬们的得意，无不与“大数据”这个词语紧密相连。在国外，大数据也被许多科技企业看作是云计算之后的另一个巨大商机，包括微软、谷歌、亚马逊和微软在内的一大批互联网巨头纷纷掘金这一市场。谷歌基于搜索数据成功建立了盈利模式；亚马逊通过云技术、大数据构建了电商帝国……大数据引发的信息融合正在改变着IT企业的发展方

电信运营商基于大数据的商业智能应用思考

电信运营商基于大数据的商业智能应用的思考
孙少陵中国移动通信有限公司研究院 2012年11月
1

目录
3 1 2 3
电信运营商商业智能面临的挑战基于大数据的商业智能系统的初步构想 “大云”在大数据商业智能领域的实践
2

全球数据量高速增长，信息成为运营商战略资产
?信息社会的信息增量在高速发展 ?随着互联网/移动互联网、数码设备、物联网/传感器等技术的发展，全球数据生产在高速增长 ?Jim Gray的新摩尔定理认为，每18个月全球新增的信息量是计算机有史以来全部信息量的总和。据IDC研究报告，未来10年全球数据量将以40+%的速度增长，2020年全球数据量将达到35ZB（35,000,000PB），为2009年（0.8ZB）的44倍 ?信息成为企业战略资产，市场竞争和政策管制要求越来越多的数据被长期保存 ?企业越来越需要长期保存各类数据，以进行用户行为分析、市场研究，信息服务企业更是需要积累越来越多的信息资源 ?为了遵从萨巴斯、上网日志审计等管制要求，企业需要长期保存越来越多的生产数据
3

基于大数据的商业智能（BI）为运营商带来新的机遇
在网络时代，运营商是数据交换中心，运营商的网络管道、业务平台、支撑系统中每天都在产生大量有价值的数据，基于这些数据的商业智能应用为运营商带来巨大的机遇
改善用户体验优化网络质量助力市场决策刺激业务创新
? 分析用户行为，改进产品设计 ? 通过用户偏好分析，及时、准确进行业务推荐和客户关怀
? 分析流量、流向变化，调整资源配置 ? 分析网络日志，进行网络优化和故障定位
? 通过业务、资源、财务等各类数据的综合分析，快速准确确定公司管理和市场竞争策略
? 在确保用户隐私不被侵犯的前提下，对数据进行深度加工，对外提供信息服务，提升企业价值
4

电信运营商行业大数据应用考试试题及答案

企业级大数据平台架构电信行业大数据应用案例分享互联网+行业大数据应用案例分享第一套题 1、哪个选项不属于大数据 4V 特点？（ B ） A、Volume B、Valid C、Variety D、Value 2、大数据的特点不包含（ B ） A、数据体量大 B、价值密度高 C处理速度快D数据不统一 3、业界对大数据典型特征定义，一下哪像描述正确 ABC 4、Hadoop 包括（ABC） A、Hadoop Distrbuted Filesystem（HDFS） B、HadoopMapReduce C、Hbase D、HadoopStreaming 5、有关HDFS文件系统说法正确的是以下那些？（ AD） A、HDFS本身是个高可用系统架构 B、HDFS采取的是多NameNode、DataNode架构 C、HDFS数据副本的数量越大越好 D、HDFS NameNode分主备，主备不同时对外服务 6、关于大数据的理念的描述，以下哪些不正确（ BD） A、相关性比因果更重要 B、要效率也要绝对精准 C大数据的核心价值是预测 D、遵从隐私和法律并非大数据的风险 7、H DFS文件系统适用于以下哪些场景（AC） A、将单文件分割成很多小块存储 B、存储大量小文件 C流式数据读取 D、实时数据读取 8、对海量大数据管理可能面临的难题包括（ABCD） A、如何实现快速查找，提升检索效率； B、如何保证数据真实性，防止数据诈骗； C、如何实现PB级不同类型数据的存储； D、如何降低数据产生数量，节约存储资源。 9、大数据应用大大方便教育资源的管理，彻底改变教育模式，特别是在科研领域，面向数据密集型科研发现，将成为继三大范式之后的第四范式，此处提到的科学发展领域的三大范式是指（ ABC） A理论 B、推演 C、模拟 D、计算第二套题 1、运营商大数据主要遍布在一下哪些域？（多选）（ ABC ） A、B 域 B、O 域 C、M 域 D、R 域 2、以下哪些是运营商大数据应用痛点？（多选）（ABCD

汽车行业大数据应用案例

汽车行业大数据应用案例在未来，各个产业都将成为数据产业，汽车也将如此。目前，互联网所掌握的消费者喜好、生活习惯等数据信息如果应用到汽车行业，将使汽车产品更加智能，大数据的应用甚至能够影响到汽车产业的生产制造，帮助汽车企业生产出更加符合消费者需求的产品。凯文凯利认为：“在未来，各个产业都将成为数据产业，汽车也将如此。目前，互联网所掌握的消费者喜好、生活习惯等数据信息如果应用到汽车行业，将使汽车产品更加智能，大数据的应用甚至能够影响到汽车产业的生产制造，帮助汽车企业生产出更加符合消费者需求的产品。” 在贵阳大数据论坛上，马凯副总理提出：大数据是国家战略资源，部分公共数据资源也将逐步开放，让企业用互联网+更好的服务社会。

基于汽车行业超长的产业链，从不同的层面看，汽车大数据必然是多维度的，有不同的理解和看法，我们试从各行业角度试加分析：先看一组数据：中国有3亿驾驶员，1.5亿车主，100多个品牌6000多款车，24000多家4S店，44万家维修厂，600万家洗车行...... 主机厂：汽车大数据的顶层和基础

主机厂是汽车的制造者，他们领先的设计、技术及制造能力和知识产权，使其在整个汽车生态链中起绝对主导作用——所有的零部件设计及软件系统，都由主机厂主导，所有衍伸产品都以主机厂的产品设计规格为标准（适配软件、模具、型号、规格尺寸乃至汽车改装和汽车电子产品以及汽车用品等等）。同时，主机厂有完善的零部件配套、物流配送、销售体系，所有该体系内的企业都要按照其标准化模式运行；原始汽车维修技术资料以及CRM和ERP 系统：4S店的后台管理系统由主机厂提供，能够调取车主的姓名、住址、行驶证数据及通联、保险、维修保养记录（车主脱离4S店体系之前）。主机厂零部件数据包括包括字段：配件名称、配件代码、品牌、型号、年代、替代配件、替代关系、图示、价格等等。

大数据及其在各领域的应用

大数据及其在各领域的应用引言：随着互联网的飞速发展，特别是近年来社交网络、物联网和云计算的飞速发展和大量应用，人们所接触和关注的数据量出现爆炸式增长，使得数据的极大丰富和复杂成为当今社会的重要特征。对大数据分析和处理的技术也随之建立完善并丰富起来。主要介绍大数据的概念和特点，分析了实现大数据处理的关键技术和大数据的应用领域，列举了几种大数据在现实生活中的典型应用。首先，全球数据量出现爆炸式增长，数据成了当今社会增长最快的资源之一。根据国际数据公司IDC的监测统计，即使在遭遇金融危机的2009年，全球信息量也比2008年增长了62%，达到80万PB（1PB等于10GB），到2011年全球数据总量已经达到1.8ZB（1ZB等于1万亿GB），并且以每两年翻一番的速度飞速增长，预计到2020年全球数据量总量将达到40ZB，10年间增长20倍以上，到2020年，地球上人均数据预计将达5247GB。在数据规模急剧增长的同时，数据类型也越来越复杂，包括结构化数据、半结构化数据、非结构化数据等多种类，其中采用传统数据处理手段难以处理的非结构化数据已接近数据总

量的75%。如此增长迅速、庞大繁杂的数据资源，给传统的数据分析、处理技术带来了巨大的挑战。为了应对这样的新任务，与大数据相关的大数据技术、大数据工程、大数据科学和大数据应用等迅速成为信息科学领域的热点问题，得到了一些国家政府部门、经济领域以及科学领域有关专家的广泛关注。虽然大数据日益升温，但与大多数信息学领域的问题一样，大数据的基本概念及特点，大数据要解决核心问题，目前尚无统一的认识，大数据的获取、存储、处理、分析等诸多方面仍存在一定的争议，大数据概念有过度炒作的嫌疑。欧洲的一些企业甚至认为大数据就是海量数据存储，仅将大数据视作是可以获取更多信息的平台。本文分析当前流行的几种大数据的概念，讨论其异同，从大数据据有的典型特征角度描述大数据的概念和特点，从整体上分析大数据要解决的相关性分析、实时处理等核心问题，在此基础上，最后讨论大数据可能要面临的多种挑战。大数据的概念和特点大数据是个较为抽象的概念，正如信息学领域但是面对以视频、图片、文字等非结构化数据为主大多数新兴概念样，大数据至今尚无确切、统的定义。来自维基百科的定义为：大

大数据平台在运营商支撑系统中应用

大数据平台在运营商支撑系统中应用发表时间：2018-09-30T11:20:30.890Z 来源：《建筑学研究前沿》2018年第13期作者：张仁发 [导读] 在互联网时代，数据就是金钱。曾经有专业调查显示，各国政府对数据开放提供了新的想法，提出了大数据平台。在中国移动通信集团广东有限公司湛江分公司 524044 摘要：互联网技术的飞快发展，计算机处理能力也逐渐强大，云计算和数据中心为大数据时代的到来奠定了良好的基础。传统的通信业务已经无法满足人们的需求，在这种背景下，恰当的使用大数据平台能够有效的推动通信行业的发展。本文介绍大数据平台的基础上，结合实际情况，分析大数据平台在运营商支撑系统的应用，从而提高运营商的经济效益。关键词：大数据平台；运营商；支撑系统引言在互联网时代，数据就是金钱。曾经有专业调查显示，各国政府对数据开放提供了新的想法，提出了大数据平台。在调查中显示，很多消费者愿意相信运营商和银行的保密性，将自己的数据交到他们手中使用和处理。运营商赢得了消费者的信任度，对开展大数据平台提供了有力的基础。一家企业拥有数据的规模和应用的能力决定着这家企业的综合实力，对数据的掌控和使用成为这个国家争议的焦点。随着互联网、社交网站、电子商务的发展，各类信息服务正在迅速发展，电信行业的业务呈现出全新的形态。时下非常流行的微博、微信和QQ等通信方式，带来的图片、语音、视频等非结构化数据推动了电信数据量的增长。如何处理好这些非结构化数据，为用户提供最佳的服务成为运营商思考的重点。一、大数据平台虽然至今为止，人们对大数据没有给出一个确切的定义，但是对大数据进行了大量的研究发现，对大数据的本质有了新的认知。大数据平台所存储的信息非常大，其处理的数据量达到PE级别。在大数据平台上，数据更新的速度、传输的速度、存储的速度超过传统的方式。大数据平台有着自身的特点，无论是结构、用途还是处理过程都表现出多样性。数据的多样性指的是以下几点：第一点，数据来源非常广，利用传统的方法，企业获得数据的方式主要来源于交易书记，随着互联网和物联网的发簪，人们能够给通过微博、社区等方式获得想要的资源；第二点，数据的类型非常多，主要以非结构化数据为主。在传统的企业中，数据通过以表格、图片、视频等方式来保存；第三点，数据之间的关联性非常强，如果用户上传照片，能够快速的检索到用户的位置等等相关信息。大数据中宝贵的价值在于能够为人们提供存储和处理大数据的动力。关于大数据时代处理数据理念要全部不要抽样、要高效不要精确，要相关不要因果。基于现在的技术，处理这些大量的数据非常困难。人们对大数据的处理方式都是对静态数据进行处理，对线数据采取实时处理，对图像数据进行综合处理。大数据处理系统的发展趋势主要体现在三个方面：第一方面是数据处理引擎专用化。大数据处理系统必须采用全新的处理体系，使其具有专一性，提高其效率，降低成本，为此，很多互联网企业都在原有的处理系统基础上，研发拓展性能强、通量大、成本低的专用系统；第二方面是数据处理平台呈现出多样化发展。全面的提升传统系统的兼容性，扩展其数据技术的生态环境，使其超良性方向发展；第三方面是数据计算实时化。在大数据平台上，能够对其进行大量的操作，同时，使用的时间非常快，可以缩短到几秒。要想使大数据平台发挥出应用的价值，必须对大数据的内容进行实时分析和计算。深度学习和知识计算是大数据分析的基础，可视化是数据分析的关键技术，数据分析的结果是大数据呈现的结果。大数据平台处理和分析的最终目标是借助数据分析，帮助人们做出合理的决策。二、IT支撑能力的规划和建设 2.1系统架构系统架构根据数据资产运营对IT支撑系统提出的能力要求，在电信行业通常所划分的OSS（OperationSup-portSystem，运营支撑域）、BSS（Business supportsystem，业务支撑域）、MSS（Management supportSystem，管理支撑域）三个域的基础上，新增了ASS（Analysis Support System，分析支撑域）的建设规划，由统一数据接人中心、企业数据中心、数据质量管理中心、能力服务中心、分析应用中心共五大能力服务中心构成。分析支撑域的架构如图1所示。统一数据接人中心主要引入基于Hadoop架构的云化ETL，利用分布式文件存储降低成本，利用分布式批处理计算提升对数据源ETL过程的执行效率，统一接人来自全网的网络、计费、财务、信令等数据。企业数据中心由传统的经分数据仓库及新引入的MPP分布式数据库组成，利用分布式计算提升高度汇总数据的关联计算的效率，利用Share-nothing架构提升扩容效率。数据质量管理中心负责保障ASS域内外部数据的完整性、准确性、一致性。能力服务中心主要面向上层应用抽象对底层数据操作和基础功能组件能力，为上层应用提供数据及

大数据在通信行业的五种应用

大数据在通信行业的五种应用开运联合对于“大数据”时代的到来，信息成为企业战略资产，市场竞争要求越来越多的数据被长期保存，每天都会从管道、业务平台、支撑系统中产生大量有价值的数据，基于这些数据的商业智能应用将为运营商带来巨大的机遇。据预测，2016年~2018年，全球移动数据流量将以每年50%的复合增长率增长。到2018年，全球移动数据流量将比2016年增加2倍。如何处理和利用好如此规模的数据，已成为通信企业的迫切任务。作为一家专业的软件开发公司，与其他企业将大数据作为一种商业模式不同，开运联合将大数据当作一种商业资本，在挖掘利用后产生价值。一精细化营销在网络时代，基于数据的商业智能应用为运营商带来巨大价值。通过大数据挖掘和处理，可以改善用户体验，及时准确地进行业务推荐和客户关怀；优化网络质量，调整资源配置；助力市场决策，快速准确确定公司管理和市场竞争策略。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人士进行投放。二网络提升互联网技术在不断发展，基于网络的信令数据也在不断增长，这给运营商带来了巨大的挑战，只有不断提高网络服务质量，才有可能满足客户的存储需求。在这样的外部刺激下，运营商不得不尝试大数据的海量分布式存储技术、智能分析技术等先进技术，努力提高网络维护的实时性，预测网络流量峰值，预警异常流量，防止网络堵塞和宕机，为网络改造、优化提供参考，从而提高网络服务质量，提升用户体验。三互联网金融通信行业的大数据应用于金融行业目前是征信领域。联通与招商银行成立的“招联消费金融公司”即是较好案例。招商与联通的合作模式主要体现在招商银行有对客户信用评级的迫切需求，而联通拥有大量真实而全面的用户信息。当招行需要了解某位潜在客户的信用或个人情况时，可向联通发起申请获得数据；或者给出某些标签。类似于此的商业模式将会在互联网金融大发展时期获得更多重视。目前，国内互联网金融发展的一大壁垒即是信用体系的缺失，而运营商拥有的宝贵大数据将是较好的解决渠道之一。四合作变现随着大数据时代的来临，数据量和数据产生的方式发生了重大的变革，运营

大数据在日常生活中的应用及其影响

大数据在日常生活中得应用及其影响 2013５08０94 庞阳阳摘要:数据得概念虽已经有被炒作过度得嫌疑，但就就是毋庸置疑得一点就就是,国内国外得数据量正以一个惊人速度增长,世界正在高速数字化。而且继云计算、物联网之后,大数据在人们毫无察觉得情况下已经悄悄住进了人们得生活,大数据得应用给人们得生活带来了便利,改善了人们得生活质量，与此同时，大数据也存在着海量管理、信息安全等方面得问题。下面介绍一些已经改变我们日常生活中大数据应用。关键词:大数据；日常生活;应用;影响大约从200９年开始，“大数据”成为互联网信息技术行业得流行词汇，甚至连普通得网页上都可见到大数据云计算等高大上得字样,但就就是大数据到底就就是什么呢？作为一个普通人,并不就就是展业得ＩT人才,怎样了解大数据?大数据与云计算就就是不就就是一样得,它们两个有区别吗?这样那样得疑问很多，可就就是又听说大数据在生活中得应用很多,随处可见,就连我们得吃喝住行都有它得影子。那么大数据在我们日常生活中又有哪些应用呢?大数据给我们得生活带来了哪些影响？下面我们就来浅谈一下“大数据”在我们日常生活中得应用与影响。１、大数据得概念及解释大数据(big daｔａ)，指无法在一定时间范围内用常规软件工具进行捕捉、管理与处理得数据集合,就就是需要新处理模式才能具有更强得决策力、洞察发现力与流程优化能力得海量、高增长率与多样化得信息资产。首先大数据要大，大体现在数据得“海量”上,这个“海量”不仅仅指得就就是数据得多，还有数据得多种多样，复杂程度等。并不就就是像我们平常所说得大量数据这么简单。大数据得特点可归纳为4个“V”——Vｏｌｕｍe(大量)、Ｖelociｔｙ(高速)、Ｖarieｔy(多样)、Veracity（精确)。第一,数据体量巨大。从TB级别，跃升到PB级别;第二，数据类型繁多,数据来源于各种各样得渠道。第三,价值密度低，商业价值高。以视频为例,连续不间断监控过程中，可能有用得数据仅仅有一两秒。第四，处理速度快。一般要在秒级时间范围内给出分析结果,时间太长就失去价值了。这个速度要求就就是大数据处理技术与传统得数据挖掘技术最大得区别。 2大数据与云计算得关系与区别从技术上瞧,大数据与云计算得关系就像一枚硬币得正反面一样密不可分。哪里有大数据那里必然有云计算得出现。这就就是因为大数据必然无法用单台得计算机进行处理,必须采用分布式架构。大数据得特色在于对海量数据进行分布式数据挖掘,云计算得特色就就是分布式处理、分布式数据库与云存储、虚拟化技术,这刚刚好就就是云计算可以满足得。

基于电信运营商移动承载网络的旅游大数据应用

基于电信运营商移动承载网络的智慧旅游大数据应用一、项目背景国家旅游局正式将20１4年旅游宣传主题确定为“美丽中国之旅——20１4年智慧旅游年”。要求各地旅游局以智慧旅游为主题,引领智慧旅游城市、景区等旅游目的地建设,以信息化带动旅游业向现代服务业转变。在信息化迅速发展的今天,智慧旅游的发展离不开大数据，需要依靠大数据提供足够有利的资源，智慧旅游才能得以“智慧”发展。国内大众持续增长的旅游需求以及哈尔滨持续增长的旅游目的地吸引力，让哈尔滨的游客数量保持高位运行,尽管哈尔滨在公共服务的基础设施上做了大量投入,但在激增的客流面前，依然不能满足需求。尽管哈尔滨旅游产业运行监测调度平台及时监测到了景区客流信息,并通过视频监控与应急指挥系统进行了应急处理,但由于缺少数据积累和大数据分析系统,无法挖掘游客出行规律,缺少前期客流出行预警及引导手段,旅游市场精细化管理还处在事中监控和事后应急处理阶段。移动互联网时代旅游者手中的手机是唯一一个伴随整个旅游活动的信息交流介质，也是有关旅游者大数据的主要来源。目前在移动通讯数据方面的旅游大数据应用探索主要是： 1.移动手机信令数据。2０1３年以来,国内陆续有省市目的地与电信运营商合作,通过采集分析移动手机信令数据来监测旅游景区内旅游者的归属地信息，其中山东省监测省内的５０家景区,范围最大。通过监测可以分析各个景区游客的客源结构、停留时间和实时流量,其中景区的客源结构数据尤其重要。这是国内目的地第一次基于大数据分析获取旅游者信息的模式,也是第一次通过信息技术手段直接获取旅游者信息方式。通过近两年的实践情况来看，优势是时效性强，数据获取直接,客源分析数据详尽，客源区域分布数据可以到地级市。缺陷是对位于市区的景区在区分本市市民手机和本市游客手机时,经常有误差;另外对于黄金周和非黄金周时段的不同流量算法还存在问题,有待进一步优化解决。山东已开始尝试把监测范围扩大到目的地城市，以目的地城市手机漫入漫出数据为基础,分析外来旅游者相关信息,同时把合作范围扩大到移动、联通和电信三大运营商。从目前来看，这是分析目的地景区旅游者属性信息尤其是客源结构信息最准确最有效的方法。 2.移动手机LBS数据。百度推出的景区热力图是这方面有益的探索,它是通过游客的ＬB Ｓ数据,分析得出旅游者的行为信息,借以了解景区内游客的分布和聚集状态。景区通过积累时期数据,可以研究不同时期以及一天中不同时间游客的分布聚集规律和流动特点,对景区