面向网络运营价值挖掘的大数据技术研究与应用
运营商网络运营大数据应用实践研究
运营商网络运营大数据应用实践研究摘要：以电信运营商的大数据资源为基础，对网络运营大数据平台所要汇聚的数据范围、系统定位及功能架构进行了分析，并与4 G网络的建设和推广相联系，说明了怎样才能更好地运用网络运营大数据平台的大量数据资源，来对移动互联网的业务进行全面的评估，同时还可以对网络运营大数据平台在网络精细化运营中所具有的价值进行挖掘，为运营数据资源的内部应用提供借鉴。
关键词：运营商；网络运营；大数据平台；数据资源1.网络运营大数据概述1.1客户信息由顾客的实际注册信息、业务定单、消费、付款、投诉等信息构成，该信息以顾客关系管理（CRM）和客服系统为主，以“客户/人”为“主KEY”进行相关聚合，并体现出该用户所使用的电信服务的基础信息。
1.2用户实时业务信息具体包含了用户的实时位置信息、正在使用的业务类型、业务内容、 APP名称、终端型号版本、业务使用感知（时延、成功率、速率）等内容，它的主要作用是对用户的行为进行描述，能够反映出用户使用业务时实时体验的动态信息。
通常情况下，运营商会使用部署探针、镜像抓包等方式来对其进行捕捉和存储，之后再对其进行分析。
1.3网络/设备运行信息：具体内容有：反映各设备/各端口/各链路的速率、带宽、抖动、延时等硬件运行情况的信息，还有能够反映网络情况的业务统计信息（例如，无线信号强度/覆盖/干扰等一系列指标、各端口消息收发成功率及处理时延、各协议定义的计数器情况、性能指标等）等，这类信息通常是由网管系统进行监控和采集的。
在这些数据中，无论是用户实时业务信息还是网络/设备运行信息，都是从现网实时产生并实时采集到的动态信息。
这一类型的信息，不仅包括了用户使用电信业务及互联网业务的行为特点，而且还能反映出用户使用业务时的网络实时状况，这对运营商提升网络质量以及提升用户使用业务时的感知有着十分重要的作用。
2.网络运营大数据平台架构2.1实时性通信网络每时每刻都在对各种业务进行处理，因此，网络的运行情况也是实时变化的。
大数据分析与数据挖掘在电子商务中的应用
大数据分析与数据挖掘在电子商务中的应用随着互联网技术的发展和普及，电子商务已经成为人们生活中不可或缺的一部分。
在这个越来越竞争激烈的市场中，企业需要更加高效地利用大量的数据来做出更明智的决策和更有效的营销策略。
因此，大数据分析和数据挖掘成为了电子商务领域中非常重要的工具。
一、大数据分析在电子商务中的应用大数据分析是指从大规模数据集中提取和分析数据，以发现有用的信息和模式。
大数据分析可以帮助企业更好地了解自己的客户、市场和业务运营情况，从而更好地做出决策和制定策略。
下面是大数据分析在电子商务中的一些应用：1. 客户行为分析客户行为分析是指对客户的购买行为、访问记录、搜索记录、点击量等数据进行分析，以确定客户的兴趣、偏好和需求。
企业可以通过分析客户行为数据，了解客户需求的主要特点和趋势，并基于这些信息来开展销售和营销活动。
例如，一些电商平台利用大数据分析技术，分析用户搜索和购买记录，为用户提供更加个性化的推荐商品和服务，从而提高用户体验和忠诚度。
2. 业务运营分析电子商务平台经营业务需要不断地优化和提升。
通过大数据分析技术，企业可以深入了解自身的业务运营情况，找到提高经营效率和优化成本的方法和策略。
例如，基于大数据分析的精细化管理模型可以帮助企业监控库存、订单和用户信息，优化供应链管理过程，减少库存积压和缺货现象，并提高运营效率和利润率。
二、数据挖掘在电子商务中的应用数据挖掘是指从大量数据中自动探索有价值的模式或规律。
与大数据分析不同，数据挖掘强调的是对大数据中的隐藏特征进行发现和利用。
下面是数据挖掘在电子商务中的一些应用：1. 市场营销数据挖掘可以帮助企业分析市场趋势和客户需求，找到最有效的营销策略。
例如，对商品销售数据进行分析，可以找到最受欢迎的商品类别、销售季节和促销策略，从而制定更加精准的促销活动。
2. 客户分类数据挖掘可以帮助企业对客户进行分类，根据不同的需求和兴趣，制定不同的营销策略。
例如，基于大数据分析和数据挖掘技术，企业可以将客户分为不同的群体，并根据群体的消费习惯、收入水平和地理位置等信息，提供相应的优惠、服务和建议。
大数据技术应用在5G网络运维中的探讨分析
大数据技术应用在5G网络运维中的探讨分析摘要: 身处5G时代的伟大变革，面对通信技术的迭代升级，结合互联网和通信行业融合技术的发展需求，大数据技术应用已经尤为突出和重要，成为通信运营商捕捉商机的重要手段。
关键词：Big data、采集、存储与管理、分析与挖掘、机器学习引言:随着“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，这些数据有可能被长期埋没而未发挥出其应有的作用。
大数据技术的应用，可以将这些数据的商业价值得到有效开发，为运营商带来巨大的商机。
下面从五个方面进行解析：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、智慧网络运营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。
例如“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。
大数据的挖掘和分析技术及应用
大数据的挖掘和分析技术及应用在当今信息化的时代，大数据已经成为各行各业得以发展的重要基石之一。
大数据挖掘和分析技术，作为大数据的核心应用技术之一，其在商业、医疗、金融、政府等领域的应用得到越来越广泛的认可和重视。
本文从大数据挖掘和分析技术的基础知识出发，深入探讨了其发展历程和现有应用情况，并简单预测了其未来发展趋势。
一、大数据挖掘技术的概述大数据挖掘技术是指从海量数据中获取有价值信息的一种技术手段。
通过对数据的获取、处理、分析和模型建立，可以发现并提取其中的关联规则、异常点、趋势、模式等等。
其核心思想在于对数据进行加工，挖掘出其中的潜在价值，为机构或企业提供参考依据。
二、大数据分析技术的概述大数据分析技术是指将大数据进行筛选、计算、分析和可视化等一系列操作，得到有用的洞察和结论的技术。
它是一种好的决策工具，可为企业的经营管理、市场营销、风险管理和人才管理等提供有力的支持。
分析技术充分利用互联网各种数据源，从而挖掘其中鲜为人知的结果或信息，进而发现有利的营销机遇或其他商业模式。
三、大数据挖掘和分析技术的历史和现状大数据挖掘和分析技术得以迅速发展，受益于近几年国内外IT技术和通信技术的迅速发展，尤其是云计算、移动互联网和人工智能等技术的诞生和发展。
同时，大数据汇聚与存储的技术、新型应用模式以及跨界创新产物的兴起，也为大数据挖掘和分析技术打下了坚实基础。
在商业领域，各大企业为提高数据的价值和利用，积极在数据挖掘和分析领域做出尝试。
在福特、可口可乐、波音、华为、京东等国内外著名企业，业务实践中已经成功应用了各种大数据挖掘和分析技术，如基于数据挖掘的消费理解、基于征信评分的风险预测、基于机器学习的推荐系统等。
四、大数据的挖掘和分析技术应用领域商业领域是大数据挖掘和分析技术最广泛的应用领域之一。
比如对于营销市场部门而言，通过挖掘客户消费行为和产品偏好等信息，制定出更为合适的产品营销策略。
对于金融来说，数据挖掘和分析可以帮助预测债务信用风险、最大化利润等。
社交网络数据挖掘技术及应用
社交网络数据挖掘技术及应用随着互联网技术的不断发展，社交网络这一新型网络形态也随之兴起。
社交网络给人们带来了更加精准和快捷的交流方式，同时也使得人们更加容易获取到大量的信息。
在这种大数据环境下，如何利用社交网络进行信息挖掘，已经成为大众关注的焦点话题之一。
社交网络是一个庞大的信息库。
在社交网络中，人们不仅可以发布各种信息，还可以与其他用户进行交互、互动沟通，并通过评论、转发等操作对他人的信息进行评价和传递。
因此，社交网络中的数据具有多样性、复杂性和大量性的特点。
如何利用这些数据进行挖掘和分析，对于提高信息的准确性和实用价值至关重要。
社交网络数据挖掘技术的发展使得社交网络数据的分析变得更为精准和高效。
社交网络数据挖掘技术包括各种算法和模型，例如文本分析、聚类分析、关系网络分析等等。
这些技术可以帮助人们从海量的社交媒体数据中提取出有价值的信息，进行个性化推荐、情感分析、广告定向投放等应用。
其中，文本分析技术是社交网络数据挖掘应用的重要部分。
在社交网络中，用户发布的文字信息包含了大量的语言信息。
这些信息常常有很强的时效性和情感色彩，因此可以用于分析用户情感、关注度和行为等方面。
文本分析技术可以通过自然语言处理的手段将人类语言转化为计算机可以处理的数据形式，并将其进行分析和处理，以获取有价值的信息。
与文本分析技术相比，关系网络分析技术更加侧重于分析用户之间的关系和交互，旨在发现用户之间的共性和差异性，以及用户间的关联规律等。
关系网络分析技术主要包括社区发现、网络中心性、链式关系挖掘等方面。
这些技术可以帮助人们更加深入地了解社交网络中人际关系的复杂性和规律性，对于社交网络的营销、管理和战略决策具有重要意义。
社交网络数据挖掘技术的应用场景非常广泛。
其中，社交网络舆情监测和预警是典型的应用之一。
社交网络上的舆情信息多样化、快速更新、易传播，很容易引发公众关注。
通过舆情监测，单位或个人可以及早发现和解决突发事件、危机事件以及其他公共事件，从而发挥正面效应。
大数据的挖掘与应用实践案例分析
大数据的挖掘与应用实践案例分析近年来，随着互联网的不断发展和数据技术的不断进步，大数据的概念越来越被人们所重视。
大数据的挖掘和应用已经在各个领域得到了广泛应用。
本文将对大数据的挖掘与应用实践案例进行分析。
一、大数据的概念大数据是指规模超出传统数据处理能力范围的数据集合。
这些数据一般具有高维度、高密度和高速度的特点，需要采用特殊的工具和算法进行存储、处理和分析。
大数据的出现，对人们的生产生活带来了极大的变化。
二、大数据的挖掘大数据的挖掘包括数据清洗、数据集成、数据转换、数据信息处理、数据建模等步骤。
其中数据清洗是指对原始数据进行预处理，把无用的、噪声的和重复的数据清除掉，保证数据的准确性和可靠性。
数据集成是把来自不同数据源的数据进行整合，建立一个完整的数据集。
数据转换是将数据标准化、归一化、统一格式化处理，保证不同数据之间的一致性。
数据信息处理是对数据进行分析、分类、聚类、关联规则挖掘等操作。
数据建模是从数据中提取出模型，用于进行分析和预测。
三、大数据的应用实践1、智能制造领域智能制造是指在生产过程中利用先进的数字技术和大数据技术，对生产过程进行优化和智能化管理。
智能制造需要通过大数据技术对生产过程进行实时监测、分析和预测，以达到生产效率的最大化和生产成本的最小化。
比如，facebook利用大数据技术对全球的生产工厂进行精细化管理，节约了大量的生产成本。
2、智慧城市领域智慧城市是指在城市管理中，利用现代科技手段和大数据技术，实现城市内公共服务的智能化和信息化。
智慧城市需要利用大数据技术进行城市数据采集、处理、分析和决策，从而实现交通、能源、环境、安全等多个领域的综合管理。
比如，纽约市利用大数据技术对城市中的垃圾箱进行智能化管理，可以根据垃圾的填充程度来合理安排清运任务，提高垃圾处理的效率。
3、金融领域金融业是大数据技术的典型应用领域。
现代金融业需要通过大数据技术对市场变化、企业风险和金融安全等方面进行全面的分析和预测。
大数据技术在互联网行业中的应用与创新
大数据技术在互联网行业中的应用与创新在信息技术快速发展的时代，数据变得越来越重要。
大数据技术的兴起为各个行业带来了巨大的变革和机遇，其中互联网行业尤其如此。
大数据技术在互联网行业中的应用与创新，不仅改变了企业的经营模式，也极大地提升了用户体验。
一、大数据技术在互联网行业中的应用1. 用户行为分析互联网行业积累了大量的用户数据，通过大数据技术的应用，可以更好地了解用户的行为习惯和兴趣爱好。
通过对用户数据的分析，企业可以精准地进行个性化推荐，为用户提供更符合其需求的服务。
以电商平台为例，通过对用户的浏览、购买记录进行分析，可以向用户推荐更相关的商品，提高购买转化率。
同时，还可以通过数据分析来预测用户的购买意愿，从而做好库存管理和订单处理，提升物流效率。
2. 数据挖掘与决策支持大数据技术还可以进行数据挖掘，从庞大的数据中提取有价值的信息。
通过对市场、用户和竞争对手等数据的分析，企业可以快速准确地了解市场动态和用户需求，从而做出更为科学合理的决策。
对于互联网公司而言，大数据技术可以帮助他们更好地理解用户的需求并预测市场趋势，从而优化产品的研发和营销策略。
通过数据的分析和挖掘，企业可以及时调整市场战略，提前应对竞争压力，保持竞争优势。
3. 营销推广在互联网行业中，大数据技术可以为企业提供更精确的营销推广方案。
通过对用户行为数据的分析，企业可以了解用户的兴趣和偏好，从而定制个性化的广告和营销活动，提高广告投放的效果。
此外，大数据技术还可以帮助企业进行精细化的用户画像分析，更准确地找到目标用户，提升广告的点击率和转化率。
通过对用户数据的挖掘和分析，可以实现广告资源的精细配置，减少投放的浪费，提高广告效益。
二、大数据技术在互联网行业中的创新1. 人工智能与大数据的融合人工智能技术的快速发展为大数据技术的应用和创新提供了新的可能性。
通过将人工智能与大数据技术相结合，可以实现更高效的数据挖掘和分析，更准确的决策支持。
大数据的挖掘与应用
大数据的挖掘与应用在信息时代，大数据已经成为了各个领域中不可或缺的一部分。
通过对大数据的挖掘与应用，可以帮助我们更好地理解和分析数据，并从中获取有价值的信息。
本文将重点探讨大数据的挖掘方法以及其在各个领域中的应用。
一、大数据的挖掘方法大数据的挖掘是指从海量的数据集中发现潜在模式、规律、关联或其他有价值信息的过程。
以下是常见的大数据挖掘方法：1. 数据清洗与预处理：在大数据挖掘的过程中，首先需要对原始数据进行清洗与预处理。
这包括去除重复数据、处理缺失值和异常值等。
2. 数据集成与转换：将来自不同数据源和格式的数据进行整合，并将其转化为适合挖掘的形式。
这可以提高后续分析的效率和准确性。
3. 特征选择与提取：大数据中包含了大量的特征信息，但并非所有特征对分析任务都是有用的。
因此，需要进行特征选择与提取，筛选出最相关的特征。
4. 模式挖掘与数据分析：利用机器学习、数据挖掘算法等方法，从数据中挖掘出模式和规律。
这可以帮助我们理解数据的内在结构和关系。
5. 可视化与结果解释：将分析结果以可视化的形式呈现，有助于更好地理解和解释分析结果。
可视化也可以帮助决策者做出更明智的决策。
二、大数据的应用领域1. 商业与市场营销：通过对大数据的挖掘与分析，企业可以更好地了解消费者需求和市场趋势，为产品定价、广告投放和市场营销策略提供支持。
2. 金融与风险管理：大数据分析可以帮助金融机构预测市场走势、评估投资风险，并发现潜在的欺诈行为。
3. 医疗与健康：通过分析医疗记录、基因数据和生命体征等大数据，可以提供个性化的医疗服务、预测疾病风险，并帮助研究新的治疗方法。
4. 城市管理与智能交通：大数据的挖掘与应用可以帮助城市管理者更好地规划城市发展、提升交通流畅性，使城市变得更加智慧和可持续发展。
5. 社交网络与推荐系统：通过对社交网络数据和用户行为的分析，可以为用户提供个性化的推荐和社交服务，提高用户体验。
6. 物流与供应链管理：大数据的分析可以优化物流路线、减少运输成本，并提供准确的供应链预测，减少库存损失。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
面向网络运营价值挖掘的大数据技术研究与应用
摘要】现如今，随着社会的发展，人们对网络的使用越来越多，于此同时，我
国网络的发展也正在迅速发展，本文从大数据的概念与特征入手，探讨基于大数
据技术的电信网络运营价值的深度挖掘。
对电信网络运营价值挖掘的大数据技术
研究与应用进行分析总结，最终明确电信运营商在大数据时代的挑战和机遇。
希
望为我国今后网络的发展提供借鉴。
【关键词】网络运营；价值挖掘；大数据技术
0 引言
大数据又被称为大型材料，主要是指参与新模型此次才能够得到较好的决策、认知力度、技术的改良、工艺的改良以及海量、高增长率的信息资产。
现如今，有很多大数据成功的例子，比如：Facebook的发展就是通过数据实现对人际交往的深度挖掘，并且以此构建非封闭
的服务系统。
与此同时，Google的发展同样也是大数据的体现，其通过大数据的强大预测能
力进行深度挖掘，满足大众的需要。
电信运营商在大数据的储存方面具有天时地利人和的优势，而且国内外在电信运营商在
大数据的使用方面也各不相同，国外电信运营商在大数据挖掘应用方面已开展了诸如基于移
动互联网用户感知、优化网络管理、精确指导前端营销、与第三方数据合作等多方面实践。
而国内的运营应商在大数据的是使用方面还是运用老办法，以至于很多管理理念与战略导向
都受到一定程度上的制约，所以，由于传统的观念使得我国的大数据技术在网络运营价值的
深度挖掘方面并没有很好发挥其真正的效益。
对此，本文将进行必要的论述，希望能为我国
大数据时代的真正来临提供微薄之力。
1 移动互联网时代运营商面临的大数据挑战
1.1 跟紧大数据时代的步伐
新穆尔定理认为，每18个月在网络环境下产生的数据量等于数据量的总和，大数据时代已经到来。
这是一个最好的时代，也可能是一个最坏的时代；若能在这个时代把握好，那么
将会飞黄腾达；若是在这个过程把握不好，那么将会被这个先进的社会无情的抛弃。
对于我国电信运营商来说，目前的竞争环境比较差，要向创新和更好的运营就必须重视
大数据技术。
流量井喷，DPI和信令监测，产生的大量信息在进行通信过程的实时性能的处
理带来很大的挑战；运营商必须进行集中操作和控制的透明，研究构建大型的经营分析数据
仓库，对大数据处理的存储和性能都带来的极大的挑战；ICT 融合，核心网络、运营支撑和VAS 业务数据的融合催生海量并集，同样，给大数据的分析总结带来困难。
1.2 没有高端设计
在2015年一开始，中国电信江苏公司对网络运营的战略开始进行转型，就是从单纯的指数维护方向上对数据挖掘的基础上对用户感知的大转型，这次的大转型无疑是意义重大的，
但相对于大数据时代的快速发展来说，我国制定的策略还是相对来说比较落后的。
现如今，网络运营商对大数据的现有做法都仅仅局限于相关个别部门或在本地经营，从
网络运营商的角度来看，他们缺少对大数据的统筹统一的方案。
1.3 缺少统一布置
现如今，电信运营部的内部已经开始进行关于大数据项目的整体规划，并且还进行了相
关的实践，但这仅仅是单纯的数据分析，并没有进行关于相关跨专业的统一数据平台，例如：从核心侧到无线侧的端到端系统等。
2 基于大数据技术的电信网络运营价值挖掘策略建议
2.1 大数据定位非常关键
大数据主要体现在电信运营商的“五位双层”价值上，即外部层面的公开数据，提高客户
的感知意识以及内部层次的精准引导营销，支持领导管理决策，提高网络运营效率。
对外开放数据盈利是指基于大数据对于电信网络用户行为挖掘的自然优势，对内层次的
提升客户感知、精确指导市场营销、支撑领导经营决策、提升网络运营效率。
移动互联网时
代的赢家并没有单独作战，这是特别重要的。
对内层次主要有利用个性化客户的感知对大数
据进行深度挖掘，并以此来提高客户的感知；基于DPI，CDR数据挖掘，必须深入了解客户的市场行为，精确制导营销；基于大数据的网络资源管理，减少人工的领域行为，提高网络运行效率；基于大数据的智能管道来进行决策导向。
2.2 深度解析流量话单，让网络运营可视
通过融合 BSS、OSS、MSS 平台数据源，基于对流量话单的基础上，在管道的基础上进行的运营能力的实施，并构建电信需求分析系统的基础。
通过对平台进行整合，最终实现基于流量话单的网络运营统一价值可视化体现：
（ 1）关于业务内容的分析：能将管道内的流量进行精确的分配，例如：QQ和BT 等业务；
2）用户行为洞察：辨别流量的使用者，用户在什么时候使用，在什么地方使用流量；
（3）偏好分析：对流量所负载的内容进行分析，可以识别用户浏览网页内容以及微博内容等。
（4）终端使用分析：能够进行区分流量终端的信息，为客户提供终端服务，例如型号、品牌等；
（5）市场营销的定位：可以告诉用户使用具体的网络位置和业务的实际位置；
（6）网络化经营可视：结合相关的网络设备和数据，为客户提供网络定位优化和良好的体验以及优良的业务信息等。
2.3 搭建监控平台，实现端到端感知立体评价体系，支撑经营决策
通过对用户的感知实现端到端的多方面感知关系的分析，建立关键KQI和KPI的相关模型，以达到构建客户感知评价体系的目的，提高通信业务和管理的准确评估能力，为前端和后端操作提供导向数据。
以用户 HTTP 行为为例，终端用户使用浏览业务的基本过程为：
（1）用户点击访问某个网页；
（2）操作系统进行DNS查询，在查询结束后，TCP建立并向上级进行报告请求；
（3）终端和服务器的操作系统设置完成TCP三次协议后，终端发送的第一个请求消息；
（4）服务器响应请求消息，将数据分发到该终端的第一页面，该下载的第一页面包含多个数据包，并且第一分组格式可以被压缩。
3网络大数据挖掘场景
（1）在客户使用过程中，智能终端作为第一门户，所有其业务的使用服务适应度直接影响客户的体验，屏幕大小对业务应用也有潜在影响，随着屏幕的增加，侧面反映了用户喜好的特性和应用的差异：IM 类（使用5寸以上的屏幕用户越来越少）；网页浏览（使用5寸屏幕以上的用户越来越多）；电子商务（客户一般喜欢大屏幕）；地图导航（使用率和屏幕有直接的关系）。
（2）终端的位次不一样则在主流商业应用中表现出的特性就不一样，并且终端对企业的应用有很大的影响，对客户终端的维护和终端营销具有重要的参考价值。
4 结束语
在移动互联网时代的今天，大数据显得尤为重要，要想使网络运营成功转型，与运营商必须把握好数据和信息这两大战略资产，与其他行业企业竞争相比，电信运营商将能够获得的数据与单一的互联网企业的数据不同，前者获得数据更立体、全面、丰富，电信运营商发展大数据具有天时地利人和的自然优势，决定了其将成为下一个大数据时代最强大的竞争对手。
对大数据时代来说，数据将成为新的生产力，并且在机遇与挑战并存的今天，网络运营商需要充分发挥自身优势，利用好数据的优势，把握好大数据时代的潜在力量，是我国的网络运营得到更好更快的发展。
为我国是实现富强奠定良好的基础。
参考文献
[1] 杨旭，汤海京，丁刚毅．数据科学导论．北京：北京理工大学出版社，2014
[2]中国企业需要怎么来面对大数据时代的来临．大数据网，2014
[3]尹凯．中国电信大数据技术与应用交流.北京：中国电信,2014
[4]韩晶．面向统一运营的电信运营商大数据战略．电信科学，2014 （11）
[5]陶承怡．基于信息价值链的电信运营商大数据策略研究.电信科学，2014（6）。