根据电信媒体市场研究公司Informa Telecoms Media 2013年的调查，全球120家运营商中约有48%正在实施大数据服务。据研究公司称，大数据业务的成本平均占运营商IT总预算的10%，未来五年将上升至23%左右，成为运营商的战略优势。可见，从流量运营进入大数据运营已经成为大势所趋。
电信运营商有多年的数据积累，有财务收入、业务发展等结构化数据，也有图片、文字、音视频等非结构化数据。从数据来源来看，电信运营商的数据来源于包括移动语音、固定电话、固网接入和无线上网在内的所有业务，以及公众客户、政企客户和家庭客户。同时，他们还从实体渠道、电子渠道和直销渠道等所有类型的渠道收集联系信息。总体来看，电信运营商大数据的发展还处于探索阶段。
大数据在电信行业的应用概况
目前国内运营商主要在五个方面运用大数据:网络管理优化，包括基础设施建设优化和网络运行管理优化；市场精准营销，包括客户画像、关系链研究、精准营销、实时营销、个性化推荐；客户关系管理，包括客户服务中心优化和客户生命周期管理；业务运营管理，包括业务运营监控和业务分析；数据商业化是指数据对外商业化，单独盈利。
第一个方面:网络管理和优化。这个方向包括基础设施建设的优化和网络运行管理与优化。
基础设施建设优化。比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流量的时间段分布和位置特征，为2G和3G的高流量区域设计4G基站和WLAN热点；同时，运营商还可以通过建立评估模型，对现有基站的效率和成本进行评估，发现基站建设中的资源浪费，比如为了达到基站建设的目标，在一些区域人迹罕至的地方建设基站。
运营管理和优化。在网络运营层面，运营商可以通过大数据分析网络流量和流量的变化趋势，及时调整资源分配，同时可以分析网络日志，优化全网，不断提升网络质量和网络利用率。
利用大数据技术实时采集和处理网络信令数据，监测网络状态，识别价值社区和业务热点，更精准地指导网络优化，实现网络、应用和用户的智能分配。由于用户群体不同，不同的社区对运营商的贡献也不同。运营商可以对小区数据进行多维数据综合分析，通过VIP用户分布、收入分布，以及相关分布模型，得到不同小区的数值，再结合网络质量分析。两者叠加在一起，就有可能发现某个小区价值很高，但网络覆盖还需要进一步完善，从而把网络优化的优先级放在第一位，提高投资效率。
德国电信建立模型预测城市各区域无线资源占用情况，根据预测结果提前灵活分配无线资源。比如白天给CBD区域分配了更多的无线资源，晚上给酒吧区域分配了更多的无线资源，使得无线网络的运行效率和利用率更高。
法国电信通过分析发现，某网络掉话率过高。在大数据的帮助下，它诊断出呼叫中断是由于网络负载过重造成的，并根据分析结果优化网络布局，为客户提供了更好的体验，获得了更多的客户，增加了业务。
第二，市场和精准营销。这个方向包括客户画像、关系链研究、精准营销、实时营销、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，为每个客户贴上人口统计特征、消费行为、上网行为、兴趣爱好等标签。，并利用数据挖掘技术对客户进行分组，完善客户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、社交网络、客户信息等数据来分析交际圈。特别是利用各种联系记录形成社交网络来丰富用户的洞察，进一步利用图挖掘方法发现各种圈子、圈子中的关键人员，识别家庭和政企客户；或者分析社交圈，寻找营销机会。举个例子，在一个行为同质化的圈子里，如果这个圈子里的用户大部分都是高流量用户，并且在这个圈子里发现了不同网络的用户，那么我们就可以推测这个用户也处于高流量的情况，然后我们就可以通过营销活动把不同网络的高流量用户引导到自己的网络，向他们推广4G套餐，提高营销转化率。简而言之，我们可以利用社交圈，低成本地提高营销效率，改善服务，扩大产品的影响力。
精准营销和实时营销。运营商要在客户画像的基础上，深入了解客户特征，建立客户与服务、资费套餐、终端类型、在用网络的精准匹配，在推送渠道、推送时机、推送方式上满足客户需求，实现精准营销。比如可以利用大数据分析用户的终端偏好和消费能力，预测用户换机时间，尤其是合约机的到期时间，捕捉用户最新的特征事件，从而预测用户的真实终端购买需求，通过短信、呼叫中心、营业厅等渠道向用户推送相关营销信息。
个性化推荐。运营商通过利用客户画像信息、客户终端信息、客户行为习惯和偏好，为客户提供定制化服务，优化产品、流量套餐和定价机制，实现个性化营销和服务，提升客户体验和感知；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朋友。
第三，客户关系管理。这包括客户服务中心优化和客户生命周期管理。
客户服务中心优化。客服中心是运营商和客户频繁接触的渠道，因此客服中心拥有大量的客户通话行为和需求数据。我们可以利用大数据技术，对客服热线呼入客户的行为特征、路线选择、等待时间进行深度分析，关联客户的历史联系信息、客户套餐消费、客户人口统计特征、客户模型等。，从而建立客服热线的智能路径模型，预测下一次呼入客户的需求、投诉风险以及对应的路径和节点，从而缩短呼入客户的处理时间，识别投诉风险，帮助提升客户服务满意度。此外，通过语义分析，可以对客服热线的问题进行分类，识别热点问题和客户情绪，及时预警相关部门，对大而严重的问题进行优化。
客户关怀和客户生命周期管理。客户生命周期管理包括五个阶段:新客户获取、客户成长、客户成熟、客户衰退和客户离开。在获客阶段，可以通过算法挖掘发现高潜力客户；在客户成长阶段，通过关联规则等算法进行交叉销售，提高客户人均消费；在客户成熟期，可以通过大数据方法对客户进行分组和精准推荐，实时针对不同客户制定忠诚度计划；在客户衰退期，要进行流失预警，提前发现高流失风险客户，给予相应的客户关怀；在客户离店阶段，可以通过大数据挖掘高潜力回头客。国内外运营商在客户生命周期管理方面应用了很多案例。比如SK电讯新成立了一家公司SK Planet，专门从事大数据相关的业务。通过分析用户的使用行为，它会在用户做出离开决定之前，推出符合用户兴趣的业务，防止用户流失；T-Mobile通过整合数据全面分析客户流失的原因，一个季度内将流失率降低一半。
第四个方面，企业经营管理。可以分为业务运营监控和业务分析。
基于大数据分析，业务监控分公司可以从网络、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、QoE/KQI/KPI等指标体系，以及交易的智能监控系统，从宏观到微观快速准确地控制运营和交易原因。
运营分析和市场监控。我们可以通过数据分析来总结分析业务和市场运行状况，主要分为每日、每周、每月、每季和专题分析。过去，这些报告是由分析师撰写的。在大数据时代，这些业务报告和专题分析报告可以自动生成网页或APP表格，由机器完成。数据来源是企业内部的业务和用户数据，以及借助大数据收集的外部社交网络数据、技术和市场数据。分析师转型为报表产品经理，他制定报表框架、分析和统计维度，剩下的交给机器。
第五，数据商业化。数据商业化是指将企业自身拥有的大数据资产对外商业化，从而获取利润。国内外运营商的数据商用都处于探索阶段，但相对而言，国外运营商在这方面发展更快。
提供外部营销洞察和精准广告。
营销洞察:美国电信运营商威瑞森成立了精准营销事业部，这是一个精准营销部门。该部门提供准确的营销洞察和业务数据分析服务。例如，在美国，棒球和篮球比赛是最受商家欢迎的营销场合。此前，在超级碗和NBA比赛中，威瑞森对观众来源进行了精确的数据分析，团队能够了解观众对赞助商的偏好。美国电信运营商Sprint利用大数据为行业客户提供消费者和市场洞察，包括人口统计特征、行为特征和季节分析。
精准广告:威瑞森的精准市场部也基于营销洞察提供精准广告服务；美国电话电报公司提供提醒服务，当用户靠近商家时，他们可能会收到商家提供的折扣很大的电子优惠券。
基于大数据的监控和决策支持服务。
以及客流位置:西班牙电信于2012年10月成立了动态洞察部门DynamicInsights，开展大数据业务，为客户提供数据分析和打包服务。该部门与市场研究机构GFK合作，在英国和巴西推出了首个名为Smart Footprint的产品。Smart Footprint基于完全匿名和聚合的移动网络数据，帮助零售商分析客户来源、各种商店和摊位的人流量以及消费者特征和消费能力，并为政府和企业客户提供洞察结果，用于客流分析和零售店位置服务。
公共服务:法国最大的运营商法国电信，其通信解决方案部门Orange Business Services，承担了法国多个公共服务项目的IT系统建设。例如，它承担了一个法国高速公路数据监控项目，该项目每天生成数百万条记录。分析这些记录可以为行驶在高速公路上的车辆提供准确及时的信息，有效提高道路通畅率。
总体来说，电信行业的大数据还处于探索阶段。未来几年，无论是内部的大数据应用还是外部的大数据商业化都会有很大的增长空。然而，电信行业大数据的最大障碍是严重的数据孤岛效应。由于国内运营商的区域化运营，电信企业的数据都存储在各个地区的分公司，甚至分公司不同业务的数据也可能无法访问。互联网和大数据没有边界。日本最大的移动通信运营商NTT Docomo在2010年之前就开始规划大数据的应用。与国内运营商相比，NTT DoCoMo在全国统一数据采集整合的形式上有很大优势，所以NTT Docomo可以很轻松的拿到全国的系统数据。Docomo不仅注重收集用户的年龄、性别、住址等信息，还做了精细化的表格，要求用户在办理业务时填写更详细的信息。对于国内电信运营商来说，要真正用好大数据，数据的统一整合是最重要的一步。我们已经看到中国移动已经开始准备这项工作。我们相信，未来几年，在互联网公司的竞争压力下，中国电信行业的大数据会发展得更快，变化得更彻底。
