大数据在电信运营商中的应用

简介: 现在业界正在热烈讨论运营商如何去电信化、避免沦为管道商。 在我看来,成为大数据公司就是手段之一。因为尽管运营商做的事情似乎跟水厂电厂无异,但是其最大的不同正在于管道里面的东西:数据流。跟管道流淌的水电不同,运营商管道流淌的这种数据流绝对不是同质化的。
0.jpg

现在业界正在热烈讨论运营商如何去电信化、避免沦为管道商。

在我看来,成为大数据公司就是手段之一。因为尽管运营商做的事情似乎跟水厂电厂无异,但是其最大的不同正在于管道里面的东西:数据流。跟管道流淌的水电不同,运营商管道流淌的这种数据流绝对不是同质化的。通过对数据包的层层抽丝剥茧,是可以吸取出油来的。运营商只需对数据包进行深度分析,即可抓取URL、关键字等信息。

尽管Google、Facebook、Amazon、腾讯、新浪等借助平台和应用的确可以抓住很大一部分的用户信息,但是谁都没有运营商的优势。因为深度数据包分析这种手段是与平台、应用无关的。同时,由于一般用户都是只使用一家运营商的宽带和手机业务。这意味着几乎用户所有的数据业务流量都要经过那家运营商那里,而且与用户具有很强的对应关系(用户在上班等场合使用公共接入网络,以及在家中由于家庭成员有多个而无法一一对应除外)。运营商对个人数据覆盖的广度是互联网平台和手机应用提供商难以匹敌的,其手上的数据资源也是很多互联网巨头可望不可及的。

实际上,运营商的数据挖掘实践早已开始,但是主要仍局限在内部的增值业务方面。比如说,捕捉和拦截用户访问非法网址的绿色上网,比如分析用户消费行为后进行的针对性营销,还有一度曾是有线宽带接入运营商普遍做法的弹出广告窗口等,这些都是利用用户数据变现的实践。

不过现在情况有了新的发展,美国的电信运营商的步子迈得更大了。据华尔街日报报道,国外运营商开始将自己手握的海量用户数据变现,将用户的位置、旅行、上网流量习惯等信息出售给包括广告公司在内的第三方。

这里指的是Verizon推出的Precision Market Insights。该服务已经开始向第三方售卖Verizon手上的用户数据,对商场、体育馆、广告牌业主等出售特定场所手机用户的活动和背景信息。

NBA球队菲尼克斯太阳队就是是这项服务的客户之一。太阳队用它来找出来观看比赛的人群住在哪里,从而加强其他地区的广告营销。

1.jpg
其做法是:

1、Verizon收集包括位置和Web浏览信息在内的用户数据
2、将这些信息发给数据库,与从第三方拿到的人口统计数据(年龄、性别等)结合起来。
3、服务将数据进行聚类,然后卖给体育场馆、商场等需要做营销的公司。
4、这些公司拿到数据后进行剖析然后进行定向营销。如太阳队就用它来了解观众赛后是否更有意愿光顾比赛的赞助商。

全球最大的广告牌公司之一,美国的Clear Channel Outdoor Holdings也在测试Verizon的Precision Market Insights。他们用这项服务来衡量开车经过广告牌的人看到广告后有多少人会去商店购买广告产品(应该是手机支付的情况下才知道)。更精准地掌握用户信息和用户行为显然可以提高营销的定向性。

此外,欧洲的运营商也开始类似举动。本周德国软件巨头SAP就推出了一项新服务,将从运营商收集到的智能手机使用信息和位置数据提供给市场营销机构。

客户数据有利可图会让运营商更积极更精确地跟踪客户,甚至延长对用户的Web浏览历史数据的保留时间。虽然运营商声称商业使用并不会出卖用户的个人数据,但是收集用户数据的行为会引发用户的担忧。

华尔街日报的最近的一项调查研究发现,几乎所有最热门的网站都会实时收集在线用户的行为信息,前50个最热门网站植入到一台所谓的“干净”计算机中的Cookies数就达3000个(Wikipedia没有植入Cookie,Dictionary.com最多,有250个)。

手机应用也非常热衷于此。在享受各种手机应用提供的免费服务之前,实际上用户已经签订了提供个人信息、位置数据等的卖身契。以音乐应用Pandora为例,该应用会收集用户的账号、密码、通信录、年龄、性别、位置、手机识别号、手机号等数据,然后将其中的部分数据发送给多达8家的跟踪商。位置数据会发送给其中的7家跟踪商,手机识别号会发送给其中的3家,而人口统计数据会发送给其中两家。

不过Verizon说,他们的这项服务售卖的并非用户个人数据,而是人群分组信息。而且相对于那种对用户造成直接影响的运营商弹出广告窗口,这里的一切很大程度上都是悄悄在背后进行的,不会有多少用户会有直观的感知。

曾韬曾总结说:互联网正在从各个层面将电信运营商打回纯管道:

1、互联网应用,运营商全线告败,已是互联网公司的天下。
2、短信彩信被微博、微信、QQ干掉。
3、廉价甚至免费的VOIP(微信、SKYPE)应用逐步取代传统电信语音业务。
4、网络账号(微信、SKPYE帐号)取代固话手机号。
5、运营商成为仅收取数据流量费的管道服务商(公共事业单位)

对此,张鹏在某运营商内训中询问面对衰败的传统电信业务,运营商有何反思时,少壮派的回答掷地有声:

1、做管道不可怕,没有智能管道能力,不知道管道里面跑的是什么才可怕。
2、运营商的几亿用户释放不出广告和电商价值是一种耻辱。
3、toC的服务应趋于降价,toB的管道服务应增值,这才是合理的商业模式。

也许Verizon推出的这项业务就可以视为是运营商逆袭的开始?

最后附上一张商业周刊的配图,在我看来,用来诠释智能管道最合适了:
2.jpg


原文发布时间为:2013-07-25


本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
19天前
|
存储 消息中间件 监控
【Flume】Flume在大数据分析领域的应用
【4月更文挑战第4天】【Flume】Flume在大数据分析领域的应用
|
1月前
|
Cloud Native 数据处理 云计算
探索云原生技术在大数据分析中的应用
随着云计算技术的不断发展,云原生架构作为一种全新的软件开发和部署模式,正逐渐引起企业的广泛关注。本文将探讨云原生技术在大数据分析领域的应用,介绍其优势与挑战,并探讨如何利用云原生技术提升大数据分析的效率和可靠性。
|
1月前
|
存储 消息中间件 大数据
Go语言在大数据处理中的实际应用与案例分析
【2月更文挑战第22天】本文深入探讨了Go语言在大数据处理中的实际应用,通过案例分析展示了Go语言在处理大数据时的优势和实践效果。文章首先介绍了大数据处理的挑战与需求,然后详细分析了Go语言在大数据处理中的适用性和核心技术,最后通过具体案例展示了Go语言在大数据处理中的实际应用。
|
29天前
|
数据采集 分布式计算 大数据
Java语言在大数据处理中的应用
传统的大数据处理往往依赖于庞大的数据中心和高性能的服务器,然而随着大数据时代的到来,Java作为一种强大的编程语言正在被广泛应用于大数据处理领域。本文将探讨Java语言在大数据处理中的优势和应用,以及其在分布式计算、数据处理和系统集成等方面的重要作用。
|
1月前
|
存储 大数据 数据挖掘
云计算与大数据:从基础设施到实际应用
云计算与大数据:从基础设施到实际应用
126 0
|
21天前
|
NoSQL 大数据 数据挖掘
现代数据库技术与大数据应用
随着信息时代的到来,数据量呈指数级增长,对数据库技术提出了前所未有的挑战。本文将介绍现代数据库技术在处理大数据应用中的重要性,并探讨了一些流行的数据库解决方案及其在实际应用中的优势。
|
26天前
|
机器学习/深度学习 人工智能 数据可视化
基于Python的数据可视化技术在大数据分析中的应用
传统的大数据分析往往注重数据处理和计算,然而数据可视化作为一种重要的技术手段,在大数据分析中扮演着至关重要的角色。本文将介绍如何利用Python语言中丰富的数据可视化工具,结合大数据分析,实现更直观、高效的数据展示与分析。
|
1月前
|
存储 NoSQL 大数据
新型数据库技术在大数据分析中的应用与优势探究
随着大数据时代的到来,传统数据库技术已经无法满足海量数据处理的需求。本文将探讨新型数据库技术在大数据分析中的应用情况及其所带来的优势,为读者解析数据库领域的最新发展趋势。
|
2月前
|
分布式计算 并行计算 大数据
Python多进程在数据处理和大数据分析中的应用
Python多进程在数据处理和大数据分析中的应用
|
2月前
|
存储 NoSQL 大数据
新型数据库技术在大数据处理中的应用探讨
【2月更文挑战第2天】随着信息时代的到来,大数据处理成为了各行业发展的关键。本文将探讨新型数据库技术在大数据处理中的应用,分析其优势和挑战,为读者提供深入了解和思考。
27 5