牡丹江联通运营商大数据特点
作为一种革命性的信息技术，大数据技术正在赋予数据生命和更多的商业价值。借助大数据进行分析，将大数据应用到交通系统建设，用大数据预测赛事结果，以大数据辅助……可以说，大数据正在我们的生活中发挥大用途。对于个人而言，大数据带来了便利；对于企业而言，如何应用好大数据更是关系到未来的竞争甚至存亡。
大数据对外的应用包括商业数据服务提供和公共服务提供，在商业数据服务提供方面如为移动互联网广告业主提供rtb数据应用服务，为提供征信服务，为景区提供游客来源地聚类分析数据服务等；在公共服务提供方面，为提供基于位置的大数据服务应用，包括实时路况分析、城市规划与应急响应支持、公共安全与管理等。四大问题亟待解决目前国内电信运营商大数据建设与应用中主要存在以下一些问题。大数据建设缺乏统一规划：目前国内电信运营商的大数据的数据资产的存储和应用分散在电信运营商的集团与省公司及省公司的不同部门，因缺乏统一的规划，大数据建设出现了数据重复存储、功能重复建设的问题，造成投资浪费。数据缺、重、散、慢、差：在具体的数据应用过程中，电信运营商系统林立，数出多门，系统数据无法关联、共享，数据整合困难；数据时效性差，使用者无法及时获取所需数据；此外还存在数据不完整，数据不一致等问题，影响了大数据的分析及应用效果。
我国电信：“4＋1”产品体系多场景已落地我国电信股份公司云计算分公司首席数据分析师张宇中此前在会上透露：我国电信大数据平台从2015年开始建设，这些年来已经构建了完整的“平台＋多源数据”的大数据“4＋1”产品体系，服务于包括、旅游、交通、政务、地产、农业等行业的300余个客户，全年调用量达3千亿级。
为什么公司拥有这么多大数据，好像对于内部经营的改善还不多！”“对外价值变现的收入还不怎么够看，什么原因呢？”“建立了大数据平台，采集了很多数据，投资什么时候回本呢？”当然可以有很多的理由，诸如组织、机制、流程、人才等等原因，老生常谈了，特别是安全像达摩克利斯剑一样悬在胸前。但除了外部客观因素，也需要思考一下，是否也有内生的原因？当前的运营商新增大数据的质量真的经受得住市场的检验吗？
大数据时代到来，企业面临的竞争环境发生了巨大变化。企业拥有的知识、情报和其他数据资产的数量及其应用效率已成为企业能否取得市场竞争优势的重要因素之一。为此，国内电信运营商的集团公司和很多省分公司将大数据作为其在移动互联网时代企业转型的战略性工作，开始试点了大数据系统的建设与应用，以充分挖掘企业的数据资产价值，创造新的利润点。那么，电信运营商在大数据上可以有哪些应用?该如何建设大数据系统?国内电信运营商在大数据建设中又存在哪些问题?
大数据应用的“内+外”
牡丹江联通运营商大数据特点
运营商以号码为唯一的id来整合各类数据，因此刻画客户的完整性是一般企业难以企及的，因为号码就是业务本身，而且还有终端id作为移动通信网天生的业务属性而存在。运营商承担着相当大的社会责任，从偏远地区不惜成本的建立基站可见一般，运营商也在不断践行这些责任，前段时间我国移动和招商准备建立征信公司就是起步的象征哦，但你一般不会看到互联网公司会有分享数据的行为，数据基本是在它的体内循环，毕竟是竞争所在，而三家运营商虽然业务上有竞争，但从大数据角度来讲，我甚至认为是互补的，可以形成良好的合作生态。
在企业层面，一些运营企业内部的用户数据还存在线条分割、区域分割，数据分散情况较严重，企业内部不同系统之间的数据格式也不一致，而且没有建立起统一的大数据基础性平台。三是运营商各自为战的情况降低了电信大数据整体应用效果。几大运营商分别探索电信大数据的应用，已经初步形成一些应用成果。但是成果多体现为点状、分散的创新，属于浅层次的应用，
按服务对象的不同，电信运营商在大数据的应用可分为对内应用和对外应用两种。
典型对内应用包括内部经营分析应用、网络优化、客户精准营销等。电信运营商在内部经营分析上应用大数据技术可以对原有的基于传统数据仓库的经营分析系统进行改造升级，提升数据抽取、转换、加载及读取、分析的效率。如某运营商省公司利用大数据改造经分系统后，经营分析报告数据生成的时间缩短了近50%。在网络优化方面，利用大数据分析，可突破传统的智能网优以cdt和mr数据为基础，数据源较为单一的限制，不仅可采集mr/cdt数据，同时还分析相关接口信令信息，相关位置数据，网管数据等，分析更全面且实时性更强。在客户精准营销方面，利用大数据对dpi等数据进行分析，可获取客户的行为偏好，开展产品精准推荐；对客户的通话、上网时长等进行分析，可开展客户流失预警，支撑精准客户维系等。其他一些对内大数据应用还包括基于大数据的网络故障预警、基于大数据的供应链分析、基于大数据的企业分析等。
大数据对外的应用包括商业数据服务提供和公共服务提供，在商业数据服务提供方面如为移动互联网广告业主提供rtb数据应用服务，为提供征信服务，为景区提供游客来源地聚类分析数据服务等；在公共服务提供方面，为提供基于位置的大数据服务应用，包括实时路况分析、城市规划与应急响应支持、公共安全与管理等。
四大问题亟待解决
要谈起大数据，必然要提到bat等互联网公司，它们在大数据领域是先发者，不过这也很正常，因为它本身是有数据的，其天然的在线性，其血液中流淌着bit的血，并通过bit的形式来售卖自己的产品和服务，它如果不提大数据，不提dt，反倒是不正常了，况且他的数据处理能力和应用成熟度也是领先的。但是，从对整个社会的价值角度讲，其数据也是很受局限的，而运营商的数据也许更有代表性和竞争力。
因此，天翼账号这样与互联网企业的合作，对于电信运营商而言，核心还是内部大数据能力的整合。这决定了电信运营商的能力向企业侧合作场景的扩展可能。但就目前而言，这还是一项很基础的补短板的工作。最后，还是那句话，电信运营商体系太大，想要干的事情太多，能不能在大数据时代，电信运营商的影响力越来越大，而不是进一步管道边缘化。只能是不确定的乐观！
在运营商内部经营中，似乎账单、用户、订购、话单老的小数据仍然是分析的主要数据，也是营销的主要依赖数据，诸如位置、上网、社交、信令等很多大数据似乎“名不符实”，实际用的还比较少，什么原因呢？当然有推广培训的因素，但笔者还认为有更重要的原因，即这些大数据的“原生价值”有限，只有经过加工，比如建模，才能让这些数据发挥出真正的价值。
目前国内电信运营商大数据建设与应用中主要存在以下一些问题。
大数据建设缺乏统一规划：目前国内电信运营商的大数据的数据资产的存储和应用分散在电信运营商的集团与省公司及省公司的不同部门，因缺乏统一的规划，大数据建设出现了数据重复存储、功能重复建设的问题，造成投资浪费。
数据缺、重、散、慢、差：在具体的数据应用过程中，电信运营商系统林立，数出多门，系统数据无法关联、共享，数据整合困难；数据时效性差，使用者无法及时获取所需数据；此外还存在数据不完整，数据不一致等问题，影响了大数据的分析及应用效果。
大数据对外应用探索不足：电信运营商目前开展的大数据应用内部多于外部
大数据系统建设应按需开展在大数据建设方面，大数据涉及的技术体系种类繁多。常使用的大数据技术主要包含nosql系列技术、并行数据库技术、流式计算技术和基于大数据计算平台的分布式数据挖掘技术四大类技术。运营商需针对不同的应用场景选取合适的技术进行大数据建设。对于nosql系列技术，可用于处理非结构化和半结构化数据，如使用hadoop系列的hbase、hive技术对dpi数据进行处理分析。可使用并行数据库技术代替传统的数据仓库进行经营分析，或代替传统的关系型数据库进行oltp等，以获得更高的处理速度和性能。使用流式计算处理一些计算实时性要求较高的应用场景，如实时异常话单检测，场景营销及对外提供的一些信息化服务产品如基于手机的实时人口密度统计等。基于大数据计算平台的分布式数据挖掘技术常用的有rhadoop、mahout等，可用于预测分析一些数据挖掘应用。电信运营商也可综合使用上述四类技术，建立大数据基础服务平台，为各种大数据应用提供统一的服务基础。此外为确保已有投资的有效利用，传统的数据仓库往往也在该平台中存在，如作为数据量较少的数据集市的存储载体，存储其他大数据技术计算的结果。
4.社交运营商拥有天然的社交数据，即通信交往圈(含语音，短信及彩信等)，在一定程度上，其粘性是远高于等交往圈的。(1)通信交往圈：基于通信交往圈的大小，主被叫，时间序列，很容易得到任何一个用户的社交特征，比如某人的影响力，人与人之间的亲密程度，人群之间的上下属关系，甚至可以得到人脉路径，理论上，任何两个人都可以通过多个中间人的传递而认识对方哦。