科学研究 RESEARCH
权威发布
caict观点
专家团队
研究领域
科研奖项
CAICT观点
 
您的位置:科学研究>CAICT观点
电信运营商大数据变现模式探析
0

  近几年来,随着移动互联网的快速发展,大数据成为了行业当之无愧的网红,电信运营企业是大数据发展应用的生力军。据统计,截止2017年,我国运营商主要在以下九大领域布局大数据业务(见图1):分别为电信、金融、零售、政务、旅游、智慧城市、交通、体育和游戏。然而,虽然当前大数据的业务场景众多,但却尚未完全释放出应有的商业价值。未来运营商该如何更好地将大数据变现,使其真正地为第三条曲线贡献价值呢?

  图1 2017年我国运营商大数据的业务布局

  一、 大数据变现的最佳市场机遇在哪里?

  Gartner对全球100多家运营商的13个垂直行业,140多个大数据案例进行研究,描绘出了大数据变现的四象限图,如下图所示:

  图2 大数据变现的四象限图

  其中,横轴代表该行业产生大数据收入的机会;纵轴代表运营商在未来5年内获得收入的机会。从图中可看出,最有利于运营商变现的领域就是右上角的第一象限:广告/市场营销、医疗健康、智慧城市应用。

  二、 哪些数据更容易变现?

  运营商的哪些数据更容易变现呢?

  第一类是基于BSS系统的用户身份和通信类数据。包括用户开户时的身份信息,话费情况即通话、短信与流量费用的构成,套餐种类,甚至终端类型等。

  第二类基于运营商OSS系统的用户行为数据。包括用户通过手机上网、聊天、玩游戏、浏览网页等行为产生的数据。

  第三类是基于用户LBS的位置数据。如果说前两类均偏线上的话,那这类数据偏向线下,与用户线下的使用场景密切相关。可用于线下商家营销、人口流动、公共安全、城市规划等。

  第四类是在物联网场景下产生的2B和2C数据。这里主要指物联网场景下的“物”和“人”两类大数据:“物”的大数据——如来自仪表收集的水、电、气数据;传感器收集的气候、污染数据;资产货运的跟踪数据。“人”的大数据——如人体健康、生活习惯或运动的数据。这些数据在医疗保健、可穿戴、智能家居领域有极大的价值。

  三、 良好的变现模式有哪些?

  总体而言,大数据目前的变现模式包括以下5种:

  1、提供原始数据:运营商将大数据进行匿名化等一系列脱敏处理后,有偿

  提供给第三方合作伙伴。

  2、提供数据开发平台:运营商构建一个大数据平台,在平台上提供Hadoop平台、应用程序开发、预测分析/机器学习等模块功能,供外部开发者或公司使用。

  3、广告/营销变现:包括线上广告线下广告两种模式。线上广告就是利用大数据进行精准广告投放。SKT构建了一个高阶的玩法,建立了Syrup ad大数据广告平台,让广告投放者与广告发布者在平台生态中实现共赢。线下广告就是结合LBS进行线下的商家推荐、优惠券推介等。

  4、提供企业定制化分析:根据企业的特定需求,以项目形式开展特定的大数据定制化分析。例如英国的某车险公司想了解汽车碰撞现场的场景,沃达丰提供了“汽车碰撞重建分析”,还原了汽车碰撞时的力度、天气、交通流量、事故位置、车速等。

  5、提供行业解决方案:针对整个行业的普适性解决方案,这种方式复用性更强,因此变现能力也更强。例如SK电讯的Geovision,基于人口、销售、地产、商业信息等大数据为众多小型企业提供商业区域选址分析服务。

  6、提供基于物联网方案的大数据增值服务:运营商不针对大数据服务直接收费,而是将其作为一整套物联网解决方案中嵌入的重要一环间接收费。例如在货运和资产跟踪中,收集货物的位置、温度、湿度、撞击、掉落等数据,从而提供货物/资产跟踪和管理服务。

  四、 未来运营商需要做哪些准备?

  为何当前难以实现大规模的变现呢?原因是运营商当前的组织架构和运营体系需要调整。主要包括以下几点:

  第一,升级IT架构和体系。运营商需要将结构化和非结构化的元素以及支撑、分析工具集成在一起。而当前运营商还存在IT系统不兼容的问题,难以集成,对于数据的导入、存储、分类和呈现功能不尽理想,因此需要大力调整和升级。

  第二,建立专门的大数据组织架构。设立首席数据官是很有必要的,在运营商庞大的体制内,需要有专人站在全局的角度,在数据收集、数据管理和数据分析方面制定战略。同时,需要对大数据的发展进行权衡取舍,选择最有价值的细分领域重点发展。

  第三,建立公司大数据资源池。目前公司大数据散落在各个系统中,需要建立专门的大数据资源池,将其筛选、整理、整合和录入。只有建立了有价值导向的大数据资源池,才能快速定制形成项目。

  第四,构建大数据价值评估机制。价值评估直接关乎激励。大数据的价值包括直接贡献的收入和间接贡献的收入。直接贡献的收入即大数据解决方案、项目所产生的收益;而间接贡献的收入可能包括,因提高了生产效率、巩固了合作伙伴关系,或者大数据作为解决方案的而一部分从而产生的收入。

  第五,做好大数据隐私风险防控。做好用户的授权知情通知,将数据进行分级分类管理并进行脱敏处理。建立大数据从“收集-处理-传输-加工-输出”全流程的操作规范,并且可以识别每个环节的经手人,此外还应建立应急风险赔偿机制等。


  作者简介:

  冯橙,就职于中国信息通信研究院产业与规划所。

  联系方式:fengcheng@caict.ac.cn


国家高端专业智库 行业创新发展平台
欢迎关注中国信息通信研究院(工信部电信研究院)公众账号!
微信号:工信部电信研究院CATR

Copyright © 2008-2013 中国信息通信研究院(工业和信息化部电信研究院)版权所有

京ICP备09013372号 京公网安备11010802010351号       网站声明       联系我们