电信行业大数据分析的研究方向与展望

　　摘要：在大数据时代的今天，电信行业面临着巨大的机遇和挑战。电信企业拥有极有价值的用户数据，这些大数据的分析必然成为决定企业未来发展的关键。本文首先介绍了大数据的概念和特点，然后对电信行业大数据的类型进行了说明。其次重点对电信行业大数据分析的方向进行了详细阐述，最后对电信业大数据分析的应用前景进行了展望。
　　关键词：大数据 电信行业 分析模型
　　中图分类号：F626 文献标识码：A 文章编号：1007-9416（2016）03-0000-00
　　在智能终端广泛普及的今天，毫无疑问，电信运营商是大数据的生产者。电信运营商在为用户提供上网访问、语音通话、短消息发送等服务管道的同时，也可以收集管道中流过的数据[1]。通过对这些数据的分析，可以实现对客户的价值分析，产品的高效营销以及更好的用户体验。大数据时代所带来的科学的数据存储、分析、处理方法相对于电信行业传统的数据分析方法有更大的优势。可以使决策管理更加准确、理性、更具定量化和可评估性。因此，企业管理者如何利用大数据的数据分析处理技术积极引导企业变革对未来在激烈的市场竞争中打造自身竞争优势具有重要的战略意义。
　　1 大数据与电信行业大数据
　　1.1 大数据简介
　　对于大数据的翻译很多。目前较被认可的翻译为：指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。大数据具有数据量巨大、数据形态多样、处理速度快及数据价值密度低等特点[2]。
　　1.2 电信行业大数据
　　与其他行业一样，电信行业也面临着大数据的挑战。传统数据时代，电信企业已经占尽海量数据先机，较其他行业就有了更完善和发达的数据仓库系统。主要以数据仓库系统为依托，通过报表、统计分析和数据挖掘工具。大数据时代，在原有传统数据采集和分析处理基础上，电信运行商也有了更广阔的数据处理渠道。
　　目前，电信行业在大数据领域主要有以下几个可拓展的数据源。
　　1.2.1 CDR、RFID、Wi-Fi等社交网络信息
　　不同于互联网的匿名性，电信企业获得的数据更为准确可靠。以移动用户为对象，通过RFID、WIFI和通话详单记录所记录的用户通信往来信息为代表的运营商数据更有分析的空间。通过这些数据的分析，可以发展和完善电信客户社交网络分析。
　　1.2.2 GPS和移动终端上的各项应用信息
　　如今，智能手机已经很大程度上改变了人们的生活。而作为与智能手机关系最密切的电信企业，要想发展更多的业务和产品，当然不能忽略移动终端这个数据库可靠且细致的数据。其中，最有价值的就是地理位置信息和各项应用信息。地理位置信息可以提供用户的位置，针对地理位置为产品的推广提供更大价值。而电信企业也可以通过采集各项应用信息，为用户提供互联网、套餐等业务的推荐。
　　1.2.3 各类企业网站（尤其是社交网站）数据
　　在信息社会的今天，互联网已经成为电信企业不可忽略的营销渠道。企业纷纷提出网上营业厅、代理业务网站、企业微博之类的电子渠道。这些网站不仅是企业与用户越来越重要的交互甚至交易界面，更是企业用来了解客户需求、产品问题、产品评估、品牌喜好以及消费心理的重要渠道，如果能够结合企业有关后台管理系统中的机器数据信息，企业就可以准确、快速的实现每个使用网站的客户的体验与感受测算。为客户提供个性化的产品推荐和信息浏览服务。
　　2 电信行业的数据分析方向
　　对于电信企业来说，主要掌握了用户的个体兴趣需求和喜好、交友等数据。根据现有的数据种类，主要有以下几个大数据分析方向，即社交网络分析模型、客户体验分析模型和客户价值分析模型。
　　2.1 社交网络分析模型
　　社交网络是拖动移动互联网迅猛发展的主力军。电信网络原本就是一个巨大的社交网络，因此电信企业应该让社交网络成为企业认识刻画客户的利器，并用之于用户关系和市场营销决策管理[3]。而社交网络的本质是通过测算识别客户与客户之间关系所形成的圈子以及圈子中个客户角色的判定形成企业对客户影响力和价值的判断。电信行业作为具有海量相关数据的行业，具有相较于其他行业更有利的条件。再次基础上利用圈子的影响力进行产品营销和活动推广，可以获取更大的商业价值，提高企业营销和运营管理的效率。
　　2.2 客户体验分析模型
　　客户体验是一种纯主观在用户使用产品过程中建立起来的感受。良好的用户体验有助于公司不断完善产品或服务。近年，电信企业也意识到了客户体验的价值，强调与客户的每一次接触，在每一个接触点都能了解到客户的体验与感受，并及时为客户传递信息，产品提供与客户体验形成良性互动，实现更高黏度的客户管理。因此，电信企业近年来一直倡导客户体验管理。然而，由于以往数据处理和分析技术条件所限，客户体验管理难以实现。企业要要在每一个接触点对每一个客户使用产品过程中每一个环节的每一次接触进行测量，并判断客户的体验与感受，这些数据很难获取，分析测算也很难实现。大数据时代数据处理和分析技术的发展为这些问题提供了切实可行的解决办法，其中最有代表性的就是机器数据（即非结构化、半结构化数据）处理分析技术已经较为成熟。
　　采用相关大数据处理分析技术，可以将客户使用电信产品全过程的每个细节、每个操作留在数据管理系统中，形成日志数据并对其进行实时采集、实时处理、实时检测相关故障，将出现问题的客户在机器数据中留下的操作行为轨迹数据与正常行为所需时长和行为轨迹标准进行对比，实现实时地问题监测、问题判断和快速、准确、人性化的问题解决，并通过数据库中数据量的不断扩张，训练更完善的分析模型。通过此良性循环不断发现总结客户的典型行为模式，修正产品和流程设计，最终提升客户体验[4]。
　　2.3 客户价值分析模型
　　客户价值分析模型认为关系行销的重点要放在如何和最有价值的客户建立长期并为公司带来利润的关系。因此，企业要根据客户的不同价值，提供不同营销方案及销售和服务等级，客户管理的核心就在于客户价值的测算。在传统的数据时代，电信行业一般是通过计算出产品的消费额，减去产品成本，例如网络、人力等，从而粗略的测算出利润，以此来判断出客户群体的价值。此方法只能大概的计算出企业级客户价值，具有许多缺陷。

相关热词搜索：大数 研究方向 展望 电信行业 据分析