通信大数据行业分析报告Word格式.docx

通信大数据行业分析报告Word格式.docx

《通信大数据行业分析报告Word格式.docx》由会员分享，可在线阅读，更多相关《通信大数据行业分析报告Word格式.docx（26页珍藏版）》请在冰豆网上搜索。

通信大数据已进入黄金时代货币化进程已全面启航。

运营商于2012年开始进行大数据布局，超6亿手机网民的特征成为其大数据的价值所在。

而运营商面临传统业务下降明显，急需创新业务拓展，经过2014年底以来的试点推进，运营商大数据有望进入变现快车道，我们估计仅运营商大数据市场规模15年30亿、16年100亿。

我们认为这将给予有能力且已有深入合作的第三方先发机遇和巨大的发展空间，尤其是早期与运营商在BI和数据应用方面合作深入地厂商，其货币化进程有望全面启航。

大数据库技术能力、数据资源整合能力和应用场景实现能力是判断大数据投资机会的关键。

大数据库技术能力是卡位早期数据资源合作的关键，海外专注大数据库技术Hadoop产品的Cloudera价值高达40亿美元。

而从数据资源角度来看，每一种大数据包括通信大数据都会有其自身的缺点，获取多种大数据资源整合能力将是未来有效应用的基础，也是大数据公司建立护城河的关键所在，美国注重Hadoop产品与多行业大数据分析能力的Splunk价值80亿美元。

而具体的应用场景落地和最终的货币化，取决于对大数据分析和行业应用特征的理解，其依托于数据资源。

我们认为，把握上述大数据关键能力是判断未来大数据投资机会的关键。

一、DT时代的通信大数据价值将迎来兑现

1、移动互联推动运营商跨入大数据时代

互联网时代正面临着从IT（InformationTechnology）时代向DT（DataTechnology）时代的演进，大数据已经成为主旋律，而作为最为庞大的大数据资源行业——电信运营商行业即将面临时代赋予的机遇，带来诸多的投资机会。

受益于移动终端数量的快速普及和移动网民数量的大幅增长，运营商已形成有效的用户大数据，其自2012年左右启动大数据搜集，并于2013年起开始陆续收集大数据（如图表2），开始累积比较完整的用户信息；

进入2014年后，运营商基本已进入到全用户数据采集阶段并已开始积极寻求合作，目前已有部分产品雏形。

根据我们调研的情况，某省分运营商目前采集的数据量已经达到PB（1PB=1024TB）的级别。

三大运营商在大数据的进展上略有差异。

电信进展最快、联通次之、移动进展相对较慢。

中电信大数据布局迅速主要是依靠之前固网宽带和IPTV业务，使得其在移动互联时代之前已有大量数据并已开始进行采集和分析，无论是在数据的广度还是范围上均有优势，其应用进展相对较快。

此外，运营商大数据现在主要分为三部分：

采集、分析与应用（如图表1）。

由于运营商现有商业智能合作方对于运营商情况较为了解，可能优先获得业务拓展的机会。

此外，我们认为运营商倾向于一站式解决问题的供应商以提高项目效率与效果。

因此，提供一体化商业解决方案的现有合作公司更有望获得运营商的优先合作机会，并且在运营商大数据资本开支投资不断增长的情况下获益。

2、通信大数据价值对比互联网、金融大数据特点显著

（1）大数据技术助力运营商数据获取能力拓展

目前运营商在用户数据的获取上不断扩大范围，从最初的用户信息、通话信息、账单信息等快速延伸，目前已包含：

1）传统数据：

如用户通信信息、账单信息、用户个人信息、客服信息等；

2）个人附加信息：

如位置轨迹等；

3）APP使用数据：

主要包括APP下载、用户对APP的使用时长、点击等数据。

在上述数据的基础上，目前运营商已经构建了多个大数据平台，全方位、多角度地收集用户信息。

运营商天然具有用户的信息，并且在这几年国家力推用户实名制后，运营商基本具备用户真实信息和完整信息。

此外，我们考虑到，手机信息非常重要，主要有以下几大原因：

利用这些数据进行对内及对外的大数据运营将是运营商扩大自身价值的不二选择，而在此之前对于数据收集、管理、应用的投入也将不断增加，利好产业链。

（2）互联网企业大数据人群广度上仍有所不足

反观互联网企业，虽然在各自垂直领域拥有较为深入的数据，在深度上较有优势，但是其数据覆盖面较窄，可能难以勾勒出用户全景。

我们以BAT三家大数据情况为例：

1）阿里巴巴：

阿里最为突出的是电商数据，尤其是用户在淘宝和天猫上的商品浏览、搜索、点击、收藏和购买等数据，其数据最大特点是从浏览到支付形成的用户漏斗式转化数据。

借此，阿里拥有用户的交易数据和信用数据，并通过支付宝获得用户实名认证。

此外，阿里巴巴还通过投资等方式掌握了部分社交数据、移动数据，如微博和高德等。

但典型如芝麻信用，其能够定位信用度较高的人，但是由于其数据对人群覆盖广度的不足，无法定位信用度不够的人，这一点在其实际应用中已有体现。

2）XX：

XX的数据以用户搜索的关键词、以及被抓取的网页、图片和视频数据为主，XX的数据特点是通过搜索关键词直接反映用户兴趣和需求，XX的数据以非结构化数据更多，但是其无法得知用户个人信息和最终消费行为等。

3）腾讯：

腾讯拥有用户关系数据和基于此产生的社交数据。

这些数据可以分析人们的生活和行为，从里面挖掘出政治、社会、文化、商业、健康等领域的信息，但是其社交信息也存在非实名制问题，同时，腾讯也无法得知用户的具体行为，只能做出一定的推断。

（3）金融企业大数据在对人群属性定位在过于狭窄

金融大数据重点如银联大数据、银行大数据等，其主要特点是对用户的消费交易流水、资金流水等能够进行获取利用，主要能够对该用户的支付能力判断提供较好的数据支撑，但对比于电商大数据，其对用户具体消费属性的定位可能有所欠缺，对特定O2O需求更是缺乏定位。

（4）运营商大数据在定位用户O2O需求方面优势显著

以BAT为首的互联网企业在各自领域已积极布局大数据，并已对大数据挖掘等进行深入探索。

但是，互联网厂商数据在O2O时代仍存缺陷。

如果我们把全国社会消费零售总额区分为“提袋消费”和“非提袋消费”两类，则提袋消费占据大概1/3，也就是可以通过物流等方式实现的商品购买行为，这部分是受电商冲击比较直接的部分，BAT和携程等的数据能够较好的搜集用户关于提袋消费方面的数据；

然而在占据2/3的非提袋消费中，主要特征为无法线上消费，但是可以线上预订必须线下消费，也就是我们所说的O2O，比如旅游、娱乐、健康、教育等，而在这个领域，电信运营商可以通过用户的电话指向、搜索关键词、位置信息、APP使用特征等较为全面的描绘，而在互联网领域由于O2O业务本身并未成熟，相关数据欠缺。

我们认为，在O2O用户需求数据搜集方面，运营商大数据明显更胜一筹。

3、DT时代通信大数据将迎来货币化大机会

流量经营时代将驱动运营商强化大数据应用能力带来行业性机会近两年运营商对于大数据的经营发生了较大变化，从过去主要采集用户信息、ARPU值等用于经分、客户维护等，逐渐转向信令数据、用户数据、APP数据的采集和分析等。

这其中主要由于发生了几大变化，使得运营商更注重大数据：

1）移动互联网时代的到来：

进入到移动互联网时代，手机变成用于上网最多的终端。

在移动端上，运营商可以监测到每个用户使用的流量、用户的常用APP、每个APP打开次数、停留时间、搜索和浏览的网页等；

2）由增量用户抢夺变为存量用户维系：

目前移动用户已达13亿户，新增空间已十分有限。

运营商的策略讲从争夺新增用户转向存量市场的挖掘和用户维系，并且提高单用户的ARPU值。

因此，运营商更加关注大数据，希冀从中能够获得更多用户习惯和偏好进而通过针对性的措施提升ARPU。

从运营商进行大数据挖掘的出发点进行考量，运营商目前最为关心的将主要聚焦于如何用大数据提升用户的流量使用量，以及如何通过新的商业模式获取更多收益。

二、重点把握DT时代大数据三种关键机遇

1、通信大数据可细分为五个产业环节

对于大数据的关注不应当仅仅局限于其应用领域。

我们认为，大数据的成功必然是整个流程的运作成功。

在获取大数据后，其应用流程应当包含：

采集、大数据库、分析与应用。

目前，在数据中，非结构化数据的占比已快速增长，而且非结构化数据与结构化数据相比增长速度快10到50倍。

根据IDC的报告显示，目前大数据中非结构化数据占到了80%~90%之间。

非结构化数据主要包含邮件、视频、微博、手机呼叫、网页点击、搜索等数据来源。

可以说，非结构化数据随着互联网、特别是移动互联网的发展而快速兴起。

如果说结构化数据用详实的方式记录了企业的生产交易活动，那么非结构化数据则是掌握企业命脉的关键内容，所反映的信息蕴含着诸多企业效益提高的机会。

因此，只有解决非结构化数据的分析困难，才能有效挖掘这些数据背后的价值，驱动企业价值提升。

未来，非结构化数据将占到更加主导的地位。

随着非结构化数据的爆炸式增长，传统体系已难以支撑。

主要原因为：

（1）传统体系无法支撑短时间内大量数据的采集；

（2）传统体系要求必须将数据进行归档和分析后进行储存；

（3）传统体系的大数据调取和分析需要耗费大量时间。

（4）庞大的规模、指数级的增长和多变的特征使得大数据迫切需要一种可伸缩性更强、更灵活的数据管理和分析框架。

而传统体系难以实现。

因此，我们认为大数据产业链将主要分为如下几个环节：

基于采集设备和存储设备的部署、大数据库开发运维、分析以及应用。

在目前数据快速增加、大数据需要先存储再之后再按需及时进行大规模数据分析的现状，传统体系将遇到重大挑战，而这也是我们将数据采集、存储作为重要环节的原因。

其中，随着目前基础架构的革新，采集和存储、乃至分析的相关性都愈发增强。

随着大数据的发展，Hadoop日益成为该领域的主流架构，其在各项领域中均较原有的架构和体系拥有较大进步。

此外，在分析层面，未来的分析工具将是集合从采集、分析到应用的一体化大数据分析平台。

以美国公司Splunk为例，其为客户提供的是从数据采集、索引、核心功能到最终应用的一整套大数据分析平台，而非仅仅是最后一套设定的分析工具。

在该平台上，用户可以随时按需定制化或更改应用。

在数据分析后，Splunk能够给出可直接使用或查看的结果。

对于用户而言，在Splunk上可以实现数据分析的全过程。

Splunk目前市值已达80亿美元。

而在应用层面，我们认为运营商大数据的应用范围将远不止于目前已经较为成熟的精准营销范畴，我们认为未来运营商将与第三方合作，将大数据的应用扩展到更多层面的应用，包含金融、流量经营等。

目前，联通已与招商银行成立“招联消费金融有限公司”，双方将在大数据方面进行深入合作。

未来，类似的合作将更多。

2、采集环节价值并不显著

运营商在大数据的采集上主要使用DPI等进行。

DPI能够感知网络应用，给运营商提供网络控制和管理的手段。

通过部署DPI系统，运营商在流量及大数据方面可以做到：

1）了解运营商网络的实际运营情况：

DPI系统能将网络上的流量情况从不同角度采集数据并且呈现给运营商；

2）优化网络：

在了解网络运营情况的基础上，运营商可以利用自身网络资源，重新整合网络价值，从而达到降低投资成