通信运营商大数据行业分析报告Word格式文档下载.docx
《通信运营商大数据行业分析报告Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《通信运营商大数据行业分析报告Word格式文档下载.docx（18页珍藏版）》请在冰豆网上搜索。
2、运营商大数据的框架体系27
（1）运营商大数据的业务功能架构27
（2）运营商大数据的关键核心技术：
DPI分析28
（3）DPI技术在运营商的应用29
3、不同的商业模式造就了不同的数据价值30
（1）单体型数据：
自有业务的营销32
（2）外向型数据：
第三方业务开展32
（4）纳入型数据：
数据的交换互动中产生价值34
（3）生态型数据运营：
数据将成为定价元素，未来DATABANK诞生35
三、运营商大数据的产业链环节35
四、重点公司介绍38
1、初灵信息：
收购博瑞德，强势进入信令监测领域，布局运营商大数据38
2、东方国信：
横跨多个行业领域，数据平台运营商的雏形40
3、世纪鼎利：
信令行业的专家，大数据运营初启42
（1）公司立足于网优行业，领先发展42
（2）公司大数据解决方案落地43
4、宜通世纪：
基于网络信令大数据分析，打造智慧城市运营43
5、拓尔思：
大数据行业“卖水者”，基础服务提供者43
（1）非结构化数据分析处理龙头企业，政府客户资源优势明显43
（2）技术优势切入其他行业，把握企业级用户和互联网的接口44
（3）外延式并购加速，完善整体战略布局44
运营商的大数据价值被逐步认知，2015国内运营商布局大数据元年，资源和能力的开放。
“大数据为新财富，价值堪比石油”大数据之父维克托·
迈尔-舍恩伯格也曾预测，“数据列入企业资产负债表只是时间问题”。
运营商搭建了互联网世界的基石，几乎所有人都是通过他的网络和这个虚拟的世界发生着联系，运营商管道中记录人及其相关者在信息社会中的指纹。
运营商拥有的数据质量和数量是其他行业难以望其项背的。
目前，全球120家运营商中，根据统计已经有48%的企业正在实施大数据战略。
通过提高数据分析能力,他们正试图打造着全新的商业生态圈,实现从电信网络运营商到信息运营商的华丽转身。
国内三大运营商目前大数据的基础设施架构基本搭建完成，数据资产的运作纷纷启动，预期2015年将实现资源和能力的开放，甄选出合作伙伴共同开发运营商大数据的金矿。
商业模式决定了数据的价值，运营商最有望成为大数据生态系统的运营者。
根据数据的来源和服务对象的不同，基本可以分为四类：
单体型数据、外向型数据、纳入型数据和生态型数据。
外向型数据现在最容易最快速的实现，纳入型的数据运营已经开展，大数据产业链的上的“皇冠”就是未来数据生态体系的构建和运营。
工具的价值：
如果运营商只是单纯的利用自有的数据去开展自
有业务，数据的价值是被严重低估的，属于工具类型的价值。
（运营商利用数据做经营分析之类的活动）
平台的价值：
如果运营商利用自己本身大数据的基础，和外部的第三方企业进行合作，同时还可以积极吸收第三方数据，那我们可以看到这后面价值的放大，属于平台类型的价值。
生态系统的价值：
利用自己的数据作为基础货币，去获取并利用其它行业的数据，让更作伙伴加入这个生态系统，运营商作为DATABANK负责运营这个生态系统。
这就是生态系统的价值。
运营商数据的来源：
更多的数据带来更有用的信息。
根据消费者和通信运营商之间不同阶段的交互行为，可以把运营商大数据分为三类：
第一来自电信运营商自有的互联网和移动互联网产品的数据（基于用内容的数据）。
第二部分是来自业务支撑系统的数据（基于服务产生的数据）；
第三部分是网络系统产生的数据（基于管道产生的数据）；
我们认为数据的价值和数据规模存在着强正相关性。
基于内容产生数据量是GB为单位；
基于服务产生的数据量是以TB为单位，而基于管道产生的数据量是以ZB为单位。
大数据的核心就是从更多的数据获取更有用的价值。
一、运营商大数据转型方向确定，各家积极布局
1、运营商的大数据价值被逐步认知
（1）大数据的财富价值逐渐被认知
过去：
经过多年的建设和发展，受到多网多制式叠加、多设备厂家共存、应用系统和协议接口众多等等因素的影响，使得运营商的各个数据生产系统之间边界分明，导致了数据冗余、一致性差、效率低下等问题。
数据孤岛现象普遍存在。
现在：
随着云计算产业的发展和Hadoop、MapReduce等技术的涌现，基于云架构的数据经营已经具备了成本上的优势和商业上的潜力。
大数据的兴起为运营商解决数据经营问题提供了技术基础，打通了数据孤岛之间的通路，使其实现数据的价值最大化成为可能。
互联网的科技进步促进了大数据的不断发展，源源不断的数据亦将成为促进互联网发展的源泉。
（2）运营商管道中记录了所有人的信息指纹
通信运营商作为坐拥1536亿电话用户和2亿宽带用户，与其他亿级用户的行业规模相比，具有其稀缺无可比拟的优势。
（1）通信行业用户规模鲜有一个行业望其项背；
（2）通信行业市场的寡头垄断的属性，决定运营商市场的集中度显著高于其他行业，每家运营商都是能够覆盖到全国区域以及各个层次的用户。
（3）通信行业和用户的关联时长较高，在一天中手机和PC基本占据了我们睡眠以外的其他时间段。
通信运营商在覆盖范围，覆盖时间，覆盖用户的三个指标上遥遥领先于其他行业。
运营商搭建了互联网世界的基石，几乎所有人都是通过他的网络和这个虚拟的世界发生着联系，他知道你所有的信息，他比所有企业知道的更加全面，更加的精确。
运营商拥有规模用户之外优势的是用户数据质量。
尽管目前运营商管道化趋势已经愈发明显著，与水电厂商的公用事业属性的特征相似，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。
运营商是可以对数据包进行深度分析，抓取人们身份特征、行为等关键信息。
正如上图所示XX等互联网巨头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。
用户和运营商之间强相关性，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。
电信运营商在为用户采用实名制提供接入网络服务的同时，真实记录了用户的社会化生活数据，而管道的智能化又使运营商拥有获取用户在互联网虚拟社会数据的能力。
运营商基于管道平台，同时拥有了现实社会和虚拟网络社会两套数据，通过用户属性关联来实现数据的无缝衔接。
在大数据时代，海量网络数据已经成为运营商的核心战略资产。
2、全球运营商都在布局，国内三大运营商2015年启航在即
（1）海外运营商已经迈开步伐，拥抱数据资产
目前,全球120家运营商中,根据统计已经有48%的企业正在实施大数据战略。
通过提高数据分析能力,他们正试图打造着全新的商业生态圈,实现从电信网络运营商（Telecom）到信息运营商（Infocom）的华丽转身。
从曾经的“管道”到大数据战略融合。
运营商的数据挖掘实践虽然早已开始，但是过去主要仍局限在内部的增值业务方面，很少对外。
随着技术的进步和运营商数据的集中化，海外的运营商已经开始走出去了，积极探索数据资产的变现。
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。
①Verizon提供的PrecisionMarketInsights
Verizon成立了精准营销部门，并推出了PrecisionMarket
Insights这项服务。
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。
该部门提供三方面的服务，首先是精准营销洞察（PrecisionMarketInsights），提供商业数据分析服务；
其次是精准营销
（PrecisionMarketing），提供广告投放支撑；
最后是移动商务（Mobile
Commerce），主要面向Isis（Verizon、AT&
T和T-Mobile发起的移动支付系统）。
来自verizon的精准营销分析（precisionmarketinsights）可以为机构、品牌和渠道合作伙伴提供精准目标受众定位的广告解决方案。
这项解决方案应用精准ID（PrecisionID）,一个匿名的唯一设备标识符，它可以通过人口统计、兴趣和地理定位等技术来推送到正确的客户，能够使广告主使用自己的广告等数据推送到目标客户的移动设备上。
消费者用手机访问了一个web网页或应用。
通过verizon网络发送请求
在这次请求中，一个唯一的标识符被发送
解锁数据与这个标识符关联的关键是精准度
不共享用户的身份
使合作伙伴能够高效的进行广告服务
位置数据货币化
2009年，AT&
T利用全球领先的数据分析平台、应用和服务供应商Teradata天睿公司的大数据解决方案，开始了向信息运营商的转变。
在培育新型业绩增长点的过程中，AT&
T决定和星巴克开展合作，利用大数据技术收集、分析用户的位置信息，通过客户在星巴克门店附近通话或者其他通信行为，预判消费者的购物行为。
为此，AT&
T挑选高忠诚度客户，让其了解AT&
T与星巴克之间的这项业务，并签署协议，将客户隐私的管理权交给客户自己。
在获得允许情况下，AT&
T将这些信息服务以一定金额交付给星巴克。
星巴克通过对这些数据的挖掘，可以预估消费者登门消费的大概时间段，并且预测个人用户行为，并做出个性化的推荐。
创新医疗行业的社会化整合
自2010年，NTTDOCOMO利用大数据解决方案，实现了医疗资源的社会化创新，培育了医疗信息服务增长点。
面对日本社会的老龄化趋势，NTTDOCOMO想到了通过搭建信息服务平台，满足用户的个性化医疗需求。
因此，NTTDOCOMO和Teradata天睿公司进行充分合作，利用其大数据解决方案，建立自己的资料库。
通过开
设MedicalBrain和MD+平台，聚合大量的医疗专业信息，网聚了大批医疗行业专业人士。
这使用户和各种专业医疗和保健服务提供商共同拥有了符合标准的、安全可靠的生命参数采集和分发平台。
在这个平台上，NTTDOCOMO能够根据用户的以往行为洞察其个性化需求，再将这些需求反馈至对应的医疗人员，帮助用户获得高价值的信息反馈放眼全球市场，电信运营商大数据发展仍处在初级阶段，海量的数据并未给其带来可观的收入，如何依靠大数据避免哑管道化的危机是全球运营商共有的话题，目前一些发达国家运营商的经验很值得借鉴。
电信运营商应该合理利用自身的数据资源优势。
第一，数据的维度丰富，数据规模庞大，而且属于全网性数据；
第二，数据提供的可持续性，通信网络的时时存在为数据的持续和速度提供了保证。
目前，海外运营商发展大数据基本专注于两大模式。
第一，运营商充分利用大数据支撑内部语音通信和数据增值方面工作，比如精准营销、网络运维与管理、客户维系、刺激业务创新等，服务于运营商自身，提升服务能力；
第二，尝试与第三方公司合作或者直接向第三方公司出售数据来，主要是服务于企业或者政府，获取利润。
与第三方合作，共同承担开发成本，有可以预见的收益，对于开发和利用大数据非常必要。
（2）国内三大运营商2015年在大数据资产积极开拓
流量似乎成为了运营商唯一的筹码，但是如果仅仅把流量定位在消费者通信支出这个市场的话，运营商的收入规模仍然难以做大。
我们希望看到流量除了弥补语音收入萎缩之外，还能发挥更多的影响力。
运营商可以关注的市场不能只局限于消费者市场，更大的企业级市场是需要开拓和挖掘的，这就是通过改变它创造价值和捕获价值的方式，构建通往数字化服务的桥梁。
作为互联网世界的基石，运营商其实可以做到的更多。
大数据将是运营商走向流量变现的最有效直接的一步。
集中采集，开放共赢
中国联通在国内运营商的大数据应用中，走得比较靠前。
确定了是以“集中大数据为核心，顶层设计引领IT建设，服务下层，助力客户感知”为总体战略。
主管部门：
信息化和电子商务事业部。
中国联通大数据的平台建设。
中国联通计划把所有IT核心的数据、网元侧的数据、互联网的数据，乃至与外部合作和关联企业或者第三方交换的数据，全部整合，形成能够反映企业全景、客户全景、所有产品/渠道的大数据平台。
这个平台采用大数据技术处理海量数据，并且能够将不同需求、不同业务有效整合，为上层应用提
供定制化的服务，简单讲就是“统一平台，应用百花齐放”。
为了建设大数据的统一平台，中国联通需要建设企业数据中心和资源池，对此，中国联通的最大挑战来自于过去的两级系统、两级架构，公司的管理、组织架构、IT系统等都是两级架构，即31个省有各自的系统、数据和应用。
公司的挑战在于把传统的两级架构，变成集中式、一体化的IT架构。
具体过程是，在过渡期，系统会把数据从31个省，抽取汇集到集团的一级系统；
在目标期，省级系统逐渐弱化，最终不再保留，实现一个平台支撑所有应用和场景。
目前，系统已经实现31省用户上网详单准实时采集（不超过30分钟），日采集数据量9TB，记录数1000亿条；
B域日采集08TB，记录数170亿条；
已为13亿移动用户通过标签形式进行画像，内容包括用户基础特征、产品需求、业务特征、消费特征、渠道特征、终端偏好、客服评价、位置轨迹、互联网行为等九大类信息；
大数据最积极的探索者
中国电信很早就通过互联网行为分析系统进行业务推广服务。
但是过去往往给内部分析使用，对互联网网行为分析主要用于自有业务推广：
主要应用在套餐分析，离网率分析，设备可用率分析，目标用户群分析和相关趋势分析等。
2009年试点中国电信就开始精准广告业务：
通过与外部的媒体
进行合作，形成精准广告推送业务，集团号百自2009年试点该业务以来，共有11个省开展了试点业务。
2013年启动大数据RTB广告业务：
为顺应大数据业务的发展，同时鉴于精准广告的试点经验，集团在2013年成立大数据中心（现改名大数据处），企业信息化部启动了大数据汇聚的相关工作，集团号百启动了大数据RTB广告业务的试点工作。
2014年搭建了平台，整合数据，运营准备，2015年会一点对外提供服务，提供云计算支持大数据的硬件、网络。
中国电信的的大数据业务结构：
省公司主要负责数据清洗工作，集团公司主要负责数据汇聚工作，集团号百主要负责大数据变现业务，特别是广告业务的开展。
大数据案例工作的流程：
数据清洗工作：
由于数据量比较大，数据的初级清洗和加工都是放在省内的，在骨干网络中，大量的数据近90%是视频等内容型数据，需要进行清洗，把url数据进行镜像，并基于URL中所承载的信息进行比对分析。
本次大数据的汇聚除了DPI数据以外，还打通了AAA（认证服务器）的数据，因为IP地址有限，电信运营商提供的地址一般为动态的，但是用户的宽带帐号是不变，对于行业常常用COOKIE来跟踪，而运营商通过帐号可以直接找到用户。
数据汇聚工作：
经过加工和打标签的数据将汇聚到集团（服务器地点在上海中国电信园区），以根据不同的业务进行相关处理。
号百公司AdExchange平台：
是通过算法模型和封装，将大数据能力与行业中的DSP、SSP、AdEx、TradingDesk、DMP、咨询公司等建立相应合作关系，以支持行业的发展中国电信目前在大数据方面的经营策略是全国集约运营，广泛与合作伙伴合作，以达到产业链的共赢。
其中主要的应用方向有两个方面：
一是内部应用：
主要用于自有业务的营销；
二是外部应用：
外部应用目前有四个方向，包括RTB广告、数据报告、垂直行业解决方案和能力开放服务等方面。
大云战略下的大数据
对于中国移动来说，“大云”项目正是其为助力移动互联网转型、实现IT支撑系统变革而实施的云计算创新研发计划。
中国移动发布的“大云”云计算平台，正是基于一些重要的开源
软件开发的以移动互联网为核心的平台，整合了包含网络资源、用户资源、业务能力资源等各种资源，为移动互联网提供强大的个性化信息服务。
首先，对内，构建运营商企业内部云。
作为一个巨大的信息制造者和信息处理者，在中国移动IT支撑网所拥有的世界上最大数据仓库里，要提升中国移动IT支撑网的价值，需要海量的数据存储和处理关键平台。
而中国移动提出要从通信专家向信息专家转变，要从提供消费者级服务逐渐向提供产业级服务转变。
所以，中国移动要为全社会提供运算平台，为互联网企业、政府和各种需要大容量运算的企业提供服务，这就要求中国移动利用云计算，进行IT资源整合和虚拟化，建立统一的业务系统IT支撑平台，逐步构建运营商企业内部云，提升资源利用率，低成本快速提供新业务，更好地应对互联网企业的竞争。
其次，对外，构建公共服务云。
即通过云计算构建未来信息化和数字化社会的基础网络平台，面向客户提供便捷、立体全面的公用IT服务，并不断改造和革新云服务平台，更大程度的满足个人和社会信息服务的需求。
这种服务无论是面向最终个人消费者、企业还是面向其他组织，电信基础设施实际上能够提供更多的超越传统电信业务的服务。
中国移动提出了从通信专家向信息专家转变的过
程中，要从提供消费级服务逐渐过渡到提供产业级服务”。
而中国移动应用数据中心也应该为全社会提供运算平台，“为互联网企业、为政府、为各种需要大容量运算的企业提供服务”。
目前，“大云”25产品体系主要包括：
提供弹性计算和云存储等资源池服务的IaaS产品线，提供大数据解决方案的PaaS产品线，提供集群运维的系统监控和管理工具，以及全面的安全解决方案。
二、运营商大数据内容和模式
电信运营商天生就是海量数据的拥有者，互联网业务的蓬勃发展带动运营商管道中的”数据”超越”语音、短信”成为虚拟世界中个人消费的货币载体，因此能否通过某种方式将管道虚拟数据的增长转化为现实经济效益的提升，是运营商管道数据走向资产化的关键所在。
电信运营商拥有的海量的数据，是每个消费者在使用运营商提供的通信网络服务产生的，由于每个人的号码和身份基本是相对应的，高数据质量是运营商能进行大数据分析和用户画像的基石。
数据量高速膨胀带来一系列问题的同时，更为运营商带来了诸多的机会和应用场景。
运营商大数据的显著特点：
数据量巨大；
产生速度快和交互速
度快；
数据结构多样；
分析复杂度高。
1、运营商的大数据的来源
第一部分是来自电信运营商自有的互联网和移动互联网产品的数据（基于用内容的数据）。
第二部分是来自业务支撑系统的数据（基于服务产生的数
据）；
第三部分是网络系统产生的数据（基于管道产生的数据）。
网络系统产生的数据
信令网是通信网络的神经系统，所有通信网络的控制信息都在信令网络中传递。
基于海量信令数据所建立的信令平台，除了能应用于网络监测、网络维护和优化之外，还能为精准营销、用户行为分析以及应急通信保障等系统提供准确、完整、实时的信息。
来自管道的数据：
它们是来自电路域（CS）和分组交换域
（PS）中信令分析的结果。
比如位置信令（包括15分钟左右的周期位置更新和呼叫过程中的位置切换信令）、开关机信令（在其中有开关机的地点，使用的终端等信息）等等。
业务支撑系统中产生的数据
业务运营支撑系统（BOSS）的作用就是支撑市场营销、客户服务等前台业务流程以及计费、结算、账务、服务开通等后台业务流程，过去目的是为运营商业务管理和业务运营提供支撑和保障。
随着数据时代的到来，业务支撑系统产生的大量数据将成为运营商数据资产的重要一部分。
支撑系统产生的数据主要来自三个部分：
运营域（O域）、业务域（B域）、管理域（M域）。
虽然相比正牌的互联网公司，电信运营商的互联网产品并不占据头牌。
但是由于电信运营商拥有终端、管道和计费的优势，这部分也不容忽视。
以中国移动为例，“和阅读”产品一个月的UV量在
21亿、PV量在196亿的水平；
“和视频”UV大概在4000万左右、PV19亿左右；
“和动漫”UA1000万，PV3亿左右。
中国移动的应用市场——MobileMarket的覆盖率也较高。
电信运营商将这些数据视为有用的补充数据，来增强数据的深度。
比如来自WEB和APP客户端的数据，一般通过JS插码或SDK的方式收集；
来自后台的访问
日志和交易记录、收藏、关注等信息；
UGC数字内容等信息；
监测数据等。
2、运营商大数据的框架体系
（1）运营商大数据的业务功能架构
根据运营商的业务功能的不同，可以将运营商大数据分析分为四层：
采集层、数据处理层、应用功能层和运营支撑层。
目前来说采集层和数据处理层比较成熟了，应用功能层和运营支撑层的使用范围相对较少，还是供企业内部使用为主。
DPI分析
我们认为大数据信息最丰富的就是数据流量产生的信息，目前分析该信息的主流方法就是深度分组检测（DeepPacketInspection，通常简称为DPI）。
所谓深度分组检测是相对普通报文检测而言的一种新的检测技术，即对第七层，也即应用层的内容（净荷）进行深度分析，从而根据应用层的净荷特征识别其应用类型或内容。
通过深度包分析，可以从网络层、传输层和应用层中的包提取相关信息。
原本这个技术用于设计来分析数据包的状态，以提供更好的带宽和缩短时延，但现在更多用于其他的用途，是未来运营商大数据分析的基础。
现在电信运营商有很多数据变现都是围绕它产生的。
普通的报文检测仅分析IP包的层4以下5元素：
源地址、目的地址、源端口、目的端口及协议类型。
而DPI除了对以上5元素进行分析外，增加了应用层分析，用来识别各种应用及其内容。
网络系统除了固话、宽带、2G\3G\4G以外，其实还有一个很重要的组成部分，那就是WIFI。
目前固网宽带运营商的流量中，有70%是WIFI产生的，因此从WIFI中获取足够有价值的数据，这是一个很重要的补充。
WIFI是相对传统电信网络来说比较简单或者说比较简陋的网络设备，因此从中获取信息反而比较容易。
依靠WIFI的位置信息、终端信息和上网内容信息，我们已经可以看到一波围绕免费WIFI数据变现的公司正在蓬勃发展,未来期待更多的公司从中诞生
（3）DPI技术在运营商的应用
运营商目前大多数的大数据分析都是基于分光系统下进行DPI分析。
分光系统简单理解为就是利用当前数据光纤传输的特点，架设分光器，完全复制（或者镜像）出一份和原来传输系统一样的数据，这些数据进行备份到运营商数据库中再进行DPI的分析。
深度包检测技术即DPI技术是一种基于应用层的流量检测和控制技术，当IP数据包、TCP或UDP数据流通过基于DPI技术的带宽管理系统时，该系统通过深入读取IP包载荷的内容来对OSI七层协议中的应用层信息进行重组，从而得到整个应用程序的内容，然后按照系统定义的管理策略对流量进行整形操作。
相对于普通报文监
测只能检测到源地址、目的地址、源端口、目的端口和协议类型不同，DPI可以识别各种应用和应用内容。
简单的来说就是：
用户通过运营商的网络进行访问请求的时候，所有的一切行为数据都被记录在案。
该记录中包括了访问的地址，用户现地址，
升级会员 