运营商大数据分析行业报告.docx
《运营商大数据分析行业报告.docx》由会员分享，可在线阅读，更多相关《运营商大数据分析行业报告.docx（14页珍藏版）》请在冰豆网上搜索。
运营商大数据分析行业报告
2015年运营商大数据分析行业报告
2015年11月
目录
一、行业主管部门和监管体制4
1、行业主管部门4
（1）工业和信息化部4
（2）经济和信息化委员会4
2、自律性组织5
3、行业相关产业政策及主要法律法规6
二、行业概况8
1、通信运营商对大数据分析服务的需求概况8
（1）通信运营商传统业务正遭受冲击，转型需求迫切8
（2）通信运营商拥有其他渠道无法获得的大数据优势，应积极开发利用10
2、通信运营商大数据分析的主要应用方向11
（1）网络管理和优化12
①基础设施建设的优化12
②网络运营管理及优化12
（2）市场与精准营销13
①客户画像13
②关系链研究13
③精准营销和实时营销14
④个性化推荐14
（3）客户关系管理14
①客服中心优化14
②客户关怀与客户生命周期管理15
（4）企业运营管理16
①业务运营监控16
②经营分析和市场监测16
（5）数据商业化16
①对外提供营销洞察和精准广告投放17
②基于大数据监测和决策支撑服务17
3、行业所处的生命周期与规模18
（1）行业所处生命周期18
（2）市场规模18
三、影响行业发展的因素19
1、有利因素19
（1）国家产业政策的大力支持19
（2）移动互联网业务的快速发展20
2、不利因素20
四、行业周期性、区域性和季节性特征21
五、行业风险特征21
1、市场风险21
2、技术发展风险22
六、行业上下游的关系22
七、行业进入壁垒22
1、资质壁垒22
2、技术壁垒23
3、人才壁垒23
4、品牌壁垒24
八、行业市场竞争状况24
1、传统的BOSS厂家25
2、传统的网管类厂家25
一、行业主管部门和监管体制
1、行业主管部门
行业的主管部门为国家工业和信息化部及各省经济和信息化委员会。
（1）工业和信息化部
主要职责包括拟订并组织实施工业、通信业、信息化的发展规划，推进产业结构战略性调整和优化升级；制定并组织实施工业、通信业的行业规划、计划和产业政策，提出优化产业布局、结构的政策建议，起草相关法律法规草案，制定规章，拟订行业技术规范和标准并组织实施，指导行业质量管理工作；监测分析工业、通信业运行态势，统计并发布相关信息，进行预测预警和信息引导，协调解决行业运行发展中的有关问题并提出政策建议，负责工业、通信业应急管理、产业安全和国防动员有关工作；统筹规划公用通信网、互联网、专用通信网，依法监督管理电信与信息服务市场，会同有关部门制定电信业务资费政策和标准并监督实施，负责通信资源的分配管理及国际协调，推进电信普遍服务，保障重要通信等。
（2）经济和信息化委员会
经济和信息化委员会为工业和信息化部在省一级政府的对应职能机构。
主要职责包括制定并组织实施工业、通信业的行业规划、计划和产业政策，提出优化产业布局、结构的政策建议，起草相关法律法规草案，制定规章，拟订行业技术规范和标准并组织实施，指导行业质量管理工作。
统筹推进国家信息化工作，组织制定相关政策并协调信息化建设中的重大问题，促进电信、广播电视和计算机网络融合，指导协调电子政务发展，推动跨行业、跨部门的互联互通和重要信息资源的开发利用、共享。
统筹规划公用通信网、互联网、专用通信网，依法监督管理电信与信息服务市场，会同有关部门制定电信业务资费政策和标准并监督实施，负责通信资源的分配管理及国际协调，推进电信普遍服务，保障重要通信。
2、自律性组织
行业的全国性行业组织有中国软件行业协会，其主要职能为：
受工业和信息化部委托对各地软件企业认定机构的认定工作进行业务指导、监督和检查；负责软件产品登记认证和软件企业资质认证工作；订立行业行规行约，约束行业行为，提高行业自律性；协助政府部门组织制定、修改本行业的国家标准和专业标准以及本行业的推荐性标准等。
软件产品登记的业务主管部门是工业和信息化部，软件著作权登记的业务主管部门是国家版权局中国版权保护中心和中国软件登记中心。
3、行业相关产业政策及主要法律法规
二、行业概况
1、通信运营商对大数据分析服务的需求概况
（1）通信运营商传统业务正遭受冲击，转型需求迫切
通信运营商目前的收入主要来源于两大部分：
语音业务收入和数据业务收入，其中，语音业务是通信运营商的传统业务，在过去一直是运营商最重要的收入来源，但这一局势随着移动互联网业务的快速发展而改变，语音业务收入开始呈现逐年下降的态势，以中国移动为例，根据其公布的财务报表，2013年其语音业务收入为3557亿元，较2012年同比下降3.4%，这是其语音业务收入的首次减少；而且下降幅度随着4G业务牌照的发放逐年加剧，2014年其语音业务收入较2013年下降13.1%，2015年上半年语音业务收入则同比下降16.4%。
传统语音业务遭受的冲击主要来自随着移动互联网的发展而蓬勃兴起的OTT业务。
OTT业务是指通过互联网向用户提供各种应用服务，这种应用和目前运营商所提供的通信业务不同，它仅利用运营商的网络，而服务由运营商之外的第三方提供，互联网企业利用通信运营商的宽带网络发展自己的业务，不少OTT服务商直接面向用户提供服务和计费，运营商沦为单纯的“传输管道”。
部分OTT应用直接侵蚀了通信运营商的基础语音业务和短信业务，如各种语音、视讯应用。
伴随着全球商业LTE网络的快速部署，移动互联网的发展无疑已进入佳境，作为移动互联网的缔造者和其高速发展的背后推手，电信网络的每一次技术进步，都极大地推动了移动互联网用户规模和业务的快速增长，从这个角度来看，通信运营商和移动互联网之间理应是共生共荣的关系。
然而，移动互联网却给通信运营商的业务带来了前所未有的巨大冲击：
移动互联网OTT业务的快速成长，不断侵蚀通信运营商的基础语音业务和短信业务，流量数据业务收入虽一定程度上可以中和传统语音业务收入的下降，但网络建设和运维需要大量的资本投入，这一收入与成本之间的剪刀差，正不断侵蚀着运营商的利润。
（2）通信运营商拥有其他渠道无法获得的大数据优势，应积极开发利用
运营商们处于目前的劣势根源在于运营商们没有利用好自己的优势：
运营商作为网络服务接入者和网络内容的承载者，对于用户网络应用行为和用户关注内容的了解，有比OTT服务商更深刻的理解。
运营商在为用户提供移动互联网接入服务时，轻松获得了对用户网络应用发生地、访问内容、交流对象等重要数据的分析和挖掘，相对于互联网OTT服务商，通信运营商所拥有的大数据资源的显著优势在于数据的全面性：
OTT服务商所搜集的数据只能是接受其服务的部分用户在某一业务方面的数据，而且用户可以通过主动操作对这一数据搜集行为加以屏蔽。
而通信运营商作为网络服务接入者和网络内容的承载者，是所有用户行为数据的传输管道，电信消费者随时随地都在向通信运营商发送碎片化的行为数据，这些数据在通信运营商的系统中反映为各种日志数据、基站数据和流量数据等。
从数据来源看，通信运营商的数据来自于涉及移动语音、固定电话、固网接入和无线上网等所有业务，也会涉及公众客户、政企客户和家庭客户，同时也会收集到实体渠道、电子渠道、直销渠道等所有类型渠道的接触信息，因此运营商所拥有的数据包括所有用户的各种来源的行为数据和所有OTT服务商的海量内容，这一优势是互联网OTT服务商无法比拟的。
另外，从数据获得途径的合法性角度，目前移动市场上的很多应用，除通过App获知用户访问的互联网内容外，还会不加通知的或者以一种很晦涩的通知方式无偿获取用户的手机识别码，通话记录、位置信息，这种数据搜集行为目前处于罪与非罪的灰色地带；而对于通信运营商来说，按照现行法律下其完全可以合法获取上述基础数据：
用户通信的位置信息可以通过基站获取，通信内容和通信对象可以通过网络获得，由于并非针对特定用户，且并非从用户终端上提取，因此是完全合法的。
综上所述，由于通信运营商在大数据产业链中处于数据传递和交换中心的地位，天然具有丰富的数据资源，因此应积极利用这一优势寻求业务突破。
2、通信运营商大数据分析的主要应用方向
电信与媒体市场调研公司InformaTelecoms&Media的一项调查结果显示，全球120家运营商中约有48%的运营商正在实施大数据业务。
该调研公司表示，大数据业务成本平均占到运营商总IT预算的10%，并且在未来五年内将升至23%左右，成为运营商的一项战略性优势。
可见，由流量经营进入大数据运营已成为大势所趋。
目前运营商在大数据运用方面主要有五个方向：
（1）网络管理和优化，包括基础设施建设优化和网络运营管理和优化；
（2）市场与精准营销，包括客户画像、关系链研究、精准营销、实时营销和个性化推荐；（3）客户关系管理，包括客服中心优化和客户生命周期管理；（4）企业运营管理，包括业务运营监控和经营分析；（5）数据商业化，指数据对外商业化，单独盈利。
（1）网络管理和优化
①基础设施建设的优化
如利用大数据实现基站和热点的选址以及资源的分配。
运营商可以通过分析话单和信令中用户的流量在时间周期和位置特征方面的分布，对2G、3G的高流量区域设计4G基站和WLAN热点；同时，运营商还可以建立评估模型对已有基站的效率和成本进行评估，发现基站建设的资源浪费问题，如某些地区为了完成基站建设指标将基站建设在人际罕至的地方等。
②网络运营管理及优化
在网络运营层面，运营商可以通过大数据分析网络的流量、流向变化趋势，及时调整资源配置，同时还可以分析网络日志，进行全网络优化，不断提升网络质量和网络利用率。
如利用大数据技术实时采集处理网络信令数据，监控网络状况，识别价值小区和业务热点小区，更精准的指导网络优化，实现网络、应用和用户的智能搭配。
由于用户群的不同，不同小区对运营商的贡献也不同。
运营商可以将小区的数据进行多维度数据综合分析，通过建立小区重点用户分布、收入分布等相关的分布模型得到不同小区的价值，然后与网络质量分析结合起来，就有可能发现某个小区价值高，但网络质量有待提高，据此设定网络优化的优先级，提高投资效率。
例如德国电信建立了预测城市中不同区域的无线上网资源占用模型，根据预测结果，灵活的配置无线资源，如在白天给CBD地区多分配无线资源，在晚上，则给酒吧地区多分配无线资源，提高了无线网络的运行效率和利用率。
（2）市场与精准营销
①客户画像
运营商可以基于客户终端信息、位置信息、通话行为、手机上网行为轨迹等丰富的数据，为每个客户打上人口统计学特征、消费行为、上网行为和兴趣爱好标签，并借助数据挖掘技术（如分类、聚类、RFM等）进行客户分群，完善客户的360度画像，帮助运营商深入了解客户行为偏好和需求特征。
②关系链研究
运营商可以通过分析客户通讯录、通话行为、网络社交行以及客户资料等数据，开展交往圈分析。
尤其是利用各种联系记录形成社交网络来丰富对用户的洞察，并进一步利用图挖掘的方法来发现各种圈子，发现圈子中的关键人员，以及识别家庭和政企客户；或者分析社交圈子寻找营销机会。
如在一个行为同质化圈子里面，如果这个圈子大多数为高流量用户，并在这个圈子中发现异网的用户，则可以推测该用户也是高流量的情况，便可以通过营销活动把异网高流量的用户引导到运营商自己的网络上，对其推广4G套餐，提升营销转化率。
综上，运营商可以利用社交圈子提高营销效率，改进服务，低成本扩大产品的影响力。
③精准营销和实时营销
运营商在客户画像的基础上对客户特征的深入理解，建立客户与业务、资费套餐、终端类型、在用网络的精准匹配，并在推送渠道、推送时机、推送方式上满足客户的需求，实现精准营销。
如可以利用大数据分析用户的终端偏好和消费能力，预测用户的换机时间尤其是合约机到期时间，并捕捉用户最近的特征事件，从而预测用户购买终端的真正需求，通过短信、呼叫中心、营业厅等多种渠道推送相关的营销信息到用户手中。
④个性化推荐
利用客户画像信息、客户终端信息、客户行为习惯偏好等，运营商可以为客户提供定制化的服务，优化产品、流量套餐和定价机制，实现个性化营销和服务，提升客户体验与感知；或者在应用商城、电商平台实现个性化推荐，在社交网络推荐感兴趣的好友。
（3）客户关系管理
①客服中心优化
客服中心是运营商和客户接触较为频繁的通道，因此客服中心拥有大量的客户呼叫行为和需求数据。
运营商可以利用大数据技术深入分析客服热线呼入客户的行为特征、选择路径、等候时长，并关联客户历史接触信息、客户套餐消费情况、客户人口统计学特征、客户机型等数据，建立客服热线智能路径模型，预测下次客户呼入的需求、投诉风险以及相应的路径和节点，这样便可缩短客服呼入处理时间，识别投诉风险，有助于提升客服满意度；另外，也可以通过语义分析，对客服热线的问题进行分类，识别热点问题和客户情绪，对于发生量较大且严重的问题，及时预警相关部门进行优化。
②客户关怀与客户生命周期管理
客户生命周期管理包括新客户获取、客户成长、客户成熟、客户衰退和客户离开等五个阶段的管理。
在客户获取阶段，我们可以通过算法挖掘和发现高潜客户；在客户成长阶段，通过关联规则等算法进行交叉销售，提升客户人均消费额；在客户成熟期，可以通过大数据方法进行客户分群并进行精准推荐，同时对不同客户实时忠诚计划；在客户衰退期，进行流失预警，提前发现高流失风险客户，并作相应的客户关怀；在客户离开阶段，我们可以通过大数据挖掘高潜回流客户。
国内外运营商在客户生命周期管理方面应用的案例比较多。
如韩国SK电讯新成立一家公司SKPlanet，专门处理与大数据相关的业务，通过分析用户的使用行为，在用户做出离开决定之前，推出符合用户兴趣的业务，防止用户流失；而德国电信的子公司T-Mobile通过集成数据综合分析客户流失的原因，在一个季度内将流失率减半。
（4）企业运营管理
①业务运营监控
业务运营监控可以基于大数据分析从网络、业务、用户和业务量、业务质量、终端等多个维度为运营商监控管道和客户运营情况。
构建灵活可定制的指标模块，以及异动智能监控体系，从宏观到微观全方位快速准确地掌控运营及异动原因。
②经营分析和市场监测
运营商可以通过数据分析对业务和市场经营状况进行总结和分析，主要分为经营日报、周报、月报、季报以及专题分析等。
过去，这些报告都是分析师来撰写。
在大数据时代，这些经营报告和专题分析报告均可以自动化生成网页或者APP形式，通过机器来完成。
数据来源则是企业内部的业务和用户数据，以及通过大数据手段采集的外部社交网络数据、技术和市场数据。
分析师转变为报告产品经理，制定报告框架、分析和统计维度，剩下的工作交给机器来完成。
（5）数据商业化
数据商业化指通过运营商自身拥有的大数据资产进行对外商业化，获取收益。
国内外运营商的数据商业化都处于探索阶段，但相对来说，国外运营商在这方面发展的更快一些。
①对外提供营销洞察和精准广告投放
营销洞察：
美国通信运营商Verizon成立了精准营销部门PrecisionMarketingDivision。
该部门提供精准营销洞察，提供商业数据分析服务。
如在美国，棒球和篮球比赛是商家最为看中的营销场合，此前在超级碗和NBA的比赛中，Verizon针对观众的来源地进行了精确数据分析，球队得以了解观众对赞助商的喜好等；美国通信运营商Sprint则利用大数据为行业客户提供消费者和市场洞察，包括人口特征、行为特征以及季节性分析等方面。
精准广告投放：
Verizon的精准营销部门基于营销洞察还提供精准广告投放服务；AT&T提供Alert业务，当用户距离商家很近时，就有可能收到该商家提供的折扣很大的电子优惠券。
②基于大数据监测和决策支撑服务
客流和选址：
西班牙电信于2012年10月成立了动态洞察部门DynamicInsights开展大数据业务，为客户提供数据分析打包服务。
该部门与市场研究机构GFK进行合作，在英国、巴西推出了首款名为智慧足迹的产品。
智慧足迹基于完全匿名和聚合的移动网络数据，帮助零售商分析顾客来源和各商铺、展位的人流情况以及消费者特征和消费能力，并将洞察结果面向政企客户提供客流分析和零售店选址服务。
公共事业服务：
法国最大的运营商法国电信，其通信解决方案部门OrangeBusinessServices承担了法国很多公共服务项目的IT系统建设，比如它承建了一个法国高速公路数据监测项目，每天都会产生几百万条记录，对这些记录进行分析就能为行驶于高速公路上的车辆提供准确及时的信息，有效提高道路通畅率。
总的来看，电信行业的大数据应用依然处于探索阶段，但未来无论是内部大数据应用还是外部大数据商业化都将有很大的成长空间。
3、行业所处的生命周期与规模
（1）行业所处生命周期
通信运营商提供大数据分析服务，目前国内该领域还处于探索阶段，行业处于导入期。
，国际大数据分析公司在这方面走在国内公司的前列，如全球最大的大数据分析服务提供商——美国Teradata天睿公司，其占有全球通信运营商在大数据分析方面90%的市场份额，拥有多项通信运营商大数据分析的应用案例。
国内目前专业从事通信运营商大数据分析服务的公司还较少，部分公司由之前为通信运营商提供网络运维和优化服务转型而来，但进展不一，因此行业整体仍处于探索阶段。
（2）市场规模
相关报告显示，2014年全球大数据市场规模达到285亿美元，同比增长53.2%。
据麦肯锡预测，预计到2020年，美国的大数据可创造3800亿-6900亿美元的价值。
根据中国信息通信研究院发布的《2015年中国大数据发展调查报告》，2014年中国大数据市场规模约为84亿元，主要由基于Hadoop、Spark的大数据软件产值、用于承载大数据应用的硬件产值以及大数据相关的专业服务产值三部分构成；行业分布方面，大数据应用水平较高的行业主要分布在互联网、电信和金融行业，一些传统行业的大数据应用发展则较为缓慢。
根据报告预测，2015年中国大数据市场规模将达到115.9亿元，增速达38%。
未来随着应用效果的逐步显现，一些成功案例将产生示范效应，预计2016年至2018年中国大数据市场规模还将维持40%左右的高速增长。
三、影响行业发展的因素
1、有利因素
（1）国家产业政策的大力支持
大数据应用作为一项新兴产业，其发展受到国家产业政策的大力支持，自2014年3月《政府工作报告》首次提到大数据，到《关于促进云计算创新发展培育信息产业新业态的意见》、《关于促进智慧城市健康发展的指导意见》、《关于运用大数据加强对市场主体服务和监管的若干意见》、《促进大数据发展行动纲要》等一系列政策的出台，不断加快推进着大数据应用行业的发展，其中《促进大数据发展行动纲要》将大数据上升到国家战略地位，并明确提出要完善政策体系，着力营造服务环境优、要素成本低的良好氛围，加速培育大数据龙头骨干企业。
到2020年，培育10家国际领先的大数据核心龙头企业，500家大数据应用、服务和产品制造企业。
国家政策的大力支持，为大数据应用的发展提供了有力的政策支持。
（2）移动互联网业务的快速发展
自通信运营商获发3G业务牌照以来，移动互联网获得了突飞猛进的发展，电信消费者对移动互联网的依赖越来越强，其已深入到我们生活的各个方面。
在这个过程中，运营商的网络上产生了海量的用户行为数据，这些数据足以刻画出用户的方方面面，成为一张完整画像，从而为分析用户行为、挖掘其潜在消费需求提供客观支持。
2、不利因素
我国电信行业大数据存在的一个主要问题是数据的孤岛效应，由于国内运营商采用区域化运营，电信企业的数据分别存储在各地区分公司，甚至分公司不同业务的数据都有可能没打通，要真正的利用大数据，数据的统一和整合非常关键，目前这一限制影响了行业内大数据的应用。
四、行业周期性、区域性和季节性特征
因为国内的通信运营商采用区域化经营，不同区域的运营商分公司业务发展程度、对大数据应用的认知程度不一，因此对大数据应用采取的态度和政策不一；另外，由于我国幅员辽阔，不同地区的经济发展方式和水平、人民行为习惯不同，因此大数据分析可能有不同的侧重点，综上，我国通信运营商提供大数据应用服务具有一定的区域性。
为通信运营商提供大数据分析服务不具有周期性和季节性特征。
五、行业风险特征
1、市场风险
市场风险主要体现在通信运营商对大数据处理服务的需求方面。
基于通信运营商的大数据分析，目前这一行业仍处于探索阶段，国内运营商对大数据分析服务的需求需要逐步挖掘，因此行业需求存在一定的不确定性。
另外，由于我国国内通信运营商集中度较高，因此对大数据分析外包服务的服务价格具有很高的议价能力，从而挤压技术提供商的利润空间。
2、技术发展风险
大数据分析与应用作为一个新兴产业发展迅速，数据分析技术处于不断发展与创新的过程中，且用户对产品的技术要求不断提高，除此之外，通信运营商的通信技术也处于快速的发展之中，为运营商提供数据外包服务需要不断适应通信技术的发展，如果行业内公司不能顺利推进研发项目或者不能及时实现技术升级，则可能丧失行业发展机遇。
因此，行业具有一定的技术发展风险。
六、行业上下游的关系
行业的上游主要是数据采集及测试的仪器仪表等电子器件，目前这些行业发展成熟，市场化程度较高，市场供给丰富。
行业下游是国内三大通信运营商，其集中度较高、议价能力较强，但运营商开始逐步重视信令数据的分析利用，有运用信令大数据分析系统工具提高自身工作水平的能力和意愿，合作愿景良好。
目前在大数据分析服务领域，运营商和第三方技术服务商均有参与，但双方分工和特点不同，且由于第三方技术服务商的专业性、规模化和跨平台的特点，第三方技术服务商将是该行业的主要参与者。
七、行业进入壁垒
1、资质壁垒
从事软件和信息技术服务业需要一定的资质，主要包括《高新技术企业证书》、《GB/T19001-2008/ISO9001:
200之计算机系统应用软件的设计开发认证证书》等，上述资质的评定与获取对公司主营业务类别、公司主要产品及服务、技术人员占比、研究开发投入、研究开发所需的技术装备等方面做出了详细的要求。
由于这些资质与证书对企业的各项软硬件实力都提出了较高的要求，这对新进企业构成资质壁垒。
2、技术壁垒
本行业的技术壁垒较高，特别是在底层数据层面，信令数据的采集、解析及关联专业性较强，一般的大数据分析服务公司并不具备这一技术；在应用层面，本行业的产品和服务需要融合信令技术、大数据处理技术、IT开发及业务理解等，需要多方面的技术和业务储备，因此行业技术壁垒较高。
3、人才壁垒
提供大数据的采集及分析服务需要经验丰富的开发人员作为技术支撑。
基于通信运营商的大数据分析，需要聚合网络、市场等共多个数据源的数据进行关联挖掘，数据量巨大，数据种类繁杂，需要具有一定行业工作经历和项目经验积累、对行业有一定业务理解的技术人才。
新进入企业在人才队伍建设方面往往不足，在短期内难以招募和培养大量的专业人才提供运营商所需的服务。
4、品牌壁垒
通信运营商对技术服务的要求较高，服务商的品牌信誉和行业经验非常重要，另外，由于大数据分析的技术特征，运营商倾向于通过长期合作的形式保证稳定的合作关系，因此行业具有一定的客户粘性，对新进入者形成障碍。
八、行业市场竞争状况
本行业的发展处于探索阶段，由于行业存在较高的技术壁垒，专业性强，且产品应用具有较大的创新性，因而市场竞争不激烈，竞争主要集中在技术水平、业务理解、产品创新层面。
从竞争环境看，市场上还没有形成有影响力的厂家，市场的参与者主要是围绕运营商提供服务的传统厂家，在逐步渗入本行，成为潜在的可能参与者。
从行业的技术能力看，参与本行业需要解决底层信令解析和关联技术，传统的通信设备生产厂家具有此项能力，但由于它们专注于设备生产，不会涉及软件应用系统开发和服务（如果参与也是需要有多年的业务理解，有一定业务难
升级会员 