「不管你现在做什么行业，你做的生意都是数据生意。」 --凯文·凯利

一、大数据：从时髦外衣到核心要素

Gartner著名的新兴技术炒作周期（Hype Cycle for Emerging Technologies）在2014和2015年的两份报告中，最为显著的区别就是“大数据”的消失，由此可以理解为Gartner对“大数据”的定位已从“新兴”调整为“主流”。如今，大数据对于企业的意义已从能力要素上升为战略核心，从运营效率提升手段升级为商业模式创新的根基。因此，无论是企业级市场还是消费级市场，亦或是政府公共服务，都正和大数据发生联系。大数据具有先天的垄断性和后天的规模效益，因此具备先天数据和计算优势的企业都开始加快布局，谋求日后的规模效益和更多的产业话语权。在互联网领域尤为突出，无论是国外的FANG（Facebook、Amazon、Netflix、Google）还是国内的BAT（Baidu、Alibaba、Tencent），都将大数据视为其未来战略布局的核心和商业模式枢纽。

在通信行业，大数据的价值越来越被重视，AT&T、Verizon、Telefonica、DoCoMo等国际标杆运营商都积极利用自身在用户信息、地理位置、网络信令等领域的数据优势，与金融、零售、旅游、物流、公共管理等领域的企业和机构进行深度合作，一方面大幅度提升了运营效率和用户满意度，另一方面也实现了一定程度的商业变现，摸索了新的商业模式。反观国内三大运营商，近年多次提到“大数据”的重要性，也取得了一些成绩或两点。但尽管部分公司在一些局部领域取得了阶段性的突破，但亮点只是个案，沉淀下来能够体系化、常态化的东西却很少，在商业变现方面更是乏善可陈。究其原因，运营商虽然坐拥宝贵的大数据资源，但在大数据驱动商业及运营转型方面却面临着组织、能力、模式等方面诸多不适应，加上一些法律和政策方面的风险，使得运营商更加畏首畏尾。

二、运营商大数据的主要优势与独特价值

运营商在大数据领域具有其他行业无可比拟的优势，体现在以下三个方面：

1.规模性：一方面是数据体量大，每天产生的数据以PB计算，具有丰富充足的数据源；另一方面是数据维度全面，包含用户行为、地理位置、上网行为、运动轨迹、支付能力、咨询投诉等信息。

2.准确性：网络系统可实时产生与终端用户相关的多维度行为信息，准确实时的反映用户行为状态。

3.连续性：网络数据可持续性提供，具有连续和可追溯性，仅取决于数据的存储策略，无人为因素干扰。

从数据本身来看，同互联网公司特别是BAT这样的巨头相比，运营商不遑多让。比如在用户标识方面，运营商的手机号码能够追踪到用户本身的实名信息，还能串联起用户所有的移动互联网行为（只要保证手机开机），而互联网公司的应用（不论是Native APP还是Web Service），都需要用户登录才能有效识别，而且必须保证应用本身正在运行（尽管可以采取驻留后台的方式，但会消耗系统资源，并有可能被清理软件关闭），如果用户离开了应用，也就无法获取外部行为信息；又比如在场景方面，运营商的数据基本覆盖了用户的全部移动行为，因此能够将用户行为与所处场景进行有效的关联，特别是在没有数据连接的情况下，即使不打开GPS功能，也依然能通过基站定位获取用户的位置信息。

总而言之，运营商作为管道的提供商，不仅掌握了自身的业务和运营数据，同时还掌握了海量用户的互联网行为数据和相关的场景数据。这些数据不仅对运营商有价值，对其他行业尤其是金融、互联网、消费、政府机构等的潜在价值更是难以估量。如果充分发挥自身的数据优势，同各行业的需求接轨，以产品服务的形式有偿地提供给外部客户，并建立紧密的数据合作关系，就能实现数据价值最大化。

三、国内运营商大数据的现实挑战

运营商大数据尽管理想很丰满，但现实往往比较骨感。在过去10到20年的时间里，国内运营商为了适应用户规模的快速增长，逐渐成长为投资密集型企业，公司的组织和流程都是围绕投资-放号-运维来建立的，经营活动也是基于经验来展开的。但随着市场的变化和技术的演进，这种发展模式已经越来越适应新的商业模式，尤其是面对大数据的新兴浪潮，运营商除了数据大这一优势外，在业务、技术及商业变现方面都显得步履蹒跚。其面临的挑战主要有以下4个方面：

挑战一：有数据难整合。一方面运营商虽坐拥海量数据，但数据在组织中却因为不同线条和部门的存在而处于割裂状态，拥有数据的部门之间往往缺乏顺畅的数据共享机制，加上各种烟囱平台的存在，数据的标准可能都有不兼容的情况，如何实现跨业务、跨平台的关联与整合成为运营商最大的挑战；另一方面由于互联网上大量非结构数据的存在，运营商还面临着将非结构化数据与结构化数据进行统一、整合的挑战。这一系列的挑战使得运营商的数据一直处于分散和休眠的状态，无法真正发挥其潜在价值。

挑战二：有需求难操作。对运营商而言，信息安全一直是一个无法回避的问题。由于运营商数据中包含了大量的用户基本信息，这其中涉及大量的个人隐私，一旦泄露并被不法分子利用，会给用户和运营商带来不可估量的损失。从国内的市场来看，众多三方机构一直热衷于此类敏感数据的交易，并且用各种高大上的名词来包装，但往往实在运营商不知情的情况下滥用用户信息，运营商往往防不胜防。任何能够追溯到个人或终端的数据一旦未经授权即被第三方获取，往往会引发数据安全事件，在媒体的推波助澜下，极有可能成为运营商不可承受之重。

挑战三：有想法无承载。即使不考虑数据质量和隐私风险，运营商实现大数据变现还需要面对组织和流程上的空白。大数据应用是一个系统工程，其开发、建设、产品、营销、运营等环节都需要有具体的部门去承载和落实。然而，国内运营商现实的问题是，已有的组织架构和流程规范都是基于传统业务来制定的，对于大数据这样的新兴领域，往往都是基于各自的理解或资源的分布，各省市公司都缺少统一的范式（比如前端是数业部门还是政企部门牵头，后端是网络部门还是业务支撑部门统筹），更无法形成自上而下的力量来贯穿，如散兵游勇一般。

挑战四：有机会难实施。抛开组织和流程的问题，能力和机制更是运营商绕不开的门槛。大数据属于技术密集型领域，技术专家（解决建模与架构）和复合型人才（解决跨行业的Know How）的匮乏一直困扰着运营商，虽然短期可通过合作的方式解决，但长期来看还需自建团队实现能力内化和储备。而这往往需要在人力资源的开发、核心人才的引进以及激励机制的革新等方面下功夫。

四、运营商大数据的突破策略建议

随着万物互联图景的日益显现，未来将出现海量的新连接，管道中承载的数据量也将呈几何级增长。大数据为万物互联激起了广阔的想象空间，应用的场景数不胜数，但不可否认，国内运营商对大数据的运用还处于起步阶段。如何跨越瓶颈跃升至新的高度，可尝试从以下方面着手：

1、能力破冰：以项目带平台、再带流程与能力。国内运营商在实施大数据上一直存在着“先有鸡还是先有蛋”的困惑，既要投入资源提升大数据能力，同时又要有变现收益来支撑资源投入。考虑到运营商在大数据领域缺少现成的经验和案例可借鉴，可以从具体的项目着手，先接触客户，从实现简单的需求开始，理解数据、验证模型，积累相应的经验和案例，形成平台建设和数据规范的需要，在此基础上指导平台建设与数据治理。此后，基于平台的不断完善和升级，实现对已有系统的整合及原有流程的优化，从而进一步夯实自身的大数据能力。

2、平台建设：底层统一平台协议，上层先烟囱建设再下沉能力。一方面，在数据收集存储以及信息整合的层面建设统一的平台，保证数据规范统一，解决数据的实时性问题，保证所有数据从产生、记录、存储到维护都有一个完整生命周期；另一方面，在应用层面可以先尝试在局部领域进行烟囱式的建设，及早对接业务的需求，通过小范围试错和迭代来形成Know How、沉淀经验，等到这些模式逐渐被实践验证和市场接受的情况下，便可考虑下沉为能力平台，并通过开放来承载更多的商业模式和变现途径。除此之外，运营商特别还要在基础设施和IT架构上，将大数据技术融入到自身已有的技术生态中。

3、数据开拓：以开放思维参与数据生态。运营商尽管在数据资源上具有其独特的价值，但并不意味着仅靠自身的数据就所向披靡。尤其是在跨行业的复合场景下，多个数据源的关联分析能产生出更大的价值。这就要求运营商还要整合更为广泛的外部数据源，包括其他行业、公司及政府机构。随着大数据创新的不断涌现，跨领域的数据共享需求会越来越大，这其中涉及到的数据所有权、定价和交易规则等问题都有可能逐渐地清晰。当然，运营商也没有必要坐等所有争议都得到解决再去尝试，可以在一定的原则和风控措施下，以开放的思维参与到整个数据生态。

4、产品形态：大数据能力是未来运营商向行业客户提供一揽子服务的重要组件。从现阶段国内案例看，最常见的大数据应用就是各类数据报告，但在国内的商业环境下，数据报告的变现能力和变现方式都太局限，很多数据图打着大数据的幌子，更多是做噱头和认知。对运营商而言，大数据的变现应与自身业务和能力相结合，将自身大数据能力与业务进行集成，提供能嵌入行业客户日常运营的一揽子服务。以国外运营商案例看，大多数运营商都会协助线下企业提供精准营销服务（例如：Verizon为菲尼克斯太阳队提供精准营销服务，帮助其提升赛季套票销量的35%；西班牙电信利用人群轨迹分析帮助莫里森超市提高了150%的客流量。），而在此过程中，运营商的价值不能只停留在通过大数据能力找到精准营销的对象上，而要结合运营商能力（例如定位、轨迹等），为使用方触点提供准确的激活判断，并将这些价值集成在一起形成解决方案或平台，持续地协助行业客户提升运营能力。

5、开放平台：开放平台是大数据变现商业模式的必要承载。从现阶段大数据产品形态看，其商业模式暂未超出互联网商业模式范畴。像现阶段的征信业务等一单单、非实时的应用一定不是未来大数据的主要业务形态，而随着大数据应用能力的提升，大数据计算模型的执行将在瞬间完成，并使数据应用方能快速根据结果产生判断和后续业务动作，如实时信用额度提升、带标签导流与推荐、营销规则触发等。而实现这些实时的应用，都需要开放的能力平台承载。同时，考虑到信息安全等因素，数据源直接向社会裸露无非会带来巨大风险，因此通过能力封装，将裸数据进行脱敏，并包装成API或SDK以供调用，以达到安全管理的目的。并可根据不同垂直行业需求，定制封装成不同的能力产品群，以聚合产业链上的开发能力，在其基础上，开拓更多的应用空间。

6、组织转型：先释放弹性，后加以重构。未来大数据分析和应用要逐渐融入到运营商的日常运作当中，整个过程每一个员工都要参与变革。但组织变革就好比高空换发动机，牵一发动全身，需要稳步推进。建议前期先在现有的组织架构上进行适配，划分不同部门的角色分工（比如在移动公司可以考虑由数业负责产品、政企负责销售），通过建立联合团队，吸纳内外部具备业务视角或技术能力的人才，在较为集中的时间内实现局部领域的攻关和突破。在职能上，大数据业务团队不能只作为能力提供者，而应该与客户管理部门一同直接面向企业需求，建立贯穿售前、售中、售后的引导支撑、方案制定和实施交付等全面能力；到后期，在业务体量和能力储备达到一定层次后，设立独立的事业部以及VP层级的首席架构师角色，推动公司大数据端到端变现能力的形成（包括数据理解、模型应用、场景适配、模式创新等）。另外，无论是跨部门合作还是独立事业部，在人才的引进、培养、考核和职业发展等方面都应该有相应的配套措施，同时建立起小步快跑、容忍试错的机制，为创新创造条件。