导读：很多朋友问到关于以下哪个属于大数据在电信行业的数据商业化的相关问题，本文首席CTO笔记就来为大家做个详细解答，供大家参考，希望对大家有所帮助！一起来看看吧！
本文目录一览：
1、大数据在电子商务中的应用不包含以下哪一项2、在大数据时代，数据拥有者的商业模式有哪些？3、大数据变现,电信运营商只需往前迈一步4、以下哪些属于大数据特征？5、大数据时代下 运营商市场战略分析6、运营商发展大数据的核心价值在于商业化大数据在电子商务中的应用不包含以下哪一项
大数据技术在电子商务领域的应用主要体现在以下方面：
（一）应用于客户体验。电子商务平台网站的界面结构和功能是吸引大量客户的关键，多数电商企业为提高客户在交易过程的第一体验，根据大数据技术分析客户消费行为的历史记录建模，然后在此基础上使用web挖掘技术改进关键字加权法，有效地将用户输入的关键字合理地拓展延伸，提高商品信息检索功能的精准率，并且针对不同的消费习惯，动态地调整页面布局，全方位地把握客户的实际需求，实现对商品的合理聚类和分类，呈现商品信息的初步浏览效果，如淘宝网根据客户关心某些产品的访问比例和浏览人群的分类来决定广告的排版布局，增加广告的投资回报率。通过大数据技术的应用，能满足消费者个性化的需求，改善了客户的购物体验，有利于提高客户的购物满意度。
（二）应用于市场营销。电商企业引进了先进的大数据技术，在市场营销各环节最大限度地降低人力、财力以及时间成本。技术部门可构建分布式存储系统，运用web数据挖掘技术将客户在不同网络平台上的个人信息以及动态的浏览习惯贴上“标签”，根据不同格式的数据选取不同的存储策略，再针对性、大范围地对潜在的客户进行商品与服务推销。
（三）应用于库存管理。在零售业中，库存销量比是一种重要的效率指标，数据仓库可以使管理人员实时追踪商品库存的流入与流出，并通过在线的市场供求变化数据分析，准确把握预期的市场供求动态，制定合理的生产计划，降低库存积压风险，提高企业的资金周转能力。
（四）应用于客户管理。客户管理的实质是为消费者提供可持续的产品和服务。运用大数据分析的优势，电商可以划分普通用户群和核心用户群，并且建立会员信誉度级别。在各大电商平台的领军企业，技术人员利用大数据技术根据买家的消费行为定量定性地评定买家信用，同时也能够通过跟踪商家的服务质量和产品销量来评定商家的信用，这样买卖双方都能尽可能遵守交易的规范，以此促进电商交易平台的良性发展。
在大数据时代，数据拥有者的商业模式有哪些？
在大数据成为趋势，成为国家战略的今天，如何最大限度发挥大数据的价值成为人们思考的问题。无论是对于互联网企业、电信运营商还是数量众多的初创企业而言，大数据的变现显得尤为重要。谁最先一步找到密码，谁就能够抢占市场，赢得发展。在探索大数据商业模式的同时，大数据正加速在各行各业的应用，大数据不仅为人们的购物、出行、交友提供了帮助，甚至还在高考这样重要的事件中发挥作用。
大数据产业具有无污染、生态友好、低投入高附加值特点，对于我国转变过去资源因素型经济增长方式、推进“互联网+”行动计划、实现国家制造业30年发展目标有战略意义。前几年，国内大数据产业讨论较多、落地较少，商业模式处于初探期，行业处于两种极端：一种是过热的浮躁带来了一定的泡沫和产业风险；一种是怀疑大数据只是炒作，依然坚持传统管理理念、经营模式。但是进入2015年之后，大数据产业告别了泡沫，进入更务实的发展阶段，从产业萌芽期进入了成长期。当前，如何将大数据变现成为业界探索的重要方向。
B2B大数据交易所
国内外均有企业在推动大数据交易。目前，我国正在探索“国家队”性质的B2B大数据交易所模式。
2014年2月20日，国内首个面向数据交易的产业组织—中关村大数据交易产业联盟成立，同日，中关村数海大数据交易平台启动，定位大数据的交易服务平台。2015年4月15日，贵阳大数据交易所正式挂牌运营并完成首批大数据交易。贵阳大数据交易所完成的首批数据交易卖方为深圳市腾讯计算机系统有限公司、广东省数字广东研究院，买方为京东云平台、中金数据系统有限公司。2015年5月26日，在2015贵阳国际大数据产业博览会暨全球大数据时代贵阳峰会上，贵阳大数据交易所推出《2015年中国大数据交易白皮书》和《贵阳大数据交易所702公约》，为大数据交易所的性质、目的、交易标的、信息隐私保护等指明了方向，奠定了大数据金矿变现的产业基础。
咨询研究报告
国内咨询报告的数据大多来源于国家统计局等各部委的统计数据，由专业的研究员对数据加以分析、挖掘，找出各行业的定量特点进而得出定性结论，常见于“市场调研分析及发展咨询报告”，如“2015～2020年中国通信设备行业市场调研分析及发展咨询报告”、“2015～2020年中国手机行业销售状况分析及发展策略”、“2015年光纤市场分析报告”等，这些咨询报告面向社会销售，其实就是O2O的大数据交易模式。
各行各业的分析报告为行业内的大量企业提供了智力成果、企业运营和市场营销的数据参考，有利于市场优化供应链，避免产能过剩，维持市场稳定。这些都是以统计部门的结构化数据和非结构化数据为基础的专业研究，这就是传统的一对多的行业大数据商业模式。
数据挖掘云计算软件
云计算的出现为中小企业分析海量数据提供了廉价的解决方案，SaaS模式是云计算的最大魅力所在。云计算服务中SaaS软件可以提供数据挖掘、数据清洗的第三方软件和插件。
业内曾有专家指出，大数据=海量数据+分析软件+挖掘过程，通过强大的各有千秋的分析软件来提供多样性的数据挖掘服务就是其盈利模式。国内已经有大数据公司开发了这些架构在云端的大数据分析软件：它集统计分析、数据挖掘和商务智能于一体，用户只需要将数据导入该平台，就可以利用该平台提供的丰富算法和模型，进行数据处理、基础统计、高级统计、数据挖掘、数据制图和结果输出等。数据由系统统一进行管理，能够区分私有和公有数据，可以保证私有数据只供持有者使用，同时支持多样数据源接入，适合分析各行各业的数据，易学好用、操作界面简易直观，普通用户稍做了解即可使用，同时也适合高端用户自己建模进行二次开发。
大数据咨询分析服务
机构及企业规模越大其拥有的数据量就越大，但是很少有企业像大型互联网公司那样有自己的大数据分析团队，因此必然存在一些专业型的大数据咨询公司，这些公司提供基于管理咨询的大数据建模、大数据分析、商业模式转型、市场营销策划等，有了大数据作为依据，咨询公司的结论和咨询成果更加有说服力，这也是传统咨询公司的转型方向。比如某国外大型IT研究与顾问咨询公司的副总裁在公开场合曾表示，大数据能使贵州农业节省60%的投入，同时增加80%的产出。该公司能做出这样的论断当然是基于其对贵州农业、天气、土壤等数据的日积月累以及其建模分析能力。
政府决策咨询智库
党的十八届三中全会通过的《中共中央关于全面深化改革若干重大问题的决定》明确提出，加强中国特色新型智库建设，建立健全决策咨询制度。这是中共中央文件首次提出“智库”概念。
近几年，一批以建设现代化智库为导向、以服务国家发展战略为目标的智库迅速成立，中国智库数量从2008年的全球第12位跃居当前第2位。大数据是智库的核心，没有了数据，智库的预测和分析将为无源之水。在海量信息甚至泛滥的情况下，智库要提升梳理、整合信息的能力必然需要依靠大数据分析。
研究认为，93%的行为是可以预测的，如果将事件数字化、公式化、模型化，其实多么复杂的事件都是有其可以预知的规律可循，事态的发展走向是极易被预测的。可见，大数据的应用将不断提高政府的决策效率和决策科学性。
自有平台大数据分析
随着大数据的价值被各行各业逐渐认可，拥有广大客户群的大中型企业也开始开发、建设自有平台来分析大数据，并嵌入到企业内部的ERP系统信息流，由数据来引导企业内部决策、运营、现金流管理、市场开拓等，起到了企业内部价值链增值的作用。
在分析1.0时代，数据仓库被视作分析的基础。2.0时代，公司主要依靠Hadoop集群和NoSQL数据库。3.0时代的新型“敏捷”分析方法和机器学习技术正在以更快的速度来提供分析结果。更多的企业将在其战略部门设置首席分析官，组织跨部门、跨学科、知识结构丰富、营销经验丰富的人员进行各种类型数据的混合分析。
大数据投资工具
证券市场行为、各类指数与投资者的分析、判断以及情绪都有很大关系。2002年诺贝尔经济学奖授予了行为经济学家卡尼曼和实验经济学家史密斯，行为经济学开始被主流经济学所接受，行为金融理论将心理学尤其是行为科学理论融入金融中。现实生活中拥有大量用户数据的互联网公司将其论坛、博客、新闻报道、文章、网民用户情绪、投资行为与股票行情对接，研究的是互联网的行为数据，关注热点及市场情绪，动态调整投资组合，开发出大数据投资工具，比如大数据类基金等。这些投资工具直接将大数据转化为投资理财产品。
定向采购线上交易平台
数据分析结果很多时候是其他行业的业务基础，国内目前对实体经济的电子商务化已经做到了B2C、C2C、B2B等，甚至目前O2O也越来越流行，但是对于数据这种虚拟商品而言，目前还没有具体的线上交易平台。比如服装制造企业针对某个省份的市场，需要该市场客户的身高、体重的中位数和平均数数据，那么医院体检部门、专业体检机构就是这些数据的供给方。通过获取这些数据，服装企业将可以开展精细化生产，以更低的成本生产出贴合市场需求的服装。假想一下，如果有这样一个“大数据定向采购平台”，就像淘宝购物一样，可以发起买方需求，也可以推出卖方产品，通过这样的模式，外加第三方支付平台，“数据分析结论”这种商品就会悄然而生，这种商品不占用物流资源、不污染环境、快速响应，但是却有“供”和“需”双方巨大的市场。而且通过这种平台可以保障基础数据安全，大数据定向采购服务平台交易的不是底层的基础数据，而是通过清洗建模出来的数据结果。所有卖方、买方都要实名认证，建立诚信档案机制并与国家信用体系打通。
非营利性数据征信评价机构
在国家将公民信息保护纳入刑法范围之前，公民个人信息经常被明码标价公开出售,并且形成了一个“灰色产业”。为此，2009年2月28日通过的刑法修正案（七）中新增了出售、非法提供公民个人信息罪，非法获取公民个人信息罪。该法条中特指国家机关或者金融、电信、交通、教育、医疗等单位的工作人员，不得将公民个人信息出售或非法提供给他人。而公民的信息在各种考试中介机构、房产中介、钓鱼网站、网站论坛依然在出售，诈骗电话、骚扰电话、推销电话在增加运营商话务量的同时也在破坏整个社会的信用体系和公民的安全感。
虽然数据交易之前是交易所规定的经过数据清洗的数据，但是交易所员工从本质上是无法监控全国海量的数据的。数据清洗只是对不符合格式要求的数据进行清洗，主要有不完整的数据、错误的数据、重复的数据三大类。因此，建立非营利性数据征信评价机构是非常有必要的，将数据征信纳入企业及个人征信系统，作为全国征信系统的一部分，避免黑市交易变成市场的正常行为。
除了征信评价机构之外，未来国家公共安全部门也许会成立数据安全局，纳入网络警察范畴，重点打击将侵犯企业商业秘密、公民隐私的基础数据进行数据贩卖的行为。
结语：
大数据已经从论坛串场、浮躁的观点逐步走向国家治理体系建设、营销管理、生产管理、证券市场等方面，其商业模式也多种多样。市场经验表明，存在买卖就存在商品经济，具体哪种商业模式占主流将由市场决定。而最终的事实将证明，大数据交易商品经济必然成为“互联网+”的重要组成部分。
大数据变现,电信运营商只需往前迈一步
大数据变现,电信运营商只需往前迈一步
经过多年的技术积累和市场培育，大数据已经从“炒作”走向落地。全球主流的电信运营商普遍认识到大数据所蕴藏的高价值，开始积极探索如何将手中掌握的大量数据资源变现。目前，电信运营商的大数据探索主要集中在如何利用大数据分析用户行为、优化网络质量和推动业务创新等方面。数据堂创始人、CEO齐红威在接受《人民邮电》报记者采访时指出，这些对于大数据的内部利用，往往需要对原有系统进行大规模改造，而且无法直接快速地带来收入的增长，其实电信运营商可以用另一种思路，在基本不改造现有系统的情况下，立竿见影地获得可观的收益。
国务院为大数据发展“定调”
齐红威具有十多年的数据挖掘研发应用经验，曾任NEC中国研究院研发部部长、高级研究员。“大数据的本质特征并不是‘规模大’”，他阐述了对于大数据的理解。
现在人们对于大数据的认识普遍存在着误区，认为当数据量达到一定量（TB级或PB级）就是大数据，其实不然，区分大数据与海量数据的标准并不取决于其数据量，从技术上讲，“非结构化”数据才是大数据最典型的特征。现实生活中80%的数据都是非结构化的，解读这些数据，蕴藏着巨大的商业价值，这才是大数据。从商业模式上讲，大数据就是移动互联网产生的大量的关于人的数据。
近日，国务院总理李克强主持召开国务院常务会议，讨论并通过了《关于促进大数据发展的行动纲要》，对消除信息孤岛、支持大数据产业发展、强化信息安全等提出了明确要求。
齐红威认为，这是一个极大的利好消息。“大数据作为全球发展的战略资源，未来将像石油一样，影响到世界格局。对于中国而言，大数据是国家战略转型升级的基础，依靠数据和互联网相结合的方式，减少中间环节，提升传统行业运作效率。以前，一些地方政府或者企业虽然都认识到大数据的价值，但对于发展大数据仍心存顾虑：能不能做？做到什么程度？‘红线’在哪里？《纲要》的推出相当于政府给大数据发展定了调——不仅要做，而且要做大做强。”
大数据变现的闭环已经形成
2014年是大数据的商用元年，许多行业开始利用大数据真正地产生价值，齐红威认为：“现在很像电商井喷式发展前的2006年、2007年，市场培育已经完成，生态圈初具规模，商业模式逐渐成熟。价值万亿的大数据市场的大门已经打开。”
齐红威将大数据生态圈划分为云计算服务商、数据提供商、数据服务商和数据应用商四部分，实现从”数据流“到”资金流“分享共赢的商业运作模式。
其中，云计算服务商主要负责提供计算、存储和带宽等基础能力。
数据服务商则提供各种数据，包括政府大数据（公安、交通等）、行业大数据（电信、金融、电力等）、互联网大数据（互联网企业的用户数据、互联网公共数据）以及线下大数据等。
“现在网络上随时都在产生海量的数据，但线下的许多资源都还没有被数据化，这些数据同样价值连城。”他透露，数据堂独家推出了一款名为“众客堂”的众包平台，普通用户可以通过该应用上传照片、录音等提供线下的数据并获得一定的酬劳，目前“众客堂”的众客数量在全球范围内已超过40万。这些线下数据已经开始产生价值，例如，自拍照帮助美颜相机优化美颜程序；大量的购物小票分析出商品的价格走势和促销信息；语音数据帮助语音交互系统提高识别准确度等。
数据应用商则利用经过初步处理的大数据开发各类应用，例如征信、个性化旅游和交通服务等。他认为，“数据应用商将‘百花齐放’，规模有望达到数万家。”
数据服务商是大数据变现闭环形成的关键，具有三大功能：第一，连接数据提供商和应用商的纽带，免去了双方一一洽谈的麻烦；第二，汇总大数据的平台，将各领域数据提供商的大数据整合、融合起来，将产生1+1大于2的价值，实现数据增值；第三，对大数据进行初步分析、过滤和分类，“数据服务商从提供商那儿收来的是‘小麦’，但应用商需要的是‘面粉’，所以服务商就要完成把‘小麦’加工成‘面粉’的工作。”
“简单地说，数据服务商就相当于‘数据银行’，接收各方的‘存款’，再将这些‘资金’包装成不同的产品后贷款给有需要的人，搭建数据共享的‘生命线’，达成商业共赢，实现大数据变现的闭环。”齐红威表示。
数据堂是国内首家也是唯一一家在新三板上市的大数据服务商，团队的主创人员都有着十多年在大数据领域的技术积累，并在大数据产业发展过程中有着先发优势，经过多年的数据源积累，已获得金融征信、交通地理、人工智能、商家货价等多领域的大数据，与国内外多家数据提供商和应用商建立了合作关系，摸索出一套适应我国国情的商业模式。
电信运营商如何从“数据银行”提现
“电信运营商坐拥着一大片未被开发的‘油田’。”齐红威认为，电信运营商拥有着海量的高价值数据，例如掌握着用户的各类地理位置信息、商业活动、搜索历史和社交网络信息等大数据，具有维度丰富、群体性强、连续性好、网络行为全覆盖和关联性强等独特优势，“关键是如何将这些大数据变现，实现数据价值。”
齐红威逐一分析并回应了目前电信运营商在发展大数据时普遍存在的几点顾虑：
一是“能不能做”的问题。现在国家已经明确表示要大力支持大数据发展，在政策方面为电信运营商发展大数据铺平了道路。
二是“投入与收益”问题。与数据服务商合作，电信运营商几乎不需要改造现有系统就可以通过大数据获利，预计产生的价值有望达到亿万元级别。
三是“竞争”问题。数据服务商只生产“面粉”不生产“面包”，不会与电信运营商形成业务竞争。
四是“数据安全”问题。数据堂独创了一种模式——不“取走”数据提供商的数据，只是将软件嵌入到数据提供商的系统中，最终只生成数据结果，经数据提供商审核后再将相关结果提供给数据应用商，这就有效地消除了可能出现的信息泄漏风险。
齐红威表示，阻碍电信运营商挖掘大数据价值的障碍已经被一一清除，他们只需“向前迈一步”，即可拥抱蕴藏着无限商机的大数据时代。
“如果说大数据的发展是一场数万米的马拉松比赛的话，那么现在才刚刚跑了1000多米。”但齐红威同时指出，大数据发展已进入高速发展期，2015年将是各方布局大数据的关键时期，未来两三年将初步奠定大数据市场的格局，大数据将迎来超过十年的上升期。
以上是小编为大家分享的关于大数据变现,电信运营商只需往前迈一步的相关内容，更多信息可以关注环球青藤分享更多干货
以下哪些属于大数据特征？
大数据从整体上看分为四个特点，
第一，大量。
衡量单位PB级别，存储内容多。
第二，高速。
大数据需要在获取速度和分析速度上要及时迅速。保证在短时间内更多的人接收到信息。
第三，多样。
数据的来源是各种渠道上获取的，有文本数据，图片数据，视频数据等。因此数据是多种多样的。
第四，价值。
大数据不仅仅拥有本身的信息价值，还拥有商业价值。大数据在结构上还分为：结构化，半结构化，非结构化。结构化简单来讲是数据库，是由二维表来逻辑表达和实现的数据。非结构化即数据结构不规则或不完整，没有预定义的数据模型。由人类产生的数据大部分是非结构化数据。
大数据时代下 运营商市场战略分析
大数据时代下 运营商市场战略分析
大数据一直是近几年的热门关键词，伴随着移动互联网、智能终端、云计算、物联网技术的发展，呈现爆炸式额增长，数据密度空前提高，大数据时代的波澜壮阔正在逐步的开展，大数据的未来上升空间空前巨大。
相较于零售业、金融证券、政府管理、制造业、医疗服务也等行业造大数据应用的尝试，电信业作为数据金矿的拥有者，具有明显的数据优势和研发基础，在面临“管道化”的当前形势下，大数据无疑成为了运营商转型的一把利刃，面对残酷的互联网化竞争提供差异化的手段。下面我们将从大数据对运营商市场工作的影响入手，来提出国内运营商大数据时代战略市场工作转型建议，以供运营商实践参考。
【大数据对运营商市场工作的影响】
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，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。大数据应用的主要需求包括商机挖掘、竞争情报、客户维系、收入提升、减少开支、改善运营管理等，其中有50%以上是和市场前端工作在开展息息相关。下面主要从电信运营商职能划分角度来的分析大数据对运营商市场工作的影响。
一、影响产品研发的模式
电信产品的研发更多的是以技术驱动和竞争驱动为主，电信运营商基于客户需求的研发驱动一直弱于互联网企业。
设计：分成两各模块，中间加一条竖线隔开
在大数据的时代下，一方面终端的使用偏好，如品牌、应用等可以得以分析识别，有助于电信定制机的品牌选择和功能优化；
另一方面新业务的使用反馈，包括投诉等，可以帮助新业务功能的优化或者新产品的开发。
综上我们可以看出，大数据时代为产品研发改革提供基础，以客户需求为导向的迭代开发时代即将到来。
二、影响市场营销的模式
用户画像：指基于用户终端信息、位置信息、通话行为、手机上网行为轨迹等丰富的数据，为每个用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，并且借助数据挖掘技术进行用户的分群，完善用户的360度画像，帮助运营商深入的去了解用户的行为偏好的需求特征等；
关系链研究：指通过分析用户的通讯录、通话行为、网络社交行为以及用户资料等数据，开展交往圈子的分析与研究，并且识别圈子中的主要影响人物以及影像链等。
基于用户画像和关系链的研究可以建立用户与业务、资费套餐、终端类型、在运用网络的精准匹配上，在推送渠道、推送时机、推送方式上满足用户的需求，事先精准化营销。
三、影响渠道运营的模式
相比较而言，电子渠道比传统的实体渠道更容易记录潜在用户的消费行为、特征、路径，可以提供互联网的大量行为数据，因此大数据时代下，运营商的电子渠道的发展将会进一步的扩大。电子渠道除了销售、服务职能之外，后续将逐步的承担“大数据资源池”的重要角色。
另外，线上线下渠道协同是电信渠道体系转型的蛀牙方向，而线上线下渠道有效协同的关键诀窍就是从用户的需求出发，制定合理的线上线下渠道触点界面，为客户提供无缝全面的渠道服务，而要实现这一目标也需要大数据技术的支撑，通过现有数据挖掘不同类型用户的渠道使用路径。
四、影响客户服务的模式
目前，电信行业一直都在强调用户体验，但是却并不了解用户的真正需求，使得体验二字束之高阁。大数据时代要想提供有效路径，必须利用大数据挖掘技术，来书别用户的特征，以及用户的消费习惯，及时的消费提醒、偏好产品的发送、维系精准跟踪等个性化服务。
由此可见，大数据将为移动互联网带来全新的改革，给用户服务带来极大的想象空间和无限的发展前景，开展针对用户消费数据的分析评估，可以帮助改善运营商自身的服务质量。
五、丰富产品提供的内容
大数据可以作为对外销售的产品也已经成为了全球的共识。为了确保用户隐私不被侵犯的前提下，对数据进行深度加工，对外提供信息服务，为企业创造全新的价值体系。目前，大数据对外商业化的产品形态主要包括市场洞察报告、精准营销广告、数据监测、决策支撑等多种方式。目前，国外运营商纷纷尝试现有的数据，进行整合处理，来提供给第三方以求得全新的收益。
例如：西班牙电信，推出了“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大商铺、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量的分析和零售店面选址的服务，目前该模式已经在国内WiFi运营领域广泛应用。
【对国内运营商战略市场工作转型建议】
一、战略上重视，组织上保证
虽然电信运营商在数据资源方面具有天然的优势，但必须承认在大数据运营方面，不管是平台研发能力还是运营能力，电信运营商的优势并不明显，和互联网企业以及一些专门做大数据平台的专业公司相比，存在较为明显的劣势。
因此，如果要做成大数据，研究院认为：
1、要公司层面足够重视，作为领导的一把手来抓；
2、大数据运营团队必须独立运作，独立核算，并辅以灵活的机制，否则新事物很难在传统的电信体制下快速孵化；
3、光靠自己的力量还不够，怎么样能够找到优势互补的合作单位协同研发运营才是大数据在电信内容发芽并壮大的关键。
二、内外兼修，市场化经营
大数据应用分为对内和对外两种形态。不鼓励过分重内，也不建议过分重外。连内部都做不好，对外营销没有说服力；只对内不对外，在不存在竞争的情况下，很难将一个产品做好做优，胎死腹中的可能性不是没有。
因此，研究院建议电信运营商在推进大数据工作时，能够内外兼修，从外部了解需求，从内部积累能力，通过完全市场化结算的方式在尽量短的时间能够形成显性效益，进而促进更多的资源投入和更快的成长。
三、循序渐进，以点带面
从目前阶段看，虽然说大数据的发展空间很大，但毕竟电信的能力和资源有限，建议从小案例做起，可选择电信数据资源优势明显，客户关系扎实、付费意愿和数据意愿共享的行业做起，通过成功标杆案例的构建，寻求规模化的复制。
从上面提及的五种产品形态看，精准营销相对容易实现，运营商可从精准营销切入，并逐步扩大形态范围。
总评：大数据对运营商而言，是蓝海，是解药，但是否能真正发挥作用，还需运营商的实践。研究院建议运营商们还是循序渐进，结合自身优势，选择合适的商业模式切入，早日打开大数据的“金矿”之门。
以上是小编为大家分享的关于大数据时代下 运营商市场战略分析的相关内容，更多信息可以关注环球青藤分享更多干货
运营商发展大数据的核心价值在于商业化
运营商发展大数据的核心价值在于商业化
近年来，电信运营商利润率增幅放缓甚至下降，传统话音业务收入增长乏力，日趋边缘化、管道化；数据业务占比迅速增长，但量收的剪刀差持续扩大，投入多回报少。
在运营商转型路上，大数据技术的深入应用与商业模式的开发大有可为，可以说是运营商规避同质化竞争，打造智能数据管道，寻找差异化经营“蓝海”的必由之路。大数据的技术架构寻求高性能与低成本的统一，可以降低电信运营商庞大的IT资本开支压力。大数据的商业应用促使电信运营商从单纯提供网络资源、前向收费方式转变为基于网络资源和依据海量数据资源提供服务的灵活多样的混合模式，是一种新的商业模式。
国内运营商大数据应用受限
国内电信运营商在大数据应用方面主要受到了以下方面的限制。
第一，数据采集散乱、深度不足：电信运营商拥有海量数据的来源，但采集渠道散乱，通常分级、分地区、分系统建设，整体规划不足，数据标准化程度低，汇聚困难，无法形成有效的数据资产。
第二，数据分析能力不足：电信运营商建有以数据仓库为核心的经营分析系统，通常采用小型机加高性能存储架构建设，针对传统话单日志等结构化数据设计，还不具备非结构化数据与流数据的分析处理能力。
第三，数据商业应用不足：电信运营商大量数据尚没有充分发掘数据应有的价值，智能管道的建设正处在初期阶段。现有分析系统仅对内部提供服务，缺乏对外数据开放平台，大量数据未能有效进行商业利用。
电信运营商大数据发展探析
（1）大数据的政策支撑
电信运营商应积极寻求政府的支持，推动政府为大数据产业发展提供积极的政策支撑与引导、对关键技术的研发提供专项财政资金支持、对重点工程项目的实施提供支持与保障。电信运营商应高度重视大数据信息安全，推动政府部门牵头启动大数据立法，解决大数据信息权属与隐私保护问题；制定大数据技术标准与运营标准，规范大数据安全体系。通过政策支撑保障大数据产业的可持续发展。
2012年10月，中国计算机学会和中国通信学会均成立了大数据专家委员会，从行业学会的层面来组织和推动大数据的相关产学研用活动。运营商可以依托该平台推动企业内部大数据的发展。
（2）大数据技术架构与算法的研发
根据2012年美国市场调查咨询公司（Gartner）发布的新兴技术曲线，大数据技术正处于“期望膨胀期”，距离真正成熟尚需2~5年。电信运营商应抓住机遇加强技术研发，在开源技术的基础上，发展适合运营商的大数据技术；同时应积极对技术标准做出贡献，掌握技术主动权。在技术的拓展可主要集中在三个方面：（a）大数据的采集与传输技术。采集技术是指基于智能管道和物联网的大数据获取技术和算法；大数据传输技术研究应注重海量数据传输的安全可靠性，解决调度与控制问题。（b）大数据的存储与分析技术。存储技术主要指面向海量数据文件的有效存储与读取能力、大数据的新型表示方法和去冗降噪算法；分析技术的拓展方向应包括数据可用性和可计算性，计算复杂性问题，研究求解算法，进行高效处理等。（c）大数据的隐私安全技术。在大数据时代，如何保护用户隐私安全不仅是法规层面需要解决的问题，也是电信运营商在技术层面亟待解决的问题。
（3）大数据支撑运营中心
运营商要充分发挥大数据的价值，首要条件是具备采集、融合、存储、分析海量数据的能力。电信运营商可以在现有经分系统或数据仓库的基础上，针对目前数据采集散乱、采集深度不足、分析能力不足的问题，构建数据集中、平台统一的省级或全国级大数据支撑运营中心，为大数据的应用与商业化提供精确支撑。大数据支撑运营中心可以设置如下逻辑架构。
数据采集层：通过建设数据采集聚合网关，汇聚跨地区、跨系统的采集的丰富数据源。
数据融合层：建设海量结构化数据、非结构化数据以及流数据处理能力，建立数据标准化体系，进行统一处理和存储。
数据应用层：通过构建不同的数据挖掘与分析模型，融合结构化数据，形成数据仓库，对外提供统一服务能力。
资源管理层：提供统一监控、资源管理与运营等功能。
（4）大数据应用与商业化
大数据应用与商业化是大数据发展的核心价值与落脚点。电信运营商拥有极其丰富的数据资源，相比互联网公司更具天然优势。对大数据进行全面、深入、实时的分析和应用，以客户体验为核心发展流量经营，是电信运营商应对新形势下挑战避免沦为哑管道的关键。
通过大数据助力业务创新，提供市场营销与客户服务的精准支撑能力。在互联网社会中，拥有数据，就拥有了了解用户行为的基础，从足够多数据的叠加中可以探知一个人的过往行为，同时可以精准的预测出其未来的需求。通过对海量的行为和内容数据处理，可以获得用户的时间、位置、业务、终端等基础信息，分析出用户的身份、兴趣、社交圈等，这样可以开发出很多新的增值业务。
通过大数据提升企业管理水平，提供透明管控与科学运营的精准支撑能力。运营商可以融合市场、财务、网络等多个系统产生的海量数据，将相关联的数据进行处理分析，有利于运营商更全面、更准确、更快速地获得企业运营数据，为投资决策和网络优化方案提供更多视角。
通过大数据发展开放合作平台，开辟新的商业模式，助力电信运营商转型。电信运营商可以通过大数据支撑运营中心发展开放合作平台，为广大开发者提供海量数据资源，发挥大数据的价值，将数据作为资源，进而提升的运营商利润增长点。
大数据技术的发展及规模商用，使得电信运营商能够充分挖掘管道内容，创造新的业务增长模式，应对“去电信化”的趋势，转型为综合信息服务提供商，成为未来大数据时代中最大的赢家。但在推动商业化应用的过程中还应全面认识大数据的内涵，避免陷入单纯的计算能力和存储能力建设，要清醒认识大数据发展的成熟度，客观分析用户的应用需求，避免过度建设
结语：以上就是首席CTO笔记为大家介绍的关于以下哪个属于大数据在电信行业的数据商业化的全部内容了，希望对大家有所帮助，如果你还想了解更多这方面的信息，记得收藏关注本站。