前言：中文期刊網精心挑選了大數據運營分析范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
大數據運營分析范文1
【摘要】近年來，中國影視行業蓬勃發展，伴隨著互聯網技術革新，影視業正在與大數據舉行一場盛大聯姻，以實現交互式的影視制作。國內影視業日漸重視大數據的運用，《小時代》、《失戀33 天》等國產電影因此而獲得成功的票房。本文從影視作品的創作、傳播、接受環節探討大數據分析的運用及其意義，以及未來影視大數據的發展趨勢。
關鍵詞 大數據 影視業 創作 運營
2013 年被稱為影視界的“大數據元年”，運用大數據分析成功營銷的影視作品使人們看到了大數據給影視行業帶來的無窮潛力。在中國，影視大數據也越來越受到專業人士的重視。2014 年6 月23日，一檔尋找電影天才的真人秀節目《全民電影》在吳宇森、章子怡和劉儀偉等明星助陣下拉開帷幕。在這個中國首檔全媒體電影項目中，百度利用自身數據優勢首次深度介入，對一部電影從選題、融資、組隊等制作階段開始，到發行再到播放的全流程，提供深度數據規劃與策略支持。
一、大數據和影視行業
“大數據”一詞最早出現在美國著名未來學家阿爾溫·托夫勒的《第三次浪潮》一書，2011 年全球著名咨詢公司麥肯錫研究所在其發表的報告《大數據：下一個創新、競爭和生產率的前沿》中指出，數據已經滲透到每一個行業和業務職能領域，逐漸成為重要的生產因素; 而人們對于海量數據的運用將預示著新一波生產率增長和消費者盈余浪潮的到來。①大數據是指所涉及的數據量規模巨大到無法通過人工在合理時間內達到截取、管理、處理、并整理成為人類所能解讀的信息。②根據Philip Rossum 在《大數據分析》一書中指出的那樣，大數據不僅僅指的是數據的大數量，還包括多種類和高速度，這三方面都是保證數據質量的關鍵要素，缺一不可。③
在傳統意義上的影視行業中，影視作品是否能夠受到廣泛的歡迎，主要依賴的是創作者自身的專業水準，對受眾心理的洞悉程度，以及選擇演員的眼光等等。大數據的出現使得影視作品的傳播方式由之前的單向傳播轉變為交互傳播。影視大數據的數量大，可以從空間維度和時間維度上來分析。（見表1）
影視數據種類多是指影視大數據中包括的影視作品本身的創作信息、銷售信息、觀眾的反饋信息等多個層次，但凡是與影視作品有關的，都囊括在影視數據庫中。并且影視大數據的數據庫范圍也依據不同的分析目的而可大可小。按照戴志強等的分類，影視大數據主要可以分為三大類，即用戶大數據、內容大數據和渠道大數據。④
二、大數據與影視創作
中國影視行業近年來飛速發展，以電影行業為代表：
上述表2 和圖1 中可以看出，我國以電影為代表的影視行業近4 年正在蓬勃發展，不僅全國電影票房呈現良好的上漲態勢，其中國產片票房占比也在持續升高。為此，國產片在創作過程中也在不斷借助大數據的力量來制作出符合大眾審美情趣的影視作品。由優酷土豆集團攜手儒意影業、樂視影業制作的電影《老男孩之猛龍過江》，就是通過對粉絲的情感洞察和行為分析，來指導其內容創作，堪稱開創了中國互聯網電影的新模式。
在大數據指導下的互聯網電影創造過程中，觀眾可以從被動的受眾變為主動的影片制作參與者。以2014 年阿里巴巴推出的“娛樂寶”為例，網民出資100 元即可投資熱門影視劇作品，通過投票來決定電影的制作人、導演、男主角、女主角等。首批登錄娛樂寶界面的6 個項目—— 電影《小時代3》、《小時代4》、《狼圖騰》、《非法操作》以及社交游戲《魔范學院》等，截止到4 月3 日已經全部售罄，共出售78.5 萬份，總投資額達到7300 萬元。受眾能做的不再限于觀影后的反饋和評價，而是能夠從作品生產初期就提出自己的意見。
同時，受眾不僅可以影響制作團隊的構建，也可以改變劇情的發展。國外知名電視劇《紙牌屋》通過云計算確定下集劇情，國內雖然沒有如此先進的大數據技術，但是通過大數據得到的用戶評價確實能夠改變編劇的心意。2014 年七夕檔熱播都市愛情電影《單身男女2》的結局之所以扭轉，就是因為早在《單身男女1》上映后，許多觀眾不滿于女主角做出的選擇，紛紛留言表示惋惜，于是導演決定在第二部里讓女主角再選擇一次。
從影視制作方來看，大數據能夠使制作方更了解觀眾的期待，“娛樂寶”則折射出了這些投資人的興趣愛好，以此幫助電影實現觀眾的精確定位，包括影片類型、上映時段等。大數據不僅“ 大”而且更“細”，在影視創作階段的大數據分析應當既包括對于用戶歷史數據的分析，如通過前期不同類型電影的票房分析、受眾對不同題材影視的反饋分析等，又包括用戶對電影的期許，如某類用戶的特定需求、拋出目前電影創作計劃得到的回應等。創作者可以找到與自己風格相契合的受眾群體，或者可以使自己受益最大化的定位。
電影《小時代》的出品方樂視影業，根據網絡上《小時代》的搜索量，分析了關注《小時代》的人群，最后描繪出《小時代》的目標受眾，即“互聯網的原住民”。這些90后大部分是郭敬明和楊冪等主創人員的忠實粉絲，也是當前電影市場的主流消費群體。（見圖2）
總之，大數據可以提升國產電影的成功率，促進更有特色更高質量作品的生產，同時，大數據提供了一個絕佳的視野幫助國內的制作班底了解國外受眾的品位。
三、大數據與影視傳播
在中國影視市場，大數據的應用最主要集中于影視傳播階段，中國電影業迎來發展良機與大數據有密不可分的關系?！吨虑啻骸?、《失戀33 天》、《北京遇上西雅圖》、《中國合伙人》等的成功，都離不開大數據在背后的支持。（見圖3）
大數據應用于影視作品傳播的目的是為了改變以往不但不會提升傳播效果反而可能引起反感的狂轟濫炸式統一傳播。其傳播方式如圖4 所示。
目前普遍使用的一種高精準度宣傳是利用社交媒體傳播。以《小時代》為例，還在拍攝階段時，原著作者兼導演郭敬明就通過個人微博向網友透露《小時代》的拍攝情況，在臨近上映時，郭敬明的個人微博狀態幾乎全部和小時代有關，不僅如此，郭敬明還和《小時代》的主要演員在微博上互動宣傳。采取郭敬明個人微博的宣傳方式其實就是一種定向宣傳，關注其微博的網友大多為郭敬明的讀者粉絲或者對其一定程度感興趣的人，這部分人很可能成為觀眾，或者上述分析中的前兩者，因此也是宣傳的主要對象。
但總體上來說，傳播手段的選取要基于對特定用戶的特性，在做好用戶定位之后，就要利用大數據分析用戶的媒介使用偏好或者其他與電影主題相關的特性，以此來定制傳播方式。樂視通過分析還發現，《小時代》用戶中，女性占到78%，男性占到22%，因此做了很多針對女性的線上線下的活動。⑥
由此看來，大數據強調“大”，但更要“準”，大數據雖然揭示的是群體的共性，但價值更在于細分群體，實現定制化服務。愛奇藝網站就在2013 年推出了“千人千面”的個性化首頁，為不同的用戶量身定做觀看內容，增進用戶體驗。
四、大數據與影視接收
接收應該包括收受（或適應）和交流兩個層面。⑦對于影視作品收受效果的分析不應該只是事后統計分析，更應該是事前分析市場和預測銷售前景。由谷歌推出的電影票房預測模型，能夠基于數據分析，通過分析電影相關的搜索量來預測電影最終的票房成績，準確度可高達94%。⑧
同時，對于票房之類的單一指標，存在著難以全面衡量影視作品收受效果的問題。在大數據時代，用戶在視頻網站的觀看記錄連同用戶的點擊、搜索、暫停、跳轉等觀看行為和使用設備狀況及用戶的IP 地址等信息都會被程序捕捉到。這些細節可以很好地反映用戶喜歡哪些情節，對哪段情節沒有觀看欲望等，這些方面，是沒有辦法從是否觀看的票房指數中得出的，也是無法從對影片的整體評價中得出的，但是這些細節數據卻對影視作品的改進更具有指導意義。另外一方面，用于更全面反映影視作品傳播效果的綜合指標也在不斷更新中。比如2014 年4 月電影頻道公布的電影大數據指數即“M 指數”，是以電影的影院、電視、新媒體三大主體市場平臺海量信息為核心，運用大數據挖掘技術運算而成的綜合指標。⑨又如優酷、土豆推出的“中國網絡視頻指數”，則是分析互聯網平臺上的視頻綜合效果，以娛樂綜藝《快樂大本營》為例，“中國網絡視頻指數”顯示了其播放指數、播放設備、播放網站、每一集分析、人群和地區分布等。（見圖5）
現在，用戶在觀影后喜歡在社交媒體上分享自己對影視作品的看法，尤其是年輕的上網一族，這又為大數據分析發揮作用提供了新的源泉。通過詞頻分析、話題查找等方式，可以把分散在各大社交網站上的零碎感受整合起來，作為分析對象，了解用戶的真實想法。值得注意的一點是，為了能夠更好地得到用戶的反饋，影視創作營銷人員應該為受眾開創一個反饋交流平臺，比如說一個微博公共賬號，或論壇貼吧等。用戶之間可以形成交流觀影感受的圈子，也可以及時向創作者反饋自己的看法。這樣一方面，自身構建的數據庫得以補充，另一方面，可以增加用戶粘度。
所以說，大數據分析影視接收情況，不僅僅是為了了解本次影視作品的傳播效果，更是為了了解用戶習慣，增加用戶忠誠度，為以后的系列片子或者其他相關作品累積經驗，以收獲更大的成功。
結語
大數據為我國影視行業的發展帶來無窮潛力，通過在創作、傳播、接收環節的數據分析，能夠幫助影視行業實現更精準的用戶定位和市場分析，以生產出內容優質、符合受眾口味的高質量影視產品，同時能夠提升用戶服務使之貼合用戶習慣。總之，大數據提高了國產電影的成功率，加強了生產者與用戶之間的互動，有助于國產片早日走出國門。
參考文獻
①⑧張璠，《影視業中“大數據”技術應用》[J]《. 信息技術與信息化》，2014（4）：232-234
②Manyika J， Chui M, Brown B, et al.Big data： The next frontier for innovation,competition， and productivity[J]. 2011.
③Russom P. Big data analytics[J]. TDWIBest Practices Report, Fourth Quarter，2011
④戴志強、朱海澎、潘皓，《影視大數據: 影視互動體驗與量化認知的根本》[J].《現代傳播》，2014（9）：126-129
⑤中國新聞出版網，《互聯網電影新鮮“出爐”》，chinaxwcb.com/2014-01/16/content_284956.htm
⑥陳肅，《大數據，連接電影與觀眾的“網關”》，http：//tech.qq.com/a/20131119/013653.htm
⑦李興，《消費時代的作者、讀者和文本——對接受美學的新思考》[J]《. 大眾文藝》，2008（12）
大數據運營分析范文2
關鍵詞：大數據；云資源；云計算；應用
中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2015）05-0017-02
現階段，大數據這一概念廣泛被人們熟知，是繼數據云計算、數據挖掘后涌現出的另一項信息革命。在大數據的研究上，眾多商業機構，如IBM、Microsoft等都已介入，在借助云計算這一數據信息平臺的基礎上，研發了大數據信息資源處理產品。作為高校來講，充分運用大數據時代的相關技術及產品，著重培育及使用高校云資源，具有極強的現實研究價值。
1大數據及其基本概述
大數據這一概念首先由麥肯錫公司在于2011年在分析報告中提出，在這一報告中，該公司表示：在社會生產生活各領域中，已被數據廣泛覆蓋，數據開始作為一種生產要素存在，通過對數據的調用，可以培育出新的消費增長點。但在業界關于大數據的具體內涵界定上，尚未形成統一的表述，不一而足的內涵表述方式都是基于一點：大數據具備較為龐雜的數據量，在數據信息的種類及形式上具備繁復多樣性，大數據并不等同于海量數據[1]。
結合相關數據統計，2010年，全世界范圍內的信息數據總量達到了1.2ZB，通過對這些數據加以分析時可以獲取以下信息：結構化數據在數據總量中占比僅為10%左右，剩余的數據主要以半結構或非結構化數據形式為主，如視頻、郵件、微博等。除了數量龐雜，種類形式多樣外，大數據還具備了快速預測的特點，具有較高的應用價值。例如，美國的海洋及大氣管理部門，在日本發生地震災害后，借助大數據信息，能夠在極短的時間內制定并海嘯災害的預警防備措施，從而能夠為有效預防后續災害提供強力支撐。
2大數據時代背景下，高校云資源的整合與利用
在大數據時代，隨著信息技術及云計算的研究發展，高校信息建設能夠突破原有的信息局限性，消除原有的高校信息資源孤立化的弊端，可以通過云計算技術的運用將高校的各種教學資源加以整合利用，形成一個高校云資源儲存及管理的平臺，從而通過在此平臺中調用各類資源，為高校各項教學活動及管理決策的制定提供技術及服務參考。此外，更為重要的一點是，大數據時代背景下，伴隨云計算而出現了眾多的信息終端裝置，通過采用云計算技術，可以將這些信息終端裝置與高校的教學活動有效連接，一方面強化了教師與學生的交流溝通，另一方面有助于學生高效地開展學習活動。
總體上看，大數據時代的到來，給云計算功效的真正發揮提供了技術支持，使得云計算可以和大數據、高校三者之間有效銜接，使高校教育資源能夠被充分調動起來，為高校云資源的整合利用帶來了一些新的變革：
2.1為高校圖書館管理及發展提供契機
大數據時代下云計算的優勢在高校圖書館中體現最為明顯，其給高校圖書館管理及發展帶來的影響主要是改變了其服務的基本形態，借助云計算，可以使圖書館進行網絡及數字化應用階段，從而建立起了以云資源為主要模式的高校數字圖書館。例如，借助云計算技術，我國山東省高校圖書館構成了基于云技術的圖書館聯盟，實現了資源、管理及服務上的共享化，一體化。
此外，大數據憑借其數據分析及挖掘功能，可以對云儲存端的各種信息數據加以分析歸納，從而對學生的圖書借閱需求，學生群體的知識層次結構等加以揣摩，從而為圖書館管理者更好地進行決策提供借鑒；針對借閱者的科研及讀者與圖書館之間的交互服務，可以借助大數據開展預測分析，做到圖書館后期發展階段未雨綢繆；針對圖書館信息數據的館藏，還可以通過大數據建立相關的風險評估模型。
2.2 為高校學習效率的提升提供指導
大數據和及云計算之間的融合，能夠使教育資源實現應用上的有機整合，做到將存儲在云端的高校教學資源加以共享，再借助大數據的數據分析及挖掘功能，對教育信息資源中蘊藏的各種數據信息進行分析提煉，從而為高校教與學策略規劃提供幫助[2]。此外，通過運用大數據還可以著重對學生在學習中的各項行為及愛好等數據信息加以分析，摸準學生的學習特點，以此為教師科學制定教學決策予以指導。最后，大數據還可以被用于對學生的學習效果及學習傾向進行分析評價，通過對學生業務時間參與各項活動的信息加以解析，可以對學生的學習效果及傾向加以評估，便于教師掌握學生學習及生活動態，提升教與學的效率。
2.3為高校管理決策提供參考
傳統的數據分析是基于群體調查而展開，不具備較高的數據精準性。進入大數據時代后，借助大數據具備的數據分析整理功能，可以為決策的制定提供更加全面到位的數據信息參考，從而使管理及決策者對市場、產品及消費群體的把握更加準確。作為高校來講，通過運用大數據及云端信息分析處理技術，也可以對高校的發展狀況及后期趨勢加以模擬，將高校管理決策與相應的數據信息相印證，從而起到規避決策風險的效果。另外，通過大數據技術，還能夠使高校教育達到質量與公平上的統一，而大數據技術貫穿于高校各個部門中，又可以進一步對高校教學及管理成效加以驗證，有助于高校改革的退行實施。
3大數據時代高校云資源應用中的數據處理及服務的原理和流程
大數據時代背景下，對云資源加以利用時，人們的關注點不僅僅局限于數據的分析及使用，而更加注重通過數據分析對之后的發展趨向加以預測。這就需要我們對云資源在信息數據處理及服務方面的流程進行探究。
3.1 高校云資源的信息數據處理
伴隨著云計算的出現，在教學資源的信息數據處理上有了革命性的提升，圍繞著云計算，各大高校著力打造以云為核心的教育模式。但在對高校云資源加以分析時，通常選用關系數據庫的形式，一方面其信息分析及管理成本較高，另一方面也無法對后期教育資源應用趨勢加以前瞻分析。因此，基于大數據，Hadoop技術得以形成，該技術涵蓋了資源內存檢索、數據實時反應，主要借助Map Reduce對數據加以管理，從而做到了對信息資源的高效分析。在具體處理流程上，該平臺通過對云端上的各種信息碎片數據，如學生及教室的云端信息等加以整理匯總，然后再對這些數據碎片加以提煉，形成具有連續性的信息數據，最后該平臺接收并對這些信息數據加以分析，在數據挖掘技術的配合下，最終構成具備較強價值的信息，為教師、學生及管理者提供指導。
3.2 高校云資源的教育資源服務
在大數據及云計算的輔助下，高校資源的用戶在資源需求上也出現了一定程度的變化，由此也使高校資源在服務上，管理模式上及途徑上也有所改變。結合大數據及云計算的特征規律，可以預見到，高校教育及服務主要依靠采用大數據對信息數據加以分析、提煉，在此基礎上提供具體的資源服務，因此，高校云資源教育服務的針對性將更加凸顯[3]。首先，高校云資源是以提供準確及時的信息服務為宗旨，資源用戶不必探究其形成過程，只要對其結果加以運用即。其次，大數據技術體系下，通過對信息數據碎片加以分析，然后反饋到云端資源中，用戶可以針對某一項信息要素，如教學方法及手段進行重點分析，可以對其效果加以評估，從而使教師及時修正自身教學方式，以提高教學效率。第三，大數據時代與信息化的有效結合，能夠使高校云資源服務形式更加多樣，如教師及學生可以對資源使用情況進行評價，通過大數據進行采集及分析，可以對教育資源的使用及改進建議加以匯總，從而提高云資源服務的主動性。
4大數據時代高校云資源應用的趨勢分析
4.1 高校云資源的應用以滿足學生終身學習需求為方向
在大數據時代下，作為高校信息資源來說，已經不是傳統的較為明確的關系數據，而是各種基于學生訪問及調用的各種非結構形式的數據，如信息資源的瀏覽訪問及下載訪問等[4]。在這一趨勢下，高校云資源的信息數據處理就需要將重點轉向對此類信息數據的分析工作，然后將結果以數據的形式加以呈現，從而便于學生能夠對自身的學習情況及信息獲取頻率加以掌握，使學生從盲目地學習狀態中走出，滿足自身終身學習的需求。
4.2 高校云資源的應用以打造交流溝通類型的課堂教學形式為方向
傳統高校教學課堂，師生之間的交流不夠頻繁，教學效果收效不明顯，在大數據時代背景下，借助大數據分析技術，教師能夠對學生的學習情況加以全面掌握，從而根據學生的學習興趣點及側重點，通過多種多樣的教學手段，從高校云資源中挑選教學資源，通過教學課件及視頻的方式予以呈現，一方面可以使學生的學習更具針對性，另一方面圍繞學習中的難點及重點，教師也能夠更多地與學生展開交流溝通，從而實現教學相長的目標。
5 高校云資源的應用以促進教室及教學設備管理更加快捷高效為方向
在高校教室及相應的教學設備管理上，在大數據時代以前，往往安排專人進行負責，一方面增加了高校的人力投入成本，另一方面其管理效率未必高效。與之相對應，在大數據時代背景下，可以通過對高校云資源的存儲信息加以提煉，獲取高校教室及相應的教學設備使用數據，通過對其加以分析整理，可以形成某一時段教室及設備的應用信息及應用的趨勢，從而為管理人員科學判斷該教室及設備能否滿足教學活動需求，是否存在故障發生臨界點提供數據支持，以便管理人員及時對教室及設備加以維保，既節約了管理成本，又能夠提高教室及設備資源的利用效率。
6 結束語
大數據伴隨著信息技術及云計算技術的不斷發展而出現，現已被各行業管理人員普遍重視，并著重開展了相關的實踐及應用。作為高校來講，其信息資源逐漸向著復雜化、規?；较虬l展，通過借助大數據及云計算技術，可以建立高校云資源數據庫，為教學、學習及決策提供詳盡科學的指導。
參考文獻：
[1] 鄒流鄉，王朝斌.高校云計算資源共享平臺建設研究[J].西華師范大學學報（自然科學版），2014（1）：91-94.
[2] 郭松.大數據時代高校學習資源云存儲模型構建研究[J].軟件導刊?教育技術，2014（11）：48-49.
大數據運營分析范文3
【關鍵詞】 大數據 互聯網+ hadoop
一、引言
隨著互聯網、物聯網、車聯網的快速發展以及手機、平板電腦等各種智能終端的普及帶來了數據量的爆發式增長，數據逐步成為企業乃至國家的戰略資產。在國家層面，大數據技術事關國家安全和未來，成為大國博弈的另一空間。2012年3月29日，美國政府宣布了“大數據研究和發展倡議”，以推進從大量的、復雜的數據集合中獲取知識和洞見的能力，投資總共超過2億美元，來大力推動和改善與大數據相關的收集、組織和分析工具及技術，這也是大數據技術從商業領域上升到國家戰略高度的開端。
2015年中國政府提出“互聯網+行動計劃”，互聯網化已經成為各個傳統行業升級和創新商業模式的最重要的議題，互聯網+時代的到來，不僅在改善和提升用戶體驗上發揮作用，更會重構已有的商業模式?；ヂ摼W+對傳統產業的改造，將誕生海量的數據資產，所帶來的一個共同點就是大數據將成為推動行業創新的驅動引擎。不久的將來，全新的數據商業時代將開啟。
無論哪種智能終端，上網都要經過運營商管道；運營商可以獲取包括淘寶、騰訊、百度等各種平臺的數據。隨著4G數據時代的到來，運營商將獲得更加完備的資源，這個“大數據”主要是大量的用戶行為數據，能否挖掘出這些數據的價值將決定能否把握住大數據帶來的機遇。
二、大數據時期運營商的影響與挑戰
越來越多的行業被移動互聯網進行滲透，帶來大數據的黃金時代，諸如：醫療、教育、娛樂、旅游、出行等，這將帶動大量的用戶行為和信息及各類大數據。我們認為，現在大數據可能已經達到增長的拐點，未來大數據將出現井噴。根據愛立信的報告，2020年的大數據產生量將接近目前的10倍。而大數據的激增以及各類大數據的融合使得大數據的大規模商業化和落地變得可能。
目前非結構化數據已接近總數據的 90%，而非結構化大數據的分析仍處于開始階段，未來大數據的價值挖掘及變現將是高速發展的領域，將造就千億級以上市場，而其中將誕生大量機遇以及機會。[1]
通信大數據已迎來黃金時代，15年是運營商大數據的推進年。截止2015年底中國網民規模達6.68億，手機上網人群占比88.9%。運營商基本于2012年開始進行大數據布局，在經過3年多的大數據積累后，這些大數據的價值需要兌現。從運營商訴求看，傳統業務下降明顯，運營商亟需拓展新業務。
三大運營商在大數據的進展上略有差異。電信進展最快、聯通次之、移動進展相對較慢。中電信大數據布局迅速主要是依靠之前固網寬帶和IPTV業務，使得其在移動互聯時代之前已有大量數據并已開始進行采集和分析，無論是在數據的廣度還是范圍上均有優勢，其應用進展相對較快。
大數據給運營商相關技術帶來極大挑戰，主要是數據的管理、采集、分析不足。數據量的增加使得運營商傳統的處理數據和存儲壓力增大，數據類型的多樣化使得傳統數據處理窗口難以處理。另外，運營商知道用戶訪問過哪些網站，但是不知道用戶究竟看了哪些內容；或者知道用戶在哪個地址，但是不知道用戶在哪個地點。在數據分析方面，運營商希望復合關聯，希望快速實施，但事實上，現有的DPI的分析僅僅用了幾張報表。數據散落在各種系統中無法進行有效的采集、分析。海量的半結構化和非結構化的數據大大降低了數據處理的效率，給運營商帶來了巨大的數據存儲和讀寫壓力。如若不能縮短數據處理的周期，很多數據的價值都會被極大地稀釋。
在運營商中，傳統數據包括IT支撐系統數據、電子渠道及商務數據、網絡資源及運維數據和增值業務衍生及內容數據等。這些數據大部分都是結構化數據，存儲在傳統數據庫中，隨著日志數據、各種流媒體數據、物聯網數據等半結構化和非結構化數據越來越多，傳統廠商將Hadoop、MPP技術逐漸融入到傳統數據庫中。未來大數據平臺將超越傳統智能分析層面，從應用、角色角度回去找數據、統計建模并最終提供知識，這必將為運營商傳統IT支撐系統的各個域產生重要影響，要求運營商結合自身的業務特性、系統特性、管理訴求，在大數據環境下研究企業業務應用及管理需求，如智能流量支撐、大服務支撐、電子商務/精細化商品營銷支撐、精細化資源管控支撐等對數據的要求，對企業級數據進行管理和經營，建立符合電信運營商的大數據框架。
三、 大數據在IT支撐系統應用存在的問題
目前各運營商在大數據應用中都有一定的探索，但還處于初期階段，也暴露的諸多問題：
1.數據層面：數據沒有全量采集與接收，缺乏集中統一的數據處理。2、平臺層面：IT支撐系統支撐能力不足，不能有效的支撐大數據應用落地。3、業務層面：大數據應用價值還未被大眾全面認知，亟待推廣。4、運營層面：沒有專門數據運營人員，人員分散沒有形成聚力。
運營商需要在公司層面進行大數據規劃，從業務、IT、管理配套、技術能力等方面，統籌考慮，進行全面部署。
四、主流大數據處理技術
（1）Hadoop技術。應用分析：Hadoop 在處理非結構數據和半結構數據上具備優勢，尤其適合海量數據批處理等應用需求。隨著Hadoop技術的成熟，基于Hadoop的即時查詢技術也逐漸嶄露頭角。應用場景：適用于大規模網絡數據的采集、處理、存儲和交換，應用于非結構化數據處理和半結構化日志處理。如：ETL、詳單查詢、機器學習和數據挖掘、冷數據存儲。
（2）MPP技術。應用分析： MPP數據庫適合結構化數據的深度分析、復雜查詢以及多變的自助分析類應用。無需像Hadoop一樣需要定制開發，同時可以降低擁有成本。應用場景：MPP數據庫面向的是海量數據的分析型場景，通過列存儲模式、數據壓縮、智能化索引、并行處理、并發控制、高效的查詢優化器等技術，讓大數據的分析場景最大限度地減少了磁盤I/O，提升了查詢效率。
（3）流計算技術。應用分析：Storm是一種開源的分布式實時計算系統，可以簡單、高效、可靠地處理大量的數據流。應用場景：通過提取和分析來自各種分布式系統的信息，來解決企業監控和管理的各種問題。目前流計算技術可以應用于營業廳營銷信息定制化推薦、電子營業廳營銷信息推送等實時營銷，四網協同、渠道協同等實時服務以及熱點區域用戶監控、關鍵業務指標監控等實時監控等應用場景。
（4）NoSQL技術。應用分析： NoSQL拋棄了關系數據庫復雜的關系操作、事務處理等功能，僅提供簡單的鍵值對（Key，Value）數據的存儲與查詢，換取高擴展性和高性能。例如HBase。應用場景：HBase是基于Hadoop的NoSQL數據庫。HBase的典型場景可用于詳單存儲和查詢、互聯網內容存儲、GiS數據存儲、半結構化歷史數據存儲。[2]
五、 運營商的大數據應用
5.1流量經營精細化
深入洞察客戶、助力精準營銷和指導網絡優化。首先，基于客戶終端信息、手機上網行為軌跡等豐富的數據，借助DPI（Deep Packet Inspection，深度數據包檢測）技術等，建立客戶超級細分模型，為各細分群組客戶打上互聯網行為標簽，完善客戶的360度畫像，深入了解客戶行為偏好和需求特征；其次，根據用戶行為偏好，推送合適的業務，并根據對客戶特征的深入理解，建立客戶與業務、資費套餐、終端類型、在用網絡的精準匹配，同時也能做到在推送渠道、推送時機、推送方式上滿足客戶的個性化需求，實現全程精準營銷；再次，利用大數據技術實時采集處理網絡信令數據，監控網絡狀況，識別價值小區和業務熱點小區，更精準的指導網絡優化，實現網絡、應用和用戶的智能指配。
5.2智能客服
深入分析客服熱線呼入客戶的IVR行為特征、訪問路徑、等候時長等等，同時結合客戶歷史接觸信息、基本屬性等，建立熱線呼入客戶的智能識別模型?；诳蛻糁悄茏R別模型可以在某類客戶下次呼入前預先推測其呼入的需求大體是什么，IVR接入后應該走什么樣的節點和處理流程。這樣，就可以基于呼入客戶習慣與需求的事先預測而設計的按鍵菜單、訪問路徑和處理流程，合理控制人工處理量，縮短梳理時限，為客戶服務中心內部流程優化提供數據支撐，有助于提升熱線服務管理水平，加速熱線營銷渠道資源整合，有效識別客戶投訴風險，助力智能客服中心的建設。
5.3觸發營銷
通過用戶消費行為、用戶上網行為等行為進行分析為用戶設定包括時間、位置、行為等觸發條件為用戶提供相應的應用，實現實時動態營銷。
5.4對外數據服務
對外數據服務是大數據應用的高級階段，這個階段運營商不再局限于利用大數據來提升內部管理效益，而是更加注重數據資產的平臺化運營。利用大數據資產優勢，將數據封裝成服務，提供給相關行業的企業用戶，為合作伙伴提供數據分析開放能力。
六、結束語
大數據的技術及其應用挖掘對運營商來說還是起步和發展階段，運營商目前自上而下的傳統運營模式無法更接近用戶需求，為支撐大數據業務開展需要，重新梳理企業的經營模式和組織機制，全面轉向以客戶和消費者為中心的運營體系，包括信息系統、組織支撐模式、業務模式、人力儲備、企業合作模式等諸多方面，進行運營模式的變革創新。進而提高運營商互聯網戰略的支撐能力，驅動企業精細化、智能化管理，支持對外信息服務、生態化運營，挖掘出大數據的核心價值。
參 考 文 獻
大數據運營分析范文4
隨著物聯網、云計算、數據挖掘技術等的發展和漸漸成熟，大數據已成為企業關注的焦點。電信運營商擁有其他企業不具有的數據資源，大數據技術的出現與發展為電信運營商深挖數據提供了技術手段，同時也為其更好地服務客戶提供了新的機遇。本文結合大數據的技術現狀以及4C營銷策略的特點，探析了大數據技術在電信運營商應采用的營銷策略。
【關鍵詞】
大數據；電信運營商；4C營銷策略
0 引言
繼移動互聯網、云計算、物聯網等互聯網信息技術之后，大數據作為一個嶄新的名詞出現在我們面前。大數據是信息產業一次巨大的技術革命，對企業管理決策、拓展業務和組織流程，以及人們的生產生活方式等都會在一定程度上產生很大的影響。
大數據（Big Data）就是在一定時間內，用傳統數據庫軟件工具沒有辦法對其內容進行提取、管理和分析的數據集合。它具有4個特點，即：（ 1） Volumes 指數據體巨大。 （ 2） Variety 數據類別繁多，主要包括了大量的不易處理的半結構化和非結構化數據。（ 3） Value 數據的價值密度較低，由于數據量大，所以從中提取的有價值的信息就相對總量來說很少。 （ 4） Velocity數據處理速度要求非?？?。不光有歷史數據，同時包含大量實時或在線數據需要處理。
1 大數據時代電信運營商的機遇及挑戰
1.1 機遇和優勢
在大數據逐漸應用到各行各業的背景下，電信運營商具有其他企業不具有的數據資源。首先，電信網絡具有壟斷地位，只有電信運營商具有提供可管控的全程全網服務和端到端網絡接入能力；其次，電信運營商作為用戶的第一接觸者，具有很強的用戶聚合能力，擁有獨一無二的用戶資源；再者，電信運營商在業務運營和提供服務的過程中獲得網絡狀態、業務狀態等數據，更重要的是對用戶身份、業務類別、關系網絡和消費能力與信用等特征數據的識別。
1.2 挑戰和劣勢
近十年來，電信產業產生了史無前例的技術變革，尤其是在2009年至今，3G技術的迅猛發展，移動互聯網的普及，各種商業模式被慢慢打破。網絡的擴容與升級并沒有給電信運營商帶來可觀的利潤，通過分析2013年第一季度的數據，可知電信、移動、聯通三大運營商的傳統業務和整體固網業務都在一定程度上受到了互聯網的較大沖擊，增長減緩甚至下滑。
此外，大數據時代運營商還面臨著來自數據獲取、分析及管理方面的挑戰。大量的半結構化和非結構化的數據形式在很大程度上降低了數據分析處理的效率，在數據讀寫及存儲方面，給運營商也帶來了巨大的壓力。大數據使人們更加關注隱私的保護，“棱鏡”事件給大數據時代的政府和企業都敲了警鐘，以犧牲個人隱私為代價的商業價值的創造會受到來自各方面的抵制壓力。因此電信運營商也要重視用戶的隱私問題，對地理位置、用戶身份、行為路徑等涉及隱私的信息實施有效保護。
2 電信運營商的4C營銷策略
隨著市場競爭越來越激烈，媒介傳播的速度也越來越快，美國學者羅伯特·勞特朋（Robert Lauterborn）教授在1990年提出了與傳統營銷的 4P 營銷理論相對應的 4C 營銷理論。即：Customer（顧客）顧客的真正需求、Cost（成本）顧客獲取產品或服務的成本、Convenience（便利）顧客消費的方便性、Communication（溝通）產品促銷和消費者信息反饋。電信運營商的系統本質是為用戶與用戶、設備與設備、用戶與設備之間提供通信信道，每天承載著海量信息，大數據的出現為運營商完成高效的4C營銷策略提供技術支持.
2.1 Customer（顧客）主要指顧客的需求。電信運營商只有通過對合法取得數據的高效分析，做到真正地了解客戶需求，才能開發出更適合顧客的產品。其策略主要有：（1）現有業務的優化和改進。比如：運用大數據分析，對所有的在網用戶的消費者行為進行分析，了解他們的消費習慣，逐漸完善電信行業的產品定制化；（2）4G時代的到來將推動移動數據業務量的不斷增長，電信運營商不能只作為一個渠道商，要更多地與設備和應用提供商合作，推出客戶需要的產品。比如：中國電信與網易合作推出了“易信”；（3）創新業務模式，主要的業務對象包括家庭、企業、政府及第三方。對于家庭用戶，利用運營商的網絡數據和GPS數據相結合，在合法的前提下提供針對特殊群體的定位服務。對于企業用戶，主要有兩種模式創新：一是基于運營商的數據分析，提供相應的咨詢服務；二是將運營商的數據與企業的信息傳送能力相結合，使數據與電信業務相互促進。對于政府和第三方，則主要提供信息服務和基于業務類型的統計服務。
2.2 Cost（成本） 不單指企業的生產成本，而應該更多考慮顧客的購買成本，同時也意味著產品定價的理想情況應該是既低于顧客的心理價格，又能夠讓企業盈利。運營商利用大數據技術對消費者信息的分析，掌握消費者的消費習慣，更精確地預測出消費者心理價格，合理定價。
2.3 Convenience（便利） 即為顧客提供最大的購物和使用便利。顧客取得電信服務的渠道主要有：營業網點、網上營業廳（包括微博、微信、易信等平臺）、語音客服。營業網點主要辦理開戶業務；網上營業廳主要辦理繳費和增值業務；語音客服主要處理客戶使用過程中遇到的問題。運用大數據分析各個服務渠道的使用情況，合理地調配資源，更高效地為讓客戶服務。
2.4 Communication（溝通）企業、顧客雙向溝通，建立基于共同利益的新型關系。電信運營商不僅要通過營銷讓客戶了解并且購買電信產品，還要及時從客戶那得到客戶對產品及其服務的反饋，以便運營商能更好地改進和提高產品和服務的質量。電信運營商運用大數據分析不同客戶接觸廣告媒體的習慣，并分配好營銷資源，及分配互聯網營銷和傳統營銷在整個營銷過程中所占比例。通過營業網點、網上營業廳、語音客服運營商可以收集到很多客服的意見和建議，運用大數據技術對這些信息進行處理分析，能讓運營商更好地了解客戶以及產品的優缺點，做到高效溝通。
3 總結
大數據時代的到來，給電信運營商帶來機遇同時也帶來了挑戰。隨著科技的發展、技術的進步，電信運營商會在不觸犯消費者隱私的前提下把這些轉化為其資產。將4C的營銷理論應用到電信運營商大數據的處理過程中，優化并開發出滿足客戶的產品，最后把大數據資產轉換成電信運營商的利潤。
【參考文獻】
[1]李政、李繼兵、丁偉?；诖髷祿碾娦胚\營商業務模式研究。移動通信2013年05期
[2] 童曉渝 張云勇 房秉毅 雷磊。大數據時代電信運營商的機遇。信息通信技術 2013年 第01期
[3]百度文庫.4C營銷理論。2013/11/20 http：///link？url=7ir8faGnOdL6FQVLduLPufoF2bHO3v6NAgYSm3qoX-mPD74FMoTtFELhwkwaHm977k00X--MK_NV_MaIzL_UTa
大數據運營分析范文5
〔關鍵詞〕復雜網絡；電信大數據；靜態數據；動態數據；社團劃分
〔中圖分類號〕G434〔文獻標識碼〕A〔文章編號〕1008-0821（2014）06-0066-04
大數據是繼云計算、物聯網之后信息通信技術產業界又一次顛覆性的技術變革。對于整個產業而言，大數據市場是塊等待挖掘的“金礦”，因此，如何充分利用大數據，并使其進一步發展壯大，也成為整個業界共同探究的熱點話題。在大數據領域探索中，相較于其他企業，電信運營商由于在數據資源、基礎資源、平臺資源上擁有先天優勢，因此對于大數據的探索需求更為深入。但目前電信業在經歷近十年來的變革后，各種商業模式被打破。盡管電信運營商一直積極地推進4G網絡建設，但網絡的持續擴容與升級并未給電信運營商帶來十分可觀的收入，并且，更為嚴峻的是，在大數據時代，電信運營商還面臨著來自數據、管理方面的巨大挑戰。海量的半結構化和非結構化的數據大大降低了數據處理的效率，給運營商帶來了巨大的數據存儲和讀寫壓力。如若不能縮短數據處理的周期，很多數據的價值都會被極大地稀釋。此外，龐大的數據規模和復雜的數據種類也給運營商帶來了管理層面的難題。
1電信運營商大數據應用及系統框架
電信運營商關于大數據的應用主要包括以下4種類型。首先，是基本的語音數據分析，運營商可以利用自動語音識別數據對自身的產品進行服務，并通過用戶偏好分析，及時、準確進行業務推薦，強化客戶關懷，這樣就可以不斷改善用戶體驗，增加用戶的信息消費；其次，網絡流量分析，主要指通過大數據分析網絡的流量、流向變化趨勢，及時調整資源配置，還可以分析網絡日志，進行全網絡優化，不斷提升網絡質量和網絡利用率；第三，在企業經營層面，可以通過業務、資源、財務等各類數據的綜合分析，快速準確地確定公司經營管理和市場競爭策略；第四，在業務創新層面，可以在確保用戶隱私不被侵犯的前提下，對數據進行深度加工，對外提供信息服務，為企業創造新的價值。這樣，大數據將幫助運營商實現從網絡服務提供商，向信息服務提供商的轉變。
結合電信運營商的業務情況以及目前大數據的挑戰，業界提出了針對電信運營商大數據管理總體系統框架模型，其核心主要包括4層，即物理層、數據層、模型層和應用層。其中數據層是整個運營商大數據管理的核心部分，為上層應用提供數據支持（如圖1所示）。
2電信大數據解決方案與需求分析
目前，中國移動采用Apache Hadoop軟件的英特爾分發版來消除數據訪問瓶頸和發現用戶使用習慣，開展更有針對性的營銷利用，同時利用Hadoop分布式數據庫（Hadoop HBase）擴展存儲。中國聯通也是利用Hadoop來實現對大數據的存儲和分析，構建了基于Hadoop的結構化訪問數據庫，還采用數據倉庫技術，針對海量數據進行高性能查詢和分析工作。但海量數據的出現、數據結構的改變，也給運營商的大數據管理及分析帶來了挑戰。主要表現在：一是由于多種業務的發展、市場需求的變化和網絡規模的擴大使得運營商大數據迅速的增加，這增加了運營商大數據存儲和處理的難度，使得現有數據倉庫無法線性擴容，這表明傳統的數據倉庫無法有效存儲日益增長的業務數據；二是由于新型大數據服務不同于傳統通信業務分析特點，需要對內容等非結構化、大容量信息進行多用戶、多應用、實時有效的分析，傳統的架構和數據倉庫處理已不能滿足新的信息服務需求。因此，運營商需要建立新型大數據中心，來存儲、分析和處理海量數據。電信運營商采用的傳統數據挖掘方法主要包括描述和預測兩個方向，具體方法包括關聯分析、分類和聚類等，這些方法較多應用于關系數據庫系統，而目前電信運營商所面對的數據越來越多樣化，復雜化程度不斷增加，非結構化數據占據的比重不斷攀升，傳統的數據挖掘辦法已經不能跟上電信業大數據處理的實際需求。自從1998年Watts和Strogatz在Nature雜志上發表文章，引入了小世界網絡模型之后，國內外學界注意到了復雜網絡研究的趨勢，開始展開深入的研究。復雜網絡研究的內容主要包括：網絡的幾何性質，網絡的形成機制，網絡演化的統計規律，網絡上的模型性質，以及網絡的結構穩定性，網絡的演化動力學機制等問題。上述復雜網絡的研究內容恰恰與電信運營商目前所擁有的大數據內容和處理需求緊密地結合在一起，為電信運營商的大數據處理開辟了一條嶄新的方向。
3基于復雜網絡大數據處理
針對電信運營商大數據處理的第一步是數據預處理及準備，以發生最多、數據量最大的客戶通話行為為例，它和用戶通話行為直接相關，其中涵蓋的具體內容如表1所示，如通話時長，基站信息等等，如果再加入個人年齡、性別等信息，則構成多維數據，為大數據分體提供更多基礎數據。接下來，針對基于復雜網絡的電信大數據分析研究可以從以下3個方面展開，分別是靜態研究、動態研究和社團挖掘研究。
3.1靜態數據研究
電信的運營數據的結構隨著時間在不斷地發生變化，而且是比較典型的多維數據，復雜網絡的最初研究對象是某個網絡在某個特定時間段的內容，譬如，某個市、區在某幾個月的通話數據，由此可以形成一個典型的網絡。在這里，以IEEE VAST 2008的數據集作為研究對象，它包括了一組涉及400人左右的10天通話數據，通話記錄數為9 834條。
利用復雜網絡方法對遠程教育網絡的研究起始于基本的3項內容，它們分別是度與度分布、平均路徑長度和聚類系數。
度的意義是指與該頁面節點連接的其他頁面節點的數目。在對電信通話數據的實際研究中主要是指一個用戶存在的與其他用戶通話的信息數目。一個用戶節點的呼出與呼入數量又分為出度和入度。所有用戶節點度的平均值稱為網絡的平均度。數據顯示該通話記錄的節點平均度為3-9，從復雜網絡研究角度出發，一個用戶節點無論從出度或入度的大小都直接與該用戶的重要程度相關。由圖2和圖3可以看出，個別用戶節點擁有較大的出度與入度，他們在整個網絡中扮演了核心節點的角色，通過這幾個節點將其他用戶緊密地聯系在一起。
平均路徑是基于復雜網絡電信大數據的另一個十分重要的指標，它主要是指網絡中兩個節點之間最短路徑的邊數。任意兩個節點的最大值稱為網絡的直徑，上述網絡的直徑為8。平均路徑長度是衡量網絡轉發能力的一個重要參數，具有較短路徑長度可以降低傳輸的延遲，對于網站的查找具有決定性的作用，上述網絡的平均路徑長度為4-2，一般電信每個月的網絡直徑為20左右，整個網絡的直徑在15左右，這就充分說明該網絡具有緊湊的結構，保證用戶可以花費最短的時間聯系到自己需要人，這對于電信運營商集團網絡的建設及營銷策略的細化非常重要。
聚類系數用于描述網絡連接的聚集程度，即網絡有多緊密，也就是說如果一個網絡結點有數個直接的鄰居結點，那么這些鄰居結點之間有可能也是鄰居。Watts和Strogatz首先指出，許多實際網絡的聚集系數遠大于相同結點規模的隨機網絡。
3.2動態數據研究
電信運營商大數據的分析具有其自身的特點，它的用戶動態性較強，呈現出“生命周期”的特征，時間演化性是電信通話數據的復雜網絡化固有屬性，任何網絡都會隨時間呈現出一定的演化規律，但數據分析不能以秒、分、時以單位展開，這樣單位內的數據量太有限，要想嘗試抓住用戶的核心商業價值，制定相應的營銷策略，就需要以月或者季為單位進行通話數據分析。
筆者將上述的數據導入復雜網絡分析軟件中，最終結果如圖4所示，其中包括通話日期、持續時間和基站信息，經過運算可以產生對電信數據商進行用戶分析的諸多結果。首先，在圖中可以發現明顯的聚集效應，他們的通話概率是其他用戶的2～3倍，這些用戶具有更高的活躍度，這些用戶在網朋友數目越多，其離網概率越小，由此可以幫助電信運營商建立流失模型，制定相應策略進而防止客戶流失。其次，可以發掘出部分的個人特征及通話偏好，譬如，有些用戶的通話量極少，有些用戶的通話大部分發生在夜間，建立這樣的用戶模型將有利于發現用戶的消費行為，利于各種用戶套餐的制定，方便降低運營成本。最后，通過基站數據的分析，可以發現該用戶的活躍地區和基站的負載程度，幫助電信運營商進行基站建設的規劃。
3.3社團挖掘研究
復雜網絡社團是指網絡中的頂點可以分成組，組內頂點間的連接比較稠密，組間頂點的連接比較稀疏。社團結構在電信運營商數據分析中扮演著十分重要的角色，它是了解整個網絡結構和功能的重要途徑。針對電信運營商的大數據處理而言，雖然它們的社團大小和數目是未知的，用戶之間的相互聯系是隨時間改變的，但這種網絡結構呈現出比較鮮明的層次結構，可以觀察出高密度或者低密度的社團結構。通過圖4，可以觀察到除了大部分的聚集用戶節點之外，還存在著其他類型的用戶節點，比如離群點和中心點。這些中心節點將對謠言或者手機病毒的傳播起到重要的作用，同時還會對新客戶的發掘起到推進作用。而離群節點則是比較典型的噪音數據，對這些數據的摒棄將有助于提高正常數據的處理速度。網絡社團結構的研究主要與計算機科學中的圖形分割和社會學中的分級聚類有著密切的關系。
目前，基于復雜網絡的許多社團網絡劃分算法都是在K-means基礎上提出和演化的，該算法在電信大數據處理中得到廣泛的應用。K-means經典算法的基本思想是：以空間中k個點為中心進行聚類，對最靠近他們的對象歸類。通過迭代的方法，逐次更新各聚類中心的值，直至得到最好的聚類結果。假設要把樣本集分為c個類別，算法描述如下：（1）適當選擇c個類的初始中心；（2）在第k次迭代中，對任意一個樣本，求其到c個中心的距離，將該樣本歸到距離最短的中心所在的類；（3）利用均值等方法更新該類的中心值；（4）對于所有的c個聚類中心，如果利用（2）（3）的迭代法更新后，值保持不變，則迭代結束，否則繼續迭代。該算法的最大優勢在于簡潔和快速。該算法的關鍵在于初始中心的選擇和距離公式。在電信大數據背景下，K-means算法在分類效果、實際運行時間方面體現出較強的實用性。通過上述數據的K-means算法社團劃分實驗分析，可以得到3個結構清晰的社團，他們分別包含59、29和6個用戶節點。
4結束語
針對電信運營商數據處理的傳統方法雖然能夠在一定程度上進行分析處理，但面對規模日益龐大的數據量，這些方法往往在實際過程中顯得力不從心，不能滿足實際需求。但伴隨著Google提出的MapReduee框架及其開源Hadoop等優秀的分布式架構涌現及應用，電信運營商能夠引入復雜網絡的系統科學方法進行大數據的處理分析。復雜網絡對電信大數據目前大量出現的非結構化數據具有極強的適應性，其重要意義在于它對數據的宏觀及微觀兩個方面的研究，宏觀研究包括網絡結構圖的繪制、網絡的演化和網絡魯棒性研究等，微觀研究主要是個體的研究，比如重要節點的發現、個體演化、社團劃分及事件發現等。而且，上述兩方面的研究工作是相輔相成的，其目標是對現實的復雜網絡進行有效的分析。總體來看，各個電信運營商利用大數據來推動業務轉型將是未來電信市場的一個重要方向。電信運營商如果能夠通過復雜網絡等新技術的進步，不斷釋放其管道中龐大數據的潛在力量，將會成廣大用戶提供更好的服務體驗。
參考文獻
[1]郭曉科.大數據[M].北京：清華大學出版社，2012：20-130.
[2]王星.大數據分析：方法與應用[M].北京：清華大學出版社，2013：30-208.
[3]楊勝琦.基于復雜網絡的大規模電信數據分析研究[D].北京：北京郵電大學，2010：12-120.
[4]李秋靜，葉云.電信大數據解決方案及實踐[J].中興通訊技術，2013，（6）：34-38.
大數據運營分析范文6
本文電信運營商所面臨4G移動互聯網大數據時代背景下，分析了電信運營商企業在大數據上的行業優勢，對比了電信運營商企業與普通互聯網企業在大數據應用上的差異，指出運營商在大數據平臺建設上架構和思路。最后，通過用戶清單查詢應用、上網行為分析兩個大數據應用案例，深入淺出的剖析了運營商行業大數據應用發展趨勢。
【關鍵詞】運營商 移動互聯網 大數據應用 數據挖掘 上網行為分析
伴隨著移動互聯網、云計算技術迅速發展，各電信運營商新業務層出不窮，用戶規模和業務數據呈現爆炸式增長，數據密度和數據關系復雜程度空前提高。以中國電信為例，據統計擁有用戶規模在2000萬的省份，每天僅3G上網數據存儲容量在5～10TB。大數據使運營商擁有了最有利的基礎資源，被成為“數據金礦”，迫切需要從海量的結構化和非結構化數據中挖掘出價值，尋求新的商業運作模式?！斑@是一種革命，我們確實正在進行這場革命，龐大的新數據來源所帶來的量化轉變將在學術界、企業界和政界中迅速蔓延開來。沒有哪個領域不會受到影響，迎來大數據時代?！?/p>
1 理解大數據
運營商的數據，經過多年的業務發展，IT系統中涵蓋了客戶數據、業務數據、服務數據、網絡數據，數據在空間和內容上，不是一般互聯網企業能與之相提并論的，可以說電信運營商在發展大數據、利用大數據上有天然的優勢：
1.1 數據種類多樣性
運營商掌控數以億計用戶，海量業務數據呈現多樣性。
1.2 數據實時性
全網用戶無時無刻不在發生通信行為，數據輸出不間斷、實時存儲。
1.3 數據價值有效性
數據分析后的決策運用，在盈利的同時，能夠給用戶提供靈活的、個性化服務，推進行業發展進步。
不過，受經營的業務實體、經營體制影響，運營商與普通互聯網企業的大數據相比，有著明顯的差異。如表1。
2 運營商大數據平臺建設架構和思路
電信運營商要想充分利用大數據管理來創造價值，開啟“數據金礦”的大門，就必須根據運營商自身特性，對原有的IT系統和業務平臺做升級改造，建立大數據平臺，并且平臺在性能、擴展性、安全性、易管理、集成能力等多個方面要有可靠的技術保障。
（1）基礎設施層的開放性。
（2）整個系統的穩定性和高性能。
（3）平臺層的基礎接口直接影響到上層大數據應用的開發。
（4）平臺層應該做到與應用無關，保持應用開放性。
3 運營商大數據目前典型應用案例
3.1 用戶清單查詢應用
當前運營商現有清單查詢系統大多采用傳統架構，支持當前1個月、歷史5個月的詳單查詢。然而傳統架構卻存在一系列問題。在容量方面，移動互聯網的數據增長過快，應用緊耦合，不能平滑的橫向擴展，導致查詢接口響應時間長，查詢成功率保障不足，系統部署過于集中，主機資源競爭嚴重。同時傳統模式建設與存儲資源擴展成本高，除此之外，在安全、可靠、管理方面，傳統架構系統高可用保障能力不足。
為了解決上述問題，運營商迫切希望應用開源Hadoop技術，該技術的高擴展性受到業界稱贊。福建電信公司基于IBM服務器，采用Symphony + GPFS-FPO + HBase架構提出了大據解決方案，上層部署清單查詢應用。清單文件數據加載過程中，加載一個月的清單文件數據，詳單條數約在29.9億條，容量共700GB，處理速度在72.7Mbit/s，明顯提升了查詢速度。
3.2 用戶上網行為分析應用
北京電信建設了大數據和分析項目--互聯網行為標簽系統，在該系統中開發了獨立的DPI流量查詢模塊，開展針對性上網內容與營銷產品推薦。
該系統采用四層的應用架構。在接口層，互聯網行為標簽系統抽取白名單用戶號碼，并從DPI采集用戶移動互聯網上網日志信息；數據庫層，保存同步的用戶移動互聯網上網日志、保存并更新URL庫、APP庫、分類庫，以及互聯網行為標簽結果數據；應用層，實現對用戶移動互聯網行為標簽分析過程、智能機搜索匹配分析過程、專題分析的網址匹配分析過程，并將分析結果標識，同時應用層實現對地址庫的定期更新；輸出層，互聯網行為標簽系統將互聯網行為標簽、智能機搜索標簽、專題分析的地址匹配標簽統計并輸出到ODS等應用系統。
4 結語
運營商4G紛至沓來，將進一步加快移動互聯網發展步伐，運營商將面臨更加多元化的數據信息，更加深入的分析與挖掘，大數據的處理需求更加迫切。運營商要做好IT人才培養與人才儲備，在大數據的激烈的競爭中推進相關技術和應用，尋求商業模式創新和業務創新，提升客戶感知，推進互聯網不斷向前發展。
參考文獻
[1]錢志新.數據大金礦[M].南京：南京大學出版社，2013.
[2]王海濤，劉波.云計算和關鍵技術問題的分析研究[J].電力系統通信，2011（32）.
作者簡介
王長武（1965-），男，大學本科學歷，學士學位?，F為中國電信吉林公司高級工程師。
