李 嫚，姚文勝，龔至?xí)?/p>

（中國(guó)電信股份有限公司廣州研究院 廣州510630）

1 引言

信息化浪潮無時(shí)無刻不在改變著人們的生產(chǎn)方式和生活方式，云計(jì)算、物聯(lián)網(wǎng)等信息技術(shù)催生了呈幾何級(jí)數(shù)增長(zhǎng)的海量信息。在此背景下，大數(shù)據(jù)應(yīng)運(yùn)而生，全球進(jìn)入ZB時(shí)代。2010年全球數(shù)據(jù)量達(dá)到1.2 ZB，2011年全球數(shù)據(jù)量達(dá)到1.8 ZB，2020年將達(dá)到35 ZB。傳統(tǒng)數(shù)據(jù)分析方式已無法進(jìn)行辨析和處理，只有“大數(shù)據(jù)應(yīng)用”才能從數(shù)據(jù)匯聚到知識(shí)生成，根本解決“數(shù)據(jù)太多、知識(shí)太少”的問題。麥肯錫全球研究機(jī)構(gòu)發(fā)布的信息認(rèn)為，大數(shù)據(jù)是創(chuàng)新、競(jìng)爭(zhēng)和生產(chǎn)力的下一個(gè)前沿領(lǐng)域，數(shù)據(jù)將會(huì)給社會(huì)帶來更大的價(jià)值。事實(shí)上，任何一個(gè)行業(yè)的領(lǐng)軍者都已經(jīng)看到了大數(shù)據(jù)所帶來的前所未有的潛力和重大意義，在大數(shù)據(jù)時(shí)代，擁有數(shù)據(jù)的公司無疑將取得巨大的成功。因?yàn)樗麄兙哂卸床炝?，大?shù)據(jù)也會(huì)提供他們?nèi)碌亩床炝?。運(yùn)營(yíng)商無疑坐擁一座天然的寶藏，但是能否挖掘、提煉出這些礦藏中的價(jià)值將決定于運(yùn)營(yíng)商能否把握住大數(shù)據(jù)帶來的趨勢(shì)性、前瞻性的信息，從而轉(zhuǎn)化為驚人的社會(huì)價(jià)值和商業(yè)價(jià)值。

2 大數(shù)據(jù)概述

大數(shù)據(jù)是指需要通過快速獲取、處理、分析以從中提取價(jià)值的海量多樣化數(shù)據(jù)，是現(xiàn)有工具無法在可以容忍的時(shí)間內(nèi)對(duì)其進(jìn)行抓取、管理和處理的數(shù)據(jù)集合。大數(shù)據(jù)具有4V的特征：volume（體量巨大）、variety（類型繁多）、value（價(jià)值密度低）、velocity(實(shí)時(shí)處理)。volume意味著數(shù)據(jù)呈海量特征，從TB級(jí)別，躍升到PB級(jí)別，甚至是ZB級(jí)別。例如Facebook每分鐘發(fā)布50萬條評(píng)論、29萬條狀態(tài)更新和14萬張圖片；Google每天分析超過950 PB的數(shù)據(jù)；百度每天完成1.5 PB的數(shù)據(jù)挖掘。在這些海量的數(shù)據(jù)中，還包含繁多的類型：結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化以及圖片、文本、音頻、視頻等非結(jié)構(gòu)化數(shù)據(jù)。其處理速度要求也高，例如Google Percolator可以在2 s內(nèi)完成一個(gè)新網(wǎng)頁(yè)的索引并上線。value也是大數(shù)據(jù)的典型特點(diǎn)，以視頻監(jiān)控為例，在一天連續(xù)不間斷24 h的監(jiān)控過程中，可能有用的數(shù)據(jù)僅僅只有一兩個(gè)小時(shí)甚至更少。

大數(shù)據(jù)包括交易和交互數(shù)據(jù)集在內(nèi)的所有數(shù)據(jù)集，只要其規(guī)?；驈?fù)雜程度超出了常用技術(shù)按照合理的成本和時(shí)限捕捉、管理及處理這些數(shù)據(jù)集的能力，都將列入大數(shù)據(jù)的范疇。對(duì)于企業(yè)而言，一方面是大交易數(shù)據(jù)：在從企業(yè)應(yīng)用程序到數(shù)據(jù)倉(cāng)庫(kù)應(yīng)用程序的在線交易處理（OLTP）與分析系統(tǒng)中，傳統(tǒng)的關(guān)系數(shù)據(jù)以及非結(jié)構(gòu)化和半結(jié)構(gòu)化信息仍在繼續(xù)增長(zhǎng)。企業(yè)越來越需要長(zhǎng)期保存各類數(shù)據(jù)，以進(jìn)行用戶行為分析、市場(chǎng)研究，信息服務(wù)企業(yè)更是需要積累越來越多的信息資源。與此同時(shí)，為了遵從薩巴斯、上網(wǎng)日志審計(jì)等管制要求，企業(yè)需要長(zhǎng)期保存越來越多的生產(chǎn)數(shù)據(jù)。這些是形成大交易數(shù)據(jù)的主要源泉。另一方面是大交互數(shù)據(jù)：這一新生力量由源于Facebook、Twitter、LinkedIn及其他來源的社交媒體數(shù)據(jù)構(gòu)成。它包括了呼叫詳細(xì)記錄（CDR）、設(shè)備和傳感器信息、GPS和地理定位映射數(shù)據(jù)、通過管理文件傳輸（manage file transfer）協(xié)議傳送的海量圖像文件、Web文本和點(diǎn)擊流數(shù)據(jù)、科學(xué)信息、電子郵件等。隨著移動(dòng)互聯(lián)網(wǎng)、云計(jì)算、物聯(lián)網(wǎng)、社區(qū)網(wǎng)絡(luò)等新業(yè)務(wù)模式迅速發(fā)展，大交互數(shù)據(jù)必將呈爆炸式增長(zhǎng)。

根據(jù)IDC的預(yù)測(cè)，2009-2020年，數(shù)據(jù)總量將增長(zhǎng)44倍，達(dá)到35 ZB。其中，80%的數(shù)據(jù)都是非結(jié)構(gòu)化數(shù)據(jù)。無疑，世界已經(jīng)進(jìn)入到了大數(shù)據(jù)時(shí)代。因此，如何有效地利用大數(shù)據(jù)以及其中所沉淀的信息，成為未來的一大競(jìng)爭(zhēng)焦點(diǎn)。

3 大數(shù)據(jù)對(duì)運(yùn)營(yíng)商BI體系的影響

事實(shí)上，數(shù)據(jù)一直是企業(yè)的核心優(yōu)勢(shì)。如何有效利用數(shù)據(jù)，挖掘其潛在的價(jià)值，更好地支持企業(yè)的經(jīng)營(yíng)決策，是很多企業(yè)特別是電信運(yùn)營(yíng)商不懈努力的方向。運(yùn)營(yíng)商的BI體系一直作為支撐系統(tǒng)的核心要素，為企業(yè)的決策層、管理層和操作層提供了重要的工具，為改善用戶體驗(yàn)、優(yōu)化網(wǎng)絡(luò)質(zhì)量、助力市場(chǎng)決策作出了重要的貢獻(xiàn)。

然而隨著移動(dòng)互聯(lián)網(wǎng)時(shí)代的到來，傳統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)處理和存儲(chǔ)壓力急劇增大，數(shù)據(jù)倉(cāng)庫(kù)的性能已無法應(yīng)付龐大的信息。另一方面移動(dòng)互聯(lián)網(wǎng)和物聯(lián)網(wǎng)不同于傳統(tǒng)通信業(yè)務(wù)，需要對(duì)內(nèi)容等非結(jié)構(gòu)化、大容量信息進(jìn)行有效分析，傳統(tǒng)的結(jié)構(gòu)化存儲(chǔ)和處理架構(gòu)難以有效應(yīng)對(duì)。與此同時(shí)，數(shù)據(jù)處理速度的提升對(duì)傳統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)提出更高的實(shí)時(shí)性要求。網(wǎng)元和傳感器產(chǎn)生的流數(shù)據(jù)需要能夠?qū)崟r(shí)進(jìn)行處理和分析，傳統(tǒng)以批量加載為主的BI系統(tǒng)難以有效支撐。因此對(duì)于運(yùn)營(yíng)商而言，急切地需要一種技術(shù)使其能夠訪問和使用這些寶貴的、大規(guī)模數(shù)據(jù)集以應(yīng)對(duì)越來越復(fù)雜的數(shù)據(jù)分析和更好的商業(yè)決策制定。這就是大數(shù)據(jù)技術(shù)！

大數(shù)據(jù)與傳統(tǒng)BI有很多不同，具體區(qū)別表現(xiàn)在信息量、信息特征、信息來源和涉及的關(guān)鍵技術(shù)上。傳統(tǒng)BI的信息量不太大，常為TB量級(jí)，而大數(shù)據(jù)的信息量常為PB量級(jí)，甚至為ZB量級(jí)。從信息特征上看，大數(shù)據(jù)能夠基于BI工具對(duì)非機(jī)構(gòu)化數(shù)據(jù)進(jìn)行處理，與傳統(tǒng)基于事務(wù)的數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)相比較，大數(shù)據(jù)分析不僅關(guān)注結(jié)構(gòu)化的歷史數(shù)據(jù)，它們更傾向于對(duì)Web、社交網(wǎng)絡(luò)、RFID傳感器等非結(jié)構(gòu)化海量數(shù)據(jù)進(jìn)行分析。從信息來源看，傳統(tǒng)BI主要取自業(yè)務(wù)運(yùn)營(yíng)支撐系統(tǒng)、企業(yè)管理系統(tǒng)等，比如財(cái)務(wù)收入、業(yè)務(wù)發(fā)展量等企業(yè)交易數(shù)據(jù)。大數(shù)據(jù)主要來源于互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)等，比如微博、電子商務(wù)等交互數(shù)據(jù)。在處理技術(shù)上，大數(shù)據(jù)相對(duì)傳統(tǒng)BI有更完善、更成熟的軟硬件技術(shù)。例如，基于開源的分布式并行計(jì)算技術(shù)，使用廉價(jià)的計(jì)算設(shè)備解決海量數(shù)據(jù)、極高并發(fā)行、高可用性、高擴(kuò)展性等技術(shù)難題于一體；采用軟硬件一體化設(shè)計(jì)技術(shù)提高數(shù)據(jù)處理效率；采用大型機(jī)x86虛擬化技術(shù)在兼容現(xiàn)有系統(tǒng)的同時(shí)，降低主機(jī)運(yùn)營(yíng)維護(hù)管理成本；采用flash盤等新型存儲(chǔ)技術(shù)提升I/O吞吐量等。

因此，大數(shù)據(jù)無疑是對(duì)運(yùn)營(yíng)商BI的一個(gè)完美補(bǔ)充，它并不是要取代傳統(tǒng)BI工具，而是讓BI更有價(jià)值和更有利于業(yè)務(wù)發(fā)展，需要考慮的是如何通過大數(shù)據(jù)加強(qiáng)原有的BI體系。

4 運(yùn)營(yíng)商基于大數(shù)據(jù)與傳統(tǒng)數(shù)據(jù)的BI體系重構(gòu)

運(yùn)營(yíng)商傳統(tǒng)的BI架構(gòu)在面臨大數(shù)據(jù)到來時(shí)的數(shù)據(jù)處理能力、數(shù)據(jù)存儲(chǔ)能力以及更高的實(shí)時(shí)性分析能力和對(duì)非結(jié)構(gòu)化數(shù)據(jù)等復(fù)雜數(shù)據(jù)源的分析能力等諸多方面均存在著巨大的壓力。然而通過多年的BI建設(shè)，運(yùn)營(yíng)商原有的數(shù)據(jù)源和原有分析應(yīng)用不可舍棄，特別是現(xiàn)有業(yè)務(wù)系統(tǒng)的數(shù)據(jù)源仍然是今后BI分析的主要數(shù)據(jù)來源。如何將大數(shù)據(jù)和傳統(tǒng)數(shù)據(jù)有效綜合利用，發(fā)揮其整合后的放大優(yōu)勢(shì)，是運(yùn)營(yíng)商BI架構(gòu)設(shè)計(jì)的關(guān)鍵因素。充分分析傳統(tǒng)數(shù)據(jù)與大數(shù)據(jù)的不同本質(zhì)，包括數(shù)據(jù)源的不同、數(shù)據(jù)的采集方式不同、數(shù)據(jù)的存儲(chǔ)模式和處理技術(shù)的不同等，運(yùn)營(yíng)商設(shè)計(jì)提出了混搭的BI數(shù)據(jù)架構(gòu)平臺(tái)，其技術(shù)架構(gòu)體系如圖1所示。

圖1 混搭架構(gòu)的數(shù)據(jù)平臺(tái)

混搭架構(gòu)的數(shù)據(jù)平臺(tái)包括5層：數(shù)據(jù)源、數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)存儲(chǔ)和數(shù)據(jù)應(yīng)用。數(shù)據(jù)源統(tǒng)一整合了企業(yè)的內(nèi)部數(shù)據(jù)，包括MBOSS數(shù)據(jù)、業(yè)務(wù)平臺(tái)數(shù)據(jù)以及網(wǎng)關(guān)、網(wǎng)元數(shù)據(jù)等。在條件具備的情況下，還將收集企業(yè)的外部數(shù)據(jù)，如競(jìng)爭(zhēng)對(duì)手?jǐn)?shù)據(jù)、社會(huì)數(shù)據(jù)等。更重要的是移動(dòng)互聯(lián)網(wǎng)上的圖片、文本等非結(jié)構(gòu)化數(shù)據(jù)是原有數(shù)據(jù)源的有效補(bǔ)充。采集層在原有采集方式的基礎(chǔ)上，為獲取用戶使用移動(dòng)互聯(lián)網(wǎng)的信息，還新增了網(wǎng)頁(yè)爬取的方式。數(shù)據(jù)處理采用分布式ETL技術(shù)，對(duì)于結(jié)構(gòu)化數(shù)據(jù)交由分布式結(jié)構(gòu)化數(shù)據(jù)庫(kù)處理，非結(jié)構(gòu)化數(shù)據(jù)處理為結(jié)構(gòu)化數(shù)據(jù)后由分布式結(jié)構(gòu)化數(shù)據(jù)庫(kù)處理；處理層加工結(jié)果送應(yīng)用層。傳統(tǒng)數(shù)據(jù)仍保存在SMP架構(gòu)數(shù)據(jù)庫(kù)；大數(shù)據(jù)則以MPP架構(gòu)數(shù)據(jù)庫(kù)和分布式文件系統(tǒng)的方式進(jìn)行保存。對(duì)于非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行結(jié)構(gòu)化處理后的數(shù)據(jù)與原有的結(jié)構(gòu)化數(shù)據(jù)進(jìn)行融合分析，并通過透明訪問機(jī)制為上層應(yīng)用提供透明的訪問環(huán)境。

為做好大數(shù)據(jù)與傳統(tǒng)數(shù)據(jù)的有效融合，運(yùn)營(yíng)商必須在混搭的架構(gòu)上注重標(biāo)準(zhǔn)化能力的建設(shè)，包括：標(biāo)準(zhǔn)化的處理能力、標(biāo)準(zhǔn)化的共享能力和標(biāo)準(zhǔn)化的服務(wù)能力。對(duì)于非結(jié)構(gòu)化數(shù)據(jù)，提供一個(gè)標(biāo)準(zhǔn)化的處理能力，包括對(duì)數(shù)據(jù)的解析、清洗、轉(zhuǎn)換/計(jì)算、統(tǒng)計(jì)，最終形成融合的結(jié)構(gòu)化數(shù)據(jù)信息庫(kù)，為數(shù)據(jù)共享服務(wù)夯實(shí)數(shù)據(jù)基礎(chǔ)。對(duì)于大數(shù)據(jù)平臺(tái)中的海量數(shù)據(jù)，通過數(shù)據(jù)整合形成標(biāo)準(zhǔn)的寬表數(shù)據(jù)，針對(duì)不同系統(tǒng)的數(shù)據(jù)需求，實(shí)現(xiàn)共享服務(wù)靈活定制。根據(jù)業(yè)務(wù)要求，提供標(biāo)準(zhǔn)化的服務(wù)，包括互聯(lián)網(wǎng)清單查詢服務(wù)、日志預(yù)警服務(wù)等。除此之外，兩個(gè)管理能力也至關(guān)重要。一個(gè)是平臺(tái)管控能力，針對(duì)所有功能的調(diào)度和監(jiān)控，通過ETL管理、ETL監(jiān)控、服務(wù)監(jiān)控、資源監(jiān)控等管理模塊，實(shí)現(xiàn)靈活的參數(shù)配置、統(tǒng)一管理；二是規(guī)則化管理能力，通過平臺(tái)規(guī)則化管理服務(wù)，對(duì)業(yè)務(wù)人員提供清洗規(guī)則配置界面，對(duì)維護(hù)人員提供抽取規(guī)則、解析規(guī)則、轉(zhuǎn)換規(guī)則等配置界面，實(shí)現(xiàn)平臺(tái)處理能力規(guī)則化。

基于混搭的架構(gòu)平臺(tái)所設(shè)計(jì)的BI應(yīng)用架構(gòu)體系如圖2所示。

BI抽取應(yīng)用系統(tǒng)數(shù)據(jù)及外部數(shù)據(jù)，其中結(jié)構(gòu)化數(shù)據(jù)交由ODS與數(shù)據(jù)倉(cāng)庫(kù)處理，通過多維分析/數(shù)據(jù)挖掘等技術(shù)，形成主要分析源；針對(duì)如流數(shù)據(jù)等實(shí)時(shí)數(shù)據(jù)，按照數(shù)據(jù)是否結(jié)構(gòu)化分別由數(shù)據(jù)倉(cāng)庫(kù)/ODS和分布式計(jì)算平臺(tái)處理，其結(jié)果作為總體分析結(jié)果的次要來源；實(shí)時(shí)分析將利用數(shù)據(jù)倉(cāng)庫(kù)與Hadoop中的數(shù)據(jù)，分析結(jié)果按需交互與于數(shù)據(jù)倉(cāng)庫(kù)/ODS或者Hadoop。而非結(jié)構(gòu)化數(shù)據(jù)，例如文本數(shù)據(jù)、多媒體數(shù)據(jù)等，將利用Hadoop技術(shù)存儲(chǔ)，作為補(bǔ)充分析源，然后進(jìn)行內(nèi)容挖掘、互聯(lián)網(wǎng)行為分析等，補(bǔ)充分析結(jié)果。

在ODS、數(shù)據(jù)倉(cāng)庫(kù)與大數(shù)據(jù)庫(kù)的存儲(chǔ)結(jié)構(gòu)上，構(gòu)建企業(yè)戰(zhàn)略決策支持、企業(yè)管理分析、企業(yè)經(jīng)營(yíng)分析、企業(yè)運(yùn)營(yíng)分析、運(yùn)營(yíng)業(yè)務(wù)監(jiān)控與計(jì)算5層應(yīng)用。數(shù)據(jù)應(yīng)用通過數(shù)據(jù)門戶展現(xiàn)給數(shù)據(jù)分析結(jié)果的使用對(duì)象。企業(yè)數(shù)據(jù)應(yīng)用門戶主要供企業(yè)內(nèi)部人員使用，包括企業(yè)的決策者、分析者和操作者。除此之外，還預(yù)留了數(shù)據(jù)服務(wù)提供接口供企業(yè)外部人員使用，例如政府、中小企業(yè)、零售業(yè)等大數(shù)據(jù)分析結(jié)果的使用者。

運(yùn)營(yíng)商還將進(jìn)一步完善BI數(shù)據(jù)生命周期管理體系，實(shí)現(xiàn)數(shù)據(jù)從規(guī)劃、建設(shè)、運(yùn)營(yíng)到分析的全流程貫通，并針對(duì)數(shù)據(jù)模型、主數(shù)據(jù)管理、數(shù)據(jù)質(zhì)量、數(shù)據(jù)安全、數(shù)據(jù)服務(wù)等建立全網(wǎng)統(tǒng)一的標(biāo)準(zhǔn)，在此基礎(chǔ)上建立全網(wǎng)數(shù)據(jù)應(yīng)用模型庫(kù)，探索大數(shù)據(jù)應(yīng)用，實(shí)現(xiàn)優(yōu)秀應(yīng)用全網(wǎng)快速?gòu)?fù)制，提供面向企業(yè)管理決策、經(jīng)營(yíng)分析、市場(chǎng)營(yíng)銷、運(yùn)營(yíng)監(jiān)控等各個(gè)方面全面、快速的數(shù)據(jù)服務(wù)和深入的分析挖掘?qū)ｎ}，提升企業(yè)運(yùn)營(yíng)智慧。

圖2 基于融合數(shù)據(jù)平臺(tái)的應(yīng)用架構(gòu)

5 運(yùn)營(yíng)商基于大數(shù)據(jù)BI的新應(yīng)用場(chǎng)景研究

運(yùn)營(yíng)商BI應(yīng)用建設(shè)的不同階段具有不同的建設(shè)特征與使用群體。最初的BI數(shù)據(jù)倉(cāng)庫(kù)應(yīng)用主要面向?qū)ο笫瞧髽I(yè)的決策者，通過領(lǐng)導(dǎo)告訴他們企業(yè)當(dāng)前情況怎樣，通過關(guān)聯(lián)分析告訴他們?yōu)槭裁磿?huì)這樣，通過決策支持告訴他們下一步該怎么辦，這一階段稱作決策智能階段。伴隨著精確營(yíng)銷、精確管理要求的出現(xiàn)，數(shù)據(jù)分析逐步會(huì)面向一線人員，包括市場(chǎng)分析人員、網(wǎng)絡(luò)運(yùn)維人員、客戶服務(wù)人員，這就是操作智能的階段。隨之而來的移動(dòng)互聯(lián)網(wǎng)，數(shù)據(jù)爆發(fā)式增長(zhǎng)，如何把海量的數(shù)據(jù)轉(zhuǎn)化為有價(jià)值的信息，進(jìn)而引導(dǎo)消費(fèi)者購(gòu)買，指導(dǎo)中小企業(yè)的產(chǎn)品策劃等，便是消費(fèi)者智能階段。

新的智能時(shí)代到來，運(yùn)營(yíng)商如何坐擁數(shù)據(jù)的優(yōu)勢(shì)，一方面利用數(shù)據(jù)分析提升自身企業(yè)的決策水平和經(jīng)營(yíng)技能，另一方面還能利用數(shù)據(jù)分析為客戶創(chuàng)造價(jià)值，進(jìn)而為企業(yè)獲得收益，更能為社會(huì)創(chuàng)新發(fā)展貢獻(xiàn)應(yīng)用的力量，這是筆者所考慮的主題。因此，從3個(gè)方面研究探索大數(shù)據(jù)時(shí)代下運(yùn)營(yíng)商數(shù)據(jù)應(yīng)用的提升點(diǎn)和新的切入點(diǎn)。

（1）引入大數(shù)據(jù)內(nèi)容和技術(shù)，提升內(nèi)部數(shù)據(jù)服務(wù)水平

基于大數(shù)據(jù)的內(nèi)容，結(jié)合傳統(tǒng)的BI分析，設(shè)計(jì)出新的應(yīng)用場(chǎng)景，為企業(yè)智能決策、經(jīng)營(yíng)、管理提供了新的強(qiáng)力炮彈。如：網(wǎng)絡(luò)監(jiān)控分析與優(yōu)化、流量經(jīng)營(yíng)分析、輿情分析、點(diǎn)擊流分析、終端分析、客戶瀏覽內(nèi)容分析、客戶網(wǎng)上行為/偏好分析、客戶投訴分類和分析、情感分析、手機(jī)定向廣告推薦、移動(dòng)互聯(lián)網(wǎng)業(yè)務(wù)實(shí)時(shí)營(yíng)銷、網(wǎng)站優(yōu)化、語音和數(shù)據(jù)業(yè)務(wù)詳單查詢、社交網(wǎng)絡(luò)分析等。以基于流量分析嵌入客戶服務(wù)為例，分析用戶手機(jī)上網(wǎng)流量構(gòu)成，將計(jì)費(fèi)信息、終端信息、流量數(shù)據(jù)、基站信息，通過信息融合，轉(zhuǎn)化為業(yè)務(wù)人員可理解、可感知、可操作、可應(yīng)用的信息，為客服處理客戶投訴提供快捷解決工具。根據(jù)計(jì)費(fèi)系統(tǒng)流量信息，繪制用戶流量/時(shí)長(zhǎng)分布圖，特別對(duì)省外流量進(jìn)行標(biāo)注，指導(dǎo)客服人員方便定位用戶流量異常情況；針對(duì)某一天的流量使用情況，按上網(wǎng)業(yè)務(wù)進(jìn)行流量匯總，客服人員可以快速掌控用戶的上網(wǎng)業(yè)務(wù)概要等。通過全方位分析，呈現(xiàn)移動(dòng)用戶的上網(wǎng)詳細(xì)情況，為快速消除用戶疑問，減少糾紛，營(yíng)造良好的移動(dòng)業(yè)務(wù)發(fā)展環(huán)境提供了技術(shù)上的保障。再者，通過聚合互聯(lián)網(wǎng)行為數(shù)據(jù)，分析客戶上網(wǎng)行為偏好，與現(xiàn)有數(shù)據(jù)結(jié)合實(shí)現(xiàn)客戶360度全面洞察，結(jié)合熱點(diǎn)應(yīng)用、內(nèi)容TOP排行分析，開展流量包精準(zhǔn)推薦，促進(jìn)流量規(guī)模提升等，這些都是大數(shù)據(jù)帶來的新的數(shù)據(jù)機(jī)遇，是提升內(nèi)部數(shù)據(jù)服務(wù)水平的成功案例。

（2）基于大數(shù)據(jù)分析與對(duì)外服務(wù)提供，挖掘新的商業(yè)模式

未來，運(yùn)營(yíng)商還可以拓展第三方模式，加大開放合作力度，與產(chǎn)業(yè)鏈各個(gè)環(huán)節(jié)開展合作，加快對(duì)大數(shù)據(jù)經(jīng)營(yíng)商業(yè)模式的探索，不斷釋放其管道中龐大數(shù)據(jù)的潛在力量，將數(shù)據(jù)轉(zhuǎn)化成為企業(yè)創(chuàng)收的核心資源。在這方面，互聯(lián)網(wǎng)公司帶來了很多成功的案例。阿里集團(tuán)的數(shù)據(jù)魔方，是一個(gè)基于淘寶海量數(shù)據(jù)分析的商業(yè)數(shù)據(jù)產(chǎn)品，可以分析淘寶全行業(yè)的瀏覽、交易、收藏、搜索等數(shù)據(jù)以及消費(fèi)者的用戶特征，可用于店鋪數(shù)據(jù)化運(yùn)營(yíng)、市場(chǎng)行業(yè)研究等。淘寶情報(bào)是淘寶店鋪經(jīng)營(yíng)的戰(zhàn)地局勢(shì)圖，以數(shù)據(jù)記錄每一天、每一個(gè)店鋪的成長(zhǎng)，揭示店鋪在百萬對(duì)手中的位置，披露同行業(yè)競(jìng)爭(zhēng)變化與商機(jī)。淘寶指數(shù)更是一款中國(guó)消費(fèi)者數(shù)據(jù)研究平臺(tái)。無論是淘寶上的賣家還是媒體從業(yè)者、市場(chǎng)研究人員，都可以利用淘寶指數(shù)來了解淘寶搜索熱點(diǎn)、查詢成交走勢(shì)、定位消費(fèi)人群、研究細(xì)分市場(chǎng)。國(guó)外電信運(yùn)營(yíng)商的探索也提供了思路，西班牙電信2012年成立了名為“動(dòng)態(tài)洞察”的大數(shù)據(jù)業(yè)務(wù)部門，它可以為客戶提供數(shù)據(jù)分析打包服務(wù)，幫助客戶把握重大變化趨勢(shì)。法國(guó)電信用云計(jì)算的方式為客戶提供存儲(chǔ)資源，使得企業(yè)客戶能夠以經(jīng)濟(jì)有效的方式妥善保存私有數(shù)據(jù)，并且充分發(fā)揮數(shù)據(jù)智能的作用。Verizon聯(lián)合第三方機(jī)構(gòu)對(duì)其用戶群進(jìn)行大數(shù)據(jù)分析，再將有價(jià)值的信息提供給政府或企業(yè)獲取的額外價(jià)值，其數(shù)據(jù)業(yè)務(wù)的盈利收入在其整個(gè)業(yè)務(wù)中占比非常高。這些都值得運(yùn)營(yíng)商借鑒、參考和引用。

（3）擴(kuò)展大數(shù)據(jù)應(yīng)用，創(chuàng)新社會(huì)管理

對(duì)運(yùn)營(yíng)商來說，作為國(guó)家重大的基礎(chǔ)性企業(yè)，也有義務(wù)為創(chuàng)新整個(gè)社會(huì)管理體系做出應(yīng)有的貢獻(xiàn)。實(shí)施上，數(shù)據(jù)分析在政府服務(wù)方面的前景也非常巨大。比如在大數(shù)據(jù)的幫助下，什么時(shí)間段、哪條路擁堵等問題，都可以通過數(shù)據(jù)分析得知。通過同一條路上多個(gè)用戶手機(jī)位移的速度便可以判斷當(dāng)時(shí)的路況，為擁堵作出準(zhǔn)確預(yù)警。另一方面，通過與政府公共部門的合作，也可獲取大量的數(shù)據(jù)，進(jìn)而得出有效的分析結(jié)論，如法國(guó)電信的Orange Business Services承建了一個(gè)法國(guó)高速公路數(shù)據(jù)監(jiān)測(cè)項(xiàng)目，每天都會(huì)產(chǎn)生500萬條記錄，對(duì)這些記錄進(jìn)行分析就能為行駛于高速公路上的車輛提供準(zhǔn)確及時(shí)的信息，有效提高道路通暢率。另外，借助數(shù)據(jù)分析技術(shù)和經(jīng)驗(yàn)的積累以及長(zhǎng)期從事數(shù)據(jù)分析的專業(yè)團(tuán)隊(duì)，可以為政府機(jī)構(gòu)提供專業(yè)的數(shù)據(jù)服務(wù)，例如使用大數(shù)據(jù)技術(shù)對(duì)歷史性逮捕模式、發(fā)薪日、體育項(xiàng)目、降雨天氣和假日等變量進(jìn)行分析，從而優(yōu)化警力配置等。

6 結(jié)束語

運(yùn)營(yíng)商經(jīng)過多年的企業(yè)信息化建設(shè)，企業(yè)內(nèi)部的BI體系已逐步成熟，但隨著大數(shù)據(jù)時(shí)代的到來，傳統(tǒng)BI受到挑戰(zhàn)。而運(yùn)營(yíng)商擁有的海量數(shù)據(jù)能否被有效利用，關(guān)系到企業(yè)的核心競(jìng)爭(zhēng)力。因此在大數(shù)據(jù)時(shí)代，BI體系需要重構(gòu)，運(yùn)營(yíng)商要充分利用大數(shù)據(jù)和傳統(tǒng)數(shù)據(jù)的結(jié)合，構(gòu)建新的數(shù)據(jù)平臺(tái)、開發(fā)新的分析應(yīng)用、提升企業(yè)運(yùn)營(yíng)智慧、創(chuàng)新企業(yè)商業(yè)模式、助力社會(huì)科學(xué)管理。

1 Franks B.駕馭大數(shù)據(jù).黃海，車皓陽，王悅譯.北京：人民郵電出版社,2013

2 涂子沛.大數(shù)據(jù)：正在到來的數(shù)據(jù)革命.桂林：廣西師范大學(xué)出版社,2012

3 Rajaraman A,Ullman J D.大數(shù)據(jù)：互聯(lián)網(wǎng)大規(guī)模數(shù)據(jù)挖掘與分布式處理.王斌譯.北京：人民郵電出版社,2012

4 Mayer-Sch觟nberger V,Cukier K.大數(shù)據(jù)時(shí)代：生活、工作與思維的大變革.盛楊燕，周濤譯.杭州：浙江人民出版社,2012

5 楊韻，陳炬樺，王樂球.電信業(yè)務(wù)分析決策支持系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).情報(bào)雜志,2004(6)

6 百度百科.大數(shù)據(jù).http://baike.baidu.com/view/6954399.htm

7 Fayyad U,Piatetsky-Shapiro G,Smyth R.Knowledge discovery and data mining:towards a unifying framework.Proc KDD’96,Portland,1996:82～88