湯勁松，蔡韻，王曉亮，傅一平，湯瀟巍，陳永剛，張挺

?

電信運(yùn)營商大數(shù)據(jù)基礎(chǔ)能力建設(shè)與實踐

湯勁松，蔡韻，王曉亮，傅一平，湯瀟巍，陳永剛，張挺

（中國移動通信集團(tuán)浙江有限公司，浙江 杭州 310016）

以中國移動通信集團(tuán)浙江有限公司（以下簡稱浙江移動）為例，從平臺、數(shù)據(jù)和技術(shù)3方面闡述了運(yùn)營商的大數(shù)據(jù)能力，并結(jié)合企業(yè)實踐和探索，分享了浙江移動在移動信用評分和智能選址產(chǎn)品的案例。

大數(shù)據(jù)；信用評分；選址

1 引言

隨著互聯(lián)網(wǎng)業(yè)務(wù)和應(yīng)用的迅猛發(fā)展以及移動互聯(lián)網(wǎng)的爆炸式增長，電信運(yùn)營商客戶基礎(chǔ)屬性、行為數(shù)據(jù)、信令數(shù)據(jù)和終端數(shù)據(jù)等海量數(shù)據(jù)的存儲與分析日益成為電信運(yùn)營商的重要挑戰(zhàn)。大數(shù)據(jù)技術(shù)的出現(xiàn)與機(jī)器學(xué)習(xí)的發(fā)展為電信運(yùn)營商深挖數(shù)據(jù)提供了新的技術(shù)手段，同時也為其更好地服務(wù)客戶提供了新的機(jī)遇[1]。

運(yùn)營商通過大數(shù)據(jù)平臺的建設(shè)、海量數(shù)據(jù)的加載、豐富的畫像標(biāo)簽沉淀以及上層機(jī)器學(xué)習(xí)算法的深入研究，針對幾大相關(guān)行業(yè)進(jìn)行了深入探索和實踐[2]，也推出了系列創(chuàng)新產(chǎn)品，在支撐金融風(fēng)險控制、用戶征信領(lǐng)域和商業(yè)決策等方面發(fā)揮著越來越重要的作用。

2 大數(shù)據(jù)基礎(chǔ)能力

2.1 平臺架構(gòu)

中國移動通信集團(tuán)浙江有限公司（以下簡稱浙江移動）大數(shù)據(jù)平臺經(jīng)過兩期建設(shè)，已建成Hadoop、MPP、流處理和內(nèi)存數(shù)據(jù)庫等平臺，集群規(guī)模已達(dá)1 400+，日均處理離線數(shù)據(jù)100多TB、實時數(shù)據(jù)千億條，融合了OSS（operation support system，運(yùn)營支撐系統(tǒng)）、BOSS（business support system，業(yè)務(wù)支撐系統(tǒng)）、MSS（management support system, 管理支撐系統(tǒng)）三域內(nèi)部數(shù)據(jù)+互聯(lián)網(wǎng)外采多維數(shù)據(jù)[3]，為大數(shù)據(jù)應(yīng)用提供有力的PaaS能力支撐。浙江移動大數(shù)據(jù)平臺如圖1所示。

2.2 數(shù)據(jù)標(biāo)簽?zāi)芰?/h3>

運(yùn)營商在數(shù)據(jù)方面具有天然優(yōu)勢，擁有壟斷的通話關(guān)系網(wǎng)數(shù)據(jù)，最實時、最全面的位置數(shù)據(jù)，最豐富的上網(wǎng)行為數(shù)據(jù)，最全面的終端行為數(shù)據(jù)，最權(quán)威的用戶身份信息數(shù)據(jù)，最詳細(xì)的通信消費(fèi)數(shù)據(jù)[4]。以下是各類數(shù)據(jù)的特點和價值。

（1）通話關(guān)系網(wǎng)數(shù)據(jù)

? ? 通話社交關(guān)系數(shù)據(jù)：基于通話交往圈的大小、主被叫及時間規(guī)律，就掌握了任何一個用戶的社交特征，比如某人的影響力，人與人之間的親密程度，人群之間的上下屬關(guān)系，甚至可以得到人脈路徑。

? ? 通話時序數(shù)據(jù)：通話的頻次、時序、時長及對端等重要數(shù)據(jù)，又可以用來挖掘用戶的性格甚至身份特質(zhì)、作息規(guī)律等。

（2）位置數(shù)據(jù)

? ? 全方位的信令位置數(shù)據(jù)：運(yùn)營商的位置數(shù)據(jù)不單單是需要通話、上網(wǎng)、短信才能獲取，而是通過定期基站切換、周期性位置上報而直接獲取用戶全方位位置數(shù)據(jù)，不依賴用戶是否登錄使用某一手機(jī)應(yīng)用，這是較GPRS（general packet radio service，通用分組無線服務(wù)）技術(shù)定位最大的優(yōu)勢。

? ? 實時性強(qiáng)：具備實時的流處理分鐘級的用戶位置數(shù)據(jù)，可用于各類實時位置服務(wù)應(yīng)用。

（3）上網(wǎng)數(shù)據(jù)

? ? 擁有移動用戶手機(jī)上網(wǎng)的所有行為數(shù)據(jù)，經(jīng)過DPI（deep packet inspection，深度分組檢測）技術(shù)內(nèi)容解析，互聯(lián)網(wǎng)商品最深可到7級，App（application，應(yīng)用程序）識別9 000個。

? ? 用戶搜索行為數(shù)據(jù)：用戶手機(jī)上的搜索行為是用戶近期最強(qiáng)的需求指向，只要進(jìn)行語義解析并結(jié)合一定的知識庫，就可以在精確營銷中發(fā)揮巨大價值。

（4）用戶終端信息

? ? 用戶使用的終端信息：包括型號、品牌、換機(jī)頻次、品牌忠誠度等，可以掌握終端市場，可以從終端看用戶檔次。

? ? 用戶換機(jī)軌跡：可以用于分析終端品牌之間的流向。

（5）身份信息數(shù)據(jù)

? ? 實名制普遍推廣后，運(yùn)營商的身份數(shù)據(jù)質(zhì)量極高，包括身份證號碼、姓名等真實信息。

（6）通信消費(fèi)數(shù)據(jù)

? ?用戶每月的通信支出、支出分布、充值情況、充值頻次等，一定程度上可以體現(xiàn)用戶的消費(fèi)習(xí)慣、收入水平。

基于用戶畫像維度和運(yùn)營商數(shù)據(jù)特點，標(biāo)簽體系從上往下結(jié)構(gòu)化分為七大類60小類，分別從客戶的基礎(chǔ)屬性、通信屬性、習(xí)慣偏好、社交關(guān)系、App行為、線上事件和位置軌跡進(jìn)行展現(xiàn)，標(biāo)簽規(guī)模突破了10萬個。浙江移動標(biāo)簽體系如圖2所示。

2.3 技術(shù)能力

（1）云爬蟲平臺

為豐富數(shù)據(jù)類型和規(guī)模，浙江移動自主研發(fā)了云爬蟲平臺來獲取外部數(shù)據(jù)并提供分詞和自然語言的解析能力。云爬蟲平臺可以抓取一切調(diào)用API訪問的網(wǎng)站內(nèi)容，支持定制化的垂直爬取需求，租戶能夠自主指定各主流網(wǎng)站所要爬取的數(shù)據(jù)。目前，云爬蟲平臺可實現(xiàn)日均1億URL的采集量，有效爬取數(shù)據(jù)存儲能力大于500 TB，日均處理請求超過1 500萬條，日均爬取數(shù)據(jù)量超過2 TB。目前已采集了工商企信、個人征信和POI（point of interest，興趣點）等外部信息。

圖2 浙江移動標(biāo)簽體系

（2）MR精準(zhǔn)定位

MR（measurement report，測量報告）精準(zhǔn)定位模型利用MR和OTT（over the top，通過互聯(lián)網(wǎng)向用戶提供各種應(yīng)用服務(wù)）數(shù)據(jù)，通過定位算法對移動終端用戶進(jìn)行精準(zhǔn)定位，能夠精確到50 m以內(nèi)，可精準(zhǔn)輸出目標(biāo)用戶的位置規(guī)律，為解讀用戶的位置行為研究提供數(shù)據(jù)保障。當(dāng)前，浙江移動的MR精準(zhǔn)定位模型已經(jīng)開展全量數(shù)據(jù)處理和試用，定位精度從基站的300~500 m可有效提升到50~100 m，定位誤差達(dá)到商用要求。

（3）DPI深度解析技術(shù)

浙江移動運(yùn)用DPI針對每天500億網(wǎng)頁進(jìn)行解析，已解析9 000多款A(yù)pp，涵蓋金融、購物、游戲、娛樂、閱讀等19大類，網(wǎng)頁內(nèi)容解析后，識別圖書、視頻、音樂、資訊、商品、點評等26大類8 000細(xì)類。

3 運(yùn)營商大數(shù)據(jù)案例分享

3.1 移動信用評分應(yīng)用

3.1.1 項目背景

隨著P2P市場的野蠻生長和消費(fèi)金融在中國的興起，個人征信市場的需求大幅爆發(fā)。在2015年1月，中國人民銀行（以下簡稱央行）發(fā)布通知要求芝麻信用、騰訊征信等8家公司機(jī)構(gòu)做好個人征信的準(zhǔn)備工作，這一舉動說明征信業(yè)正式向市場化發(fā)展，同時，也標(biāo)志著中國征信業(yè)正式進(jìn)入2.0時代。2.0時代的個人征信業(yè)存在兩個特征：一是征信機(jī)構(gòu)的多元主體化，征信牌照的發(fā)放使更多的機(jī)構(gòu)進(jìn)入市場，這有利于豐富和完善個人征信的服務(wù)體系；二是技術(shù)產(chǎn)品的創(chuàng)新，隨著大數(shù)據(jù)的到來，數(shù)據(jù)規(guī)模越來越多，在征信數(shù)據(jù)源和征信模型方面都有較多的創(chuàng)新和突破，征信體系有很多的改善空間。

中國移動擁有全國近10億用戶的通信行為數(shù)據(jù)、用戶位置數(shù)據(jù)及全網(wǎng)移動互聯(lián)網(wǎng)數(shù)據(jù)以及公共事業(yè)單位擁有的日常支付消費(fèi)數(shù)據(jù)。這些數(shù)據(jù)擁有全面性、及時性、形式多樣性和可信度高等優(yōu)勢。中國移動可以依據(jù)多年積累的大數(shù)據(jù)技術(shù)，充分應(yīng)用這些數(shù)據(jù)搭建個人征信評分體系，用于服務(wù)自身傳統(tǒng)業(yè)務(wù)運(yùn)營以及提供給其他征信金融機(jī)構(gòu)作為個人信用評估標(biāo)準(zhǔn)或征信數(shù)據(jù)源的補(bǔ)充。

3.1.2 模型介紹

浙江移動在充分借鑒FICO、芝麻信用等行業(yè)標(biāo)桿先進(jìn)做法的基礎(chǔ)上，基于浙江移動的大數(shù)據(jù)平臺，充分整合客戶身份、通話、上網(wǎng)和位置等核心數(shù)據(jù)，利用決策樹、邏輯回歸和隨機(jī)森林等數(shù)據(jù)挖掘模型，從身份特征、消費(fèi)能力、行為偏好、人脈關(guān)系和信用記錄5個維度構(gòu)建客戶信用評分模型，實現(xiàn)了對客戶信用的客觀評價，并通過欠費(fèi)、壞賬、行業(yè)違約等數(shù)據(jù)的驗證，不斷迭代和優(yōu)化模型。移動信用評分體系如圖3所示，移動信用評分建模過程如圖4所示。

圖3 移動信用評分體系

3.1.3 模型效果

模型在測試樣本下預(yù)測的準(zhǔn)確率如圖5所示，其中TPR為真陽率，F(xiàn)PR為假陽率。從圖5可以看出，該模型ROC曲線的AUC值能達(dá)到80%，說明模型預(yù)測效果不錯。模型在測試樣本下-曲線如圖6所示。從測試樣本的曲線來看，個人信用分的最大值能達(dá)到0.7，區(qū)分度較好。

3.1.4 產(chǎn)品應(yīng)用

浙江移動首選欠費(fèi)免停機(jī)場景作為試點業(yè)務(wù)啟動，針對不同的星級客戶給予了不同的信用額度（透支額度）。當(dāng)客戶產(chǎn)生的欠費(fèi)在信用額度內(nèi)時，對用戶進(jìn)行停機(jī)操作。通過該試點業(yè)務(wù)，在當(dāng)前的星級體系下找出星級較低但是信用分較高的群體，賦予他們更高的信用額度，以減少用戶的停機(jī)可能，提升收入同時控制欠費(fèi)風(fēng)險。

（1）目標(biāo)客戶撈取

從客戶星級和信用分兩個維度綜合考慮欠費(fèi)率情況，最終撈取信用分在700分以上，但星級在五星以下的客戶，為其提供免停機(jī)服務(wù)。

（2）信用額度調(diào)整

針對目標(biāo)客戶群體，根據(jù)不同的信用分等級，將其提升至不同檔次的信用額度。高信用低星級用戶信用額度調(diào)整規(guī)則如圖7所示。

圖4 移動信用評分建模過程

圖5 模型在測試樣本下預(yù)測的準(zhǔn)確率

圖6 模型在測試樣本下K-S曲線

圖7 高信用低星級用戶信用額度調(diào)整規(guī)則

（3）目標(biāo)用戶體驗

基于信用的話費(fèi)透支額度提升體驗活動于8月1日開始在浙江多地開展，在目標(biāo)用戶中隨機(jī)選取用戶進(jìn)行外呼，8月份累計外呼25.6萬人，其中，接通11.3萬人，成功7.1萬人，最終轉(zhuǎn)化率為27.6%。在8月份期間，共有2.2萬人使用了話費(fèi)透支服務(wù)（即8月份發(fā)生過欠費(fèi)），占所有參與活動客戶的33%。

應(yīng)用成效顯著，主要體現(xiàn)在以下方面。

（1）停機(jī)得到明顯改善

由于信用額度的提升，停機(jī)用戶數(shù)下降98%以上，客戶的服務(wù)感知得到了提升和改善。

（2）收入提升顯著

為了排除自然增長等因素的影響，與全省同條件且未參加活動的用戶相比，參加活動的用戶8月份ARPU（average revenue per user，用戶平均收入）提升2.17元。

（3）欠費(fèi)風(fēng)險較低

活動客戶8月的欠費(fèi)率為0.49%（39天后），顯著小于全網(wǎng)客戶同期的欠費(fèi)率1.1%。

3.1.5 產(chǎn)品展望

基于信用評分應(yīng)用浙江公司當(dāng)前已規(guī)劃了六大基于信用分的場景，對內(nèi)逐步從欠費(fèi)免停機(jī)、國內(nèi)漫游免預(yù)存、信用購機(jī)方面開展；對外將從消費(fèi)貸、免押金騎行和酒店信用住等領(lǐng)域拓展合作。

3.2 智能選址

3.2.1 研究現(xiàn)狀

選址一直是實體商業(yè)、城市規(guī)劃、基礎(chǔ)設(shè)施建設(shè)領(lǐng)域的重要課題。目前，在學(xué)術(shù)界一直有非常廣泛的研究和探索。才鑫等人[5]主要基于移動通信用戶的上網(wǎng)數(shù)據(jù)、通話數(shù)據(jù)及位置更新數(shù)據(jù)對用戶社會化行為進(jìn)行有效分析，通過對具有相似興趣的用戶軌跡進(jìn)行聚類、預(yù)測及可視化顯示，進(jìn)行商業(yè)選址，而沒有將交通、環(huán)境、競爭等因素考慮進(jìn)去；同時，并不能解決系統(tǒng)自動決策網(wǎng)點位置的問題。黎夏等人[6]將遺傳算法、蟻群算法、粒子群算法等人工智能算法應(yīng)用到多點選址問題中；黎海波等人[7]利用多目標(biāo)粒子群優(yōu)化算法和區(qū)域形狀變異算法相結(jié)合來解決復(fù)雜的空間選址問題，取得了較好的效果。但這些都是基于GIS（geographic information system，地理信息系統(tǒng)）體系的POI（point of information，信息點）數(shù)據(jù)體系來構(gòu)建的選址體系，都沒有考慮人類活動的因素，造成選址結(jié)果與人們真實的需要往往存在一定差距。隨著信息技術(shù)的發(fā)展，手機(jī)信令數(shù)據(jù)、社交網(wǎng)絡(luò)數(shù)據(jù)等大數(shù)據(jù)漸漸發(fā)揮出重要的作用，大數(shù)據(jù)技術(shù)就是將原本看起來很難利用的數(shù)據(jù)抽絲剝繭，發(fā)現(xiàn)其中的真正內(nèi)涵[8]，整合多方數(shù)據(jù)進(jìn)行選址也成為可能。

浙江移動大數(shù)據(jù)體系目前已經(jīng)整合用戶特征數(shù)據(jù)、用戶通信行為數(shù)據(jù)、用戶位置數(shù)據(jù)、用戶互聯(lián)網(wǎng)行為數(shù)據(jù)以及外部的POI數(shù)據(jù)和商業(yè)網(wǎng)點數(shù)據(jù)，形成了涵蓋地理空間、產(chǎn)業(yè)和居民的全量數(shù)據(jù)體系，具備了進(jìn)行智能選址的數(shù)據(jù)基礎(chǔ)。同時，鑒于目前大量的選址研究還僅僅是停留在GIS熱力圖展示的定性化研究的現(xiàn)狀，本文將基于浙江移動大數(shù)據(jù)建模和分析平臺能力，結(jié)合全量數(shù)據(jù)體系，提出基于地理數(shù)據(jù)、產(chǎn)業(yè)數(shù)據(jù)和用戶數(shù)據(jù)的智能選址體系，對傳統(tǒng)的單純基于POI或“人”的選址方法進(jìn)行優(yōu)化補(bǔ)充，構(gòu)建智能推薦和決策的選址系統(tǒng)。

圖8 智能選址產(chǎn)品技術(shù)

3.2.2 選址方案

整合信令位置、客戶特征、POI 3方面數(shù)據(jù)，采用分布式+MPP并行數(shù)據(jù)處理架構(gòu)，構(gòu)建基于地圖網(wǎng)格式分析模型，實現(xiàn)智能選址應(yīng)用。對外為規(guī)模性的連鎖機(jī)構(gòu)或高價值、低頻次的大型商場提供商圈初篩、商圈分析、商圈對比等功能，輔助商家決策更加合適的選址點。對內(nèi)提供區(qū)域客戶對實體渠道、擺攤方式的需求評估、周邊客戶的效能評估、競爭環(huán)境監(jiān)測與分析等能力，輔助評估備選點是否適合開實體渠道或進(jìn)行擺攤。對內(nèi)對外均可通過特征選取、導(dǎo)入客群、相似客群挖掘3種方式提取潛在客戶，采用圖形化界面展示目標(biāo)客戶的特征和分布，便于選擇最佳營銷觸點方式和營銷策略，力求更科學(xué)的精準(zhǔn)營銷，智能選址產(chǎn)品技術(shù)如圖8所示。

3.2.3 應(yīng)用效果

選址應(yīng)用在對外應(yīng)用方面，已經(jīng)與房地產(chǎn)、商場零售等各行業(yè)商家開展選址、拓客合作。在對內(nèi)應(yīng)用方面，已開始支持中國移動的渠道布局決策、加盟廳評估和審核等工作。以加盟廳評估為例，原來加盟廳審批時，地市移動需人工采集和上報廳店周邊人口、競爭、商圈業(yè)態(tài)等信息，現(xiàn)在由應(yīng)用直接提供，簡化了流程，開店時間縮短至原來的1/3，低效廳控制在10%以下。在對外應(yīng)用上，通過對點評評分排名前10的快餐店進(jìn)行位置與模型智能推薦的排名前10位置進(jìn)行對比，有7個點模型推薦的位置與實際的位置基本一致，同時實際排名靠前的另外3個點也都在模型推薦的理想開店地址。因此，能夠明顯地看到通過多方數(shù)據(jù)的結(jié)合以及智能推薦模型的構(gòu)建，能夠幫助餐飲行業(yè)實現(xiàn)智能化一鍵選址。

4 結(jié)束語

運(yùn)營商在數(shù)據(jù)方面天生擁有得天獨厚的優(yōu)勢，未來將在人工智能、行業(yè)理解和產(chǎn)品創(chuàng)新上不斷探索前進(jìn)、努力轉(zhuǎn)型，使運(yùn)營商的數(shù)據(jù)和能力在越來越多的行業(yè)中發(fā)揮舉足輕重的作用[9]。

[1] 吳軍. 大數(shù)據(jù)和機(jī)器智能對未來社會的影響[J]. 電信科學(xué), 2015, 31(2): 7-16.

WU J. Big data, machine intelligence and their impacts to the future world [J]. Telecommunications Science,2015, 31(2): 7-16.

[2] 劉春, 鄒海鋒, 向勇. 大數(shù)據(jù)環(huán)境下電信數(shù)據(jù)服務(wù)能力開放研究[J]. 電信科學(xué), 2014, 30(3): 156-161.

LIU C, ZOU H F, XIANG Y, et al. Research on telecom data service open ability under the environment of big data [J]. Telecommunications Science, 2014, 30(3): 156-161.

[3] 于鵑. 數(shù)據(jù)倉庫與大數(shù)據(jù)融合的探討[J]. 電信科學(xué),2015, 31(3): 166-170.

YU J. Discussion on integration of data warehouse and big data [J]. Telecommunications Science,2015, 31(3): 166-170.

[4] 傅一平, PK BAT. 運(yùn)營商大數(shù)據(jù)其實更有價值[J]. 廣告主，2016(4).

FU Y P, PK BAT. Big data operators is more valuable in fact[J]. Advertisers, 2016(4).

[5] 才鑫, 姜國強(qiáng). 基于移動大數(shù)據(jù)的商業(yè)選址系統(tǒng)的研究與實現(xiàn)[J]. 移動通信，2015(13): 1.

CAI X, JIANG G Q. Research and implementation of commercial location system based on mobile big data[J].Mobile Communication, 2015(13): 1.

[6] 黎夏, 葉嘉安. 遺傳算法和GIS 結(jié)合進(jìn)行空間優(yōu)化決策[J]. 地理學(xué)報, 2004, 59(5): 745-753．

LI X,YE J A. Optimal spatial search using genetic algorithms and GIS[J]. Acta Geographica Sinica, 2004, 59(5): 745-753．

[7] 黎海波, 黎夏, 劉小平, 等. 多目標(biāo)粒子群算法與選址中的形狀優(yōu)化[J]．遙感學(xué)報, 2008, 12(5): 724-733．

LI H B,LI X, LIU X P, et al. Particle-swarm optimization for site selection with contiguity constraints[J]. Journal of Remote Sensing, 2008, 12(5): 724-733．

[8] 吳志峰, 柴彥威, 黨安榮, 等. 地理學(xué)碰上“大數(shù)據(jù)”:熱反應(yīng)與冷思考[J]. 地理研究, 2015, 34(12): 2207-2221．

WU ZH F, CHAI Y W, DANG A R, et al. Geography interact with big data: Dialogue and reflection[J]. Geographical Research, 2015, 34(12): 2207-2221．

[9] 廖建新. 大數(shù)據(jù)技術(shù)的應(yīng)用現(xiàn)狀與展望[J]. 電信科學(xué), 2015, 31(7): 7-18.

LIAO J X. Big data technology: current applications and prospects [J]. Telecommunications Science, 2015, 31(7): 7-18.

Construction and practice of big data fundamental ability for telecom operators

TANG Jinsong, CAI Yun, WANG Xiaoliang, FU Yiping,TANG Xiaowei, CHEN Yonggang, ZHANG Ting

China Mobile Group Zhejiang Co., Ltd., Hangzhou 310016, China

Take Zhejiang Mobile as an example, the big data capability was demonstrated from three aspects: platform, data and technology. Combined with the enterprise practice and exploration, industry cases were shared in terms of credit score and site selection.

big data, credit score, site selection

TP311

A

10.11959/j.issn.1000?0801.2018037

2017?10?12；

2017?12?18

湯勁松（1968?），男，博士，中國移動通信集團(tuán)浙江有限公司高級工程師、大數(shù)據(jù)中心經(jīng)理，主要研究方向為大數(shù)據(jù)模型、大數(shù)據(jù)行業(yè)研究、運(yùn)營商大數(shù)據(jù)挖掘及商業(yè)變現(xiàn)等。

蔡韻（1980?），女，中國移動通信集團(tuán)浙江有限公司工程師、數(shù)據(jù)建模師，主要研究方向為數(shù)據(jù)建模和數(shù)據(jù)管理。

王曉亮（1984?），男，中國移動通信集團(tuán)浙江有限公司大數(shù)據(jù)中心工程師、產(chǎn)品經(jīng)理，主要研究方向為用戶標(biāo)簽和行為。

傅一平（1976?），男，博士，中國移動通信集團(tuán)浙江有限公司高級工程師、大數(shù)據(jù)中心數(shù)據(jù)管理部經(jīng)理，主要從事大數(shù)據(jù)系統(tǒng)、大數(shù)據(jù)建模、大數(shù)據(jù)營銷、大數(shù)據(jù)行業(yè)研究、運(yùn)營商大數(shù)據(jù)挖掘及商業(yè)變現(xiàn)等方面的研究工作。

湯瀟?。?990?），男，中國移動通信集團(tuán)浙江有限公司工程師、數(shù)據(jù)建模師，主要研究方向為數(shù)據(jù)建模。

陳永剛（1981?），男，中國移動通信集團(tuán)浙江有限公司工程師、產(chǎn)品經(jīng)理，主要研究方向為大數(shù)據(jù)產(chǎn)品及模型。

張挺（1987-），男，中國移動通信集團(tuán)浙江有限公司工程師、產(chǎn)品經(jīng)理，主要研究方向為大數(shù)據(jù)產(chǎn)品。