普林科技副总经理张弓：通信运营商大数据应用

<数据猿导读>

普林科技副总经理张弓在2016年中国通信大数据会上发表了以“通信运营商大数据应用”为主题的演讲，他讲到，运营商由增量经营转向存量经营的过程中，利用大数据理念和技术，帮助运营商进行内部业务提升和外部变现，对未来运营商的发展都有举足轻重的作用

数据猿报道，2016年4月20-21日，2016中国信息大数据通信大数据大会在京召开。大会以“开放共享、转型创新”为主题，聚焦通信业大数据产业生态，邀请工信部、院士专家、三大运营商集团及省市大数据相关业务部门领导以及领先的大数据产业领军企业及应用单位代表出席，共同探讨通信业大数据发展带来的产业机遇和挑战。

本次大会主要针对前沿ICT技术与解决方案对运营商大数据能力建设的提升以及业务运营、架构的转型影响，通信业大数据的开放应用以及开放、共享、创新的产业生态等热点话题展开讨论，全景展现运营商大数据能力建设规划与开放应用策略。

本文由“135编辑器”提供技术支持

以下是数据猿现场独家直播“普林科技副总经理张弓”的发言实录：

张弓：三大运营商的收入非常不错、利润也很高，已经比较富裕了，那我们还要不要利用大数据技术做一些工作?我觉得答案是肯定的。运营商由增量经营转向存量经营的过程中，利用大数据理念和技术，帮助运营商进行内部业务提升和外部变现，对未来运营商的发展都有举足轻重的作用。

这里有简单的几个数字，表明我们处在绝对的数据爆发的时代中。全球大数据市场的规模也在急剧的膨胀。

普林认为，大数据这个词分为几个方面：

首先，底层的数据是我们的企业经营、消费者行为，产生了海量的数据，并且将这些数据进行存储、数据的运算处理，产生数据中心、数据仓库，形成一些BI的展示和知识产权，最后对大数据进行深度分析，形成智慧，这个过程就是大数据的应用。

下面，介绍几个普林做的大数据的分析建模项目。

首先是我们建立的某国际级征信中心。这个征信中心实现了对3.7亿人的信用评论AUC值达到0.95，KS值0.78。我们运用了很多先进的大数据新算法、新模型，对它进行处理，这两点结合得出最后非常好的结果。

第二个案例是我们和大成基金合作打造国内首支全球资产配置的基金。其中一个功能叫做恐慌指数，回测显示收益率超过大盘500%。说明了舆情对资本市场具有非常重要的作用。

第三个就是我们和证监会特批的中证信用，合作建立我国资本市场信用体系。实现对400万两融帐户5000万股民及所有上市公司的信用平级。

第四个案例是我们跟北京市政府合作，建立北京市200万家组织机构树，辅助政府做出科学决策。

机器学习方面，机器学习到底是什么?我们的人是从过往的经验中总结一个规律，每来一个新的事情我们知道什么方法处理。机器学习使用的是同样的理论，我们用机器训练出折算的模型形成智慧，每来一个新的事情输入进去，就可以知道它未来会反应出什么结果。

这里有个非常简单的例子，是我们给美国最大的P2P网站Lending Club做的风险评估系统，假设好用户是蓝点，坏用户是红点。在第一张图上，简单的一条从左上到右下的斜线，就可以区分出这些好坏用户，这是最典型的线性回归模型。

在金融实际应用中，实际它的数据纬度是非常多元的，选择他还款与否的信息也是非常杂乱无章的。用决策树很难区分出这些红点和蓝点，怎么解决这些问题呢?我们就需要用非线性的符合算法，区分这些好坏用户。最后实现的结果是，我们拿到历史数据用我们的模型验证，违约率是相比Lening Club传统降低了40%。

我们如何利用数据呢?

先举个西班牙电信的例子，他们可以输入运输模型、交通建筑的规划，甚至可以预测经济的发展，经济发展的指数最近几年是非常差的，因为西班牙整体经济状况确实不太好。

第二个案例是法国电信，他利用掉话率分析基站和网络信息，及时做到增容改进用户的体验。

这几个案例可以归结到几点：运营商数据的内部运营提升，运营商数据的外部价值挖掘。

首先，这个图是个很漂亮的女生，我们其实是想讲一个用户画像的概念，我们只知道她很漂亮，是长头发，但我们并不知道她是个什么样的人。利用运营商的数据，就可以对她进行画像，可以做很多东西。我们可以知道这个姑娘是什么时间、什么地点，使用了什么APP，比如京东或者某宝，点开一个产品，到购物车，到最后的购买，其实有非常多的分步。

基于这些数据，我们就可以输出很多消费价值的模型，媒体价值的模型，应用价值的模型，包括游戏价值的模型。

第二个应用，是我们基于对用户的精准画像做的流量提升项目。我们聚合了电信运营商底层非常多的数据字段来做流量提升，这肯定是在当今运营商非常重要的业务。

在通过对这些数据的分析，我们把这些有潜力提升流量的用户分为三种：第一种是低流量用户，第二种是压力用户，我就属于这种压力用户，我有2G的流量套餐，但3月10号的时候就使用了1.8G，未来就会压抑自己的需求少上网，第三种是一些特色用户，他们对某些网站或者APP有一些特殊的需求，比如视频或音乐。我们可以针对这些用户数据，针对性的给这些用户推送套餐。

最后一个是我们对电商数据分析平台的解决方案，我们知道电信有一套自己的手机供货体系叫天翼公司，他有个B2B网站，叫天翼直供网。我们对这个直供网做了3件事情：

1、这个网站的数据源有很多，包括客商表、手机类型表、供货商表，等等，首先我们把他们汇聚到共同的数据平台上。

2、做一些BI的商业展示。

3、做我们比较擅长的领域，对他的客商购买力进行分析，同时预测出每个地方单一手机的销量，做到精准的配货和管理，最后的效果也非常不错。

外部的价值挖掘，刚才讲了不少，时间关系我就略过去了。

最后，简单做个小的广告。我们普林科技做了很多有意思的项目，之所以我们可以做这些项目并且取得非常好的结果，因为我们背后有个非常强大的团队。由我们的鄂院士领先，他是原人行征信中心技术总监，我们拥有最一流的服务团队，95%的团队成员来自于国内外顶级院校及知名企业，60%都有北大的背景。

来源：数据猿（www.datayuan.cn）