专栏首页华章科技大数据融合,电信运营商岂能再错过?

大数据融合,电信运营商岂能再错过?

本文由作者 戴一鸣(亚信科技业务咨询资深顾问)授权发布。欢迎各位作者投稿,投稿信箱:holly0801@163.com。

导读

大数据的跨界、交叉融合及基于此的知识与价值创造是大数据价值化的必由之路。在大数据产业链中,拥有数据且靠近最终用户的公司将拥有越来越大的发言权。电信运营商应抓住机会,充分发挥自己的独特优势,创建大数据融合及价值变现的新模式,并由此确立在大数据产业链中的主导地位。

先说大数据融合,再来看看电信运营商(以下称“运营商”)可以怎么做。

融合:大数据价值化的必由之路

目前比较明确的大数据价值化路径主要有两个方向,一是基于海量数据统计的宏观分析,如交通路况分析、舆情分析监控、行业分析报告等;二是基于个人用户超级画像的精准需求洞察和个性化营销。其中,后者构成了大数据商业价值的基础(对于运营商尤其如此),也是各类数据公司趋之若鹜的主要原因。个人用户数据的应用必然涉及到信息安全和个人隐私等法律问题,在此且按下不表,单就精准营销所需的用户超级画像而言,仅仅停留于客户与某一个企业交互的范围还远远不够,更需要与客户消费、行为、需求、生命周期等相关的全面的关联性信息。就这一点而言,任何一个单位或组织,无论是运营商还是其他行业、企业、数据公司,其所拥有的数据种类和数据规模都远远满足不了要求。

大数据边际效用递增规律也表明,数据价值的累积和发挥要以基本的数据量为基础。所以,大数据价值的关键在于融合,在于不同领域、不同行业、不同组织间的数据跨界、交叉融合及知识创造、价值增值。汇聚大数据,并形成全社会的大数据融合及应用,不仅是大数据价值化的必由之路,也是大数据及产业发展的必然趋势。

而现实的情况则是另外一番景象,各单位、各组织始终摆脱不了“数据小农意识”,宁可将自己的一点点数据束之高阁,也不愿分享,不敢开放。导致的结果便是,数据信息基本以互相隔绝的孤岛的形式而存在,各领域数据严重割裂,通信数据在运营商,金融数据在银行、券商,搜索数据在百度、搜狗,电商数据在阿里、京东,社交数据在腾讯、微博,各类数据都分别保存在不同单位、不同企业、不同机构手中,没有一个组织能够得到全面的数据。这样一来,不仅数据的社会价值难以发挥,各单位的一点自有数据也将随着时间推移而逐渐演化为数据垃圾,基本起不了什么作用。

当前大数据融合的三种主要形式

大数据交叉融合的必要性及需求,市场敏锐地捕捉到了,政府也看在了眼里。而且,企业和政府均为此迅速采取了行动,进而形成了当前大数据融合的几种主要形式。

1

数据交换

不同组织之间为了各自的数据需求或商业合作的需要,经过磋商而进行一次或多次、分类别的数据资源置换,是最为原始的数据交易形式之一。数据交换的主体主要有金融保险企业、软件企业、电子商务企业、医药企业、调研公司、咨询公司、数据公司等。业务相似并趋向融合的相关行业间的数据交换更为普遍,一些政府或行业协会、监管机构也乐于推进,从中牵线搭桥,或者以标准的形式鼓励并规范企业间的数据交换。

2

大数据交易所

大数据交易所是近几年随着大数据的发展和日益扩大的需求而产生的新兴数据交易机构,目前国内主要有贵阳大数据交易所、长江大数据交易所、东湖大数据交易中心、河北大数据交易中心等。可以预料,近几年内还会有不少的大数据交易机构在当地政府的支持下陆续开张。你可能也有和笔者同样的疑惑,真的需要那么多吗?这个问题说来就话长了,在此不作讨论。

这些大数据交易机构表面上名称差不多,本质上也类似。总结了一下,它们大致具有以下一些特点:

政企结合:政府搭台,企业运营。贵阳大数据交易所为贵州省政府的重点工程,由在金融大数据颇有积淀的九次方运营;长江大数据交易所则由武汉市政府发起并批准设立,亚信科技参与出资并提供运营服务;东湖大数据交易中心背靠武汉市国资委,运营厂商为中润普达;河北大数据交易中心由承德市政府与北京数海科技共同投资成立,并由数海科技运营(同时运营中关村数海大数据交易中心)。

会员制:许多大数据交易所均采取会员制,无论是数据供给方还是数据需求方,都须先成为会员,才能入场进行交易。同时,交易所对会员缺乏规范的约束机制,约束力非常有限。

B2B模式:在交易过程中,大数据交易机构主要扮演交易平台和服务通道的角色,承担交易撮合、交易管理的职能,平台本身并不存储任何交易方的数据。数据交易基本以企业数据为主,政府数据和个人数据基本未参与。数据交易的主体也以企业,特别是购买力较强的大中型企业为主。

另外,与场外交易相似,即便是在大数据交易所,数据交易也主要采取点对点两两交易的形式。也就是说,数据需求方如果需要多类数据,往往需要进行多次交易,甚至需要在不同的交易机构搜寻合适的数据。

可用性不高:一方面,出于各种考虑,供给方提供的交易数据并不完整、全面,有的甚至进行了特别处理,数据质量参差不齐,交易机构在这方面也缺乏规范,无法保证数据的质量和安全;另一方面,数据标准不统一,口径纷繁杂乱,格式五花八门,也限制了数据的使用。

封闭体系:各数据交易机构都试图将自己打造成大一统的独立王国,彼此孤立,相互割裂,竞争有余,合作不足。

尽管所有的大数据交易机构都无一例外地为我们展现了大数据及其交易发展的宏伟蓝图,但目前来看,运营状况似乎都不太好。这是不是与其先天性不足和机制缺陷有关呢?

严格意义上讲,数据交换及基于交易所的数据交易还不能称为数据融合,它们不过是将一些不同所有主体、相互独立的数据聚合到了一起,离数据价值还有相当远的距离。

3

自建数据王国

无论是数据交换,还是基于大数据交易所的数据交易,显然都无法满足那些行业大鳄的胃口。因此,它们纷纷通过整合自有跨域数据、构建数据入口、战略收购等方式建立独立的数据王国,并试图打造大数据产业链的闭环。这样的大鳄既有宝刀未老的传统企业,如万达、海尔等,也有野心勃勃的互联网企业,如BAT、京东等。

在此仅以阿里为例,看看其数据王国的朦胧面目。

马云曾明确指出,做淘宝、天猫的目的不是为了卖商品,而是获得所有零售和制造业的数据;蚂蚁金服的根本目的,也不仅是为了支付、理财和信贷,其根本是要建立信用体系;做物流也不是为了送包裹,而是要将这些数据聚合在一起。他直言阿里本质上是一家数据公司,数据是阿里最值钱的财富。

马云不仅这么说,而且一直这么做。除了其核心的阿里系平台和产品外,为了构建其完整的数据王国,他豪掷重金,收购了大量关联公司。仅在2015年,阿里就投入超过183亿美元投资或收购了超过65家公司,其中包括15家海外公司。目前阿里数据王国已初具规模,产业生态也日渐完整。下图为阿里的商业(数据产业)帝国版图概貌(点击图片可查看大图):

大数据融合已是箭在弦上,讨论要不要已没有必要,需要重点思考的是该如何做,如何在竞争与合作中占据趋势的潮头。运营商在大数据的融合及应用上大有可为,完全可以充分发挥其独特优势,建立并主导大数据价值管理及变现的新生态。

大数据产业链

大数据产业链主要包括了数据归集与整合、数据存储与管理、数据分析与挖掘、数据应用与消费等价值域,其架构如下图:

对运营商来说,没有能力也没有必要上下通吃。在整个产业链中,数据及应用是核心和关键。拥有数据,且最靠近最终用户的公司,在产业链上将拥有越来越大的发言权。只要掌握了数据源和用户,就是抓住了大数据价值链的七寸,就能在数据价值的生态中占据主导地位。

运营商的独特优势

那么,有人可能会问,运营商何德何能,可以通过掌握数据源和应用而在山头林立的数据江湖中坐上头把交椅呢?且来看看运营商所具备的独特优势,你就会相信此言不虚了。

  1. 角色地位:三大运营商均位央企之列,国资委控股,除提供社会服务外还肩负国家网络与信息安全的重任,具有承担数据汇集、管理角色的天然优势。这点非常重要,它使得运营商更有可能获得政府的公众数据及更大支持。
  2. 数据规模:在社会数据与信息体系中,运营商位于社会信息的中枢位置,在提供信息服务的同时,也聚集了巨大的数据量。运营商占据了数据管道,其在数据广度上的规模优势是首屈一指的。
  3. 客户规模:中国运营商拥有地球上最大的客户群,不仅可提供稳定的数据来源,还为大数据的应用储存了大量的潜在客户。
  4. 客户接触:运营商的智能管道提供了无与伦比的客户连接,再牛的互联网厂商离开了运营商也是寸步难行。更重要的是,运营商可在24小时X365天中与其庞大的客户群随时建立主动连接,这为大数据的客户级应用提供了极大的便利。
  5. 最佳身份识别:如今的手机号码作为通讯识别的基础代码,仅仅是其价值的一小部分,更重要的是它已深入到大众生活服务的方方面面,与个人的日常生活紧密关联,称其为生活号码更为确切。同时,实名制的实施又将手机号码和身份信息关联起来,从而使手机号码的关联信息真实性、准确性和范围都得到了大大加强。不同领域、不同行业、不同企业间的客户信息彼此独立,千差万别,而手机号码则是使用最为广泛的数据字段。所以,在大数据融合和分析的过程中,手机号码便成为天然的最佳身份识别标志和关联字段。

以运营商为中心的数据同盟

运营商虽然已经拥有了可观的数据,但与数据价值要求相比,其在数据总量,特别是数据深度上仍然不足。在大数据产业发展的进程中,运营商不仅能够,而且应该发挥更加重要的作用,主导整合大数据产业资源,推进数据融合、应用消费和价值变现。很显然,以上提到的数据交换、大数据交易所及自建数据王国等三种模式都不适合运营商的目标和实际。

笔者认为,运营商完全可以充分发挥自有的独特优势,建立起创新型的大数据融合及价值变现模式。为此,运营商可以政府(公共服务)、金融、零售、电商、物流、教育、智能终端等大数据基础较好且应用较为迫切的行业及龙头企业、机构(发起同盟方)为合作支点,以合资公司的形式初步建立起数据融合与应用同盟。之后,再以合资公司为基础,筑巢引凤,逐步引入更多的合作伙伴(合作同盟方),拓展大数据融合、应用规模和合作空间,渐次构建起跨领域、跨行业、连接众多数据孤岛的大数据融合、应用、共享及价值变现平台。在此,我们姑且称之为数据同盟模式,其价值实现机制如下图所示:

作为一种创新型的大数据价值实现模式,与传统的大数据融合有许多不同,在策略重点上也有明显差异。主要表现为以下几点:

  1. 紧密型同盟 与上海大数据联盟、长江大数据产业联盟、中关村大数据产业联盟、贵州大数据产业技术联盟等大多数较为松散的行业联盟不同,由运营商主导的数据同盟是一种紧密型的合作组织。该同盟以合资公司的形式存在,由核心同盟单位以资金、数据或其他资产作价共同投资,独立法人,独立经营,独立拥有所有数据的所有权或使用权。各同盟单位以有偿的方式(数据合作或作为股权投资)向合资公司提供主要数据,合资公司的应用产品和解决方案优先供同盟方有偿使用。
  2. 政府支持 数据同盟应积极争取政府的实质性支持,所谓实质性支持,是指不能停留在仅具有指导意义的口头和文件上。政府最佳的支持方式就是直接投资入股、开放政府数据,这两种方式都是极有可能的。政府投资自不必说,此类案例比比皆是,而且各大数据交易所背后也都能见到政府投资的影子。 至于政府开放数据,一方面政府有逐步开放公众数据的责任和利用大数据提升公共服务水平的要求,另一方面出于安全、风险的考虑,在这一问题上一直谨小慎微。如果规划、沟通得当,与有着国企身份、且在数据安全和应用上有着良好技术和经验基础的运营商合作极有可能成为政府重点考虑的数据开放模式。 事实上,不少政府部门一直在谋求、实践大数据的安全共享和应用。例如,交通管理部门与百度合作,将公交、车辆、路网等交通数据一定程度开放给百度,百度结合自有地图数据,加工后向公众提供免费、方便的出行服务,同时以此强化自己的大数据生态;另一方面,百度也将地图数据开放给交通部门,丰富其交通数据资源。 政府公众数据具有价值密度高的特点,如果能实现政府数据的接入,那将为此模式添色不少。从数量规模上看,政府数据并不算大,仅仅占7%~8%;但从有效性上看,这7%~8%的数据却占据了有效数据总量的80%左右。
  3. 数据与应用融合 与传统的数据交换和交易所模式下数据与应用割裂不同,数据同盟不仅要做数据聚合,更重要的是要基于融合数据做应用融合、价值融合。通过数据整合和加工,向跨领域、跨行业、不同需求的客户提供差异化的数据应用服务。
  4. 价值链角色定位 从产业价值链的层面讲,商业模式是指企业在产业链上的角色定位和地位。放在大数据产业价值链中来看,数据同盟模式主要定位于数据融合与应用,其价值抓手不在硬件及IT技术,而是以数据标准、数据聚合、数据加工、应用服务为重点。 前面讲过,不同领域、行业及企业间数据标准、口径和格式的不统一严重影响了数据的融合和应用,所以,应该首先在同盟范围内统一数据标准和规范,并大力向外开放、推广这一标准。谁制定了统一标准,谁就占据了市场先机和制高点。 数据的聚合是数据同盟的核心,是数据加工与应用服务的基础。之所以要建立这种紧密同盟,最主要的原因就是要打破壁垒,在法律、规则框架下从各同盟方获得充分、优质的数据,经过整合以达到优质应用服务所需要的基本数据量。在此基础上,以合作的方式逐步引入更多的数据资源,持续扩展数据规模和应用空间,最终形成全社会的应用级大数据平台。笔者通过长期的观察和研究发现,虽然大多数企业都对数据开放心存疑虑,各有各的算盘,但有一点是一致的,那就是都能认识到自有数据的严重不足,对充分数据有着强烈的需求。如果数据同盟单位通过协商制定具有严格约束力的数据管理及使用规范,确保数据安全,那么愿意在一定规则框架范围内开放数据的企业还是不少的。值得一提的是,大多数企业都对运营商的用户数据有着十分浓厚的兴趣。 数据本身并不产生价值,只有经过合理的加工,才能挖掘并发挥其价值。在数据同盟模式下,需要对整合的数据进行体系化、规范化的分析、挖掘,输出数据产品(如风控、预测、分析报告等)和解决方案(如精确营销方案、行业解决方案等)。需要强调的是,与大数据交易所竭然不同,数据同盟平台卖的不是数据,而是数据服务,在服务过程中数据所有权不发生转移,从而使数据得以重复利用。 除了向数据产品需求方(包括同盟单位和非同盟客户)提供有偿数据与应用服务外,在保证数据安全的前提下,平台还向政府和公共服务机构免费提供数据服务,并按互惠的原则逐步向数据需求方、应用开发者进行数据开放。

事实上,这种巨头战略联手的合作模式并非没有先例。早在2014年,万达、百度、腾讯三巨头就开始了战略合作,合资成立电子商务公司。万达电商一期总投资额高达50亿人民币,其中万达持股70%,腾讯和百度各15%。按照合作计划,三家公司将联合打通账号与会员体系,打造互联网金融产品,在大数据融合、通用积分联盟等方面开展深度合作。运营商背靠政府,坐拥大网络、大数据、大客户群,有着更大的影响力和话语权,完全可以在大数据融合与价值变现中做得更好、更强。

另一方面,大数据发展已经到了一个临界点,传统巨头和新锐数据公司纷纷发力,在数据的积累、聚合和加工上已经形成了较好的基础和一定的壁垒,并开始在商业价值变现上多面出击,留给运营商的时间窗正在慢慢关闭。当大数据俨然成为一个时代的代名词时,运营商如果还不积极采取强有力的策略和行动,恐怕其作为数据管道的价值也将慢慢消逝殆尽。

END

版权声明:

转载文章均来自公开网络,仅供学习使用,不会用于任何商业用途,如果出处有误或侵犯到原作者权益,请与我们联系删除或授权事宜,联系邮箱:holly0801@163.com。转载大数据公众号文章请注明原文链接和作者,否则产生的任何版权纠纷与大数据无关。

本文分享自微信公众号 - 大数据(hzdashuju),作者:戴一鸣

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2016-05-26

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 一篇对大数据深度思考的文章,让你认识并读懂大数据

      我希望有些不一样,所以对该如何去认识大数据进行了一番思索,包括查阅了资料,翻阅了最新的专业书籍,但我并不想把那些零散的资料碎片或不同理解论述简单规整并堆积起...

    华章科技
  • 发达国家如何布局大数据战略

    大数据在美国之所以能被迅速、广泛应用,与美国高度重视大数据价值、积极推动数据开放和拥有一批掌握核心技术的信息技术企业密切相关。

    华章科技
  • CCF大数据专家委:《2018年大数据发展趋势预测》(PPT全文)

    ○ 报告对2018年大数据发展趋势进行了十大预测,包括:机器学习继续成为大数据智能分析的核心技术;人工智能和脑科学相结合,成为大数据分析领域的热点;数据科学带动...

    华章科技
  • 大数据的机遇与挑战:清华、复旦、中科院、春雨移动及考拉征信专家的观点

    用户1737318
  • 投稿 | 现阶段我为什么不看好纯粹的数据交易?

    原力大数据创始人江颖表示,尽管大数据交易平台建设正值爆发期,数据交易号称的市场规模也在不断壮大,同时也有国家大力的政策支持。但是短期内,我仍然不看好数据交易,因...

    数据猿
  • 透过数据魔镜看人看物看世界

    万物皆数,透过数据的魔镜能够帮助人类照出万物的本质,看人看物看世界。正如实现心愿的如意——如意如意快快显灵,数据的如意如今已经成为评判人和物的标尺,给人给物画像...

    机器思维研究院
  • 数据猿专访 | 北大新媒体研究院副院长刘德寰:大数据将在公共卫生领域迎来爆发式发展

    <数据猿导读> 刘德寰教授在接受数据猿采访时说到,公共卫生跟人的生命密切关联,未来,大数据一定会在公共卫生领域有巨大的应用前景跟爆发式发展;但同时也很担忧,现在...

    数据猿
  • 数据清洗 Chapter01 | 数据清洗概况

    这篇文章讲述的是数据存储方式和数据类型等基本概念、数据清洗的必要性和质量评价的关键点。希望这篇数据清洗的文章对您有所帮助!如果您有想学习的知识或建议,可以给作者...

    不温卜火
  • 大数据24小时 | 美国创企LogicMonitor完成 1.3亿美元融资 ,京东金融再扩版图布局车联网大数据

    <数据猿导读> 提供数据中心监测服务的美国创企LogicMonitor完成 1.3亿美元融资;东南卫视与认知数据合作,布局影视文化大数据;京东金融再扩版图,合作...

    数据猿
  • DàYé玩转数据战略Step By Step

    我们先看看工业革命的演进路径,从1.0的蒸汽机时代,到2.0的电力、流水线和大规模生产时代,再到3.0的计算机自动化时代,最后是4.0的智能化时代。

    曲水流觞

扫码关注云+社区

领取腾讯云代金券