电信的大数据是哪些

『壹』 大数据应用在哪些领域

大数据应用于各个行业，包括金融、汽车、餐饮、电信、能源、娱乐等在内的社会各行各业都已经融入了大数据的痕迹。

1、制造业：利用工业大数据提升制造业水平，包括产品故障诊断与预测、分析工艺流程、改进生产工艺，优化生产过程能耗、工业供应链分析与优化、生产计划与排程。

2、金融业：大数据在高频交易、社交情绪分析和信贷风险分析三大金融创新领域发挥重大作用。

3、汽车行业：利用大数据和物联网技术的无人驾驶汽车，在不远的未来将走入我们的日常生活。

4、互联网行业：借助于大数据技术分析用户行为，进行商品推荐和针对性广告投放。

5、餐饮行业：利用大数据实现餐饮O2O模式，彻底改变传统餐饮经营方式。

6、电信行业：利用大数据技术实现客户离网分析，及时掌握客户离网倾向，出台客户挽留措施。

7、能源行业：随着智能电网的发展，电力公司可以掌握海量的用户用电信息，利用大数据技术分析用户用电模式，可以改进电网运行，合理设计电力需求响应系统，确保电网运行安全。

8、物流行业：利用大数据优化物流网络，提高物流效率，降低物流成本。

9、城市管理：利用大数据实现智能交通、环保监测、城市规划和智能安防。

10、生物医学：大数据可以帮助我们实现流行病预测、智慧医疗、健康管理，同时还可以帮助我们解读DNA,了解更多的生命奥秘。

11、公共安全领域：政府利用大数据技术构建强大的国家安全保障体系，公共安全领域的大数据分析应用，反恐维稳与各类案件分析的信息化手段，借助大数据预防犯罪。

12、个人生活：大数据还可以应用于个人生活，利用与每个人相关联的“个人大数据”，分析个人生活行为轨迹，为其提供更加周到的个性化服务。

大数据的价值远不止于此，大数据对各行各业的渗透，是推动社会生产和生活的核心要素。

(1)电信的大数据是哪些扩展阅读

七个典型的大数据应用案例

1、梅西百货的实时定价机制。根据需求和库存的情况，该公司基于SAS的系统对多达7300万种货品进行实时调价。

2、Tipp24AG针对欧洲博彩业构建的下注和预测平台。该公司用KXEN软件来分析数十亿计的交易以及客户的特性，然后通过预测模型对特定用户进行动态的营销活动。这项举措减少了90%的预测模型构建时间。SAP公司正在试图收购KXEN。

3、沃尔玛的搜索。这家零售业寡头为其网站Walmart.com自行设计了最新的搜索引擎Polaris，利用语义数据进行文本分析、机器学习和同义词挖掘等。根据沃尔玛的说法，语义搜索技术的运用使得在线购物的完成率提升了10%到15%。“对沃尔玛来说，这就意味着数十亿美元的金额。”Laney说。

4、快餐业的视频分析。该公司通过视频分析等候队列的长度，然后自动变化电子菜单显示的内容。如果队列较长，则显示可以快速供给的食物;如果队列较短，则显示那些利润较高但准备时间相对长的食品。

5、Morton牛排店的品牌认知。当一位顾客开玩笑地通过推特向这家位于芝加哥的牛排连锁店订餐送到纽约Newark机场（他将在一天工作之后抵达该处）时，Morton就开始了自己的社交秀。首先，分析推特数据，发现该顾客是本店的常客，也是推特的常用者。根据客户以往的订单，推测出其所乘的航班，然后派出一位身着燕尾服的侍者为客户提供晚餐。

6、PredPolInc.。PredPol公司通过与洛杉矶和圣克鲁斯的警方以及一群研究人员合作，基于地震预测算法的变体和犯罪数据来预测犯罪发生的几率，可以精确到500平方英尺的范围内。在洛杉矶运用该算法的地区，盗窃罪和暴力犯罪分布下降了33%和21%。

7、TescoPLC（特易购）和运营效率。这家超市连锁在其数据仓库中收集了700万部冰箱的数据。通过对这些数据的分析，进行更全面的监控并进行主动的维修以降低整体能耗。

『贰』 什么是大数据，请不要给我背概念，请求解释通俗易懂

数以亿兆的数据谓之大数据，传统企业需要处理这么多数据必须自建数据中心，云计算的好处在于以网络云为储存媒介，结合大数据运算能力，拥有了未来万物相连后巨大数据运算的能力。

『叁』 有谁知道大数据指的是什么

大数据(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。(在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据的方法[2]）大数据的4V特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）。
说起大数据，就要说到商业智能：
商业智能（Business Intelligence，简称：BI），又称商业智慧或商务智能，指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。

商业智能作为一个工具，是用来处理企业中现有数据，并将其转换成知识、分析和结论，辅助业务或者决策者做出正确且明智的决定。是帮助企业更好地利用数据提高决策质量的技术，包含了从数据仓库到分析型系统等。

商务智能的产生发展
商业智能的概念经由Howard Dresner(1989年)的通俗化而被人们广泛了解。当时将商业智能定义为一类由数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的技术及其应用。

商务智能是20世纪90年代末首先在国外企业界出现的一个术语，其代表为提高企业运营性能而采用的一系列方法、技术和软件。它把先进的信息技术应用到整个企业，不仅为企业提供信息获取能力，而且通过对信息的开发，将其转变为企业的竞争优势，也有人称之为混沌世界中的智能。因此，越来越多的企业提出他们对BI的需求，把BI作为一种帮助企业达到经营目标的一种有效手段。

目前，商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商资料及来自企业所处行业和竞争对手的数据，以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策既可以是作业层的，也可以是管理层和策略层的决策。

为了将数据转化为知识，需要利用数据仓库、线上分析处理（OLAP）工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是ETL、数据仓库、OLAP、数据挖掘、数据展现等技术的综合运用。

把商业智能看成是一种解决方案应该比较恰当。商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。

企业导入BI的优点
1.随机查询动态报表

2.掌握指标管理

3.随时线上分析处理

4.视觉化之企业仪表版

5.协助预测规划

导入BI的目的
1.促进企业决策流程(Facilitate the Business Decision-Making Process)：BIS增进企业的资讯整合与资讯分析的能力，汇总公司内、外部的资料，整合成有效的决策资讯，让企业经理人大幅增进决策效率与改善决策品质。

2.降低整体营运成本(Power the Bottom Line)：BIS改善企业的资讯取得能力，大幅降低IT人员撰写程式、Poweruser制作报表的时间与人力成本，而弹性的模组设计介面，完全不需撰写程式的特色也让日后的维护成本大幅降低。

3.协同组织目标与行动(Achieve a Fully Coordinated Organization)：BIS加强企业的资讯传播能力，消除资讯需求者与IT人员之间的认知差距，并可让更多人获得更有意义的资讯。全面改善企业之体质，使组织内的每个人目标一致、齐心协力。

商业智能领域的技术应用
商业智能的技术体系主要有数据仓库（Data Warehouse，DW）、联机分析处理（OLAP）以及数据挖掘（Data Mining，DM）三部分组成。

数据仓库是商业智能的基础,许多基本报表可以由此生成,但它更大的用处是作为进一步分析的数据源。所谓数据仓库（DW）就是面向主题的、集成的、稳定的、不同时间的数据集合，用以支持经营管理中的决策制定过程。多维分析和数据挖掘是最常听到的例子,数据仓库能供给它们所需要的、整齐一致的数据。

在线分析处理（OLAP）技术则帮助分析人员、管理人员从多种角度把从原始数据中转化出来、能够真正为用户所理解的、并真实反映数据维特性的信息，进行快速、一致、交互地访问，从而获得对数据的更深入了解的一类软件技术。

数据挖掘（DM）是一种决策支持过程，它主要基于AI、机器学习、统计学等技术，高度自动化地分析企业原有的数据，做出归纳性的推理，从中挖掘出潜在的模式，预测客户的行为，帮助企业的决策者调整市场策略，减少风险，做出正确的决策。

商业智能的应用范围
1.采购管理

2.财务管理

3.人力资源管理

4.客户服务

5.配销管理

6.生产管理

7.销售管理

8.行销管理

商业智能实施步骤

商业智能系统处理流程[1]
商业智能（BI）作为一个概念，描述与业务紧密结合，并且根据需要进行相关特性展示和数据处理的过程。

为了让数据“活”起来，往往需要利用数据仓库、数据挖掘、报表设计与展示、联机在线分析（OLAP）等技术。数据或者数据源包含的种类繁多，例如存储在关系型数据库中的，在外围数据文件中的，在业务流中实时产生存储在内存中的等等。而商业智能最终能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。

这些分析有财务管理、点击流分析（Clickstream）、供应链管理、关键绩效指标（Key Performance Indicators, KPI）、客户分析等。商业智能关注的是，从各种渠道（软件，系统，人，等等）发掘可执行的战略信息。商业智能用的工具有抽取（Extraction）、转换（Transformation）和加载（Load）软件（搜集数据，建立标准的数据结构，然后把这些数据存在另外的数据库中）、数据挖掘和在线分析（Online Analytical Processing，允许用户容易地从多个角度选取和察看数据）等 。

商业智能系统的功能
商业智能系统应具有的主要功能：

数据仓库：高效的数据存储和访问方式。提供结构化和非结构化的数据存储，容量大，运行稳定，维护成本低，支持元数据管理，支持多种结构，例如中心式数据仓库，分布式数据仓库等。存储介质能够支持近线式和二级存储器。能够很好的支持现阶段容灾和备份方案。

数据ETL：数据ETL支持多平台、多数据存储格式（多数据源，多格式数据文件，多维数据库等）的数据组织，要求能自动化根据描述或者规则进行数据查找和理解。减少海量、复杂数据与全局决策数据之间的差距。帮助形成支撑决策要求的参考内容。

数据统计输出（报表）：报表能快速的完成数据统计的设计和展示，其中包括了统计数据表样式和统计图展示，可以很好的输出给其他应用程序或者Html形式表现和保存。对于自定义设计部分要提供简单易用的设计方案，支持灵活的数据填报和针对非技术人员设计的解决方案。能自动化完成输出内容的发布。

分析功能：可以通过业务规则形成分析内容，并且展示样式丰富，具有一定的交互要求，例如预警或者趋势分析等。要支持多维度的联机在线分析（OLAP分析），实现维度变化、旋转、数据切片和数据钻取等。帮助决策做出正确的判断。

典型的商业智能系统
典型的商业智能系统有：

客户分析系统、菜篮分析系统、反洗钱系统、反诈骗系统、客户联络分析系统、市场细分系统、信用计分系统、产品收益系统、库存运作系统以及与商业风险相关的应用系统等。

[编辑]商业智能解决方案厂商
提供商业智能解决方案的著名IT厂商包括微软、IBM、Oracle、Microstrategy、Business Objects、Cognos、SAS等

最后，希望你关注一下FineBI，帆软软件的大数据解决方案，我看了，还是很不错的

『肆』 大数据体现在哪些方面

1、疫情期间的大数据

就比如疫情期间我们所用的健康码，其实也就是基于大数据，采集每位用户的行动轨迹，然后自动生成绿码或者红码。又比如说，在疫情爆发时，浙江通过使用交通流大数据技术，排查分析从疫情严重地区驶入的车辆，帮助提高疫情防控效率。另外，大数据也被广泛应用到语音智能识别、智慧城市和信息安全、医疗、交通等方方面面。

2、业务流程优化

大数据还会更多的帮助业务流程的优化。我们可以通过利用社交媒体数据、网络搜索以及天气预报等等去挖掘出大量的有价值的数据，其中大数据的应用最广泛的就是供应链以及配送路线的优化。从这两个方面，地理定位和无线电频率的识别追踪货物和送货车，利用实时交通路线数据制定更加优化的路线。

3、更了解用户需求

大数据的应用目前在这领域是最广为人知的。重点是如何应用大数据更好的了解客户以及他们的爱好和行为。企业非常喜欢搜集社交方面的数据、浏览器的日志、分析出文本和传感器的数据，为了更加全面的了解客户。在一般情况下，建立出数据模型进行预测。举一个比较简单的例子就是通过大数据的应用，电信公司可以更好预测出流失的客户，沃尔玛则会更加精准的预测哪个产品会大卖，汽车保险行业会了解客户的需求和驾驶水平，政府也能了解到选民的偏好。

4、提高医疗和研发

大数据分析应用的计算能力可以让我们能够在几分钟内就可以解码整个DNA。并且让我们可以制定出最新的治疗方案。同时可以更好的去理解和预测疾病。就好像人们戴上智能手表等可以产生的数据一样，大数据同样可以帮助病人对于病情进行更好的治疗。大数据技术目前已经在医院应用监视早产婴儿和患病婴儿的情况，通过记录和分析婴儿的心跳，医生针对婴儿的身体可能会出现不适症状做出预测。这样可以帮助医生更好的救助婴儿。

5、金融交易

大数据在金融行业主要是应用金融交易。高频交易(HFT)是大数据应用比较多的领域。其中大数据算法应用于交易决定。现在很多股权的交易都是利用大数据算法进行，这些算法现在越来越多的考虑了社交媒体和网站新闻来决定在未来几秒内是买出还是卖出。

6、改善安全和执法

大数据现在已经广泛应用到安全执法的过程当中。想必大家都知道美国安全局利用大数据进行恐怖主义打击，甚至监控人们的日常生活。而企业则应用大数据技术进行防御网络攻击。警察应用大数据工具进行捕捉罪犯，信用卡公司应用大数据工具来槛车欺诈性交易。

『伍』 看看全球十大电信巨头的大数据玩法

看看全球十大电信巨头的大数据玩法

大数据时代，掌握海量数据无疑使自己在这竞争激烈的时代占得先机，对于电信运营商来说，更是如此。通过深度挖掘这些数据，他们正试图打造全新的商业生态圈，实现新的业绩增长点，当然也实现从电信网络运营商到信息运营商的转变。中云网的这篇文章将从全球十大电信运营商的角度分析它们是如何利用大数据的，从中或许可以给你一点启示。

对于电信运营商而言，没有哪一个时代能比肩4G时代，轻松掌握如此海量的客户数据。4G时代，手机购物、视频通话、移动音乐下载、手机游戏、手机IM、移动搜索、移动支付等移动数据业务层出不穷。它们在为用户创造了前所未有的新体验同时，也为电信运营商挖掘用户数据价值提供了大数据的视角。数据挖掘、数据共享、数据分析已经成为全球电信运营商转变商业模式，赢取深度商业洞察力的基本共识。

目前，全球120家运营商中，已经有48%的企业正在实施大数据战略。通过提高数据分析能力，他们正试图打造着全新的商业生态圈，实现从电信网络运营商（Telecom）到信息运营商（Infocom）的华丽转身。从曾经的“管道”到大数据战略融合，电信运营商到底该如何善用大数据？全球10强电信“大佬们”的大数据应用之道及其培育的新经济增长点启示颇多。

1. AT&T：位置数据货币化

AT&T是美国最大的本地和长途电话公司，创建于1877年。2009年，AT&T利用全球领先的数据分析平台、应用和服务供应商Teradata天睿公司的大数据解决方案，开始了向信息运营商的转变。

在培育新型业绩增长点的过程中，AT&T决定和星巴克开展合作，利用大数据技术收集、分析用户的位置信息，通过客户在星巴克门店附近通话或者其他通信行为，预判消费者的购物行为。为此，AT&T挑选高忠诚度客户，让其了解AT&T与星巴克之间的这项业务，并签署协议，将客户隐私的管理权交给客户自己。在获得允许情况下，AT&T将这些信息服务以一定金额交付给星巴克。星巴克通过对这些数据的挖掘，可以预估消费者登门消费的大概时间段，并且预测个人用户行为，并做出个性化的推荐。此外，在iPhone上市伊始，为了解iPhone的市场反响，AT&T还选择与Facebook结成战略联盟，通过对Facebook的非结构化数据进行分析，发现用户对价格、移动功能、服务感知等产品指标的体验情况，从而推出更加准确的电信捆绑服务。

2. NTT：创新医疗行业的社会化整合

NTT是日本最大电信服务提供商，创立于1976年。它旗下的NTTDOCOMO是日本最大的移动通讯运营商，也是全球最大的移动通讯运营商之一，拥有超过6千万的签约用户。

自2010年，NTTDOCOMO利用大数据解决方案，实现了医疗资源的社会化创新，培育了医疗信息服务增长点。面对日本社会的老龄化趋势，NTTDOCOMO想到了通过搭建信息服务平台，满足用户的个性化医疗需求。因此，NTTDOCOMO和Teradata天睿公司进行充分合作，利用其大数据解决方案，建立自己的资料库。通过开设MedicalBrain和MD+平台，聚合大量的医疗专业信息，网聚了大批医疗行业专业人士。这使用户和各种专业医疗和保健服务提供商共同拥有了符合标准的、安全可靠的生命参数采集和分发平台。在这个平台上，NTTDOCOMO能够根据用户的以往行为洞察其个性化需求，再将这些需求反馈至对应的医疗人员，帮助用户获得高价值的信息反馈。

3. Verizon：数据仓库促进精准营销

Verizon是美国最大的本地电话公司、最大的无线通信公司之一，也是全世界最大的印刷黄页和在线黄页信息提供商。它在美国、欧洲、亚洲、太平洋等全球45个国家经营电信及无线业务。

随着年轻一代用户成为电信消费主力人群，通过多媒体、社交媒体等渠道了解他们的消费行为成为Verizon的营销重点。因此，Verizon成立精准营销部门（PrecisionMarketingDivision），利用Teradata天睿公司的企业级数据仓库，对用户产生的结构化、非结构化数据进行挖掘、探索和分析。在大数据解决方案的帮助下，Verizon实现了对消费者的精准营销洞察，并且向他们提供商业数据分析服务，同时在获得允许情况下，将用户数据直接向第三方交易。此外，这些对用户购买行为的洞察也为Verizon的广告投放提供支撑，实现精准营销。凭借着获取的消费者行为的洞察力，Verizon还决定进军移动电子商务，形成自己全新的业绩增长点。

4. 德国电信：智能网络培育新增长点

德国电信是欧洲最大的电信运营商，全球第五大电信运营商。旗下T-Systems是全球领先的ICT解决方案和服务供应商。

正是T-Systems将德国电信带上了大数据的发展快车道。基于拥有全球12万平方米数据中心的优势，T-Systems提出了“智能网络”的概念。通过实时获得汽车、医疗以及能源企业的数据，T-Systems先后开发了车载互联网导航系统、交通意外自动呼叫系统以及声控电邮系统，以及能源网开发解决方案，实现电量的供需平衡。此外，它还通过设计安全的传输方式和便捷的解决方案，将医生和患者对接，提供整合的医疗解决方案。

5. Telefónica：大数据支撑用户体验优化

Telefónica创立于1924年，是西班牙的一家大型跨国电信公司，主要在西班牙本国和拉丁美洲运营，它也是全球最大的固定线路和移动电信公司之一。

Telefónica一直将用户体验视为企业发展重点。Telefónica启动一个针对移动宽带网络的端到端用户体验管理项目，并建立了一个包含60多个用户体验指标的系统，支持无线网络控制器（RNC）、域名系统（DNS）、在线计费系统（OCS）、GPRS业务支撑节点（SGSN）、探针等各种网络节点的信息采集。所有采集来的信息经过整合后存储到数据库中，为后续的用户体验测量提供数据支撑。

6. Vodafone：动态数据仓库支持商业决策

沃达丰是跨国性的移动电话运营商，现为全球最大的流动通讯网络公司之一。

Vodafone在大数据应用方面取得了丰硕成果。早在2009年，旗下SmarTone-Vodafone就委托Teradata天睿公司为其完成动态数据仓库的部署，使企业所有管理人员可以根据信息轻松制定最佳决策。它主要通过开放API，向数据挖掘公司等合作方提供部分用户匿名地理位置数据，以掌握人群出行规律，有效地与一些LBS应用服务对接。这些大数据解决方案极大提高了SmarTone-Vodafone的市场领导力。

7. 中国移动：客户投诉智能识别系统降低投诉率

中国移动通信集团公司是中国规模最大的移动通信运营商，也是全球用户规模最大的移动运营商。

在中国移动近实现客户数量迅猛增长的同时，相应也带来了客户投诉量的增长。

为了辨别客户投诉的真实原因、发现问题、改进产品、提升服务体验，中国移动和Teradata天睿公司进行了密切合作。Teradata为其配置了基于CCR模型的客户投诉智能识别系统，以投诉内容为源头，通过智能文本分析，实现了从发现问题到分析问题，再到解决问题以及跟踪评估的闭环管理。经过一段时间使用，仅中国移动某省级公司，就实现全网投诉内容的智能识别：769个投诉原因被识别，配合业务部门提出37个产品优化建议，协助优化11个产品;优化不满意点58个，消除368,295客户的潜在不满隐患，每年节约成本达540万。

8. 法国电信：数据分析改善服务水平

法国电信是法国最大的企业，也是全球第四大电信运营商，拥有全球最大的3G网络Orange。

为了优化用户体验，法国电信旗下企业Orange采用Teradata天睿公司大数据解决方案，开展了针对用户消费数据的分析评估。Orange通过分析掉话率数据，找出了超负荷运转的网络并及时进行扩容，从而有效完善了网络布局，给客户提供了更好的服务体验，获得了更多的客户以及业务增长。同时，Orange承建了一个法国高速公路数据监测项目。面对每天产生500万条记录，Orange深入挖掘和分析，为行驶于高速公路上的车辆提供准确及时的信息，有效提高道路通畅率。

9. 意大利电信：数据驱动的个性化业务

意大利电信是欧洲最大的移动运营商之一，同时也是基于单一网络提供GSM系列服务的领先欧洲运营商。

面对固网业务的下滑，意大利电信构建了面向全业务运营的客户数据仓库，以适应市场、销售、客户服务等领域的业务规则和需要。通过对客户数据的洞察，有效地预测收入状况与客户行为的关联性，推出了诸多个性化产品满足客户需求。意大利电信推出的NapsterMobile音乐业务就提供包括手机铃声、艺术家肖像墙纸以及接入NapsterMobile歌曲目录等个性化服务，直接拉动了企业业绩。

10. KDDI：数据管理服务是核心

KDDI是日本知名的电信运营商，在世界多个国家设有子公司。

通过大数据资产，提供数据管理服务是KDDI的核心业务之一。KDDI利用自身优势，以数据中心为核心，向企业提供包括云计算服务在内的信息通讯综合服务。KDDI于2000年开始在中国开展为日系及当地企业提供数据管理服务，业务发展迅猛。2012年，KDDI在北京经济技术开发区建设了当地最大规模数据中心，占地2.5万平米，试图实现2015年海外营业额为2010年2倍的目标。

以4G为代表的移动互联网时代，令信息、互联网行为数据、话单数据、WAP日志/WEB日志、互联网网页、投诉文本、短信文本等结构化数据以及非结构数据呈现几何式增长。面对新型海量数据，传统电信运营商正面临越来越大的挑战：

客户与内容服务提供商联系更加紧密，但对电信企业的忠诚度反而下降；企业无法通过流量内容服务提供商业价值，盈利能力持续下降；“管道化”严重弱化对承载信息的掌控，丧失创新产品、业务发展的基础。

电信运营商需要凭借数据分析来竞争，实现数据价值货币化。同时，利用大数据实现企业从电信网络运营商到信息运营商的转型。通过对数据的分析，了解客户流量业务的消费习惯，识别客户消费的地理位置，洞察客户接触不同信息的渠道等等，电信运营商将获得深度商业洞察力，打造基于大数据的租售数据模式、租售信息模式、数字媒体模式、数据使能模式、数据空间运营模式、大数据技术提供商等全新商业模式。

以上是小编为大家分享的关于看看全球十大电信巨头的大数据玩法的相关内容，更多信息可以关注环球青藤分享更多干货

『陆』 大数据变现,电信运营商只需往前迈一步

大数据变现,电信运营商只需往前迈一步

经过多年的技术积累和市场培育，大数据已经从“炒作”走向落地。全球主流的电信运营商普遍认识到大数据所蕴藏的高价值，开始积极探索如何将手中掌握的大量数据资源变现。目前，电信运营商的大数据探索主要集中在如何利用大数据分析用户行为、优化网络质量和推动业务创新等方面。数据堂创始人、CEO齐红威在接受《人民邮电》报记者采访时指出，这些对于大数据的内部利用，往往需要对原有系统进行大规模改造，而且无法直接快速地带来收入的增长，其实电信运营商可以用另一种思路，在基本不改造现有系统的情况下，立竿见影地获得可观的收益。

国务院为大数据发展“定调”

齐红威具有十多年的数据挖掘研发应用经验，曾任NEC中国研究院研发部部长、高级研究员。“大数据的本质特征并不是‘规模大’”，他阐述了对于大数据的理解。

现在人们对于大数据的认识普遍存在着误区，认为当数据量达到一定量（TB级或PB级）就是大数据，其实不然，区分大数据与海量数据的标准并不取决于其数据量，从技术上讲，“非结构化”数据才是大数据最典型的特征。现实生活中80%的数据都是非结构化的，解读这些数据，蕴藏着巨大的商业价值，这才是大数据。从商业模式上讲，大数据就是移动互联网产生的大量的关于人的数据。

近日，国务院总理李克强主持召开国务院常务会议，讨论并通过了《关于促进大数据发展的行动纲要》，对消除信息孤岛、支持大数据产业发展、强化信息安全等提出了明确要求。

齐红威认为，这是一个极大的利好消息。“大数据作为全球发展的战略资源，未来将像石油一样，影响到世界格局。对于中国而言，大数据是国家战略转型升级的基础，依靠数据和互联网相结合的方式，减少中间环节，提升传统行业运作效率。以前，一些地方政府或者企业虽然都认识到大数据的价值，但对于发展大数据仍心存顾虑：能不能做？做到什么程度？‘红线’在哪里？《纲要》的推出相当于政府给大数据发展定了调——不仅要做，而且要做大做强。”

大数据变现的闭环已经形成

2014年是大数据的商用元年，许多行业开始利用大数据真正地产生价值，齐红威认为：“现在很像电商井喷式发展前的2006年、2007年，市场培育已经完成，生态圈初具规模，商业模式逐渐成熟。价值万亿的大数据市场的大门已经打开。”

齐红威将大数据生态圈划分为云计算服务商、数据提供商、数据服务商和数据应用商四部分，实现从”数据流“到”资金流“分享共赢的商业运作模式。

其中，云计算服务商主要负责提供计算、存储和带宽等基础能力。

数据服务商则提供各种数据，包括政府大数据（公安、交通等）、行业大数据（电信、金融、电力等）、互联网大数据（互联网企业的用户数据、互联网公共数据）以及线下大数据等。

“现在网络上随时都在产生海量的数据，但线下的许多资源都还没有被数据化，这些数据同样价值连城。”他透露，数据堂独家推出了一款名为“众客堂”的众包平台，普通用户可以通过该应用上传照片、录音等提供线下的数据并获得一定的酬劳，目前“众客堂”的众客数量在全球范围内已超过40万。这些线下数据已经开始产生价值，例如，自拍照帮助美颜相机优化美颜程序；大量的购物小票分析出商品的价格走势和促销信息；语音数据帮助语音交互系统提高识别准确度等。

数据应用商则利用经过初步处理的大数据开发各类应用，例如征信、个性化旅游和交通服务等。他认为，“数据应用商将‘百花齐放’，规模有望达到数万家。”

数据服务商是大数据变现闭环形成的关键，具有三大功能：第一，连接数据提供商和应用商的纽带，免去了双方一一洽谈的麻烦；第二，汇总大数据的平台，将各领域数据提供商的大数据整合、融合起来，将产生1+1大于2的价值，实现数据增值；第三，对大数据进行初步分析、过滤和分类，“数据服务商从提供商那儿收来的是‘小麦’，但应用商需要的是‘面粉’，所以服务商就要完成把‘小麦’加工成‘面粉’的工作。”

“简单地说，数据服务商就相当于‘数据银行’，接收各方的‘存款’，再将这些‘资金’包装成不同的产品后贷款给有需要的人，搭建数据共享的‘生命线’，达成商业共赢，实现大数据变现的闭环。”齐红威表示。

数据堂是国内首家也是唯一一家在新三板上市的大数据服务商，团队的主创人员都有着十多年在大数据领域的技术积累，并在大数据产业发展过程中有着先发优势，经过多年的数据源积累，已获得金融征信、交通地理、人工智能、商家货价等多领域的大数据，与国内外多家数据提供商和应用商建立了合作关系，摸索出一套适应我国国情的商业模式。

电信运营商如何从“数据银行”提现

“电信运营商坐拥着一大片未被开发的‘油田’。”齐红威认为，电信运营商拥有着海量的高价值数据，例如掌握着用户的各类地理位置信息、商业活动、搜索历史和社交网络信息等大数据，具有维度丰富、群体性强、连续性好、网络行为全覆盖和关联性强等独特优势，“关键是如何将这些大数据变现，实现数据价值。”

齐红威逐一分析并回应了目前电信运营商在发展大数据时普遍存在的几点顾虑：

一是“能不能做”的问题。现在国家已经明确表示要大力支持大数据发展，在政策方面为电信运营商发展大数据铺平了道路。

二是“投入与收益”问题。与数据服务商合作，电信运营商几乎不需要改造现有系统就可以通过大数据获利，预计产生的价值有望达到亿万元级别。

三是“竞争”问题。数据服务商只生产“面粉”不生产“面包”，不会与电信运营商形成业务竞争。

四是“数据安全”问题。数据堂独创了一种模式——不“取走”数据提供商的数据，只是将软件嵌入到数据提供商的系统中，最终只生成数据结果，经数据提供商审核后再将相关结果提供给数据应用商，这就有效地消除了可能出现的信息泄漏风险。

齐红威表示，阻碍电信运营商挖掘大数据价值的障碍已经被一一清除，他们只需“向前迈一步”，即可拥抱蕴藏着无限商机的大数据时代。

“如果说大数据的发展是一场数万米的马拉松比赛的话，那么现在才刚刚跑了1000多米。”但齐红威同时指出，大数据发展已进入高速发展期，2015年将是各方布局大数据的关键时期，未来两三年将初步奠定大数据市场的格局，大数据将迎来超过十年的上升期。

以上是小编为大家分享的关于大数据变现,电信运营商只需往前迈一步的相关内容，更多信息可以关注环球青藤分享更多干货

『柒』 什么是大数据，看完这篇就明白了

什么是大数据

如果从字面上解释的话，大家很容易想到的可能就是大量的数据，海量的数据。这样的解释确实通俗易懂，但如果用专业知识来描述的话，就是指数据集的大小远远超过了现有普通数据库软件和工具的处理能力的数据。

大数据的特点

海量化

这里指的数据量是从TB到PB级别。在这里顺带给大家科普一下这是什么概念。

MB，全称MByte，计算机中的一种储存单位，含义是“兆字节”。

1MB可储存1024×1024=1048576字节（Byte）。

字节（Byte）是存储容量基本单位，1字节（1Byte）由8个二进制位组成。

位（bit）是计算机存储信息的最小单位，二进制的一个“0”或一个“1”叫一位。

通俗来讲，1MB约等于一张网络通用图片（非高清）的大小。

1GB=1024MB，约等于下载一部电影（非高清）的大小。

1TB=1024GB，约等于一个固态硬盘的容量大小，能存放一个不间断的监控摄像头录像（200MB/个）长达半年左右。

1PB=1024TB，容量相当大，应用于大数据存储设备，如服务器等。

1EB=1024PB，目前还没有单个存储器达到这个容量。

多样化

大数据含有的数据类型复杂，超过80%的数据是非结构化的。而数据类型又分成结构化数据，非结构化数据，半结构化数据。这里再对三种数据类型做一个分类科普。

①结构化数据

结构化的数据是指可以使用关系型数据库(例如:MySQL,Oracle,DB2)表示和存储，表现为二维形式的数据。一般特点是：数据以行为单位，一行数据表示一个实体的信息，每一行数据的属性是相同的。所以，结构化的数据的存储和排列是很有规律的，这对查询和修改等操作很有帮助。

但是，它的扩展性不好。比如，如果字段不固定，利用关系型数据库也是比较困难的，有人会说，需要的时候加个字段就可以了，这样的方法也不是不可以，但在实际运用中每次都进行反复的表结构变更是非常痛苦的，这也容易导致后台接口从数据库取数据出错。你也可以预先设定大量的预备字段，但这样的话，时间一长很容易弄不清除字段和数据的对应状态，即哪个字段保存有哪些数据。

②半结构化数据

半结构化数据是结构化数据的一种形式，它并不符合关系型数据库或其他数据表的形式关联起来的数据模型结构，但包含相关标记，用来分隔语义元素以及对记录和字段进行分层。因此，它也被称为自描述的结构。半结构化数据，属于同一类实体可以有不同的属性，即使他们被组合在一起，这些属性的顺序并不重要。常见的半结构数据有XML和JSON。

③非结构化数据

非结构化数据是数据结构不规则或不完整，没有预定义的数据模型，不方便用数据库二维逻辑表来表现的数据。包括所有格式的办公文档、文本、图片、各类报表、图像和音频/视频信息等等。非结构化数据其格式非常多样，标准也是多样性的，而且在技术上非结构化信息比结构化信息更难标准化和理解。所以存储、检索、发布以及利用需要更加智能化的IT技术，比如海量存储、智能检索、知识挖掘、内容保护、信息的增值开发利用等。

快速化

随着物联网、电子商务、社会化网络的快速发展，全球大数据储量迅猛增长，成为大数据产业发展的基础。根据国际数据公司(IDC)的监测数据显示，2013年全球大数据储量为4.3ZB(相当于47.24亿个1TB容量的移动硬盘)，2014年和2015年全球大数据储量分别为6.6ZB和8.6ZB。近几年全球大数据储量的增速每年都保持在40%，2016年甚至达到了87.21%的增长率。2016年和2017年全球大数据储量分别为16.1ZB和21.6ZB，2018年全球大数据储量达到33.0ZB。预测未来几年，全球大数据储量规模也都会保持40%左右的增长率。在数据储量不断增长和应用驱动创新的推动下，大数据产业将会不断丰富商业模式，构建出多层多样的市场格局，具有广阔的发展空间。

核心价值

大数据的核心价值，从业务角度出发，主要有如下的3点：

a.数据辅助决策：为企业提供基础的数据统计报表分析服务。分析师能够轻易获取数据产出分析报告指导产品和运营，产品经理能够通过统计数据完善产品功能和改善用户体验，运营人员可以通过数据发现运营问题并确定运营的策略和方向，管理层可以通过数据掌握公司业务运营状况，从而进行一些战略决策；

b.数据驱动业务：通过数据产品、数据挖掘模型实现企业产品和运营的智能化，从而极大的提高企业的整体效能产出。最常见的应用领域有基于个性化推荐技术的精准营销服务、广告服务、基于模型算法的风控反欺诈服务征信服务，等等。

c.数据对外变现：通过对数据进行精心的包装，对外提供数据服务，从而获得现金收入。市面上比较常见有各大数据公司利用自己掌握的大数据，提供风控查询、验证、反欺诈服务，提供导客、导流、精准营销服务，提供数据开放平台服务，等等。

大数据能做什么？

1、海量数据快速查询(离线)

能够在海量数据的基础上进行快速计算，这里的“快速”是与传统计算方案对比。海量数据背景下，使用传统方案计算可能需要一星期时间。使用大数据 技术计算只需要30分钟。

2.海量数据实时计算（实时）

在海量数据的背景下，对于实时生成的最新数据，需要立刻、马上传递到大数据环境，并立刻、马上进行相关业务指标的分析，并把分析完的结果立刻、马上展示给用户或者领导。

3.海量数据的存储（数据量大，单个大文件）

大数据能够存储海量数据,大数据时代数据量巨大,1TB=1024*1G 约26万首歌(一首歌4M),1PB=1024 * 1024 * 1G约2.68亿首歌(一首歌4M)

大数据能够存储单个大文件。目前市面上最大的单个硬盘大小约为10T左右。若有一个文件20T,将 无法存储。大数据可以存储单个20T文件，甚至更大。

4.数据挖掘（挖掘以前没有发现的有价值的数据）

挖掘前所未有的新的价值点。原始企业内数据无法计算出的结果，使用大数据能够计算出。

挖掘（算法）有价值的数据。在海量数据背景下，使用数据挖掘算法，挖掘有价值的指标（不使用这些算法无法算出）

大数据行业的应用？

1.常见领域

2.智慧城市

3.电信大数据

4.电商大数据

大数据行业前景(国家政策)？

2014年7月23日，国务院常务会议审议通过《企业信息公示暂行条例（草案）》

2015年6月19日，国家主席、总理同时就“大数据”发表意见：《国务院办公厅关于运用大数据加强对市场主体服务和监管的若干意见》

2015年8月31日，国务院印发《促进大数据发展行动纲要》。国发〔2015〕50号

2016年12月18日，工业和信息化部关于印发《大数据产业发展规划》

2018年1月23日。中央全面深化改革领导小组会议审议通过了《科学数据管理办法》

2018年7月1日，国务院办公厅印发《关于运用大数据加强对市场主体服务和监管的若干意见》

2019年政府工作报告中总理指出“深化大数据、人工智能等研发应用，培育新一代信息技术、高端装备、生物医药、新能源汽车、新材料等新兴产业集群，壮大数字经济。”

总结

我国著名的电商之父，阿里巴巴创始人马云先生曾说过，未来10年，乃至20年，将是人工智能的时代，大数据的时代。对于现在正在学习大数据的我们来说，未来对于我们更是充满了各种机遇与挑战。

python学习网，大量的免费python视频教程，欢迎在线学习！

『捌』 大数据到底是啥在哪里（通俗解释）

大数据（Big
data）
是一个抽象的概念，是一个体量特别大，数据类别特别大的数据集版，并且这权样的数据集无法用传统数据库工具对其内容进行抓取、管理和处理。简单说就是，难以用常规的数据库工具获取、存储、管理、分析的数据集合。
大数据来源：人类社会的所有行为，比如交易、教育、出行、娱乐、吃住......
大数据包含的元素：文字、图片、视频、音频、生物信息、生产资料......

『玖』 电信可以查出二年前的活动轨迹吗

查不了。
默认查询是14天的，可以发送短信给10001即可查询行程轨迹。具体操作步骤如下：
1、短信编辑CXMYD#身份证后四位数，发送到10001。
2、10001发送短信，问是否确认授权查询，输入大写的Y。
3、10001回复给的短信即是14天的行程轨迹。
电信大数据主要获取于公众通信网络中的基础数据，可以较为准确地统计分析全国各省市以及重点区域人员流动，一般可以分析到区县级流动和分布情况。通过结合卫生防疫等其他部门数据，可以进一步对确诊、疑似患者和密切接触者等重点人群的分布等进行分析研判。从2月14日工信部举行的媒体通气会上也了解到，电信大数据将对疫情防控的总体情况提供全面的分析和支撑，电信大数据将在疫情溯源、疫情监测、配合疫情态势研判等方面积极作为，对我国的疫情防控工作起到了积极的支撑和推动作用。通过电信大数据，可以统计分析全国特别是武汉和湖北等重点地区的人员动态流动情况，分析预测确诊、疑似患者及密切接触人员等重点人群的动态流动情况。