「不管你現在做什么行業，你做的生意都是數據生意。」 --凱文·凱利
一、大數據：從時髦外衣到核心要素
Gartner著名的新興技術炒作周期（Hype Cycle for Emerging Technologies）在2014和2015年的兩份報告中，最為顯著的區別就是“大數據”的消失，由此可以理解為Gartner對“大數據”的定位已從“新興”調整為“主流”。如今，大數據對于企業的意義已從能力要素上升為戰略核心，從運營效率提升手段升級為商業模式創新的根基。因此，無論是企業級市場還是消費級市場，亦或是政府公共服務，都正和大數據發生聯系。大數據具有先天的壟斷性和后天的規模效益，因此具備先天數據和計算優勢的企業都開始加快布局，謀求日后的規模效益和更多的產業話語權。在互聯網領域尤為突出，無論是國外的FANG（Facebook、Amazon、Netflix、Google）還是國內的BAT（Baidu、Alibaba、Tencent），都將大數據視為其未來戰略布局的核心和商業模式樞紐。
在通信行業，大數據的價值越來越被重視，AT&T、Verizon、Telefonica、DoCoMo等國際標桿運營商都積極利用自身在用戶信息、地理位置、網絡信令等領域的數據優勢，與金融、零售、旅游、物流、公共管理等領域的企業和機構進行深度合作，一方面大幅度提升了運營效率和用戶滿意度，另一方面也實現了一定程度的商業變現，摸索了新的商業模式。反觀國內三大運營商，近年多次提到“大數據”的重要性，也取得了一些成績或兩點。但盡管部分公司在一些局部領域取得了階段性的突破，但亮點只是個案，沉淀下來能夠體系化、常態化的東西卻很少，在商業變現方面更是乏善可陳。究其原因，運營商雖然坐擁寶貴的大數據資源，但在大數據驅動商業及運營轉型方面卻面臨著組織、能力、模式等方面諸多不適應，加上一些法律和政策方面的風險，使得運營商更加畏首畏尾。
二、運營商大數據的主要優勢與獨特價值
運營商在大數據領域具有其他行業無可比擬的優勢，體現在以下三個方面：
1.規模性：一方面是數據體量大，每天產生的數據以PB計算，具有豐富充足的數據源；另一方面是數據維度全面，包含用戶行為、地理位置、上網行為、運動軌跡、支付能力、咨詢投訴等信息。
2.準確性：網絡系統可實時產生與終端用戶相關的多維度行為信息，準確實時的反映用戶行為狀態。
3.連續性：網絡數據可持續性提供，具有連續和可追溯性，僅取決于數據的存儲策略，無人為因素干擾。
從數據本身來看，同互聯網公司特別是BAT這樣的巨頭相比，運營商不遑多讓。比如在用戶標識方面，運營商的手機號碼能夠追蹤到用戶本身的實名信息，還能串聯起用戶所有的移動互聯網行為（只要保證手機開機），而互聯網公司的應用（不論是Native APP還是Web Service），都需要用戶登錄才能有效識別，而且必須保證應用本身正在運行（盡管可以采取駐留后臺的方式，但會消耗系統資源，并有可能被清理軟件關閉），如果用戶離開了應用，也就無法獲取外部行為信息；又比如在場景方面，運營商的數據基本覆蓋了用戶的全部移動行為，因此能夠將用戶行為與所處場景進行有效的關聯，特別是在沒有數據連接的情況下，即使不打開GPS功能，也依然能通過基站定位獲取用戶的位置信息。
總而言之，運營商作為管道的提供商，不僅掌握了自身的業務和運營數據，同時還掌握了海量用戶的互聯網行為數據和相關的場景數據。這些數據不僅對運營商有價值，對其他行業尤其是金融、互聯網、消費、政府機構等的潛在價值更是難以估量。如果充分發揮自身的數據優勢，同各行業的需求接軌，以產品服務的形式有償地提供給外部客戶，并建立緊密的數據合作關系，就能實現數據價值最大化。
三、國內運營商大數據的現實挑戰
運營商大數據盡管理想很豐滿，但現實往往比較骨感。在過去10到20年的時間里，國內運營商為了適應用戶規模的快速增長，逐漸成長為投資密集型企業，公司的組織和流程都是圍繞投資-放號-運維來建立的，經營活動也是基于經驗來展開的。但隨著市場的變化和技術的演進，這種發展模式已經越來越適應新的商業模式，尤其是面對大數據的新興浪潮，運營商除了數據大這一優勢外，在業務、技術及商業變現方面都顯得步履蹣跚。其面臨的挑戰主要有以下4個方面：
挑戰一：有數據難整合。一方面運營商雖坐擁海量數據，但數據在組織中卻因為不同線條和部門的存在而處于割裂狀態，擁有數據的部門之間往往缺乏順暢的數據共享機制，加上各種煙囪平臺的存在，數據的標準可能都有不兼容的情況，如何實現跨業務、跨平臺的關聯與整合成為運營商最大的挑戰；另一方面由于互聯網上大量非結構數據的存在，運營商還面臨著將非結構化數據與結構化數據進行統一、整合的挑戰。這一系列的挑戰使得運營商的數據一直處于分散和休眠的狀態，無法真正發揮其潛在價值。
挑戰二：有需求難操作。對運營商而言，信息安全一直是一個無法回避的問題。由于運營商數據中包含了大量的用戶基本信息，這其中涉及大量的個人隱私，一旦泄露并被不法分子利用，會給用戶和運營商帶來不可估量的損失。從國內的市場來看，眾多三方機構一直熱衷于此類敏感數據的交易，并且用各種高大上的名詞來包裝，但往往實在運營商不知情的情況下濫用用戶信息，運營商往往防不勝防。任何能夠追溯到個人或終端的數據一旦未經授權即被第三方獲取，往往會引發數據安全事件，在媒體的推波助瀾下，極有可能成為運營商不可承受之重。
挑戰三：有想法無承載。即使不考慮數據質量和隱私風險，運營商實現大數據變現還需要面對組織和流程上的空白。大數據應用是一個系統工程，其開發、建設、產品、營銷、運營等環節都需要有具體的部門去承載和落實。然而，國內運營商現實的問題是，已有的組織架構和流程規范都是基于傳統業務來制定的，對于大數據這樣的新興領域，往往都是基于各自的理解或資源的分布，各省市公司都缺少統一的范式（比如前端是數業部門還是政企部門牽頭，后端是網絡部門還是業務支撐部門統籌），更無法形成自上而下的力量來貫穿，如散兵游勇一般。
挑戰四：有機會難實施。拋開組織和流程的問題，能力和機制更是運營商繞不開的門檻。大數據屬于技術密集型領域，技術專家（解決建模與架構）和復合型人才（解決跨行業的Know How）的匱乏一直困擾著運營商，雖然短期可通過合作的方式解決，但長期來看還需自建團隊實現能力內化和儲備。而這往往需要在人力資源的開發、核心人才的引進以及激勵機制的革新等方面下功夫。
四、運營商大數據的突破策略建議
隨著萬物互聯圖景的日益顯現，未來將出現海量的新連接，管道中承載的數據量也將呈幾何級增長。大數據為萬物互聯激起了廣闊的想象空間，應用的場景數不勝數，但不可否認，國內運營商對大數據的運用還處于起步階段。如何跨越瓶頸躍升至新的高度，可嘗試從以下方面著手：
1、能力破冰：以項目帶平臺、再帶流程與能力。國內運營商在實施大數據上一直存在著“先有雞還是先有蛋”的困惑，既要投入資源提升大數據能力，同時又要有變現收益來支撐資源投入。考慮到運營商在大數據領域缺少現成的經驗和案例可借鑒，可以從具體的項目著手，先接觸客戶，從實現簡單的需求開始，理解數據、驗證模型，積累相應的經驗和案例，形成平臺建設和數據規范的需要，在此基礎上指導平臺建設與數據治理。此后，基于平臺的不斷完善和升級，實現對已有系統的整合及原有流程的優化，從而進一步夯實自身的大數據能力。
2、平臺建設：底層統一平臺協議，上層先煙囪建設再下沉能力。一方面，在數據收集存儲以及信息整合的層面建設統一的平臺，保證數據規范統一，解決數據的實時性問題，保證所有數據從產生、記錄、存儲到維護都有一個完整生命周期；另一方面，在應用層面可以先嘗試在局部領域進行煙囪式的建設，及早對接業務的需求，通過小范圍試錯和迭代來形成Know How、沉淀經驗，等到這些模式逐漸被實踐驗證和市場接受的情況下，便可考慮下沉為能力平臺，并通過開放來承載更多的商業模式和變現途徑。除此之外，運營商特別還要在基礎設施和IT架構上，將大數據技術融入到自身已有的技術生態中。
3、數據開拓：以開放思維參與數據生態。運營商盡管在數據資源上具有其獨特的價值，但并不意味著僅靠自身的數據就所向披靡。尤其是在跨行業的復合場景下，多個數據源的關聯分析能產生出更大的價值。這就要求運營商還要整合更為廣泛的外部數據源，包括其他行業、公司及政府機構。隨著大數據創新的不斷涌現，跨領域的數據共享需求會越來越大，這其中涉及到的數據所有權、定價和交易規則等問題都有可能逐漸地清晰。當然，運營商也沒有必要坐等所有爭議都得到解決再去嘗試，可以在一定的原則和風控措施下，以開放的思維參與到整個數據生態。
4、產品形態：大數據能力是未來運營商向行業客戶提供一攬子服務的重要組件。從現階段國內案例看，最常見的大數據應用就是各類數據報告，但在國內的商業環境下，數據報告的變現能力和變現方式都太局限，很多數據圖打著大數據的幌子，更多是做噱頭和認知。對運營商而言，大數據的變現應與自身業務和能力相結合，將自身大數據能力與業務進行集成，提供能嵌入行業客戶日常運營的一攬子服務。以國外運營商案例看，大多數運營商都會協助線下企業提供精準營銷服務（例如：Verizon為菲尼克斯太陽隊提供精準營銷服務，幫助其提升賽季套票銷量的35%；西班牙電信利用人群軌跡分析幫助莫里森超市提高了150%的客流量。），而在此過程中，運營商的價值不能只停留在通過大數據能力找到精準營銷的對象上，而要結合運營商能力（例如定位、軌跡等），為使用方觸點提供準確的激活判斷，并將這些價值集成在一起形成解決方案或平臺，持續地協助行業客戶提升運營能力。
5、開放平臺：開放平臺是大數據變現商業模式的必要承載。從現階段大數據產品形態看，其商業模式暫未超出互聯網商業模式范疇。像現階段的征信業務等一單單、非實時的應用一定不是未來大數據的主要業務形態，而隨著大數據應用能力的提升，大數據計算模型的執行將在瞬間完成，并使數據應用方能快速根據結果產生判斷和后續業務動作，如實時信用額度提升、帶標簽導流與推薦、營銷規則觸發等。而實現這些實時的應用，都需要開放的能力平臺承載。同時，考慮到信息安全等因素，數據源直接向社會裸露無非會帶來巨大風險，因此通過能力封裝，將裸數據進行脫敏，并包裝成API或SDK以供調用，以達到安全管理的目的。并可根據不同垂直行業需求，定制封裝成不同的能力產品群，以聚合產業鏈上的開發能力，在其基礎上，開拓更多的應用空間。
6、組織轉型：先釋放彈性，后加以重構。未來大數據分析和應用要逐漸融入到運營商的日常運作當中，整個過程每一個員工都要參與變革。但組織變革就好比高空換發動機，牽一發動全身，需要穩步推進。建議前期先在現有的組織架構上進行適配，劃分不同部門的角色分工（比如在移動公司可以考慮由數業負責產品、政企負責銷售），通過建立聯合團隊，吸納內外部具備業務視角或技術能力的人才，在較為集中的時間內實現局部領域的攻關和突破。在職能上，大數據業務團隊不能只作為能力提供者，而應該與客戶管理部門一同直接面向企業需求，建立貫穿售前、售中、售后的引導支撐、方案制定和實施交付等全面能力；到后期，在業務體量和能力儲備達到一定層次后，設立獨立的事業部以及VP層級的首席架構師角色，推動公司大數據端到端變現能力的形成（包括數據理解、模型應用、場景適配、模式創新等）。另外，無論是跨部門合作還是獨立事業部，在人才的引進、培養、考核和職業發展等方面都應該有相應的配套措施，同時建立起小步快跑、容忍試錯的機制，為創新創造條件。
