一．電信大數據應用和發展趨勢

截止2014年10月，根據工信部披露的數據，三家運營商的移動客戶總規模已經超過12.77億，國內移動電話的普及率已達93.5%。

電信運營商基于計費和業務支撐的需要，生產和留存了大量的客戶基礎數據、消費數據、終端數據和移動互聯網行為數據，以擁有2000萬左右客戶規模的某省運營商為例，一天就能生產近500G的客戶信息數據。電信運營商生產的客戶信息數據具有客戶數據全量記錄、字段完整、維度豐富、保存周期長時間可回溯、實時更新以及價值密度高、挖掘成本低等特點。

運營商是國內較早意識并積極實踐利用大數據能力提升運營水平的企業之一，早在2001年，運營商就開始搭建覆蓋全國多層級的業務經營分析平臺，目前已經具備了對海量客戶數據分析和處理的能力，同時積累了豐富的基于對客戶和業務深度洞察開展精細化營銷的經驗。

隨著技術的不斷演進和移動互聯網時代的來臨，大數據時代真正到來，數據資產正在成為電信運營商的戰略性資產，從海量數據中挖掘新的認知、方法，從而創造新的商業模式和價值，是各行業尤其是電信運營商的主要戰略方向之一。電信運營商因為擁有最全面、最規整、價值密度最高的客戶數據，而一躍成為開展大數據跨行業應用最有力的競爭者。在這個過程中，運營商面臨著巨大的機會和全新的挑戰。從趨勢上來講，電信的大數據應用，有幾個特點：

1.系統技術方面：從系統架構上來說，從傳統的關系型數據處理技術向以hadoop為代表的非結構化數據處理技術轉變；從存儲方式來說，從本地自建方式向云平臺方式轉變。目前國內運營商的系統存在分散建設的情況，經營分析系統、信令檢測系統、綜合網絡分析系統、不良信息檢測系統、上網日志留存系統分專業建設，且存在部分系統是分省而建的情況，造成系統重復建設，應用重復開發，數據資源共享成本高，未來，通過云平臺方式，可以有效打通數據資源門檻，提升共享效率；

2.挖掘算法方面：從單一結構化數據處理向非結構化數據處理轉變；簡單的統計、檢索、查詢向復雜的建模應用用戶分群、行為分析、趨勢預測轉變；

3.分析維度方面：從單純的客戶話音類數據挖掘向客戶話音、視頻、網絡流量、位置等綜合維度的數據挖掘轉變。基于話音，可以分析呼叫中心的海量數據，建立呼叫中心測評體系和產品關聯分析，為包括保險公司在內的企業提供自動語音識別；基于視頻圖像分析的視頻索引、搜索和摘要服務，從海量視頻挖掘有價值的視頻信息，可提供公用視頻圖像分析，服務于智慧城市、平安社區、交通監管等；基于網絡流量，可以洞察客戶的內容偏好、應用偏好、訪問時段偏好，并根據偏好和行為習慣分群提供差異化的服務，比如：閑時流量、定向流量、精準廣告；基于位置信息，可以通過洞察行為軌跡，實現熱點地區的人群流向分析和客流量預測，進而對熱點地區的基站選址、商家服務優化提供指導。

4.應用領域方面：從完全支撐內部精細化營銷、運營管理的應用向跨領域跨行業應用拓展。在大數據背景下，運營商大數據包含了完整的客戶屬性、消費及行為數據，這些數據具有天然的完整、可靠、實時、有時間序列性等優勢，能夠多維的描述和深度洞察客戶特征，并對未來的商業及購買行為預測提供可靠的依據，考慮到運營商大數據幾乎覆蓋了每一個人的數據信息，因此對各個行業都具有極高的商業價值，也蘊含著新的商業機會和模式。

二．電信大數據應用于個人信用服務（國內案例）

建立和完善個人客戶的信用服務體系對運營商來說意義重大。首先，全業務背景下，運營商競爭趨于同質化，開展信用服務不僅可以豐富服務手段、提升用戶粘性，且借助信用杠桿能有效提升用戶價值；第二，通過對負信用客戶的識別和強化控制，可以有效降低欠費和壞賬；第三，在營改增、營銷費用削減的大背景下，運營商特別需要將有限的資源精準投放給優質用戶，而高信用恰是優質用戶的重要屬性；最后，運營商大數據能力開放是用戶數據應用的發展趨勢，信用服務是運營商大數據開放的重要路徑之一。

圍繞個人信用服務的電信大數據應用，有幾個成功關鍵：一是，基于大數據算法的構建，生成準確的個人用戶的信用評分；二是，提供靈活豐富的信用應用場景，滿足不同價值客戶對信用服務的差異化及多樣性需求；三是，便捷的系統化支撐，以承載對個人客戶的信用服務和管理功能；最后，全面細致的執行保障，確保客戶溝通界面的清晰、簡單。

　　圖：基于大數據的運營商個人信用服務總體框架

1.評級模型

模型的好壞會直接影響信用服務的效果。運營商的信用模型構建通常要整合多維數據源，再結合豐富的業務經驗，篩選并構建出近200個變量，這些變量涵蓋了用戶基本信息、終端、消費、行為、位置等八個維度；以變量為基礎，構建能反映客戶信用評價的子模型，如：壞賬風險預測模型、影響力模型、交往圈模型、內容偏好模型等9類模型，以實現用戶各類特征的多維度洞察；并最終通過評分卡模型將用戶各維度特征轉換為分數，得到最終的信用評分。該信用評級模型的識別準確率較高，能夠達到86%以上，識別覆蓋率則高達91%。

　　圖：基于多維數據源的個人信用評價

2.應用場景

基于用戶信用評分，可實現基本應用、延伸應用、跨界應用三大類差異化的應用場景。

　　圖：豐富多樣的個人信用應用場景設置

其中，基本應用主要包括授信服務、信用擔保、信用繼承和高危用戶風險控制。

延伸應用則主要包括差異化服務及差異化營銷兩方面，其中，前者主要包含差異化積分政策，指不同信用等級用戶享受不同的積分優惠政策，鼓勵用戶消費的同時，提升用戶感知；差異化通信保障，專為不同信用等級的用戶設定不同的停機機制，既保障了高信用等級用戶的服務感知，又降低了低信用等級用戶的高額欠費風險。差異化營銷則主要針對高信用等級用戶，提供差異化終端營銷、差異化流量營銷和差異化增值業務營銷，針對其展開專屬或優先參與的營銷活動，在提高營銷活動精準性的同時，進一步提升用戶價值，保有核心用戶。

跨界應用，一方面是信用數據共享，實現用戶的多維度洞察，提升各行業的信用評級水平，另一方面是高信用用戶跨界運營，旨在提升用戶在網粘性。

3.平臺保障

主要實現三大功能即靈活高效的模型配置、科學及時的分析監控、豐富多樣的信用應用。

在靈活高效的模型配置中，針對細分用戶群設定不同的信用模型規則、授信規則、基礎服務規則、增值服務規則、信用等級變更規則，實現用戶信用差異化管理；在科學及時的分析監控中，將對授信用戶的停機、欠費、損益情況進行分析，全面評估信用管理效益；尤其是在豐富多樣的信用應用方面，平臺將提供個人、群體信用查詢功能，生成信用評價報告，并且根據信用等級的不同而設定不同的信用基礎服務和延伸服務，具有針對性和差異性。并且，通過該平臺不但可以查詢到個人用戶的信用評分與等級，還可以看到其評分在全體用戶中的所處的位置，評分的歷史趨勢以及影響該評分的主要構成因素等信息。

　　圖：平臺邏輯框架

4.執行保障

從制度建設、流程規范和用戶溝通三方面保障運營方案在執行層面的實施效果和效率。在制度建設中將明確信用管理工作的職責分工，并通過制度將具體工作下沉至各職能部門，使得信用管理工作能夠有效的落地實施；在流程規劃中梳理用戶信用服務流程，掃除信用管理流程中各類障礙點，提升服務水平和運營效率；在用戶溝通方面，設計與用戶溝通的渠道、時間、觸發條件及溝通話術，確保信用服務的實施效果。

　　圖：運營商個人信用運營的執行保障

5.實施效果

以華院數據技術（上海）有限公司在多個省級運營商的實踐為例，擁有約1600萬移動個人用戶的省，實施該方案后，年收入提升約1.4億元，年欠費額降低約0.3億元。在有效控制欠費風險的同時，實現了業務削峰、用戶滿意度大幅度提高，還進一步提升了收入。