一、第三條曲線日漸迫切
最近總理的寬帶降價提速論，又掀起了一陣針對運營商的批判。近幾年來圍繞運營商的負面話題此起彼伏，火爆程度遠超其他國企。為什么運營商不能像水電煤一樣，既關系國計民生，又在日常生活中隱形，悄悄地過好自己的日子呢？對于這個問題，有人歸結為人傻，過度宣傳過度承諾；有人歸結為錢多，讓人眼紅的凈利潤、數千億的采購與相關產業鏈拉動，導致利益相關者太多。
最近微信上有篇文章，從產業的角度指出了問題所在，那就是三家電信運營商承載了一個“過重”的移動互聯網產業，該產業對就業以及經濟轉型的拉動是其它任何行業所無法比擬的，這也是總理關注的最終目的，總理基本不會主動關注水電煤，除非它們出了大問題。
材料力學告訴我們，物體承載過重，導致應力變強，結構變形，不穩定。一個行業也是如此，如果承載過重，壓力與指責一定增多，產業鏈也會進一步裂變，不停地動態調整，直至與之相符的穩定結構出現。
什么是未來通信行業的穩定結構？無法簡單下結論，有可能引入更多的競爭者，從供給方面提升服務能力，讓渡服務利潤；有可能通信業務繼續下沉，成為國家管控發改委定價的純管道。不管是哪一點，對運營商而言，依靠流量的收益/盈利模式越發不可持續，第三條曲線變得前所未有的緊迫。
近幾年來，運營商一直探索并向第三條曲線轉型，除了政企應用、數字內容外，大數據越來越受到廣泛關注，很有可能成為與數字內容同等重要的第三條曲線。
二、運營商數據價值逐漸明晰
對于所有號稱涉足大數據的互聯網公司而言，可以從兩方面判斷其前景與價值，其一是否有穩定的數據源，其二是否有持續的變現能力，其中包含數據理解運用的經驗積累。就數據獲取而言，大的互聯網企業由于自身用戶規模龐大，把自身用戶的電商交易、社交、搜索等數據充分挖掘，已經擁有穩定安全的數據資源。那么對于其它大數據公司而言，目前大概有四類數據獲取方法：
第一、利用廣告聯盟的競價交易平臺。比如你從廣告聯盟上購買某搜索公司廣告位1萬次展示，那么基本上搜索公司會給你10萬次機會讓你選取，每次機會實際上包含對客戶的畫像描述。如果你購買的量比較大，積累下來也能有一定的互聯網用戶數據資料，可能不是實時更新的資料。這也是為什么用戶的搜索關鍵詞通常與其它網站廣告位的推薦內容緊密相關，實質上是搜索公司通過廣告聯盟方式，間接把用戶搜索畫像數據公開了。
第二、利用用戶Cookie數據。Cookie就是服務器暫時存放在用戶的電腦里的資料(.txt格式的文本文件)，好讓服務器用來辨認計算機。互聯網網站可以利用cookie跟蹤統計用戶訪問該網站的習慣，比如什么時間訪問，訪問了哪些頁面，在每個網頁的停留時間等。也就是說合法的方式某網站只能查看與該網站相關的Cookie信息，只有非法方式或者瀏覽器廠家有可能獲取客戶所有的Cookie數據。真正的大型網站有自己的數據處理方式，并不依賴Cookie，Cookie的真正價值應該是在沒有登錄的情況下，也能識別客戶身份，是什么時候曾經訪問過什么內容的老用戶，而不是簡單的游客。
第三、利用APP聯盟。APP是獲取用戶移動端數據的一種有效手段，在APP中預埋SDK插件，用戶使用APP內容時就能及時將信息匯總給指定服務器，實際上用戶沒有訪問時，APP也能獲知用戶終端的相關信息，包括安裝了多少個應用，什么樣的應用。單個APP用戶規模有限，數據量有限，但如某數據公司將自身SDK內置到數萬數十萬APP中，獲取的用戶終端數據和部分行為數據也會達到數億的量級。
第四、與擁有穩定數據源公司進行戰略合作。上述三種方式獲取的數據均存在完整性、連續性的缺陷，數據價值有限。BAT巨頭自身價值鏈較為健全，數據變現通道較為完備，不會輕易輸出數據與第三方合作(獲取除外)。政府機構的數據要么全部免費，要么屬于機密，所以不會有商業性質的合作。擁有完整的互聯網(含移動互聯網)的通道數據資源，同時變現手段及能力欠缺的運營商，自然成為大數據合作的首選目標。
通信網絡作為互聯網、移動互聯網的應用承載，其通道數據涵蓋所有的互聯網與移動互聯網行為，這些行為數據的解讀，為全面解讀“消費者黑箱”提供最為完備、準確的數據依據。
傳統的消費行為理論認為，用戶(消費者)對產品和服務的選擇是一個復雜的多種類的競爭過程。用戶的購買決策過程是未知的，就像黑箱一樣。用戶先受到外部刺激，一方面是經濟的、政治、技術、文化方面的不可控的宏觀外部刺激，另一方面是產品、價格、渠道、促銷的可控的企業營銷組合手段的刺激，然后就是一個黑箱的購買決策過程，之所以說是黑箱是因為真正的購買決策特征、心理是未知的，難以完整、全面的把握，傳統經濟環境下所看到的實際上是用戶選擇后的結果或反應，多少人購買了，多少人使用了，以及口碑或滿意情況。
互聯網環境下，一切行為都將成為呈堂證供，用戶的購買決策構成由未知逐漸變為已知。比如電商消費中，我們能從用戶的瀏覽記錄、購物車記錄、商品比價記錄與最后的購買決策關聯，能夠勾勒出用戶消費決策的過程。甚至鏈接的來源是搜索廣告渠道還是自傳播渠道，都能客觀的進行評價。
由此可見，作為互聯網尤其是移動互聯網通道的載體，運營商的數據對電商(甚至所有商家)用戶活躍與銷量提升具有重要的作用。比如某排名靠后的電商網站，其會員用戶過億，但真正活躍的不足2成，如果能知曉剩余的8成用戶在其它電商網站的行為，其價值不言而喻。同時運營商的位置與行為軌跡信息、實名制導致的真實身份信息，對征信、精準廣告、區域人流量統計、區域商業價值評估都有重要的參考價值，也是目前不少運營商省公司積極探索的方向。
雖然方向已經明確，但以下三個方面的問題讓運營商的大數據變現步履蹣跚。
三、三個原因影響運營商大數據變現
第一、當前的數據價值仍未到引起高度重視的程度
對于征信應用而言，2015年1月份央行發布八家準征信牌照大大促進征信市場的發展，越來越多的公司開始涉足關注。但實際上每年200萬筆的p2p交易，其中涉及的征信需求有限，即便加上其它的消費信貸，如果局限于互聯網金融，與要承擔的風險相比，當前市場需求與價值不足以讓運營商決策層重視并下定決心涉足征信領域。廣告領域應用也是一樣，目前的程序化投放廣告(DSP)本來就只占總展示廣告的一小部分，其中的RTB廣告在程序化投放廣告中又只有一小部分，其中涉及到移動端的比例就更小。雖然多屏互動效果，移動端的數據對PC端的精準廣告也有價值，但實際上能夠準確關聯PC與手機終端的比例不高，據說百度相對較高，也不到40%。總體而言，現階段運營商數據變現的市場價值未能引起相關決策層足夠的重視。
當然如果運營商真是如私人互聯網公司一樣，一定不會輕易錯過這樣的講故事機會，哪怕是燒錢，也是振奮市場提升股價的良好題材，影響力超出暴風科技DT戰略的無數倍。比如征信的真正應用不在互聯網金融，70%或更多的應用將用于信用經濟，或者信用生活。
2015年3月份，巴塞羅那通信展上有個北歐小公司KLarna(網上可以查到)，是做電商的。KLarna的電商和一般電商不同，用戶注冊身份后，不需要關聯銀行賬戶，不需要支付寶，憑借的是信用交易，先買喜歡的商品，由KLarna墊付資金給商家，然后在一定期限內，用戶可以通過多種方式(包含郵寄)將欠款還上。其欠費風險控制主要來自大數據，至少你惡意欠過一次后就不會那么方便欠第二次。
第一次聽到KLarna CEO的演講，覺得在中國這樣信用缺失嚴重的國家不可能生存。仔細想一想，其實不然。過去銀行給窮學生發信用卡，憑借的也只是一個身份，沒有任何可抵押的東西，就可以給幾千的受信額度，實際上這些學生的惡意欠費占總信用消費的比例，一定在一個可以控制的水平之內。在一個個人信用越來越受重視的社會，類似這樣的信用經濟一定有廣闊的空間，這也是KLarna快速融資數億美金并受追捧的重要原因。
最近阿里的“芝麻信用”分數與旅行社辦理新加坡、盧森堡的簽證進行關聯，這是信用生活的一種應用形式，其實，更廣泛的想一想，目前的拼車、租車如果加入信用評級結果，業務量一定進一步提升，用戶體驗及保障也會進一步增強。
第二、信息安全是繞不過去的門檻
如果說市場前景可以通過畫餅進行預期的話，那么信息安全是制約運營商大數據變現的最艱難的門檻。
2013年7月19日工信部發布的《電信和互聯網用戶個人信息保護規定》，其總則中明確提出“用戶個人信息”的定義“用戶個人信息，是指電信業務經營者和互聯網信息服務提供者在提供服務的過程中收集的用戶姓名、出生日期、身份證件號碼、住址、電話號碼、賬號和密碼等能夠單獨或者與其他信息結合識別用戶的信息以及用戶使用服務的時間、地點等信息”，能夠追溯到個人終端的使用服務時間、地點信息也屬于個人信息，其采集要遵行必要性原則，起使用要遵行告知并取得用戶同意的原則，而且明確不得泄露、篡改或者毀損，不得出售或者非法向他人提供。
按照該規定，目前互聯網上的眾多數據采集與交易都在規定的邊緣，甚至或多或少存在違規現象。2015年3月華為在巴塞羅那通信展上的大數據解決方案中，專門有一個模塊，滿足防守條款要求，也就是允許客戶選擇公開或關閉個人信息(或某個部分的個人信息)。
如果嚴格按照該條款，任何能夠關聯到客戶號碼或終端的個性化精準廣告推薦都是行走在邊緣地帶，雖然以畫像或標簽化方式能夠規避其中的部分風險。中國電信在大數據應用上走得較領先，也把安全性原則列在開放DMP業務規范基本原則第一條，如“進入大數據能力平臺的用戶屬性數據與行為數據必須脫敏，脫敏數據不得包含能夠直接或與其他數據關聯后可間接追溯真實用戶信息的內容”，但實際應用中，如果不能關聯到用戶終端，如何應用于RTB實時精準廣告推薦？
受該規定的影響，任何能夠追溯到個人或終端的數據變現應用，與第三方進行變現合作均存在不可預料難以管控的風險。即便是經過用戶授權同意的征信應用，往往蹦出一例安全事件(合作方將數據應用在非合作應用領域)，媒體放大后就會成為運營商不可承受之重。
從未來的趨勢看，即便大數據應用專家呼吁新的數據倫理，但關系到個人信息保護，其規定只會越來越強。國外運營商之所以少有大數據變現成功經驗，大多受此制約。如Verizon的Pricision Insight服務，跟合作方共享面向商場、體育館、廣告牌業主等特定場所手機用戶的活動和背景信息。因為只有2%的用戶愿意提供自身信息，實際應用價值大打折扣。
第三、端到端變現能力不足
如果運營商能和BAT一樣，有自己完整的端到端變現能力，比如獨立申請征信拍照并推廣征信應用，比如獨自經營廣告業務，如廣點通、阿里媽媽、百度一樣，獨立的廣告變現渠道，所有的用戶數據流轉在自身的體系內，那么一切風險都變得可控。因為對外提供的是評分結果，是推薦的廣告內容，而不是用戶的行為特征數據。
但問題在于，BAT是先有變現渠道，后有大數據應用，就如先有微信用戶群、先有朋友圈分享，后有精準feed廣告一樣，數據變現渠道是一項直接到達用戶的核心能力，并不是簡單投入就能獲取的。
說到這兒，感覺有點憋屈，運營商的大數據就如蒙古國的煤礦與稀土一樣，自身消化不了，只能靠賣給中國或通過中國的火車賣到海外，才能實現價值。
除了變現渠道之外，還有一項變現能力存在不足，該能力與運營商自身密切相關，那就是面向應用的數據理解與模型應用能力，該部分能力其實更為重要，更需要持續的資源投入。
目前的問題也在于此，一方面需要資源投入鍛煉數據理解與模型應用能力。這里特別強調面向真實應用，因為脫離真實應用的研究性投入并不能給實際數據模型能力提升產生多大幫助。比如對上網日志的解讀，只有針對具體的應用場景，才有可能對某些電商網站的行為對應的URL代碼進行深入爬蟲分析。只有參與到征信模型及應用中去，才能檢驗想象中的影響因素與真實情況的一致性，比如打電話多的其綜合信用評分可能不是更高，而是更低。另一方面缺少外部合作，較難理解真實數據需求，同時缺少變現收益來支撐持續資源投入。
四、合作試點是解決之道
雖然步履蹣跚，但廣闊的前景仍然吸引運營商省公司積極探索、大膽創新。受去年上海踩踏事件的影響，目前面向政府、旅游部門的區域人流量統計與告警應用如火如荼，并逐步向其它應用領域積極探索。
在數據分析方面，有一個很老的拇指法則：數據分析工作有70%-80%的時間花在收集和準備數據上面，僅有20%-30%的時間花在分析本身上。在剛開始處理大數據時，這個比例估計會更低。確定大數據中有價值的部分，并確定如何最優而精確地提取這些部分，非常關鍵，其實這也是探索并優化應用模型的重要過程。
大數據公司通常定期展示一些洞察報告，就是邊理解邊實踐的一種良性循環，不管這些洞察報告多么微不足道。這些不定期的洞察報告一方面讓人們保持這一過程的興趣，一方面不斷探索數據應用領域與價值，不斷完善既定的應用模型。
就如站在河邊學不會游泳一樣，大數據變現應用實踐比什么都重要。否則空對著自身的數據通過想象的方式去研究，無法真正鍛煉變現能力。在當前缺少變現渠道的情況下，與有限合作伙伴在一定范圍內的試點才是正確的解決之道。
京公網安備 11010502049343號