摘要
运营商大数据尽管理想很丰满，但现实往往比较骨感。在过去10到20年的时间里，国内运营商为了适应用户规模的快速增长，逐渐成长为投资密集型企业，公司的组织和流程都是围绕投资-放号-运维来建立的，经营活动也是基于经验来展开的。
随着市场的变化和技术的演进，这种发展模式已经越来越适应新的商业模式，尤其是面对大数据的新兴浪潮，运营商除了数据大这一优势外，在业务、技术及商业变现方面都显得步履蹒跚。其面临的挑战主要有以下4个方面：
挑战一：有数据难整合
一方面运营商虽坐拥海量数据，但数据在组织中却因为不同线条和部门的存在而处于割裂状态，拥有数据的部门之间往往缺乏顺畅的数据共享机制，加上各种烟囱平台的存在，数据的标准可能都有不兼容的情况，如何实现跨业务、跨平台的关联与整合成为运营商最大的挑战；另一方面由于互联网上大量非结构数据的存在，运营商还面临着将非结构化数据与结构化数据进行统一、整合的挑战。这一系列的挑战使得运营商的数据一直处于分散和休眠的状态，无法真正发挥其潜在价值。
挑战二：有需求难操作
对运营商而言，信息安全一直是一个无法回避的问题。由于运营商数据中包含了大量的用户基本信息，这其中涉及大量的个人隐私，一旦泄露并被不法分子利用，会给用户和运营商带来不可估量的损失。从国内的市场来看，众多三方机构一直热衷于此类敏感数据的交易，并且用各种高大上的名词来包装，但往往实在运营商不知情的情况下滥用用户信息，运营商往往防不胜防。任何能够追溯到个人或终端的数据一旦未经授权即被第三方获取，往往会引发数据安全事件，在媒体的推波助澜下，极有可能成为运营商不可承受之重。
挑战三：有想法无承载
即使不考虑数据质量和隐私风险，运营商实现大数据变现还需要面对组织和流程上的空白。大数据应用是一个系统工程，其开发、建设、产品、营销、运营等环节都需要有具体的部门去承载和落实。然而，国内运营商现实的问题是，已有的组织架构和流程规范都是基于传统业务来制定的，对于大数据这样的新兴领域，往往都是基于各自的理解或资源的分布，各省市公司都缺少统一的范式（比如前端是数业部门还是政企部门牵头，后端是网络部门还是业务支撑部门统筹），更无法形成自上而下的力量来贯穿，如散兵游勇一般。
挑战四：有机会难实施
抛开组织和流程的问题，能力和机制更是运营商们绕不开的门槛。大数据属于技术密集型领域，技术专家（解决建模与架构）和复合型人才（解决跨行业的KnowHow）的匮乏一直困扰着运营商，虽然短期可通过合作的方式解决，但长期来看还需自建团队实现能力内化和储备。而这往往需要在人力资源的开发、核心人才的引进以及激励机制的革新等方面下功夫。
大数据时代下运营商的突破策略建议
随着万物互联图景的日益显现，未来将出现海量的新连接，管道中承载的数据量也将呈几何级增长。大数据为万物互联激起了广阔的想象空间，应用的场景数不胜数，但不可否认，国内运营商对大数据的运用还处于起步阶段。如何跨越瓶颈跃升至新的高度，可尝试从以下方面着手：
1
能力破冰
以项目带平台、再带流程与能力。国内运营商在实施大数据上一直存在着“先有鸡还是先有蛋”的困惑，既要投入资源提升大数据能力，同时又要有变现收益来支撑资源投入。考虑到运营商在大数据领域缺少现成的经验和案例可借鉴，可以从具体的项目着手，先接触客户，从实现简单的需求开始，理解数据、验证模型，积累相应的经验和案例，形成平台建设和数据规范的需要，在此基础上指导平台建设与数据治理。此后，基于平台的不断完善和升级，实现对已有系统的整合及原有流程的优化，从而进一步夯实自身的大数据能力。
2
平台建设
底层统一平台协议，上层先烟囱建设再下沉能力。一方面，在数据收集存储以及信息整合的层面建设统一的平台，保证数据规范统一，解决数据的实时性问题，保证所有数据从产生、记录、存储到维护都有一个完整生命周期；另一方面，在应用层面可以先尝试在局部领域进行烟囱式的建设，及早对接业务的需求，通过小范围试错和迭代来形成KnowHow、沉淀经验，等到这些模式逐渐被实践验证和市场接受的情况下，便可考虑下沉为能力平台，并通过开放来承载更多的商业模式和变现途径。除此之外，运营商特别还要在基础设施和IT架构上，将大数据技术融入到自身已有的技术生态中。
3
数据开拓
以开放思维参与数据生态。运营商尽管在数据资源上具有其独特的价值，但并不意味着仅靠自身的数据就所向披靡。尤其是在跨行业的复合场景下，多个数据源的关联分析能产生出更大的价值。这就要求运营商还要整合更为广泛的外部数据源，包括其他行业、公司及政府机构。随着大数据创新的不断涌现，跨领域的数据共享需求会越来越大，这其中涉及到的数据所有权、定价和交易规则等问题都有可能逐渐地清晰。当然，运营商也没有必要坐等所有争议都得到解决再去尝试，可以在一定的原则和风控措施下，以开放的思维参与到整个数据生态。
4
产品形态
大数据能力是未来运营商向行业客户提供一揽子服务的重要组件。从现阶段国内案例看，最常见的大数据应用就是各类数据报告，但在国内的商业环境下，数据报告的变现能力和变现方式都太局限，很多数据图打着大数据的幌子，更多是做噱头和认知。对运营商而言，大数据的变现应与自身业务和能力相结合，将自身大数据能力与业务进行集成，提供能嵌入行业客户日常运营的一揽子服务。以国外运营商案例看，大多数运营商都会协助线下企业提供精准营销服务（例如：Verizon为菲尼克斯太阳队提供精准营销服务，帮助其提升赛季套票销量的35%；西班牙电信利用人群轨迹分析帮助莫里森超市提高了%的客流量。），而在此过程中，运营商的价值不能只停留在通过大数据能力找到精准营销的对象上，而要结合运营商能力（例如定位、轨迹等），为使用方触点提供准确的激活判断，并将这些价值集成在一起形成解决方案或平台，持续地协助行业客户提升运营能力。
5
开放平台
开放平台是大数据变现商业模式的必要承载。从现阶段大数据产品形态看，其商业模式暂未超出互联网商业模式范畴。像现阶段的征信业务等一单单、非实时的应用一定不是未来大数据的主要业务形态，而随着大数据应用能力的提升，大数据计算模型的执行将在瞬间完成，并使数据应用方能快速根据结果产生判断和后续业务动作，如实时信用额度提升、带标签导流与推荐、营销规则触发等。而实现这些实时的应用，都需要开放的能力平台承载。同时，考虑到信息安全等因素，数据源直接向社会裸露无非会带来巨大风险，因此通过能力封装，将裸数据进行脱敏，并包装成API或SDK以供调用，以达到安全管理的目的。并可根据不同垂直行业需求，定制封装成不同的能力产品群，以聚合产业链上的开发能力，在其基础上，开拓更多的应用空间。
6
组织转型
先释放弹性，后加以重构。未来大数据分析和应用要逐渐融入到运营商的日常运作当中，整个过程每一个员工都要参与变革。但组织变革就好比高空换发动机，牵一发动全身，需要稳步推进。建议前期先在现有的组织架构上进行适配，划分不同部门的角色分工（比如在移动公司可以考虑由数业负责产品、政企负责销售），通过建立联合团队，吸纳内外部具备业务视角或技术能力的人才，在较为集中的时间内实现局部领域的攻关和突破。在职能上，大数据业务团队不能只作为能力提供者，而应该与客户管理部门一同直接面向企业需求，建立贯穿售前、售中、售后的引导支撑、方案制定和实施交付等全面能力；到后期，在业务体量和能力储备达到一定层次后，设立独立的事业部以及VP层级的首席架构师角色，推动公司大数据端到端变现能力的形成（包括数据理解、模型应用、场景适配、模式创新等）。另外，无论是跨部门合作还是独立事业部，在人才的引进、培养、考核和职业发展等方面都应该有相应的配套措施，同时建立起小步快跑、容忍试错的机制，为创新创造条件。
西安治疗白癜风医院北京最好的白癜风医院