
運營商大數(shù)據(jù)變現(xiàn)為何步履蹣跚_數(shù)據(jù)分析師培訓
三、三個原因影響運營商大數(shù)據(jù)變現(xiàn)
第一、當前的數(shù)據(jù)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(fā)布八家準征信牌照大大促進征信市場的發(fā)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(lián)網(wǎng)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(shù)據(jù)對PC端的精準廣告也有價值,但實際上能夠準確關聯(lián)PC與手機終端的比例不高,據(jù)說百度相對較高,也不到40%??傮w而言,現(xiàn)階段運營商數(shù)據(jù)變現(xiàn)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(lián)網(wǎng)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(zhàn)略的無數(shù)倍。比如征信的真正應用不在互聯(lián)網(wǎng)金融,70%或更多的應用將用于信用經(jīng)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(wǎng)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(lián)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(nèi),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(shù)據(jù),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(fā)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(nèi)。在一個個人信用越來越受重視的社會,類似這樣的信用經(jīng)濟一定有廣闊的空間,這也是KLarna快速融資數(shù)億美金并受追捧的重要原因。
最近阿里的“芝麻信用”分數(shù)與旅行社辦理新加坡、盧森堡的簽證進行關聯(lián),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(yè)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(shù)據(jù)變現(xiàn)的最艱難的門檻。
2013年7月19日工信部發(fā)布的《電信和互聯(lián)網(wǎng)用戶個人信息保護規(guī)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(yè)務經(jīng)營者和互聯(lián)網(wǎng)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(guī)定,目前互聯(lián)網(wǎng)上的眾多數(shù)據(jù)采集與交易都在規(guī)定的邊緣,甚至或多或少存在違規(guī)現(xiàn)象。2015年3月華為在巴塞羅那通信展上的大數(shù)據(jù)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(lián)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(guī)避其中的部分風險。中國電信在大數(shù)據(jù)應用上走得較領先,也把安全性原則列在開放DMP業(yè)務規(guī)范基本原則第一條,如“進入大數(shù)據(jù)能力平臺的用戶屬性數(shù)據(jù)與行為數(shù)據(jù)必須脫敏,脫敏數(shù)據(jù)不得包含能夠直接或與其他數(shù)據(jù)關聯(lián)后可間接追溯真實用戶信息的內(nèi)容”,但實際應用中,如果不能關聯(lián)到用戶終端,如何應用于RTB實時精準廣告推薦?
受該規(guī)定的影響,任何能夠追溯到個人或終端的數(shù)據(jù)變現(xiàn)應用,與第三方進行變現(xiàn)合作均存在不可預料難以管控的風險。即便是經(jīng)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(shù)據(jù)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(shù)據(jù)應用專家呼吁新的數(shù)據(jù)倫理,但關系到個人信息保護,其規(guī)定只會越來越強。國外運營商之所以少有大數(shù)據(jù)變現(xiàn)成功經(jīng)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(yè)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(xiàn)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(xiàn)能力,比如獨立申請征信拍照并推廣征信應用,比如獨自經(jīng)營廣告業(yè)務,如廣點通、阿里媽媽、百度一樣,獨立的廣告變現(xiàn)渠道,所有的用戶數(shù)據(jù)流轉在自身的體系內(nèi),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(nèi)容,而不是用戶的行為特征數(shù)據(jù)。
但問題在于,BAT是先有變現(xiàn)渠道,后有大數(shù)據(jù)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(shù)據(jù)變現(xiàn)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(shù)據(jù)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(xiàn)價值。
除了變現(xiàn)渠道之外,還有一項變現(xiàn)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(shù)據(jù)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(xù)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(shù)據(jù)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(shù)據(jù)模型能力提升產(chǎn)生多大幫助。比如對上網(wǎng)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(wǎng)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(shù)據(jù)需求,同時缺少變現(xiàn)收益來支撐持續(xù)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(chuàng)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(qū)域人流量統(tǒng)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(shù)據(jù)分析方面,有一個很老的拇指法則:數(shù)據(jù)分析工作有70%-80%的時間花在收集和準備數(shù)據(jù)上面,僅有20%-30%的時間花在分析本身上。在剛開始處理大數(shù)據(jù)時,這個比例估計會更低。確定大數(shù)據(jù)中有價值的部分,并確定如何最優(yōu)而精確地提取這些部分,非常關鍵,其實這也是探索并優(yōu)化應用模型的重要過程。
大數(shù)據(jù)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(huán),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(shù)據(jù)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(shù)據(jù)變現(xiàn)應用實踐比什么都重要。否則空對著自身的數(shù)據(jù)通過想象的方式去研究,無法真正鍛煉變現(xiàn)能力。在當前缺少變現(xiàn)渠道的情況下,與有限合作伙伴在一定范圍內(nèi)的試點才是正確的解決之道。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓練與驗證損失驟升:機器學習訓練中的異常診斷與解決方案 在機器學習模型訓練過程中,“損失曲線” 是反映模型學習狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結構數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結構數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內(nèi)涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結構數(shù)據(jù)特征價值的專業(yè)核心 表結構數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結構化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結構數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結構數(shù)據(jù)(以 “行 - 列” 存儲的結構化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結構數(shù)據(jù)價值的核心操盤手 表格結構數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11