電信運營(yíng)商說(shuō)大數據變現也有快一年了，這一年不能說(shuō)沒(méi)有進(jìn)展，但相對互聯(lián)網(wǎng)行業(yè)的秒速來(lái)說(shuō)，實(shí)在只能說(shuō)是龜速。有人這時(shí)候會(huì )跳出來(lái)說(shuō)是因為體制問(wèn)題，基因問(wèn)題，這個(gè)說(shuō)法是萬(wàn)金油，一般運營(yíng)商的問(wèn)題歸結到體制上都不會(huì )出大錯，仿佛這么一說(shuō)，大家就覺(jué)得一切都有了合理解釋?zhuān)缓蟾髯栽摳陕锔陕锶チ耍簿筒恍枰賱?dòng)腦子了。但是今天，我想再繼續就這個(gè)話(huà)題深入聊一聊。本文就是起到拋磚引玉的作用，大家可以一起來(lái)討論，運營(yíng)商做大數據運營(yíng)的切入點(diǎn)究竟該如何選取。
俗話(huà)說(shuō)，存在即合理，任何貌似不合理的事情背后你深究下去都是這樣。運營(yíng)商大數據變現進(jìn)展為什么這么慢？只能說(shuō)，因為運營(yíng)商還是沒(méi)有從大數據里面看到真金白銀。為什么中國移動(dòng)在LTE上的投入那么大手筆，那是因為他看明白了，這是人家未來(lái)10年吃飯的飯碗，所以錢(qián)砸下去決不手軟。相比而言，大數據只能算是一塊試驗田，而試驗田上的收成還真不好說(shuō)。
過(guò)去大半年我們一直在研究移動(dòng)的數據，做過(guò)企業(yè)級別的數據資產(chǎn)咨詢(xún)，也做過(guò)幾個(gè)落地的應用項目的探索，做來(lái)做去，我們對移動(dòng)的大數據認識也越來(lái)越清晰。在14年初的時(shí)候，運營(yíng)商對自己的數據還是充滿(mǎn)自信的，說(shuō)起來(lái)，移動(dòng)手里的數據無(wú)外乎兩大類(lèi)：一大類(lèi)是用戶(hù)的位置數據，另一大類(lèi)是用戶(hù)電話(huà)、短彩信及上網(wǎng)行為的數據。讓我們再深入看看這兩類(lèi)數據。
先說(shuō)位置數據，移動(dòng)網(wǎng)絡(luò )記錄用戶(hù)的位置說(shuō)到底也是為了給用戶(hù)提供移動(dòng)通信服務(wù)的，而不是為了窺探用戶(hù)隱私的，因此：首先它沒(méi)有必要實(shí)時(shí)關(guān)注所有用戶(hù)的位置變化，對于沒(méi)有在使用業(yè)務(wù)的靜默用戶(hù)來(lái)說(shuō)，隔段時(shí)間看看他在哪里就可以了，這個(gè)用專(zhuān)業(yè)術(shù)語(yǔ)說(shuō)就是周期性的位置更新，這個(gè)對于系統降低負荷是很必要的，這樣就有第一個(gè)結論：網(wǎng)絡(luò )對于有業(yè)務(wù)的用戶(hù)，需要實(shí)時(shí)關(guān)注其位置變化，根據這個(gè)位置變化選擇不同的基站和小區為其提供服務(wù)，對于無(wú)業(yè)務(wù)的用戶(hù)，僅需輪詢(xún)其位置變化，這個(gè)輪詢(xún)周期通常是40分鐘（根據網(wǎng)絡(luò )負荷情況調整）。也就是說(shuō)，網(wǎng)絡(luò )感知的用戶(hù)位置不實(shí)時(shí)，最壞情況時(shí)延可達40分鐘！其次：網(wǎng)絡(luò )需要了解用戶(hù)位置的精度到底到什么程度就夠了呢？答案也很容易想到，只要知道用戶(hù)在哪個(gè)小區的服務(wù)范圍就可以了，因此，移動(dòng)網(wǎng)絡(luò )記錄的用戶(hù)位置信息，精度只能到基站的經(jīng)緯度（小區的經(jīng)緯度和基站是一樣的），這是什么概念呢？2G小區的覆蓋范圍是數公里，3G的是數百米，4G的小一些會(huì )在百米之內。也就是說(shuō)，網(wǎng)絡(luò )感知的用戶(hù)位置在地理上的精度基本是百米量級。
知道了運營(yíng)商用戶(hù)位置數據在時(shí)間和空間上的精度后，對這些數據可以支撐什么應用也就心中有數了，哪些是靠譜的，哪些是純忽悠也就一目了然。如果是用來(lái)做要求不高的人流密度分析，常住人口分析，人口遷移去向分析夠了，如果是做精度要求稍高些的交通疏導，店鋪選址，那就需要看實(shí)際情況，具體問(wèn)題具體分析，說(shuō)不準能不能支持，先別拍胸脯；可如果說(shuō)要做實(shí)時(shí)營(yíng)銷(xiāo)，這牛就吹大了，不光實(shí)時(shí)你保證不了，空間上的準頭也有點(diǎn)差，搞不好營(yíng)銷(xiāo)沒(méi)成反被當騷擾。
再說(shuō)說(shuō)用戶(hù)行為數據，用戶(hù)的語(yǔ)音、短信類(lèi)傳統業(yè)務(wù)有一個(gè)特點(diǎn)是個(gè)人對個(gè)人，因此肯定是有一個(gè)對端的號碼對應的活生生的人，那其中的價(jià)值點(diǎn)在哪里就很清楚了，通過(guò)這些傳統業(yè)務(wù)的用戶(hù)行為，你可以很清楚的了解用戶(hù)的現實(shí)交往圈（現實(shí)交往圈是和虛擬交往圈相對的，各有各的用處）。但不幸的是，用戶(hù)往往認為現實(shí)交往圈的隱私性很強，目前比較敏感，屬于雷區，運營(yíng)商輕易不敢越的，所以這部分數據的價(jià)值在可以預見(jiàn)的未來(lái)還不可能發(fā)掘。
再有一大類(lèi)重頭的用戶(hù)行為是用戶(hù)的上網(wǎng)行為，現在大有手機取代電腦之勢，看看低頭一族那么多就知道了。所以新新人類(lèi)的大量碎片時(shí)間基本都被手機上網(wǎng)行為所占據了。對于用戶(hù)通過(guò)手機進(jìn)行的上網(wǎng)行為，網(wǎng)絡(luò )側會(huì )紀錄下用戶(hù)訪(fǎng)問(wèn)的地址，理論上可以通過(guò)該URL地址，結合網(wǎng)絡(luò )爬蟲(chóng)或APP抓包技術(shù)，將實(shí)際內容獲取回來(lái)，然后采用內容識別技術(shù)對其中的關(guān)鍵內容進(jìn)行識別，這樣就可以獲取到用戶(hù)行為的相關(guān)數據。但我們再進(jìn)一步看看理論后面的一些落地階段遇到的問(wèn)題。至于網(wǎng)絡(luò )記錄的地址長(cháng)度有限（128位），超出部分會(huì )被截斷，這些地址也就廢了，這些都是小問(wèn)題，因為記錄最初也不是設計來(lái)干這個(gè)的，而且超出的比例也不是很大，大數據也不在乎少那百分之幾的數據。主要的問(wèn)題有幾個(gè)，一是APP和網(wǎng)頁(yè)層出不窮，每天都是爆發(fā)式的增多，需要有一個(gè)動(dòng)態(tài)更新的APP和網(wǎng)站的分類(lèi)庫，這個(gè)庫里有網(wǎng)站和APP的多級分類(lèi)，還需要有網(wǎng)站和APP的多個(gè)服務(wù)器地址/域名對應關(guān)系，這實(shí)際上是做了URL分類(lèi)的基礎工作。有效的URL庫及后期良性的維護機制是非常重要的；第二，內容分詞/識別的復雜度和識別率，每個(gè)網(wǎng)站和APP的內容識別往往需要采取不同的方法，具體情況具體分析，需要看頁(yè)面有無(wú)設計規律等，進(jìn)一步設計具體的內容提取、識別算法，工作量巨大，一旦網(wǎng)站/APP改版，這些工作還要重新進(jìn)行，因此也要有一套動(dòng)態(tài)維護機制。這兩項工作都是非常瑣碎繁雜的工作，又很難體現具體的價(jià)值，因此很少有廠(chǎng)家愿意投入大量的資源去做。基本還是需求來(lái)了，再根據具體的需求具體分析的模式，支撐的時(shí)間周期和質(zhì)量都不穩定。
在A(yíng)PP內容識別的過(guò)程中，我們也發(fā)現了一些APP分析廠(chǎng)家目前的一些嘗試，他們會(huì )和APP開(kāi)發(fā)廠(chǎng)家簽署協(xié)議，直接在A(yíng)PP代碼中嵌入數據采集代碼，通過(guò)在A(yíng)PP運行過(guò)程中采集的數據，有針對性地對用戶(hù)的行為進(jìn)行分析，通常他們獲取的位置和內容精度會(huì )很高，而且他們不會(huì )因為APP的升級改版而很被動(dòng)，造成自身程序的大規模修改。與電信運營(yíng)商相比，他們的劣勢是不能獲取到所有競爭對手的數據，但是對于A(yíng)PP分析廠(chǎng)家來(lái)說(shuō)，只要和更多的APP廠(chǎng)家簽署的協(xié)議，他們慢慢也會(huì )積累到這部分數據。而且他們獲取數據到形成可供分析的基礎數據中所作的附加工作比電信運營(yíng)商少的多，可以把更多的精力放在業(yè)務(wù)運營(yíng)上而不是數據準備上。
也許，電信運營(yíng)商需要重新評估自己的數據適合做什么，不適合做什么，對需要做復雜的數據準備和精度提升才能支撐的應用場(chǎng)景，也許更好的辦法是換一個(gè)別的方式去做，那樣才更符合客觀(guān)規律。
以上信息純屬一家之言，還希望大家能多多討論，發(fā)表各自的看法。
