作品简介

在数据横向融合的时代,充分挖掘数据金矿及盘活数据资产,是企业发展和转型的关键所在。电信运营商以其数据特殊性,必将成为大数据领域的领航者、生力军。各行业的大数据从业者要如何从电信业的大数据中挖掘价值呢?

本书彻底揭开电信运营商数据的神秘面纱,系统介绍了大数据的发展历程,主要的数据挖掘方法,电信运营商在网络运行及业务运营方面的数据资源特征,基于用户、业务、网络、终端及内在联系的电信运营商大数据分析体系,以及该分析体系在企业内部及外部行业的应用实践。本书特别列举了一系列电信大数据在企业运营以及多个行业应用的案例,为各行业的大数据应用推进提供参考,同时对于大数据推进过程中的各种风险与挑战提出应对措施。

对于从事电信运营商大数据分析工作的读者,本书是一本难得的实务指南;对于从事电信运营商运营工作的管理人员,本书提供了运营和决策的辅助参考手段;对于其他行业的大数据从业人员,本书以电信运营商大数据应用为导向,介绍的案例涵盖多个领域(交通、金融、旅游、广告、气象、餐饮、娱乐、医疗、政务、城市规划等),更有相关产品介绍,涉及的应用思路、方法、解决方案能给予读者很多启发和思考。

本书由中国联通网络技术研究院大数据研发中心/下一代互联网宽带业务应用国家工程实验室大数据开放实验室团队编著。团队成员有丰富的大数据从业经验,深耕大数据的研究和实践工作5年以上。

程新洲,教授级高工,中国联通网络技术研究院大数据研发中心总监,下一代互联网宽带业务应用国家工程实验室大数据开放实验室主任,中国联通集团专家级战略人才,北京邮电大学兼职教授,研究生导师,IEEE ISCIT、ICSINC等国际会议技术委员会主席。主要从事大数据研究及应用相关工作,先后获各级创新奖、科学技术奖等20余项。在国内外期刊会议发表论文70余篇,申请专利20余项。

朱常波,中讯邮电咨询设计院有限公司、中国联通网络技术研究院副总经理,高级经济师,博士,主要从事新技术研发管理工作,曾获“中国通信学会科学技术奖一等奖”等多个奖项。

晁昆,中国联通网络技术研究院大数据研发中心高级工程师,下一代互联网宽带业务应用国家工程实验室大数据开放实验室骨干成员。主要从事大数据研究及应用相关工作,在国内外期刊会议中发表论文20余篇,曾获“中国通信企业协会通信工程咨询成果一等奖”等奖项。

作品目录

  • 编委会
  • 前言
  • 第1章 大数据的发展历程和时代背景
  • 1.1 大数据发展的五大驱动力
  • 1.2 大数据发展的历程及技术演进
  • 1.2.1 采集解析技术
  • 1.2.2 存储管理技术
  • 1.2.3 并行计算技术
  • 1.3 大数据引起的时代变革
  • 1.3.1 智能派单、路线优化
  • 1.3.2 金融授信、风险防范
  • 1.3.3 广告精准投放
  • 1.3.4 挖掘用户的隐性需求
  • 1.4 电信大数据的掘金之路
  • 1.4.1 AT&T
  • 1.4.2 德国电信
  • 1.4.3 Vodafone
  • 1.4.4 法国电信
  • 1.4.5 中国联通
  • 第2章 电信运营商的价值数据
  • 2.1 电信运营商数据源概览
  • 2.2 网络运行数据
  • 2.2.1 基础资源及配置数据
  • 2.2.2 信令追踪数据
  • 2.2.3 业务识别数据
  • 2.2.4 性能统计数据
  • 2.2.5 监控预警数据
  • 2.3 业务运营数据
  • 2.3.1 用户基础资料
  • 2.3.2 用户业务行为
  • 2.3.3 用户辅助信息
  • 第3章 电信大数据分析体系
  • 3.1 用户画像及行为洞察
  • 3.1.1 用户全息画像构建
  • 3.1.2 用户实时轨迹追踪
  • 3.1.3 用户行为偏好分析
  • 3.2 业务识别及感知评判
  • 3.2.1 业务特征捕获
  • 3.2.2 用户业务感知评价
  • 3.3 网络分析及全景描绘
  • 3.3.1 网络资源分析
  • 3.3.2 网络覆盖分析
  • 3.3.3 网络性能分析
  • 3.3.4 网络结构分析
  • 3.4 终端解构及性能评价
  • 3.4.1 终端分类构成解析
  • 3.4.2 终端综合性能评价
  • 3.5 运行匹配度解析
  • 3.5.1 终端与网络匹配度
  • 3.5.2 网络资源与业务匹配度
  • 3.6 众筹竞争力分析
  • 3.6.1 传统分析方法及局限性
  • 3.6.2 基于智能终端App数据的分析方法
  • 3.6.3 分析结果示例
  • 第4章 电信大数据企业内部应用
  • 4.1 大数据助力资源精准投放——网络规划建设
  • 4.1.1 网络规划资源的精准投放
  • 4.1.2 网络建设效果的有效评价
  • 4.2 大数据助力效率提升——网络运维优化
  • 4.2.1 智能化运维
  • 4.2.2 精细化优化
  • 4.3 特定用户群体的精准营销——市场推送
  • 4.3.1 流量经营时代
  • 4.3.2 现网中价值区域的挖掘
  • 4.3.3 基于B+O大数据的流量经营策略
  • 4.3.4 新型业务营销及发展趋势
  • 4.4 用户黏性及离网预判——客户维系
  • 4.4.1 存量客户
  • 4.4.2 现有用户的套餐升级
  • 4.4.3 潜在异网客户
  • 第5章 电信大数据外部行业应用
  • 5.1 电信大数据在交通领域的应用
  • 5.1.1 交通行业的发展需求
  • 5.1.2 交通行业数据现状
  • 5.1.3 电信运营商在交通领域的角色定位
  • 5.1.4 电信大数据助力交通领域的应用案例
  • 5.2 电信大数据在金融领域的应用
  • 5.2.1 金融行业发展需求
  • 5.2.2 金融行业数据现状
  • 5.2.3 电信运营商在金融行业的角色定位
  • 5.2.4 电信大数据助力金融的应用案例
  • 5.3 电信大数据在城市规划领域的应用
  • 5.3.1 城市规划发展需求
  • 5.3.2 城市规划数据现状
  • 5.3.3 电信运营商在城市规划的角色定位
  • 5.3.4 电信大数据助力城市规划的应用案例
  • 5.4 电信大数据在旅游领域的应用
  • 5.4.1 旅游行业发展需求
  • 5.4.2 旅游行业数据现状
  • 5.4.3 电信运营商在旅游行业的角色定位
  • 5.4.4 电信大数据助力旅游行业的应用案例
  • 5.5 电信大数据在广告领域的应用
  • 5.5.1 广告行业发展需求
  • 5.5.2 广告行业数据现状
  • 5.5.3 电信运营商在广告行业的角色定位
  • 5.5.4 电信大数据助力广告精准投放的应用案例
  • 5.6 电信大数据在公众及气象领域的应用
  • 5.6.1 公众及气象领域发展需求
  • 5.6.2 公众及气象领域数据现状
  • 5.6.3 电信运营商在公众及气象领域的角色定位
  • 5.6.4 电信大数据助力公众及气象领域的应用案例
  • 5.7 电信大数据在餐饮、娱乐领域的应用
  • 5.7.1 餐饮、娱乐行业发展需求
  • 5.7.2 餐饮、娱乐行业数据现状
  • 5.7.3 电信运营商在餐饮、娱乐行业的角色定位
  • 5.7.4 电信大数据助力餐饮、娱乐行业的应用案例
  • 5.8 电信大数据在其他领域的应用
  • 5.8.1 商业决策
  • 5.8.2 治安监控
  • 5.8.3 政府决策
  • 5.8.4 医疗行业
  • 5.8.5 教育行业
  • 第6章 大数据的风险与挑战
  • 6.1 风险管理
  • 6.1.1 数据泡沫风险
  • 6.1.2 技术升级风险
  • 6.1.3 隐私侵权风险
  • 6.2 挑战应对
  • 6.2.1 技术发展挑战
  • 6.2.2 思维转变挑战
  • 6.2.3 商业挑战
  • 参考文献
展开全部