「不管你現在做什么行業,你做的生意都是數據生意。」 --凱文·凱利
一、大數據:從時髦外衣到核心要素
Gartner著名的新興技術炒作周期(Hype Cycle for Emerging Technologies)在2014和2015年的兩份報告中,最為顯著的區別就是“大數據”的消失,由此可以理解為Gartner對“大數據”的定位已從“新興”調整為“主流”。如今,大數據對于企業的意義已從能力要素上升為戰略核心,從運營效率提升手段升級為商業模式創新的根基。因此,無論是企業級市場還是消費級市場,亦或是政府公共服務,都正和大數據發生聯系。大數據具有先天的壟斷性和后天的規模效益,因此具備先天數據和計算優勢的企業都開始加快布局,謀求日后的規模效益和更多的產業話語權。在互聯網領域尤為突出,無論是國外的FANG(Facebook、Amazon、Netflix、Google)還是國內的BAT(Baidu、Alibaba、Tencent),都將大數據視為其未來戰略布局的核心和商業模式樞紐。
在通信行業,大數據的價值越來越被重視,AT&T、Verizon、Telefonica、DoCoMo等國際標桿運營商都積極利用自身在用戶信息、地理位置、網絡信令等領域的數據優勢,與金融、零售、旅游、物流、公共管理等領域的企業和機構進行深度合作,一方面大幅度提升了運營效率和用戶滿意度,另一方面也實現了一定程度的商業變現,摸索了新的商業模式。反觀國內三大運營商,近年多次提到“大數據”的重要性,也取得了一些成績或兩點。但盡管部分公司在一些局部領域取得了階段性的突破,但亮點只是個案,沉淀下來能夠體系化、常態化的東西卻很少,在商業變現方面更是乏善可陳。究其原因,運營商雖然坐擁寶貴的大數據資源,但在大數據驅動商業及運營轉型方面卻面臨著組織、能力、模式等方面諸多不適應,加上一些法律和政策方面的風險,使得運營商更加畏首畏尾。
二、運營商大數據的主要優勢與獨特價值
運營商在大數據領域具有其他行業無可比擬的優勢,體現在以下三個方面:
1.規模性:一方面是數據體量大,每天產生的數據以PB計算,具有豐富充足的數據源;另一方面是數據維度全面,包含用戶行為、地理位置、上網行為、運動軌跡、支付能力、咨詢投訴等信息。
2.準確性:網絡系統可實時產生與終端用戶相關的多維度行為信息,準確實時的反映用戶行為狀態。
3.連續性:網絡數據可持續性提供,具有連續和可追溯性,僅取決于數據的存儲策略,無人為因素干擾。
從數據本身來看,同互聯網公司特別是BAT這樣的巨頭相比,運營商不遑多讓。比如在用戶標識方面,運營商的手機號碼能夠追蹤到用戶本身的實名信息,還能串聯起用戶所有的移動互聯網行為(只要保證手機開機),而互聯網公司的應用(不論是Native APP還是Web Service),都需要用戶登錄才能有效識別,而且必須保證應用本身正在運行(盡管可以采取駐留后臺的方式,但會消耗系統資源,并有可能被清理軟件關閉),如果用戶離開了應用,也就無法獲取外部行為信息;又比如在場景方面,運營商的數據基本覆蓋了用戶的全部移動行為,因此能夠將用戶行為與所處場景進行有效的關聯,特別是在沒有數據連接的情況下,即使不打開GPS功能,也依然能通過基站定位獲取用戶的位置信息。
總而言之,運營商作為管道的提供商,不僅掌握了自身的業務和運營數據,同時還掌握了海量用戶的互聯網行為數據和相關的場景數據。這些數據不僅對運營商有價值,對其他行業尤其是金融、互聯網、消費、政府機構等的潛在價值更是難以估量。如果充分發揮自身的數據優勢,同各行業的需求接軌,以產品服務的形式有償地提供給外部客戶,并建立緊密的數據合作關系,就能實現數據價值最大化。
三、國內運營商大數據的現實挑戰
運營商大數據盡管理想很豐滿,但現實往往比較骨感。在過去10到20年的時間里,國內運營商為了適應用戶規模的快速增長,逐漸成長為投資密集型企業,公司的組織和流程都是圍繞投資-放號-運維來建立的,經營活動也是基于經驗來展開的。但隨著市場的變化和技術的演進,這種發展模式已經越來越適應新的商業模式,尤其是面對大數據的新興浪潮,運營商除了數據大這一優勢外,在業務、技術及商業變現方面都顯得步履蹣跚。其面臨的挑戰主要有以下4個方面:
挑戰一:有數據難整合。一方面運營商雖坐擁海量數據,但數據在組織中卻因為不同線條和部門的存在而處于割裂狀態,擁有數據的部門之間往往缺乏順暢的數據共享機制,加上各種煙囪平臺的存在,數據的標準可能都有不兼容的情況,如何實現跨業務、跨平臺的關聯與整合成為運營商最大的挑戰;另一方面由于互聯網上大量非結構數據的存在,運營商還面臨著將非結構化數據與結構化數據進行統一、整合的挑戰。這一系列的挑戰使得運營商的數據一直處于分散和休眠的狀態,無法真正發揮其潛在價值。
挑戰二:有需求難操作。對運營商而言,信息安全一直是一個無法回避的問題。由于運營商數據中包含了大量的用戶基本信息,這其中涉及大量的個人隱私,一旦泄露并被不法分子利用,會給用戶和運營商帶來不可估量的損失。從國內的市場來看,眾多三方機構一直熱衷于此類敏感數據的交易,并且用各種高大上的名詞來包裝,但往往實在運營商不知情的情況下濫用用戶信息,運營商往往防不勝防。任何能夠追溯到個人或終端的數據一旦未經授權即被第三方獲取,往往會引發數據安全事件,在媒體的推波助瀾下,極有可能成為運營商不可承受之重。
挑戰三:有想法無承載。即使不考慮數據質量和隱私風險,運營商實現大數據變現還需要面對組織和流程上的空白。大數據應用是一個系統工程,其開發、建設、產品、營銷、運營等環節都需要有具體的部門去承載和落實。然而,國內運營商現實的問題是,已有的組織架構和流程規范都是基于傳統業務來制定的,對于大數據這樣的新興領域,往往都是基于各自的理解或資源的分布,各省市公司都缺少統一的范式(比如前端是數業部門還是政企部門牽頭,后端是網絡部門還是業務支撐部門統籌),更無法形成自上而下的力量來貫穿,如散兵游勇一般。
挑戰四:有機會難實施。拋開組織和流程的問題,能力和機制更是運營商繞不開的門檻。大數據屬于技術密集型領域,技術專家(解決建模與架構)和復合型人才(解決跨行業的Know How)的匱乏一直困擾著運營商,雖然短期可通過合作的方式解決,但長期來看還需自建團隊實現能力內化和儲備。而這往往需要在人力資源的開發、核心人才的引進以及激勵機制的革新等方面下功夫。
四、運營商大數據的突破策略建議
隨著萬物互聯圖景的日益顯現,未來將出現海量的新連接,管道中承載的數據量也將呈幾何級增長。大數據為萬物互聯激起了廣闊的想象空間,應用的場景數不勝數,但不可否認,國內運營商對大數據的運用還處于起步階段。如何跨越瓶頸躍升至新的高度,可嘗試從以下方面著手:
1、能力破冰:以項目帶平臺、再帶流程與能力。國內運營商在實施大數據上一直存在著“先有雞還是先有蛋”的困惑,既要投入資源提升大數據能力,同時又要有變現收益來支撐資源投入。考慮到運營商在大數據領域缺少現成的經驗和案例可借鑒,可以從具體的項目著手,先接觸客戶,從實現簡單的需求開始,理解數據、驗證模型,積累相應的經驗和案例,形成平臺建設和數據規范的需要,在此基礎上指導平臺建設與數據治理。此后,基于平臺的不斷完善和升級,實現對已有系統的整合及原有流程的優化,從而進一步夯實自身的大數據能力。
2、平臺建設:底層統一平臺協議,上層先煙囪建設再下沉能力。一方面,在數據收集存儲以及信息整合的層面建設統一的平臺,保證數據規范統一,解決數據的實時性問題,保證所有數據從產生、記錄、存儲到維護都有一個完整生命周期;另一方面,在應用層面可以先嘗試在局部領域進行煙囪式的建設,及早對接業務的需求,通過小范圍試錯和迭代來形成Know How、沉淀經驗,等到這些模式逐漸被實踐驗證和市場接受的情況下,便可考慮下沉為能力平臺,并通過開放來承載更多的商業模式和變現途徑。除此之外,運營商特別還要在基礎設施和IT架構上,將大數據技術融入到自身已有的技術生態中。
3、數據開拓:以開放思維參與數據生態。運營商盡管在數據資源上具有其獨特的價值,但并不意味著僅靠自身的數據就所向披靡。尤其是在跨行業的復合場景下,多個數據源的關聯分析能產生出更大的價值。這就要求運營商還要整合更為廣泛的外部數據源,包括其他行業、公司及政府機構。隨著大數據創新的不斷涌現,跨領域的數據共享需求會越來越大,這其中涉及到的數據所有權、定價和交易規則等問題都有可能逐漸地清晰。當然,運營商也沒有必要坐等所有爭議都得到解決再去嘗試,可以在一定的原則和風控措施下,以開放的思維參與到整個數據生態。
4、產品形態:大數據能力是未來運營商向行業客戶提供一攬子服務的重要組件。從現階段國內案例看,最常見的大數據應用就是各類數據報告,但在國內的商業環境下,數據報告的變現能力和變現方式都太局限,很多數據圖打著大數據的幌子,更多是做噱頭和認知。對運營商而言,大數據的變現應與自身業務和能力相結合,將自身大數據能力與業務進行集成,提供能嵌入行業客戶日常運營的一攬子服務。以國外運營商案例看,大多數運營商都會協助線下企業提供精準營銷服務(例如:Verizon為菲尼克斯太陽隊提供精準營銷服務,幫助其提升賽季套票銷量的35%;西班牙電信利用人群軌跡分析幫助莫里森超市提高了150%的客流量。),而在此過程中,運營商的價值不能只停留在通過大數據能力找到精準營銷的對象上,而要結合運營商能力(例如定位、軌跡等),為使用方觸點提供準確的激活判斷,并將這些價值集成在一起形成解決方案或平臺,持續地協助行業客戶提升運營能力。
5、開放平臺:開放平臺是大數據變現商業模式的必要承載。從現階段大數據產品形態看,其商業模式暫未超出互聯網商業模式范疇。像現階段的征信業務等一單單、非實時的應用一定不是未來大數據的主要業務形態,而隨著大數據應用能力的提升,大數據計算模型的執行將在瞬間完成,并使數據應用方能快速根據結果產生判斷和后續業務動作,如實時信用額度提升、帶標簽導流與推薦、營銷規則觸發等。而實現這些實時的應用,都需要開放的能力平臺承載。同時,考慮到信息安全等因素,數據源直接向社會裸露無非會帶來巨大風險,因此通過能力封裝,將裸數據進行脫敏,并包裝成API或SDK以供調用,以達到安全管理的目的。并可根據不同垂直行業需求,定制封裝成不同的能力產品群,以聚合產業鏈上的開發能力,在其基礎上,開拓更多的應用空間。
6、組織轉型:先釋放彈性,后加以重構。未來大數據分析和應用要逐漸融入到運營商的日常運作當中,整個過程每一個員工都要參與變革。但組織變革就好比高空換發動機,牽一發動全身,需要穩步推進。建議前期先在現有的組織架構上進行適配,劃分不同部門的角色分工(比如在移動公司可以考慮由數業負責產品、政企負責銷售),通過建立聯合團隊,吸納內外部具備業務視角或技術能力的人才,在較為集中的時間內實現局部領域的攻關和突破。在職能上,大數據業務團隊不能只作為能力提供者,而應該與客戶管理部門一同直接面向企業需求,建立貫穿售前、售中、售后的引導支撐、方案制定和實施交付等全面能力;到后期,在業務體量和能力儲備達到一定層次后,設立獨立的事業部以及VP層級的首席架構師角色,推動公司大數據端到端變現能力的形成(包括數據理解、模型應用、場景適配、模式創新等)。另外,無論是跨部門合作還是獨立事業部,在人才的引進、培養、考核和職業發展等方面都應該有相應的配套措施,同時建立起小步快跑、容忍試錯的機制,為創新創造條件。