电信大数据关键技术挑战

企业减少营销成本的同时做到360度营销,降低业务人员的学习成本,赋能、提高营销效率。总体而言,电信大数据沉淀了海量用户7个维度的信息:1维用户真实ID(基本信息)、1维行为数据(通信行为、互联网行为、消费行为、投诉行为、网络体验、反馈行为)、1维社交数据、1维时间数据和3维空间数据(室外宏基站定位和室内微基站定位)。通过对7维用户数据建模,可以实现运营商在3个数据业务方向的升级:用户洞察、网络洞察和数据开放。如图1所示,电信大数据平台的目标是实现用户、网络和数据的统一自动化管理,实现“三个了解”和“三个提升”,即了解用户、了解产品(服务和渠道)、了解网络,提升营销转化率、提升决策准确率和提升自动化率(数据化→信息化→智能化)。

 

 

图 1 电信大数据平台的目标

全生命周期的用户洞察是电信大数据的基础,目标是改善用户体验,提升营销效率,从而沉淀更多用户的行为数据作为反馈。以用户为中心的网络洞察有助于提升运营商在网络规划、网络建设、网络优化、网络维护方面的投资效率,改善用户网络体验,并降低运营成本。面向全行业的数据开放的重点是利用电信大数据优势构建数据产业生态链,使其能提供面向全行业的数据服务,例如帮助行业客户进行获客、营销、选址分析、人流量检测、区域价值规划等。然而,在3个业务方向的升级都急需强有力的电信大数据分析平台支撑,这将面临9个方面的技术挑战,分别是特征工程、预测算法、根本原因分析、实时分析、时空数据挖掘、知识管理、多媒体数据挖掘、图数据挖掘和隐私保护。本文重点描述这些技术挑战的来源和可能的解决方案,讨论如何构建高效的电信大数据平台。