还有一个在精准营销，传统收仓做专家系统精准营销的时候我们每个人感受到是群发担心的方式，无法为每个客户做精准营销，比如银行客户量非常大，一个分行900万客户以上，如果为每个客户做个性化的画像，运算速度和成本非常高，采用大数据的技术做到了个性化的推荐，可以知道这个用户喜好是什么，他的行为习惯，当你走进商场的时候不见得一定给你发短信，如果这个厂商的商品没有你喜欢的就不会给你发短信，这就是个性化推荐，采用这种方式担心发送量下降了82%，实际上效果命中率提高了95%，这是非常可观的。从1到5到15，我们原来在银行历史明细数据查一年，后来逐渐扩展到5年，为什么?现在到了7年，我们的一些影像数据实现时时在线查询的重要性，如果你申请贷款，你过去十几年的交易情况，包括你的影像，因为每做一个交易会产生6张图片，影像上时时查询，这个对贷款的审批加速非常重要，数据大集中历史数据集中其中一个体现就是历史数据的周期增长，周期的加长。
另外就是交通行业，我们原来发现套牌车的时候，我们的车套牌在另外一个城市出现，需要很长的时间，现在通过对卡口数据的分析，可以秒级发现套牌车，包括对交通出行公交车排班，包括人流的分析，这都是对我们人为的促进。
还有就是7倍和96%。7倍指的是在客户维挽方面，对于电信运营商来说客户的维挽非常重要，我们国家的电信行业的竞争还是非常充分的，我们每个人从一个运营商切换到另外一个运营商非常容易，电信运营商压力很大，挽留住离网的客户是非常重要的，第一步就是哪些客户有离网的倾向，这有很多的倾向，包括他最近充值减少了，他最近通话时长等等很多的数据进行融合以后，我们给这个客户建立一个平台，做到了一次采集一次存储，多次分析，通过离网的模型发现离网客户的识别率提升了原来的7倍以上，这是非常可观的。通过去关怀，包括使用一些送积分，甚至送流量等等，然后客户的再次充值率也是提升了3倍以上，这是大数据在商业实践方面给客户带来的改变。
我在这里也给大家介绍一下华为企业的云服务，这里面已经有了刚才说的大数据各种服务的上线，大家可以体验，华为大数据在云上还有一个特点，跟电信运营商合作，帮他们建设云化的大数据中心，在上面合营共同提供大数据的服务。
我今天就讲到这里，华为在电信运营商里耕耘了20多年，在电信行业有自己大数据的理解下面请我的同事区波分享一下电信行业大数据的经验，有请区波。
区波：
谢谢大家，因为大数据作为一个新的技术有比较新的突破，这些技术的引用对运营商对数据的处理更好的提供服务，也提供了新的技术，运营商承载着整个电信的运营和互联网的基础网络，之前阿里的王博士举了很形象的例子，如果把互联网比作一个高速公路的通道，数据是在整个公路上走过的一些痕迹，运营商是主要的承载着这个高速公路的建设和提供服务的主要承担者，所以我们生活当中的很多数据，绝大部分数据在云这个管道里面都有，以前很多数据并没有做深入的分析，一方面是因为我们的技术，一方面是对这些数据的需求来自于哪儿。大数据的引入让我们能够有机会重新去看这些数据，以及这些数据可能带来的新价值。从这个图上可以看到运营商原来自己手里面有数据，包括业务处理系统，像POSS系统，这里面已经对原来的数据有一些处理。另外一些是网络数据，这些数据过去运营商比较少做处理，而今天看随着我们要对数据进一步的了解，包括除了支撑运营商内部的业务，同时也会支撑一些企业的应用以及消费者的市场，这些数据会越来越多的被关注。
电信运营商大数据平台建设面临的挑战
另外一个角度来看对于运营商相对于互联网的企业比较传统的企业来说，原来已经建立了自己相对比较完整的一套IT的环境，也建立了他自己相对比较大的数据环境，比如像移动运营商他们过去数据仓库的建立已经经历了十多年，他们自己有自己的数据环境，有自己的数据架构，也有自己的数据应用，新的大数据的技术引入，新的数据的引入的时候，我们除了考虑怎么去用好这些数据，同时也需要考虑这些数据和原有IT环境的整合。因为这里面面临的困难，新的技术和IT技术的整合，运营商也在看自己业务的转型，比如国外的运营商已经提出过自己要从一个传统的CT的服务商变成一个DT的服务商，他们在数据化转型的要求，之前也谈到了我们有很多的用户真的是谈需要数据，大家谈了我需要数据，真正谁能够提供数据，这里面有很多的数据没有办法提供，这里面一方面是你有没有这个数据，运营商其实有数据。另外一个角度来看你有这个数据你有不能能力把这个数据合规合法，并且满足我的业务需求提供出来，所以这里面来看对平台的要求也进一提出要求。