随着互联网、移动互联网、物联网、云计算的兴起以及移动智能终端的快速普及，运营商的网络获得了更完整的用户数据。例如在用户层面，除了常见的年龄、品牌、资费、入网渠道等基本信息外，数据还包括上网时间、上网地点、浏览内容偏好、各种应用的使用时间等；在终端层面，包括IMEI、MAC、终端品牌、终端类型、终端预装了哪些应用、终端的操作系统、终端的尺寸等。
运营商已深刻认识到大数据的重要性，在企业内部已经利用大数据实现精确化营销和精细化运营。
然而，这些是远远不够的。运营商虽然开始尝试对外提供数据服务，却停留在提供原始数据层面，这对于大数据是严重浪费。就海量数据，提供高附加值的数据分析服务，将数据封装为服务，形成可对外开放、可商业化的核心能力，实现商业模式的创新，才能使运营商真正挖掘到大数据这一金矿。笔者认为，至少有以下几种模式是运营商可以实践的。
模式1:数据存储空间出租
企业和个人有着海量信息存储的需求，只有将数据妥善存储，才有可能进一步挖掘其潜在价值。具体而言，这块业务模式又可以细分为针对个人文件存储和针对企业用户两大类。主要是通过易于使用的API，用户可以方便地将各种数据对象放在云端，然后再像使用水、电一样按用量收费。
要提升差异化的竞争能力，运营商应该在数据分析上下工夫。对于个人文件存储应在提升关系链管理、提升个人效率上下工夫；而在企业服务上，将其从简单的文件存储、分项逐步扩展到数据聚合平台，未来的盈利模式将有无限可能。
模式2:客户关系管理
客户管理应用的目的是根据客户的属性（包括自然属性和行为属性），从不同角度深层次分析客户、了解客户，以此增加新的客户、提高客户的忠诚度、降低客户流失率、提高客户消费等。
对中小客户来说，专门的CRM 显然大而贵。不少中小商家将飞信作为初级CRM来使用。比如把老客户加到飞信群里，在群朋友圈里发布新产品预告、特价销售通知，完成售前售后服务等。中国移动不妨在此基础上，推出基于数据分析后的客户关系管理平台，按行业分类，针对不同的客户采取不同的促销活动和服务方式，提供更有针对性的服务，然后将提供线上支付的通道打通，形成闭环，打造一个实用的客户关系管理系统。
模式3:企业经营决策指导
运营商可以利用用户数据，加以运用成熟的运营分析技术，有效提升企业的数据资源利用能力，让企业的决策更为准确，从而提高整体运营效率。简而言之，将运营商内部数据分析技术商用化，为企业提供决策依据。举个简单的例子，某商店卖牛奶，通过数据分析，知道在本店买了牛奶的顾客以后常常会再去另一店买包子，人数还不少，那么这家店就可以考虑与包子店合作，或直接在店里出售包子。
模式4:个性化精准推荐
在运营商内部，根据用户喜好推荐各类业务或应用是常见的，比如应用商店软件推荐、IPTV视频节目推荐等，而通过关联算法、文本摘要抽取、情感分析等智能分析算法后，可以将之延伸到商用化服务，利用数据挖掘技术帮助客户进行精准营销，今后盈利可以来自于客户增值部分的分成。
以日常的“垃圾短信”为例，信息并不都是“垃圾”，因为收到的人并不需要而被视为垃圾。通过用户行为数据进行分析后，可以给需要的人发送需要的信息，这样“垃圾短信”就成了有价值的信息。
模式5:建设本地化数据集市
我们都知道，数据是非常有价值的东西。因此，能够下载或者访问数据平台，自然而然也就成了商业需求。运营商可以通过建设数据集市，数据提供者可以将数据上传至平台供人免费下载，或者以一定的价格销售，让每个人都能找到自己需要的数据集。
扩展阅读：OA办公系统_协同办公系统；OA协同办公系统低代码专题；..、浏览内容偏好、各种应用的使用时间等；在终端层面，包括IMEI、MAC、终端品牌、终端类型、终端预装了哪些应用、终端的操作系统、终端的尺寸等。
运营商已深刻认识到大数据的重要性，在企业内部已经利用大数据实现精确化营销和精细化运营。 &nbs..
|
