电信运营商大数据在金融行业实体选点中的运用.pdfVIP

电信运营商大数据在金融行业实体选

点中的运用

1引言

当前中国移动电话使用数达到11亿，固定电话使用数达到2.5亿户，宽

带使用户达到1.4亿。最近20年来，随着互联网和移动互联网的迅猛发展，中国

移动、中国电信、中国联通三大电信运营商每天均获取海量的网络数据。根据对用

户实名制接入网络服务的要求，这些数据更是和实名人一一对应，通过现代数据挖

掘技术便可描绘真实用户的实际生活轨迹。

与此同时，运营商在互联网的发展中扮演智能管道角色，可以便捷地获取

用户在移动互联网和移动互联网中虚拟社会数据的能力。这使得电信运营商可跨越

虚拟显示，拥有实体和虚拟社会两类数据，并通过用户实名制的号码属性，将这两

套数据进行无缝衔接，实现对用户的全面画像，向数据使用部门展示用户的生活以

及消费习惯，便于开展个性化服务。基于此，本文将首先分析电信运营商的大数据

应用模式，继而以金融行业银行实体网点选择为案例，对具体的应用情况加以剖

析，包括电信运营商具备的数据优势及在实体选点中的步骤和模型。

2电信运营商大数据应用模式

2012年以来，全球多数电信运营商均开始涉足大数据发展领域，具体可

分为两类，包括数据开放和应用服务。

在大数据的应用服务方面，电信运营商可以向外部合作伙伴适度开放历史

积累的数据资源，在法律法规允许范围内，在保障客户隐私的前提下，基于行为科

学的研究成果，对用户历史数据开展分析、画像，进而预测用户未来行事。并在该

颗粒度变粗后封装为服务成果，对外部提供信息咨询服务，形成商业盈利的核心竞

争力，为企业创造新价值。

具体来看，电信运营商通过基站、CRM系统等已经采集庞大用户数据，这

些数据包括精准的用户位置信息、包括时间周期的位置移动信息及基于通信数据的

用户真实社会网络信息，通过对这类历史沉淀数据进行挖掘、建模和封装打包，可

为行业客户提供基于用户行为的相关服务。由于颗粒度粗化，这类大数据服务不会

暴露用户个人隐私，只是基于群体的数据展现群体的行为结果，如某个时间周期、

某个地点的人流量、以及这股人流量的日常行踪、话费或流量消费习惯等关键影响

因素，并将数据挖掘结果以较粗颗粒形式呈现，提供给集团客户。例如基于基站获

取的位置数据，可开展定点区域客流、交通路况等分析，为零售企业企业、交通部

门等提供有关人流密度、运动规律的建议。

下面将以金融行业银行实体网点选择为案例对国内电信运营商的大数据应

用情况进行详细分析和说明。

3电信运营商大数据在金融行业实体选

点中的运用

以往，金融行业中银行实体网点选择主要依赖于专门的调查公司通过人工

来获取不同地点的基础数据，不仅耗时耗力，而且由于样本的随机性、人工调研的

费用高、时间段等问题，往往会缩减数据项并降低对数据周期的要求，在人工统计

过程中也容易出现数据有较大误差的情况。

3.1电信运营商具备数据优势

电信运营商基于行业优势，数据获取方便，数据样本容量大且周期长，优

势主要体现在：

（1）数据充分：电信运营商经过20余年的经营，通信用户数超过一亿，

积累的用户数据海量而且丰富，符合大数据挖掘的量级需求。首先，根据国家要

求，电信用户已经实现实名制，用户需提供实名信息方可继续使用或入网，实名信

息内容维度丰富，包括身份证号以及由此可判别的性别、年龄、生日、出生地，还

有用户的工作单位、职位等；其次，电信运营商通过BI系统，可以了解用户的电

信消费信息，例如所使用电信套餐类型、ARPU、流量使用情况和频次、通话频次、

各类增值业务选择及时间周期、通话对象、频次、时间、在网时长等；再次，电信

运营商可通过基站定位等方式，较为精准获取用户在不同时段的地理位置信息以及

相应的频次；最后，电信运营商作为智能管道提供网络，能够获取用户在互联网、

移动互联网的访问信息，如访问时间、每次访问时长、访问网址等。

（2）数据可持续：由于号码的持续使用，且通信网络7×24小时服务，

电信运营商可以在用户开机时一直获取相关数据，保障数据的可持续性和一致性。

（3）数据可利用：电信运营商对海量数据进行第一轮粗加工和分析，更

加精准、高效地分析出用户的共性行为，再根据政府和企业的定向需求，输出粗颗

粒的报告和应用数据，