中国电信孙静博：运营商大数据下半场的思考
2017-10-10 16:42:39 来源：C114中国通信网 热度:
近日，由人民邮电出版社主办的“2017第四届中国国际大数据大会”在北京新世纪日航酒店举办，本届大会以“数据驱动，智能引领——共享数字经济新机遇”为主题，聚焦大数据全产业链创新与发展。同期举办了运营商大数据分论坛，中国电信北京研究院灯塔大数据产品线总监兼中电领航(北京)信息咨询公司副总经理孙静博表示，运营商大数据下半场是通过物联网丰富了物的环境。
演讲实录
孙静博：很荣幸主办方邀请我跟大家分享，很高兴大家能留到现在听我的一些粗浅理解。
我这次跟大家汇报的题目是运营商大数据下半场的思考，什么叫下半场思考？我觉得上半场跟下半场的区别就是我们从几年前到现在，运营商的方式好像没有什么大的差别，还有就是三大运营商也大同小异。
这就说明目前运营商大数据的变现遇到的障碍或困惑，随着其他技术的发展，我觉得恰恰给运营商大数据的变现提供了机会，那就是我跟大家分享的下半场的思考。
先回顾一下上半场，现在给大家展示的是中国电信天翼大数据4+1产品体系，分别是风险管控、精准营销、区域洞察和智慧运营。前两个是2C的业务，主要形态是用光纤和数据服务的方式对外提供服务。这两个问题在于什么呢？就是运营商在这两项业务中给产业链提供的服务还是偏顶层的数据服务，没有深入到真正行业内核心的环节，风控还是以模型的基础原材料的方式提供，但营销除了我们有自身媒体资源之外，更多是以营销的标签查询的方式对外提供，这两种方式都没有深入到行业，虽然这两块有比较大的收入规模，但是做的不够深。
后面两块一块是区域洞察，一块是智慧运营，还是以统计级的数据分析结果，对最终的交付的服务提供。区域洞察更侧重于位置的画像，智慧运营更侧重于网络行为的画像。这两种从收入规模上来讲就更小了，因为每一个个体价值忽略了，形成综合的汇总结果。同时这两个行业对于行业的理解来说，区域洞察更多是用在交通领域、旅游领域等等，政府的客户最喜欢大屏可视化的角度，这两个行业我们积累的也作为大屏。
智慧运营概括成两个字，客户要的就是模板，我们按照客户领导关心的模板把数字填好。综合看下来，整个运营商大数据对外提供的数据服务概括起来是第一价值没有出来，第二对行业的理解深度不够。
4+1还有一个1就是PAAS平台，一方面卖一些基础的云服务，另一方面给客户提供大数据的解决方案。由于数据项目承担周期很长，售前的工作很复杂，使得我们没有足够的动力真的通过项目把行业做深，所以这4+1无论是电信还是移动联通我觉得都是相对来说比较浅显的。
为什么我们没有实现大数据规模变现？我现在的思考是大数据规模变现背后是有规律的，抛开统计级的业务不说，个人级的业务怎么规模变现？这个图是变现流程。每一次的展示机会，各个广告主通过竞价的方式获取到这次展示的结果，他们做决策的依据就是DMP的平台，对这次展示机会背后用户的精准画像，场景+资产定价+程序化或者非程序化交易实现数据规模变现。所谓场景就是需要有资产进行交易的场景，资产定价，数据在这里面的价值就是对资产进行了定价，在资产价格的过程中顺带跟数据的价格，而不是简单做一个连定价都拍脑袋的数据的交易。
举一个例子，比如我们做风控和征信，我们运营商现在做的只是最底层的数据买卖，更高层次的数据变现就是我们给每一个借贷的资产，通过我们数据做风险的定价，然后在资金方跟借贷方的官方资产交易的过程中，我们数据真的给资产风险做定价，我们的数据才真正发挥了价值。所以我们看到了在互联网金融领域，有大量的征信公司真的发展起来了，而运营商还停留在最底层。同样这个场景也适用营销领域，每一次展示的时候，数据给展示机会做了定价，在不停的展示机会的交易中数据出现了变现，这才是单体数据大规模变现。也就是作资产进行交易的场景下数据起到了资产定价的作用，使得资产需求侧愿意为资产交易来买单，数据产生规模化变现的可能性。
总结一下上半场大数据变现之路的困惑，首先运营商大数据是围绕着个体，单个人自有数据为主要的数据对象，这里面的问题是数据隐私和数据孤岛，还有就是我们以人为主的大数据变现场景是受限的，随着运营商里面价值最高的数据的类型存在各种加密，价值存在着下降。
第二点困惑就是数据服务通常以标签和报告类为主，这就导致了无法实现数据的规模变现，也无法深入行业嵌入业务流程，发挥数据更大的价值。
第三就是目前变现是以结构化数据和半结构化数据为主要处理类型，我们现在是无法处理更高级的非结构化数据，也无法通过度学习先进技术去挖掘数据背后更深的价值。
这几点困惑我这边提出了相应的解决，以人为主的要找到更丰富数据为场景，第二是我们以抱歉和报告类的数据为主要类型要云化，通过云快速的交付标准化的产品。第三要依托人工智能的技术，把之前处理不好的数据，之前算法无法充分数据价值的部分，通过人工智能的技术做出来。所以我提出了就是转向成A、B、C+I的方式。
讲一下下半场怎么做，首先从大数据开始讲，我们希望能把运营商的数据发挥出背后真正的价值，运营商的数据跟其他数据本质的区别在哪儿？运营商的数据有天然的连接性，就像数据的经线和纬线一样支持一个维度，大家的数据都在一起，这个背后就是运营商各式各样的ID的对应关系，使得多家的数据能够打通串联，起到1+1大于2的功效。基于数据的打通可以找到更丰富的场景，使得我们把数据更深入到客户的业务流程中，让变现的数据和客户内部的数据发生融合。
第二个就是物联网，随着物联网技术低功耗和广覆盖的逐渐成熟，各类传感器已经开始采集关于物体和环境的各类数据，包括非结构化的数据，包括环境的数据，可以大大的拓展了数据源的种类和来源。使得我们不光可以采集到风险，还可以采集到环境的数据和物体的数据，使得运营商大数据的变现场景变得非常多。
第三就是人工智能，人工智能主要分两点，大家都知道AI这两年非常火，一方面有了大量的标注后的大样本数据，第二是我们在三十年前就已经成熟的神经网络的训练酸，第三是随着GPU和TPU专门的人工智能处理器的诞生加速了时间。AI和运营商大数据的结合主要是两点，一方面是我们可以用人工智能处理原来采集回来但是处理不好的数据，包括各种的图像数据、云数据等等，还有一方面是我们通过人工智能在特定工程上的特点，我们可以把用传统的机器学习的方式训练不好的分析场景达到更好的效果。这两方面跟大数据的结合可以更开拓出来一片利用人工智能的机会。
第四就是我们希望云计算跟大数据结合起来，我们希望能把企业的数据嵌入到业务流程，能够快速的交付大数据客户，并且可以按需的使用计算能力和存储能力，同时跟人工智能的结合，目前来看中小企业人工智能的障碍是缺乏足够的资源，我们可以把这种训练的能力用云的方式解决，让客户把训练最消耗计算能力的部分用云的方式提供服务，再把数据的智能提供给我们。
给大家分享一下我们的案例。正是基于这个思路，从大数据的上半场转到下半场，通过人工智能大数据，还有云计算和物联网这几个新兴技术的结合，我们深入到行业中去，已经有一些试点成果的案例。目前我们选择的案例是畜牧业，为什么选择这个行业呢？因为这个行业的产业规模不算大，目前畜牧业主要有三个细分领域，一个是羊，一个是奶牛，一个是肉牛，我们一直说大数据是万亿级的规模，我们几年做下来能做到百亿就不错了，但确实是有这种发展空间，光是肉牛有一万亿的存量市场，而这个市场是非常落后的，我们觉得这么大的市场信息化水平这么落后一定含着商机，所以我们选择了这个行业，同时国家层面出台了大量的政策，还有另一方面是市场的驱动。随着中产阶级的崛起，消费升级，家庭对于牛肉的消耗量成几何级的增长，可以遇见至少三十年到五十年整个国内肉牛市场会一直呈现高速发展的市场。
我们针对目前肉牛的细分领域，我们一方面面向政府，一方面面向养殖企业，提供了几个方向的服务。面向政府主要是解决精准扶贫、安全溯源和植被保护。面向养殖企业是防畜走失和精细放牧和可追踪。
我们基于物联网、人工智能大数据打造了一套自主研发的解决方案，同时为政府和牧民根据他们的需求提供了多种技术产品。主要的设备核心是具有长时间续航能力的终端产品，这个终端产品主要有几个功能，一方面是可以记录，一方面可以记位。
通过物联网的技术实现了牲畜的轨迹跟踪，还有电子栅栏，还有信息记录，这个从生物资产管理起到实时监控效果。通过大数据我们把位置数据采过来之后，我们进行了多维度的分析，包括牲畜是不是活的状态，以及每天行走的规律是什么样子，哪块的草场是它们经常去的，以及哪一块草场有什么风险，都通过大数据的方式。
同时我们打造了可信溯源的服务，我们把整个牛产业链的上下游都去把交易数据和资产流转数据上到区块链里面，从一开始的养殖到加工到批发零售，帮助地方政府做品牌的打造，也使得终端的消费者在买到产品的时候能有一个比较放心的保障。
同时我们还在这个领域做了人工智能的探索，一个是利用牛小范围的花纹实现了识别，也就是像羊脸识别的概念。同时我们还做了一项工作，通过视频的信息做智能的称重和智能的丈量。现在传统的养殖方式称重靠地称，但其实大量的工作不是很好的处理，现在可以智能化称重，智能化丈量。
基于智能化服务，我们把传统的行业做了一个信息化基础设施的打造之后，空间已经不限于信息化行业本身，我们已经和保险公司，还有相应的金融机构谈了关于保险，关于借贷方面的合作。可以通过我们跟他们的沟通，才能得到在这个传统行业里面，金融服务有多么大的空间。其中有一家金融机构已经把自有资金100个亿投到畜牧业，但是也仅仅服务了十几家企业，大家可想而知这个市场在传统的金融机构里，没有服务好的这些企业里面有多大的金融市场。通过我们的手段打造每一个个体是否存活，这个个体是否有可信的记录，这些都给金融机构提供了很好的支撑。
总给一下我今天的报告，上半场和下半场从几个维度上可以看到差别。数据类型结构化、非结构化，服务内容是以标签、报告、可视化下半场是业务系统，交付方式是私有化部署，下半场是公有云、混合云，数据源是人，下半场是通过物联网丰富了物的环境。
对应的解决思路把传统的运营商大数据用人工智能场景化，云计算和物联网的方式大大丰富空间。我觉得通过这种也许可以把运营商相对来说十亿或者百亿规模的市场迅速的打开到一个百亿甚至千亿规模的机会，我的汇报就到这里，谢谢！
责任编辑：张奥迪
