中国联通赵越:打通数据源到数据应用,大平台模式发展大数据

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

从共同意识的“大爆炸”,到打开应用大门,大数据风暴已经席卷到生活的各个角落,不仅是是一场技术革命,也是一场经济变革,更是社会治理的变革。运营商大数据在数据集中、应用探索的基础上,正在走向基于专业化、市场化、公司化的实践和运作阶段。用大平台模式发展大数据,为社会创造价值,成为国家产业升级和经济转型的新动能。

在“517世界电信和信息社会日主题论坛”上,中国联通宽带在线有限公司副总经理赵越在发言中表示:“在政策与市场的双重驱动下,运营商有如抓住微笑曲线的两端,正在加速向多种数据源端延伸获取资源,向行业数据应用端演进获取市场。同时,大数据与IoT、AI等新技术的融合,使得大数据服务层次不断加深,场景驱动作用逐渐加强。”

“大数据产业无论怎样发展,都离不开三大核心角色,即数据源、数据处理与数据应用。”如今,在大数据的产业中,既有像国外Google、微软、Facebook,国内腾讯、阿里巴巴、百度等拥有海量资源与计算能力的公司,也有围绕Hadoop、Spark等关键技术和诸多细分领域应用及模式创新的众多创业公司,更有拥有大量数据正在致力于商业模式转型的众多电信运营商与遍布政务、金融、制造等行业的企业与厂商。

“运营商就处于其中最具有核心能力的一环,有资源、有数据,也有了大量的应用实践,这个时点上,大平台的发展模式恰恰是实现数据增值能力的催化剂。”赵越表示,“大平台模式,我个人理解应该成为集中运营平台、应用合作平台、数据合作平台和资本合作平台,通过开放共享、引进技术、引进模式、数据融合,开展平台级应用合作,汇聚力量打造“资源+技术+产品”的独特优势,从而快速驶入高增长的发展通道。”

中国联通在国内大数据发展的历程中一路向前,从最初的理论、技术研究到数据变现探索,联通对运营商大数据应用的实践正在逐渐走向成熟。从2012年开始,中国联通基于部分数据开始做RTB试运营,到2013年推进全国数据集中,开始进行产品的研究,到2015年中国联通首发行业综合评价产品“沃指数”,并陆续推出了征信风控、用户标签等九大产品线,其中特别是智慧足迹产品,作为位置大数据能力,已经实现过亿的市场突破。

目前,中国联通大数据应用已经覆盖政企客户上千个,具备了数据资源、市场客户、安全合规、专业运营、服务交付五大优势。

值得一提的是,中国联通开辟了一条与众不同的大数据发展路径。通过与西班牙电信合作,中国联通率先在2015年成立了专业的大数据公司——智慧足迹,定位在基于运营商的信令数据来服务于城市规划和管理、交通、商企、金融以及更多行业,获得了客户的广泛认可。

“我们致力于在每个行业,深度满足不同层次客户需求,并打磨出产品能力。在金融行业,通过用户消费能力与征信水平的深度分析评估,精准挖掘出批量具备办卡能力与资质的客户,实现用户转化率提升至5.6%。在汽车领域,签订了品牌汽车合作商,提供展台热力分析、人流轨迹分析,锁定车展场景中的高潜目标客户,帮助车企精准追踪和销售转化。在游戏领域,通过联通数据标签的深度分析,找到关注此有关系的人群,精准挖掘潜在目标客户,最终注册转化率达到12%。”赵越表示。

“再看一个位置信息的案例。2017年4月1日,中央决定在雄安设立的国家级新区。我们快速跑出了整个雄安的人口热力洞察分析,同比去年,整个雄安新区出行关注热度增涨了1223%,特别是4月2日热度空前直追春运。”赵越提到。“我们对去雄安新区的人群也进行了分析,发现男性占七成,80后占比45%,来自北京、天津、廊坊三地区占比达到71%。这些精准分析得益于成熟的产品,当一个事件发生以后,我们会快速运算、快速得出结论,并多维呈现。目前,我们在跟发改委等单位不断细化雄安新区相关规划的解决方案。”

创新改变世界,中国联通高度重视大数据业务对内对外应用上的顶层设计,展开了一系列数据安全范围内的应用变现,打造大平台,广泛合作、共筑生态、深挖价值,为产业新格局赋予新动能。

本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
14天前
|
数据采集 监控 数据管理
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第26天】随着信息技术的发展,数据成为企业核心资源。本文探讨大数据平台的搭建与数据质量管理,包括选择合适架构、数据处理与分析能力、数据质量标准与监控机制、数据清洗与校验及元数据管理,为企业数据治理提供参考。
50 1
|
1月前
|
SQL 存储 分布式计算
ODPS技术架构深度剖析与实战指南——从零开始掌握阿里巴巴大数据处理平台的核心要义与应用技巧
【10月更文挑战第9天】ODPS是阿里巴巴推出的大数据处理平台,支持海量数据的存储与计算,适用于数据仓库、数据挖掘等场景。其核心组件涵盖数据存储、计算引擎、任务调度、资源管理和用户界面,确保数据处理的稳定、安全与高效。通过创建项目、上传数据、编写SQL或MapReduce程序,用户可轻松完成复杂的数据处理任务。示例展示了如何使用ODPS SQL查询每个用户的最早登录时间。
88 1
|
6天前
|
SQL 数据采集 分布式计算
【赵渝强老师】基于大数据组件的平台架构
本文介绍了大数据平台的总体架构及各层的功能。大数据平台架构分为五层:数据源层、数据采集层、大数据平台层、数据仓库层和应用层。其中,大数据平台层为核心,负责数据的存储和计算,支持离线和实时数据处理。数据仓库层则基于大数据平台构建数据模型,应用层则利用这些模型实现具体的应用场景。文中还提供了Lambda和Kappa架构的视频讲解。
【赵渝强老师】基于大数据组件的平台架构
|
2天前
|
存储 分布式计算 数据挖掘
数据架构 ODPS 是什么?
数据架构 ODPS 是什么?
23 7
|
2天前
|
存储 分布式计算 大数据
大数据 优化数据读取
【11月更文挑战第4天】
10 2
|
9天前
|
存储 大数据 定位技术
大数据 数据索引技术
【10月更文挑战第26天】
21 3
|
9天前
|
存储 大数据 OLAP
大数据数据分区技术
【10月更文挑战第26天】
31 2
|
11天前
|
消息中间件 分布式计算 大数据
数据为王:大数据处理与分析技术在企业决策中的力量
【10月更文挑战第29天】在信息爆炸的时代,大数据处理与分析技术为企业提供了前所未有的洞察力和决策支持。本文探讨了大数据技术在企业决策中的重要性和实际应用,包括数据的力量、实时分析、数据驱动的决策以及数据安全与隐私保护。通过这些技术,企业能够从海量数据中提取有价值的信息,预测市场趋势,优化业务流程,从而在竞争中占据优势。
41 2
|
13天前
|
数据采集 分布式计算 大数据
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第27天】在数字化时代,数据治理对于确保数据资产的保值增值至关重要。本文探讨了大数据平台的搭建和数据质量管理的重要性及实践方法。大数据平台应包括数据存储、处理、分析和展示等功能,常用工具如Hadoop、Apache Spark和Flink。数据质量管理则涉及数据的准确性、一致性和完整性,通过建立数据质量评估和监控体系,确保数据分析结果的可靠性。企业应设立数据治理委员会,投资相关工具和技术,提升数据治理的效率和效果。
44 2
|
14天前
|
SQL 存储 算法
基于对象 - 事件模式的数据计算问题
基于对象-事件模式的数据计算是商业中最常见的数据分析任务之一。对象如用户、账号、商品等,通过唯一ID记录其相关事件,如操作日志、交易记录等。这种模式下的统计任务包括无序计算(如交易次数、通话时长)和有序计算(如漏斗分析、连续交易检测)。尽管SQL在处理无序计算时表现尚可,但在有序计算中却显得力不从心,主要原因是其对跨行记录运算的支持较弱,且大表JOIN和大结果集GROUP BY的性能较差。相比之下,SPL语言通过强化离散性和有序集合的支持,能够高效地处理这类计算任务,避免了大表JOIN和复杂的GROUP BY操作,从而显著提升了计算效率。