2017年的世界电信日主题是：“发展大数据，扩大影响力”（Big Data for Big Impact），在大数据的概念迅速普及、产业快速发展的今天，这种略显保守的提法让人不解。更加让人疑惑的是，业内人士关于通信运营商发展大数据的观点仍然有很多分歧，其中一些看法值得商榷。
比如：“位置信息成为唯一能拿得出手的数据”、“电信运营商们发展大数据心有余而力不足，比如大数据业务并没有被电信运营商们看做可以增长的蓝海市场，也缺少懂数据分析的人才，更遑论以数据作为资源进行创新的机制和流程”。如果深入分析，会发现导致这种曲解的关键在于——仍然以传统的通信思维看待大数据业务发展。
误区1：大数据项目应当“做成产品”
所谓“传统的通信思维”指的是：运营商利用自身的数据资源优势开发出某种面向市场的数据产品，完成数据资源变现，再通过市场筛选出其中最具价值的产品进行迭代开发，从而形成“生产-研发-销售”的闭环。
最容易形成这种误区的就是运营商的政企服务机构。在他们的工作中，有一大部分的时间是用来联合设备厂商或服务支撑方满足客户各种需求，尤其是在一些ICT项目中，“运营商+服务方”联合投标的模式屡见不鲜。
在国家政策大环境的调整背景下，与身为国有企业的通信运营商合作相对“安全”。因此，很多大型政企机构在开展ICT项目时都选择运营商作为主要合作方，由运营商引入合作伙伴完成项目。
这样做有什么好处呢？
对于需求方来说，一方面可以有效转移风险，另一方面可以利用运营商间的竞争关系提高议价权；对于运营商来说，可以借助第三方的力量拿下重要客户，完成近乎变态的KPI；对于支撑方来说，可以借助运营商的客情进入某些特定行业市场，还能在合作过程中获取可观的利润。
从这个角度分析，这几乎是一场三方共赢的结果。然而，事实却并不像看上去那么美。这种大型ICT项目看似金额诱人，但在通常情况下，这类项目抛去支付给设备方、服务方的费用，留给运营商的“真实收入”往往只是体现在专线、行业短信、IMS等通道类产品，相比项目标的总体少得可怜。
既然如此，为什么运营商还愿意做这样“吃力不讨好”的事儿呢？原因非常简单，在政企市场的运营考核体系中，有两个指标非常重要：一是份额，二是收入。极少有人会关心项目利润，再加上运营商“收支两条线”的管理制度更是加大了项目实际收益测算的难度。
于是，在很多政企项目中，低价、超低价中标的怪现状层出不穷。一方面，运营商希望先入局，再通过后续增值服务模式来获取长期价值；另一方面，“赔本赚吆喝”是为了拿下标杆客户，以证明自己的实力，为日后大力拓展政企市场作好铺垫。
在这种背景下，运营商更习惯于打包提供“整体解决方案”的模式。这里面一个非常核心的点是——“运营商要在摸清客户需求的情况下，协同服务支撑方事先提供一套产品/服务方案，这套方案的顶层设计、解决方案、落地服务都是由运营商或者服务商单方面提供的，客户主要负责定方向以及政策指导”。
在这种思维模式下，运营商更愿意将项目做成“产品”提供给客户。
然而在大数据合作项目中，我更愿意称之为“服务”。一个巨大的差异点在于——“客户需要全程参与项目设计，在模型训练及数据验证的过程中要进行实战演练，在一些关键模型、核心参数的设定上要有明确的意见。”
什么？客户全程参与？还要配合建模跟演练？在政企的玩法中，这根本就是天方夜谭嘛。事实上，行业用户的深度参与恰恰是运营商大数据发展的关键所在。
「运营商永远不可能比行业用户更懂行业」。
在大数据项目中，更靠谱的方式是「联合研发」。让行业用户深入参与到项目中来，凭借自身在行业内的经验提出想法和需求，再由运营商结合自身优势和数据逐步实现。
注意！在这个过程中有一个心态和理念上的重大区别，如果说政企的ICT项目上，运营商扮演的是“包工头”角色大包大揽，那么在大数据项目中，运营商更多应该扮演“开放平台”，将数据作为能力开放出来，数据应用的事交给更专业的行业用户。
这样既可以为运营商提供广阔的思路、积攒宝贵的经验，又可以在合作过程中探索和实践出一套互信机制。
误区2：大数据项目应当“做大做强”
一个比较突出的现象是，大家热衷于做的大数据项目，往往都是「大」项目。一方面，大项目的影响力更大，更容易出彩；另一方面，运营商政企机构“对等服务”的设置也在某种程度上决定了高层级政企机构只愿意做高层级客户，无论从职责还是意愿上，他们都不太可能去找低层级客户。
于是，对于高层级客户肯定要“高大上”，功能越多越全越高级越好，界面越酷炫越缤纷越好，对于重要客户，“面子”是一定要给足的，至于报价嘛，通常都是「鉴于双方深厚的合作基础或，一定要着眼未来，不要太在意短期收益，适当收点费就可以了」。这里面的短期收益主要是指大数据产品的本身收益，而长期收益通常是指某一个客户的大型ICT项目，而这些项目才是政企服务机构真正所关心的，它往往关系到信息化收入、市场份额、客户关系以及，面子。
从公司整体看，这样做似乎无可厚非。如果要认真分析，这里面还是有一些深层次的原因的。在全业务运营的大背景下，近年来三家运营商在大众市场上的竞争已经相当激烈，在政企市场上更是争得你死我活，由于三家运营商在业务服务以及网络上都逐步趋于高度的同质化，很难找到特别差异化增加溢价能力的点，同属国企基因的背景又使得三家在客情关系上难分伯仲，大数据的出现成了一个难得的突破口。
在一些政企人的眼中，大数据服务突然就变成项目推进过程中的Key Point，利用这个点拿到项目可能是一条行得通的路。
然而，问题的关键在于，作为一项新兴领域的业务/服务，在发展早期，公司应当对此类业务足够的重视，甚至在某种程度上给予价格（价值）保护，而不是将本该当主菜的大数据当作甜点低价销售甚至赠送。
这样做最有可能的后果就是快速透支新型业务的价值，有可能导致这个业务线迅速进入枯水期。事实上，运营商的流量经营就是让流量快速贬值，从而迅速见顶。
在早期，将大数据项目做大做强的另一个容易推断坏处是，功能太多往往使得产品功能泛化，在具体的使用场景中用户体验不够好，最终导致形式大于内容，舍本逐末。
所以我才会说运营商的大数据项目往往应该做小、做精、做深、做透、做实，真正在客户的实战场景中发挥作用。让客户用了就说好、用了就离不开。如此，才能真正深入用户，让功能变成服务、再让服务变成收入都是水到渠成的问题。
误区3：大数据项目应当“由内向外”
还有一种观点认为，运营商的大数据项目就应该“从内到外”，也就是说主要服务内部，然后再逐步考虑外部应用。理由也非常简单，如果连自己的稀饭都“吹不冷”，又怎么能做好外部的事情？更何况，还有一把“用户隐私”的达摩克利斯之剑高高悬在头顶。
事实上，这种逻辑却未必成立。在我看来，大数据项目真正成功的关键往往是部门与部门之间行业与行业之间打破数据壁垒，产生融通价值。让人感到遗憾的是，尽管运营商拥有海量数据，但这些数据多是散落在M/B/O三域当中，经过多年的发展，不同的IT系统像是一个个高高的烟囱，随之而起的还有部门之间越来越厚重的部门墙。
人口红利让通信行业一直处于高速发展。换句话说，企业内部应用大数据的内生动力并不足够强，不然为什么时隔数年在运营商内部的大数据应用还是乏善可陈呢？
外部则有所不同。对于其他行业来说，通信数据是一个完全陌生的领域。从概率上来说，这种“结构洞”式的机会往往会带来“跨界交叉的意外惊喜”。两个完全不同的行业数据碰撞得出有趣的结论的可能性的确会更高一些。更何况，通信数据本身就蕴含着十分丰富的内涵。
因此，只要找到合适、可靠的行业，将两者的数据打通、解构、清洗、再结构化并进行交叉分析，有很大的机会可以做出某个特定场景下的“神奇功能”。当然，这里的场景一定是基于行业用户的自身实际应用，绝非那些“面子工程”。
另外，还会有人质疑大数据服务方面的用户隐私和信息安全问题。从逻辑上讲，选择用户数据分析无论是对内还是对外都会有风险，所以这并不能成为逃避外向发展方式的理由。不过从合法合规的角度考虑，用适当的方式获取用户数据的授权倒是一个值得研究的课题。最简单的方式就是在用户签订入网协议时约定好双方的权利义务。这个话题本身就值得更细致的研究，改天单独聊。
需要强调的是，无论对内还是对外，企业以及政府机构在数据资产的使用方面，始终处于“未知”的领域，算是“摸着石头过河”，如果没有打破常规的勇气和智慧，势必将对大数据产业本身形成桎梏，使得发展空间趋于逼仄。也正因为是这样，更要加快合作的步伐，尽可能广泛地开展模式探索，或许可以找到某个方向、某个行业、某种模式下的成功范式。
误区4：大数据项目应当“自上而下”
按照运营商拓展政企市场的思路，通常更习惯于“自上而下”的策略——与垂直行业的上级管理机构签订战略框架合作协议，再由运营商各级分公司与属地机构签订业务协议。
这种模式对于大数据项目来说，就需要运营商先与某个行业主管部门在全国、各省（市）一级开展项目合作，在一个相对较高的行政管理权限范围内进行数据的采集、分析、建模以及结果输出。
自上而下部署项目是一把双刃剑。好处在于，一旦项目签约成功，可在相对较短的时间内完成某个行业的全面部署；坏处在于，客户需求不易收敛，项目极有可能失控，同时通过行政命令强压下级机构执行时，下级单位处于被动接受的状态，或许会出现“消极怠工”的现象。
个人更倾向于自下而上去推动大数据发展，原因非常简单：基层单位往往更接地气，可以在一些特定的场景、特定的行业以及特定的区域中形成收敛的需求，容易形成单点突破和饱和度攻击，最终直接产生“实战”效果。更加深层次的原因在于，基层单位主动创新提出的项目，往往在落地执行过程中更具主动性，一旦项目具备规模推广的可能性，这无疑将为基层单位在上级管理机构那里变成加分项。
当然，由于中国地域广阔，各地情况有所不同，这就带来了“个性化”与“标准化”之间的矛盾，容易带来二次或三次开发。其实解决方案也比较简单，就是寻找“最大公约数”，找到各地管理的公共痛点，给出更加完整的解决方案，在一些模型参数上进行调整就可以快速部署上线。
打个比方，就像是一家服装厂，先要通过市场洞察找到某个具体的品类。比如衬衫，就会有长袖、短袖，以及其他更多款式和颜色，但大的品类是确定的，需要调整的就是裁缝时的参数。
大数据应用产业尚处在一个探索阶段，并没有非常成熟的产品和服务，信息安全趋势也是波云诡谲，要实现规模化发展还有相当长的路要走。但我始终相信，通信行业掌握着大量价值连城的高可用性数据，切不可在小荷才露尖尖角时就严重低估了它的价值，让它倒在KPI里、死于非理性竞争下。
还有两种思路是非常要不得的：一种是过度保守派，认为根本不该做；另一种是过度激进派，认为就该迅速以低价拿下市场。在我看来，运营商发展大数据要做到“胆大心细”，既要探索实际应用价值，也要关注用户隐私以及信息安全，努力寻求某个平衡态，将大数据打造成为面向未来的核心竞争力以及业务增长点。
最后，我想用两句话结束这篇文章。一句是“革命尚未成功，同志仍需努力”，另一句是“前途是光明的，道路是曲折的”。
同行们，加油吧。
本文转自d1net（转载）
