全渠道零售云平臺解決方案

全渠道零售云平臺解決方案全渠道零售云平臺解決方案1目錄第一部分零售大數(shù)據(jù)概述第二部分大數(shù)據(jù)與新零售第三部分大數(shù)據(jù)應(yīng)用實(shí)踐第四部分大數(shù)據(jù)架構(gòu)實(shí)踐目錄第一部分零售大數(shù)據(jù)概述第二部分大數(shù)據(jù)與新零售第三部分大數(shù)2行業(yè)背景行業(yè)背景3行業(yè)背景行業(yè)背景4行業(yè)背景行業(yè)背景5行業(yè)背景行業(yè)背景6“全渠道零售”定義

全渠道零售是指傳統(tǒng)大中型商業(yè)集團(tuán)百貨、購物中心、大型超市等業(yè)態(tài)，通過移動互聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)等能力，為商超構(gòu)造線上線下融合雙店格局，助力傳統(tǒng)零售業(yè)向全渠道轉(zhuǎn)型，并協(xié)助其逐步重構(gòu)供應(yīng)鏈，并聚合其周邊商圈，形成新型的商超O2O模式。采用大數(shù)據(jù)精準(zhǔn)營銷提升商場用戶體驗(yàn)統(tǒng)一支付服務(wù)O2O整合大數(shù)據(jù)，描繪用戶畫像，精準(zhǔn)營銷統(tǒng)一支付能力、融合智能終端促銷活動、會員營銷、商品展現(xiàn)WIFI定位、智能停車、智能導(dǎo)購傳統(tǒng)零售業(yè)向O2O轉(zhuǎn)型主要手段“全渠道零售”定義全渠道零售是指傳統(tǒng)大中型商業(yè)7“全渠道零售”核心理念"逛"體驗(yàn)

大數(shù)據(jù)導(dǎo)流

綜合分析用戶線上、線下行為，交易行為等，為商超經(jīng)營提供輔助，并進(jìn)行精準(zhǔn)營銷。通過豐富的線上營銷活動形式及互聯(lián)網(wǎng)營銷工具吸引用戶關(guān)注，并轉(zhuǎn)化成線下的交易。為線下實(shí)體店導(dǎo)流

提升“逛”體驗(yàn)

將無線WIFI，室內(nèi)導(dǎo)航，智能停車融入客戶端，為客戶提供圍繞商場消費(fèi)的逛的能力。

大數(shù)據(jù)分析優(yōu)惠券活動分享無線WIFI智能停車導(dǎo)購大屏紅包營銷活動商品導(dǎo)購品牌展示店鋪活動限時(shí)特賣秒殺團(tuán)購“全渠道零售”核心理念"逛"體驗(yàn)大數(shù)據(jù)導(dǎo)流綜合分析用8全渠道零售重構(gòu)零售模式全渠道零售重構(gòu)零售模式9“全渠道零售”實(shí)現(xiàn)思路幫商超打造一個(gè)覆蓋“吃喝玩樂購”的O2O平臺以線上紅包、限時(shí)特賣、組合團(tuán)購等方式吸引發(fā)展用戶并通過WIFI服務(wù)深度鎖定線下用戶。打造專屬O2O平臺提供統(tǒng)一支付能力，實(shí)現(xiàn)“云端收銀”新型的管理終端集成商戶進(jìn)銷存和互聯(lián)網(wǎng)營銷工具（紅包、優(yōu)惠券、積分）統(tǒng)一支付能力擴(kuò)展會員卡的線上電子化，通過線上營銷模式吸引用戶主動儲值和消費(fèi)將線上快速消費(fèi)的能力帶到線下，打造O2O會員卡支付實(shí)現(xiàn)電子會員卡通過采集和聚合客戶端、WIFI熱點(diǎn)、視頻客流分析、POS交易數(shù)據(jù)、停車導(dǎo)航、電子會員卡消費(fèi)等數(shù)據(jù)，并進(jìn)行綜合的大數(shù)據(jù)分析。采用大數(shù)據(jù)分析1234“全渠道零售”實(shí)現(xiàn)思路幫商超打造一個(gè)覆蓋“吃喝玩樂購”的O210核心業(yè)務(wù)能力“全渠道零售”核心業(yè)務(wù)能力智能POS智能停車精準(zhǔn)營銷分析電子會員卡/卡包支付無線WIFI定位商場微信公眾平臺/APP營銷服務(wù)平臺商場服務(wù)平臺會員管理平臺綜合支付平臺商超綜合管理后臺商超服務(wù)能力核心業(yè)務(wù)能力“全渠道零售”核心業(yè)務(wù)能力智能POS智能停車精11精準(zhǔn)營銷分析用戶下載參與用戶線上行為收集用戶信息用戶基本信息用戶交易信息POS端交易….信息傳播渠道團(tuán)購福利券提貨券代金券滿減折扣券抵扣券秒殺實(shí)物券營銷活動方式用戶參與度用戶使用率營銷優(yōu)化短信碼驗(yàn)證二維碼驗(yàn)證NFC卡驗(yàn)證核銷方式效果分析用戶WIFI定位分析用戶行為客戶端PUSH用戶購買商品排行用戶標(biāo)簽用戶瀏覽次數(shù)用戶購買商品數(shù)量用戶行為分析用戶常逛線下店鋪二維碼掃描短信群發(fā)微信公眾平臺精準(zhǔn)營銷分析用戶下用戶線上行為收集用戶信息用戶基本信息用戶交12大數(shù)據(jù)時(shí)代的背景人類利用數(shù)字認(rèn)識和改造世界由來已久（數(shù)學(xué)）。但隨著互聯(lián)網(wǎng)、信息系統(tǒng)及電子設(shè)備的發(fā)展，數(shù)據(jù)的產(chǎn)生在不斷加快，利用數(shù)據(jù)的方式也推陳出新。“大數(shù)據(jù)”實(shí)質(zhì)上是人類利用數(shù)字認(rèn)識和改造世界所達(dá)到的一個(gè)新的階段。各行各業(yè)每時(shí)每刻都在生成海量數(shù)據(jù)基于大數(shù)據(jù)的應(yīng)用正改變著我們的工作和生活大數(shù)據(jù)時(shí)代的背景人類利用數(shù)字認(rèn)識和改造世界由來已久（數(shù)學(xué)）。13什么是大數(shù)據(jù)？?

統(tǒng)計(jì)表明，人類文明至今獲得的全部數(shù)據(jù)，90%在過去2年內(nèi)產(chǎn)生，標(biāo)志著數(shù)字化時(shí)代全面來臨。而電子商務(wù)、社交網(wǎng)絡(luò)、傳感器等還在源源不斷的產(chǎn)生數(shù)據(jù)，預(yù)計(jì)到2020年，全球數(shù)據(jù)規(guī)模將會達(dá)到今天的44倍。多樣性（Variety）?

來源多：企業(yè)內(nèi)部、互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等高速度（Velocity）?

生成速度快：實(shí)時(shí)性，必須快速識別和快速響應(yīng)才能適應(yīng)業(yè)務(wù)需求大容量（Volume）?

數(shù)據(jù)體量大：對計(jì)算和存儲的要求，從TB級別，躍升到PB級別高價(jià)值（Value）?

浪里淘沙卻又彌足珍貴，雖然價(jià)值密度較低，但是價(jià)值點(diǎn)比較高“大數(shù)據(jù)”實(shí)質(zhì)上是人類利用數(shù)字認(rèn)識和改造世界所達(dá)到的一個(gè)新的階段，它具備大容量、高速度、多樣性和高價(jià)值四個(gè)特點(diǎn)。?

格式多：包括音頻、圖片等非結(jié)構(gòu)化數(shù)據(jù)什么是大數(shù)據(jù)？?統(tǒng)計(jì)表明，人類文明至今獲得的全部數(shù)據(jù)，914大數(shù)據(jù)時(shí)代帶來的三個(gè)理念轉(zhuǎn)變1、樣本=總體在大數(shù)據(jù)時(shí)代，可以分析更多的數(shù)據(jù)，

甚至可以處理和某個(gè)特別現(xiàn)象相關(guān)的

所有數(shù)據(jù)，而不再依賴于隨機(jī)采樣。傳統(tǒng)數(shù)據(jù)時(shí)代大數(shù)據(jù)時(shí)代高性能數(shù)字技術(shù)的發(fā)展突破了這種限制。與局限在小數(shù)據(jù)范圍相比，使用一切數(shù)據(jù)為我們帶來了更高的精確性，也讓我們看到了一些以前無法發(fā)現(xiàn)的細(xì)節(jié)——大數(shù)據(jù)讓我們更清楚地看到了樣本無法揭示的細(xì)節(jié)信息。2、容忍混雜性研究數(shù)據(jù)如此之多，以至于我們不再執(zhí)著于追求精確度。3、因果到相關(guān)不再熱衷于尋找因果關(guān)系，而是轉(zhuǎn)而

尋找事物之間的相關(guān)關(guān)系。19

世紀(jì)以來，當(dāng)面臨大量數(shù)據(jù)時(shí)，都依賴于采樣分析。但是采樣分析是信息缺乏和信息流通受限制的模擬數(shù)據(jù)時(shí)代的產(chǎn)物。傳統(tǒng)數(shù)據(jù)處理追求“精確度”，這種思維方式適用于掌握“小數(shù)據(jù)量”的情況，因?yàn)樾枰治龅臄?shù)據(jù)很少，所以我們必須盡可能精準(zhǔn)

地量化我們的記錄。尋找因果關(guān)系是人類長久以來的習(xí)慣。即使確定因果關(guān)系很困難而且用途不大，人類還是習(xí)慣性

地尋找緣由。大數(shù)據(jù)紛繁多樣，優(yōu)劣摻雜，分布廣泛。擁有了大數(shù)據(jù)，我們不再需要對一個(gè)現(xiàn)象刨根究底，只要掌握大體的發(fā)展方向即可,適當(dāng)忽略微觀層面上的精確度會讓我們在宏觀層面擁有更好的洞察力。在大數(shù)據(jù)時(shí)代，我們無須再緊盯事物之間的因果關(guān)系，不再把分析建立在早已設(shè)立的假設(shè)的基礎(chǔ)之上。而應(yīng)該尋找事物之間的相關(guān)關(guān)系，讓大數(shù)據(jù)告訴我們“是什么”而不是“為什么”。大數(shù)據(jù)時(shí)代帶來的三個(gè)理念轉(zhuǎn)變1、樣本=總體在大數(shù)據(jù)時(shí)代，可15傳統(tǒng)零售數(shù)據(jù)現(xiàn)狀傳統(tǒng)零售數(shù)據(jù)現(xiàn)狀16大數(shù)據(jù)對行業(yè)的影響中信銀行利用互聯(lián)網(wǎng)地理數(shù)據(jù)，提升廣告精準(zhǔn)度，實(shí)現(xiàn)與第三方的雙贏阿里小微金融基于電商平臺數(shù)據(jù)，打造信用體系，實(shí)現(xiàn)互聯(lián)網(wǎng)金融創(chuàng)新阿里巴巴通過自有生態(tài)圈內(nèi)的數(shù)以億計(jì)個(gè)人用戶和中小企業(yè)用戶的交易數(shù)據(jù)，通過與第三方金融機(jī)構(gòu)的各類型金融數(shù)據(jù)

的數(shù)據(jù)交換和數(shù)據(jù)融合，打造了完善的互聯(lián)網(wǎng)個(gè)人用戶及中小企業(yè)用戶的信用體系，

并在此基礎(chǔ)上推出了大量顛覆傳統(tǒng)金融行業(yè)的互聯(lián)網(wǎng)金融產(chǎn)品、服務(wù)。中信銀行與高德地圖的合作，基于高德地圖的互聯(lián)網(wǎng)開放API，獲取商家公開數(shù)據(jù)和地理位置，與中信銀行自有客戶地址數(shù)據(jù)進(jìn)行匹配，在中信銀行的郵寄賬單

和群發(fā)短信中，提供個(gè)性化的特約商戶廣告服務(wù)和刷卡折扣信息，實(shí)現(xiàn)第三方商家和自身金融業(yè)務(wù)的雙贏。大數(shù)據(jù)對行業(yè)的影響中信銀行利用互聯(lián)網(wǎng)地理數(shù)據(jù)，提升廣告精準(zhǔn)度17大數(shù)據(jù)對公眾的影響一些領(lǐng)先的互聯(lián)網(wǎng)公司利用自身的大數(shù)據(jù)優(yōu)勢，結(jié)合社會發(fā)展熱點(diǎn)和關(guān)注話題，面向社會公眾發(fā)布了各種大數(shù)據(jù)應(yīng)用和指數(shù)，不但展現(xiàn)了自身的大數(shù)據(jù)能力，也宣揚(yáng)了企業(yè)責(zé)任，形成良好的社會影響和產(chǎn)業(yè)影響。Google公司利用用戶的搜索關(guān)鍵字，進(jìn)行流感和登革熱的傳播預(yù)測。淘寶利用電子商務(wù)平臺上的搜索和購買行為，進(jìn)行產(chǎn)品分析和市場細(xì)分。大數(shù)據(jù)對公眾的影響一些領(lǐng)先的互聯(lián)網(wǎng)公司利用自身的大數(shù)據(jù)優(yōu)勢，18大數(shù)據(jù)帶來了思維的創(chuàng)新和技術(shù)的革新信息技術(shù)革新思維模式創(chuàng)新企業(yè)數(shù)據(jù)文化變革與數(shù)據(jù)競爭力重塑數(shù)據(jù)獲取網(wǎng)頁埋點(diǎn)、網(wǎng)絡(luò)爬蟲、傳感器技術(shù)分析算法社會網(wǎng)絡(luò)、自然語言處理、時(shí)序分析、邏輯回歸信息展現(xiàn)GIS地圖、軌跡圖、熱力圖、標(biāo)簽云圖、輻射圖處理架構(gòu)Hadoop分布式計(jì)算平臺、MPP數(shù)據(jù)庫、STREAM實(shí)時(shí)計(jì)算管理思維決策思維商業(yè)思維?

更加重視各類事物的關(guān)聯(lián)關(guān)系，不僅僅局限于因果關(guān)系?

更加重視快速預(yù)測，立即采取行動而不是等一個(gè)精確的結(jié)論?

數(shù)據(jù)使流程更加透明，有助于推動管理的扁平化，提升管理效率?

數(shù)據(jù)使視野更為全局，有助于合理調(diào)配企業(yè)資源，提升管理效益?

數(shù)據(jù)可以是一種產(chǎn)品，滿足客戶的信息消費(fèi)需求，換取商業(yè)利潤?

數(shù)據(jù)可以是一種服務(wù)，以數(shù)據(jù)能力匯聚商業(yè)資源，形成競爭優(yōu)勢大數(shù)據(jù)的熱潮帶來了創(chuàng)新的思維模式和革新的信息技術(shù)，通過解放生產(chǎn)者的思想，升級生產(chǎn)技術(shù)，改變生產(chǎn)方式，進(jìn)而釋放了生產(chǎn)力。大數(shù)據(jù)帶來了思維的創(chuàng)新和技術(shù)的革新信息技術(shù)革新思19大數(shù)據(jù)解決思路大數(shù)據(jù)解決思路20目錄第一部分零售大數(shù)據(jù)概述第二部分大數(shù)據(jù)與新零售第三部分大數(shù)據(jù)應(yīng)用實(shí)踐第四部分大數(shù)據(jù)架構(gòu)實(shí)踐目錄第一部分零售大數(shù)據(jù)概述第二部分大數(shù)據(jù)與新零售第三部分大數(shù)21較之其他企業(yè)，新零售具備更加豐富的大數(shù)據(jù)資源網(wǎng)絡(luò)承載企業(yè)管理通信話單數(shù)據(jù)（語音話單、短彩話單、上網(wǎng)話單…）渠道接觸數(shù)據(jù)（網(wǎng)廳、掌廳、短廳等電子渠道的訪問路徑…）行業(yè)應(yīng)用數(shù)據(jù)（MAS/ADC、物聯(lián)網(wǎng)、校訊通、12580黃頁…）自有業(yè)務(wù)數(shù)據(jù)（閱讀、音樂、游戲等用戶行為…）新型數(shù)據(jù)網(wǎng)頁瀏覽數(shù)據(jù)（網(wǎng)頁地址、網(wǎng)頁內(nèi)容、搜索關(guān)鍵詞、內(nèi)容分類、網(wǎng)址分類…）應(yīng)用內(nèi)容數(shù)據(jù)（應(yīng)用名稱、功能名稱、應(yīng)用內(nèi)容、交互

對象、應(yīng)用分類…）客戶位置數(shù)據(jù)（運(yùn)動軌跡、家庭地址、辦公地、交通工具、區(qū)域通行速度…）網(wǎng)絡(luò)資源數(shù)據(jù)（基站信息、熱點(diǎn)信息、網(wǎng)元配置、設(shè)備性能日志、綜合資源…）服務(wù)營銷數(shù)據(jù)（投訴語音、主動維系、營銷互動、市場調(diào)查…）企業(yè)收入數(shù)據(jù)（主營業(yè)務(wù)收入、投資收益、稅費(fèi)…）合作伙伴數(shù)據(jù)（銀行支付、代理商、供貨商、物流商、CP/SP…）運(yùn)營成本數(shù)據(jù)（辦公支出、薪酬、市場營銷費(fèi)用、網(wǎng)絡(luò)運(yùn)維費(fèi)用…）運(yùn)營管理數(shù)據(jù)（公文、郵件、審批流程、企業(yè)論壇…）新零售在BSS、OSS和MSS三域中都會產(chǎn)生豐富的數(shù)據(jù)資源，涵蓋生產(chǎn)運(yùn)營、企業(yè)管理和網(wǎng)絡(luò)承載三方面?；谶@些數(shù)據(jù)可以更深刻的認(rèn)識客戶。生產(chǎn)運(yùn)營客戶視圖數(shù)據(jù)（姓名、年齡、性別、消費(fèi)、積分、終端…）業(yè)務(wù)運(yùn)營數(shù)據(jù)（訂購記錄、產(chǎn)品信息、訂購渠道、…）傳統(tǒng)數(shù)據(jù)企業(yè)資產(chǎn)數(shù)據(jù)（倉儲信息、物資資源、物業(yè)資產(chǎn)…）較之其他企業(yè)，新零售具備更加豐富的大數(shù)據(jù)資源網(wǎng)絡(luò)承載企業(yè)管理22新零售下大數(shù)據(jù)架構(gòu)新零售下大數(shù)據(jù)架構(gòu)23國外新零售基于大數(shù)據(jù)已經(jīng)獲得良好的效益MegaFon（俄羅斯新零售）

：

通過融合不同業(yè)務(wù)系統(tǒng)的數(shù)據(jù)，基于用戶行為設(shè)計(jì)靈活的流量資費(fèi)套餐改善客戶體驗(yàn)，迅速拓展

市場份額拉升收入T-Mobile:社交媒體數(shù)據(jù)、CRM和計(jì)費(fèi)系統(tǒng)中的交易數(shù)據(jù)進(jìn)行融合，深度洞察客戶，有效降低離網(wǎng)率流量運(yùn)營客戶保有客戶服務(wù)與營銷Vodafone：基于交際圈的浸入式客服和營銷，迅速在歐洲市場建立了品牌第三方數(shù)據(jù)服務(wù)KDDI（日本新零售）：基于開放接口方式創(chuàng)新商業(yè)模式，拓展收入來源，成為日本在互聯(lián)網(wǎng)服務(wù)領(lǐng)域增長最快的新零售國外新零售基于大數(shù)據(jù)已經(jīng)獲得良好的效益MegaFon（俄羅斯24新零售消費(fèi)畫像新零售消費(fèi)畫像25大數(shù)據(jù)是新零售適應(yīng)市場環(huán)境變化的鑰匙移動互聯(lián)網(wǎng)時(shí)代，能夠把握客戶需求開發(fā)APP的應(yīng)用商、設(shè)計(jì)優(yōu)良客戶體驗(yàn)的終端商和掌握客戶接入管道的新零售，形成了三足鼎立的局面。誰掌握客戶需求，誰就能占據(jù)主導(dǎo)地位?？蛻粜枨?/p>

的多樣化，使得通信資產(chǎn)被管道化，而信息資產(chǎn)的價(jià)值凸顯?？蛻粜枨笸ㄓ嵸Y產(chǎn)信息資產(chǎn)其他資產(chǎn)財(cái)務(wù)/客戶…?

以滿足人與人之間的通話為目的，客戶主要的期望是話務(wù)質(zhì)量，需求簡單

而明確，新零售處于支配地位。? 是客戶建立溝通聯(lián)系的手段，直接滿足客戶的通訊消費(fèi)需求，業(yè)務(wù)單一但技術(shù)、資金門檻較高，所以附加值高，

通訊資產(chǎn)的邊際效益明顯。?

以支撐和服務(wù)通訊主業(yè)的生產(chǎn)運(yùn)營為目的，主要實(shí)現(xiàn)從訂購、計(jì)費(fèi)到收費(fèi)等環(huán)節(jié)的信息處理，數(shù)據(jù)類型較為單

一，對客戶需求的理解較為狹窄，局限在通信領(lǐng)域內(nèi)。? 財(cái)務(wù)資產(chǎn)：行業(yè)大發(fā)展，依靠移動通信業(yè)務(wù)，積累了大量的財(cái)務(wù)資產(chǎn)。?

客戶需求豐富多樣，個(gè)性鮮明，以IT技術(shù)實(shí)現(xiàn)的各種應(yīng)用滿足了客戶的需求，

使新零售趨于管道地位。?

是客戶接入互聯(lián)網(wǎng)的手段，不直接滿足客戶的信息消費(fèi)需求，附加值低，邊際效益明顯低于語音時(shí)代，出現(xiàn)量收不匹

配，通訊資產(chǎn)快速貶值。?

由于豐富的應(yīng)用，管道內(nèi)積累了更多的客戶信息，類型更為多樣，內(nèi)涵更為豐富，使深度洞察客戶、掌握客戶需求成

為可能，數(shù)據(jù)價(jià)值產(chǎn)生了質(zhì)的變化，信息資產(chǎn)快速升值。? 財(cái)務(wù)資產(chǎn)：由于機(jī)制限制，無法利用財(cái)務(wù)資產(chǎn)進(jìn)行有效投資來獲取高額回報(bào)。語音時(shí)代移動互聯(lián)網(wǎng)時(shí)代?

客戶資產(chǎn)：依靠卓越的網(wǎng)絡(luò)質(zhì)量和客戶服務(wù)，“撥號盤”上形成了絕對優(yōu)勢的客戶規(guī)模，客戶資產(chǎn)帶來豐厚的回報(bào)。?

客戶資產(chǎn)：優(yōu)秀應(yīng)用商和終端商依靠體驗(yàn)和免費(fèi)服務(wù)，獲取了同等或更大規(guī)模的客戶資源，新零售客戶資產(chǎn)出現(xiàn)快速貶值。大數(shù)據(jù)是新零售適應(yīng)市場環(huán)境變化的鑰匙移動互聯(lián)網(wǎng)時(shí)代，能夠把握26新零售大數(shù)據(jù)流程新零售大數(shù)據(jù)流程27大數(shù)據(jù)可以在新零售業(yè)務(wù)運(yùn)營的各個(gè)方面發(fā)揮價(jià)值產(chǎn)品服務(wù)

個(gè)性化資費(fèi)套餐

差異化貼心服務(wù)

定制化產(chǎn)品市場營銷

基于社交網(wǎng)絡(luò)、社交媒體、位置等信息的智能營銷

流量經(jīng)營、存量經(jīng)營、集客經(jīng)營、終端營銷科學(xué)決策

數(shù)據(jù)驅(qū)動決策

可視化決策

戰(zhàn)略情報(bào)分析網(wǎng)絡(luò)優(yōu)化

全程全網(wǎng)實(shí)時(shí)監(jiān)控

智能網(wǎng)絡(luò)規(guī)劃客戶洞察

360度視圖

情感

交往圈數(shù)據(jù)外部化運(yùn)用

服務(wù)社會公共事務(wù)

服務(wù)其他企業(yè)和行業(yè)大數(shù)據(jù)匯聚大數(shù)據(jù)轉(zhuǎn)化大數(shù)據(jù)變現(xiàn)通過大數(shù)據(jù)匯聚、大數(shù)據(jù)轉(zhuǎn)化和大數(shù)據(jù)變現(xiàn)三個(gè)環(huán)節(jié)的處理，挖掘大數(shù)據(jù)資產(chǎn)的價(jià)值，對內(nèi)可以提升精確營銷、精益管理和精準(zhǔn)建設(shè)能力，對外可以提供豐富的信息數(shù)據(jù)產(chǎn)品服務(wù)，創(chuàng)造價(jià)值藍(lán)海。大數(shù)據(jù)可以在新零售業(yè)務(wù)運(yùn)營的各個(gè)方面發(fā)揮價(jià)值產(chǎn)品服務(wù) 個(gè)性28新零售未來新零售未來29目錄第一部分第二部分大數(shù)據(jù)與新零售第三部分大數(shù)據(jù)應(yīng)用實(shí)踐第四部分大數(shù)據(jù)架構(gòu)實(shí)踐零售大數(shù)據(jù)概述目錄第一部分第二部分大數(shù)據(jù)與新零售第三部分大數(shù)據(jù)應(yīng)用實(shí)踐第四30浙江移動在大數(shù)據(jù)上的探索和實(shí)踐大數(shù)據(jù)匯聚大數(shù)據(jù)轉(zhuǎn)化大數(shù)據(jù)變現(xiàn)?

引入五類網(wǎng)絡(luò)數(shù)據(jù)，構(gòu)建基礎(chǔ)分析模型，奠定

大數(shù)據(jù)分析基礎(chǔ)。? 通過大數(shù)據(jù)解析整合，還原真實(shí)客戶行為；? 探索大數(shù)據(jù)客戶細(xì)分，打造客戶標(biāo)簽體系。?

圍繞精確營銷和精準(zhǔn)建站，利用各種運(yùn)營位渠道進(jìn)行了一系列大數(shù)據(jù)場景應(yīng)用實(shí)踐。自2013年開始，浙江移動以經(jīng)營分析系統(tǒng)為依托，圍繞流量經(jīng)營課題，在大數(shù)據(jù)價(jià)值挖掘的三個(gè)環(huán)節(jié)，開展了一系列的探索和實(shí)踐。浙江移動在大數(shù)據(jù)上的探索和實(shí)踐大數(shù)據(jù)匯聚大數(shù)據(jù)轉(zhuǎn)化大數(shù)據(jù)變現(xiàn)31大數(shù)據(jù)匯聚：突破傳統(tǒng)計(jì)費(fèi)數(shù)據(jù)，引入5類網(wǎng)絡(luò)數(shù)據(jù)，貫通OSS域與BSS域?qū)掃B-手機(jī)上網(wǎng)行為分析系統(tǒng)URL/WLAN/BPPP華為-DPI數(shù)據(jù)亞聯(lián)-云化數(shù)據(jù)交換平臺中創(chuàng)-信令數(shù)據(jù)AsterGPRS上網(wǎng)日志寬帶上網(wǎng)日志位置信令WLAN上網(wǎng)日志DPI數(shù)據(jù)大數(shù)據(jù)匯聚：突破傳統(tǒng)計(jì)費(fèi)數(shù)據(jù)，引入5類網(wǎng)絡(luò)數(shù)據(jù)，貫通OSS域32大數(shù)據(jù)匯聚：基于大數(shù)據(jù)匯聚構(gòu)建基礎(chǔ)分析模型——社交網(wǎng)絡(luò)模型構(gòu)建可視化社交網(wǎng)絡(luò)模型通過各種交往記錄（語音、短信）進(jìn)行自關(guān)聯(lián)，利用三角算法，以用戶為中心刻畫用戶兩兩之間認(rèn)識的關(guān)系，構(gòu)成的三角型越多，交往圈越緊密構(gòu)建可視化用戶影響力指數(shù)利用群聚系數(shù)構(gòu)建用戶影響力指數(shù)，向量中心度表示該用戶在社交網(wǎng)絡(luò)中的重要程度。交往圈越大，交往對象越重要，該中心度越高社交網(wǎng)絡(luò)應(yīng)用有效社交圈無效社交圈客戶維系挽留：特定群體識別及營銷：產(chǎn)品和業(yè)務(wù)營銷：社交網(wǎng)絡(luò)變更識別及營銷：高影響力客戶流失預(yù)警、一人多卡客戶識別和維系、離網(wǎng)客戶識別和

贏回等等基于高影響力客戶的產(chǎn)品和業(yè)務(wù)營銷，例如終端營銷、4G潛在用戶識別營銷等等利用社交網(wǎng)絡(luò)改變識別生命周期階段事件，例如用戶上學(xué)、工作、成家等事件進(jìn)行針對性營銷家庭成員識別營銷、集團(tuán)客戶識別營銷、校園客戶識別營銷等特定群體用戶識別營銷在傳統(tǒng)聚類頻度分析基礎(chǔ)上，通過詳單自關(guān)聯(lián)分析，構(gòu)建社交網(wǎng)絡(luò)模型，深入分析交往圈特征，得出群中成員的影響力，為用戶維系挽留、離網(wǎng)預(yù)警、精確營銷提供依據(jù)，提升客戶價(jià)值。大數(shù)據(jù)匯聚：基于大數(shù)據(jù)匯聚構(gòu)建基礎(chǔ)分析模型——社交網(wǎng)絡(luò)模型構(gòu)33大數(shù)據(jù)匯聚：基于大數(shù)據(jù)匯聚構(gòu)建基礎(chǔ)分析模型——用戶軌跡模型用戶軌跡模型是對用戶的軌跡數(shù)據(jù)（基站駐留）進(jìn)行分析從而得到用戶軌跡知識的模型，軌跡數(shù)據(jù)包括時(shí)間和空間的位置序列和位置點(diǎn)語義標(biāo)注，為用戶精確服務(wù)提供依據(jù)。變量選擇模型輸出用戶軌跡應(yīng)用? 用戶移動軌跡特征刻畫分析用戶的駐留基站序列，刻畫用戶的移動軌跡特征，識別用戶移動軌跡的頻繁模式? 用戶復(fù)雜路徑模式匹配查找特定路徑場景模式下的用戶群，獲取更多的關(guān)于該場景或該用戶群的特征信息? 用戶移動軌跡的可視化可視化的展示用戶群的移動軌跡的變化，展示用戶群的軌跡變化模式個(gè)體用戶的頻繁模式挖掘識別客戶的生活習(xí)慣和興趣愛好，支撐基于位置分析的客戶洞察和營銷基于位置的客戶細(xì)分根據(jù)用戶位置軌跡相似性對客戶進(jìn)行細(xì)分基站網(wǎng)絡(luò)選址分析為網(wǎng)絡(luò)可管理的科學(xué)選址奠定位置基礎(chǔ)精確業(yè)務(wù)推薦用戶位置軌跡與業(yè)務(wù)訂購和使用關(guān)聯(lián)性分析字段字段含義用戶編號用戶編號用戶手機(jī)號碼用戶手機(jī)號碼開始時(shí)間用戶在該基站小區(qū)的開始時(shí)間時(shí)段用戶在該基站小區(qū)的開始時(shí)間歸屬的時(shí)段基站駐留時(shí)間用戶在該基站小區(qū)的駐留時(shí)長基站編碼基站編碼基站小區(qū)編碼基站小區(qū)編碼基站小區(qū)的經(jīng)緯度基站小區(qū)的經(jīng)緯度坐標(biāo)，可用于計(jì)算任意兩個(gè)基站小區(qū)的距離基站語義該基站小區(qū)的語義，比如是商場，地鐵站，居民區(qū)等縣市編碼用戶歸屬的縣市地市編碼用戶歸屬的地市月份數(shù)據(jù)月份大數(shù)據(jù)匯聚：基于大數(shù)據(jù)匯聚構(gòu)建基礎(chǔ)分析模型——用戶軌跡模型用34大數(shù)據(jù)轉(zhuǎn)化：通過大數(shù)據(jù)整合分析，實(shí)現(xiàn)用戶行為還原和客戶細(xì)分在大數(shù)據(jù)引入的基礎(chǔ)上，推進(jìn)行為還原及客戶細(xì)分等基礎(chǔ)工作，奠定大數(shù)據(jù)運(yùn)營的基礎(chǔ)。行為還原?

通過大數(shù)據(jù)與傳統(tǒng)數(shù)據(jù)的整合，逼真還原用戶的完整行為習(xí)慣，實(shí)現(xiàn)客戶、終端、位置、網(wǎng)絡(luò)及內(nèi)容可視；?

突破傳統(tǒng)小型機(jī)+高端存儲+關(guān)系型數(shù)據(jù)庫技術(shù)架構(gòu)，初步構(gòu)建

Hadoop分布式平臺實(shí)現(xiàn)內(nèi)容數(shù)據(jù)的處理客戶細(xì)分?

突破傳統(tǒng)分析模式，采用超細(xì)分手段，圍繞內(nèi)容、應(yīng)用、終端、網(wǎng)絡(luò)、位置等新元素構(gòu)建三級共1050個(gè)客戶標(biāo)簽，實(shí)現(xiàn)客戶的初步細(xì)分大數(shù)據(jù)轉(zhuǎn)化：通過大數(shù)據(jù)整合分析，實(shí)現(xiàn)用戶行為還原和客戶細(xì)分在35客戶的生活習(xí)慣：通過位置軌跡分析技術(shù)，可以發(fā)現(xiàn)客戶群體的遷移規(guī)律，甚至個(gè)人的出行習(xí)慣，并預(yù)測比如周末是否出行大數(shù)據(jù)轉(zhuǎn)化：完善跨域大數(shù)據(jù)整合分析，還原用戶行為管道

數(shù)

據(jù)?

微博數(shù)據(jù)：客戶的微博賬號、關(guān)注對象、粉絲、

發(fā)布內(nèi)容等。行業(yè)應(yīng)用網(wǎng)關(guān)產(chǎn)生的數(shù)據(jù)，如：?

銀行業(yè)網(wǎng)關(guān)數(shù)據(jù)：采集客戶刷卡消費(fèi)后，各銀行回饋數(shù)據(jù)。?

投訴語音：采集客戶通過10086進(jìn)行投訴時(shí)的語音內(nèi)容。渠道數(shù)據(jù)行業(yè)

數(shù)

據(jù)客戶的社交圈子：通過社交網(wǎng)絡(luò)技術(shù)，可以發(fā)現(xiàn)客戶的互聯(lián)網(wǎng)社交圈，得

到更為豐富的客戶圈子信息客戶的性格特征：通過語音識別、文本挖掘和情緒分析技術(shù)，可以通過投訴行為，得到客戶的性格客戶的消費(fèi)能力：通過內(nèi)容分析技術(shù)，可以發(fā)現(xiàn)客戶刷卡消費(fèi)的金額，頻度等，得到客戶的消費(fèi)能力?

位置信令：從網(wǎng)絡(luò)A口，采集客戶全量的位置更新和變動數(shù)據(jù)大數(shù)

據(jù)基礎(chǔ)

處理平

臺數(shù)據(jù)引入數(shù)據(jù)解析客戶無線接入時(shí)產(chǎn)生的數(shù)據(jù)，如：客戶接觸時(shí)產(chǎn)生的數(shù)據(jù)，如：引入覆蓋管道、渠道和行業(yè)應(yīng)用三類領(lǐng)域的數(shù)據(jù)，夯實(shí)大數(shù)據(jù)基礎(chǔ)，并通過大數(shù)據(jù)與傳統(tǒng)數(shù)據(jù)的跨域整合，還原用戶的行為習(xí)慣，例如客戶的社交圈子、生活習(xí)慣、性格特征、消費(fèi)能力等，為

客戶細(xì)分和標(biāo)簽體系構(gòu)建打下堅(jiān)實(shí)基礎(chǔ)，支撐大數(shù)據(jù)運(yùn)營?？蛻舻纳盍?xí)慣：以發(fā)現(xiàn)客戶群體的遷移規(guī)律，甚至個(gè)人的出行習(xí)慣36大數(shù)據(jù)轉(zhuǎn)化：持續(xù)豐富大數(shù)據(jù)客戶標(biāo)簽體系通過引入新的大數(shù)據(jù)和大數(shù)據(jù)分析技術(shù)，橫向拓展刻畫客戶的維度，提升客戶標(biāo)簽的廣度；縱向豐富原有維度的細(xì)致程度，提升客戶標(biāo)簽的深度?？?/p>

戶標(biāo)

簽消費(fèi)能力ARPU?

通話收入?

上網(wǎng)收入?網(wǎng)上購物消費(fèi)?銀行刷卡消費(fèi)?商鋪、娛樂場所通信行為社會屬性?家庭用戶?校園用戶?集團(tuán)用戶?意見領(lǐng)袖?醫(yī)療從業(yè)者?銀行從業(yè)者?……社交行為?通信一度交往圈?上網(wǎng)流量?短信條數(shù)?六度空間行為?社交應(yīng)用交往圈位置特征?通話位置?上網(wǎng)位置?住宅地?辦公地?常駐地?購物商圈上網(wǎng)行為?

購物行為?

社交行為?

資訊行為?

社交行為?各類產(chǎn)品網(wǎng)上購物行為?產(chǎn)品網(wǎng)上價(jià)格?社交對象?社交內(nèi)容終端特征PC/PAD使用行為PC/PAD品牌、型號?

手機(jī)終端機(jī)型、品牌?

換機(jī)周期性格情緒?樂觀、抑郁?高興、痛苦?開朗、內(nèi)向?平靜、激動新數(shù)據(jù)新技術(shù)交通出行?開車一族?公交出行?自行車?上下班線路管道數(shù)據(jù)行業(yè)數(shù)據(jù)渠道數(shù)據(jù)社交位置軌跡數(shù)據(jù)可視化大數(shù)據(jù)轉(zhuǎn)化：持續(xù)豐富大數(shù)據(jù)客戶標(biāo)簽體系通過引入新的大數(shù)據(jù)和大37大數(shù)據(jù)變現(xiàn)：探索大數(shù)據(jù)運(yùn)營實(shí)踐，支撐流量經(jīng)營發(fā)展（1）圍繞大數(shù)據(jù)開展場景創(chuàng)新，推動流量精確營銷、精準(zhǔn)建設(shè)等業(yè)務(wù)應(yīng)用。精確營銷?

利用大數(shù)據(jù)實(shí)時(shí)的特點(diǎn)，圍繞位置、內(nèi)容、異動進(jìn)行基于用戶行為時(shí)機(jī)捕獲的營銷場景設(shè)計(jì)，建立20多個(gè)流量精確營銷模型，月流量包精確營銷成功量超過100萬，占公司新增流量包總量的20%以上?

利用大數(shù)據(jù)全面、多樣的特點(diǎn)，打造基于用戶上網(wǎng)行為的終端換機(jī)潛在用戶模型，換機(jī)營銷成功率超過8%，為傳統(tǒng)方式的8倍嘉興高倒流精準(zhǔn)建設(shè)?

和嘉興公司合作，基于位置、終端等大數(shù)據(jù)與傳統(tǒng)用戶數(shù)據(jù)的融合分析，精準(zhǔn)定位潛在分流客戶和分流區(qū)域，提出2000個(gè)基站優(yōu)化建議，其TD分流比排名在較短時(shí)間內(nèi)提升2位?

在WLAN熱點(diǎn)建設(shè)上，分析用戶特定場所駐留時(shí)長、高帶寬應(yīng)用使用、流量使用水平和通信消費(fèi)能力四個(gè)方面數(shù)據(jù)，識別出全省300萬WLAN潛在用戶，提供1.9萬個(gè)熱點(diǎn)新建、2千個(gè)熱點(diǎn)擴(kuò)容和100個(gè)熱點(diǎn)拆除等選址工作建議大數(shù)據(jù)變現(xiàn)：探索大數(shù)據(jù)運(yùn)營實(shí)踐，支撐流量經(jīng)營發(fā)展（1）圍繞大38大數(shù)據(jù)變現(xiàn)：探索大數(shù)據(jù)運(yùn)營實(shí)踐，支撐流量經(jīng)營發(fā)展（2）23基于大數(shù)據(jù)實(shí)時(shí)、全面、多樣的特點(diǎn)，構(gòu)建基于位置、內(nèi)容、異動等類型的13大流量精確營銷模

型，其中8大模型已經(jīng)投入實(shí)際應(yīng)用，如基于內(nèi)容搜索分析的終端潛在用戶挖潛模型，營銷成功率

達(dá)到8%，較傳統(tǒng)方式提升8倍。?

利用大數(shù)據(jù)實(shí)時(shí)的特點(diǎn)，進(jìn)行基于用戶行為時(shí)機(jī)捕獲的營銷場景設(shè)計(jì)。類型營銷場景描述位置觸發(fā)在用戶進(jìn)入2G高負(fù)荷基站位置附近(200米)時(shí)刻推薦最近的WLAN網(wǎng)絡(luò)在終端潛在換機(jī)用戶進(jìn)入營業(yè)廳賣場時(shí)刻推薦就近購買終端在用戶駐留機(jī)場/車站駐留時(shí)刻推薦地圖/導(dǎo)航/訂票等商旅客戶端軟件內(nèi)容觸發(fā)在用戶首次訪問應(yīng)用時(shí)推薦適配應(yīng)用流量包在用戶使用2G網(wǎng)絡(luò)觀看視頻、下載軟件時(shí)刻推薦3G網(wǎng)絡(luò)和TD終端在用戶訪問起點(diǎn)等閱讀網(wǎng)站時(shí)刻推薦手機(jī)閱讀等自有業(yè)務(wù)網(wǎng)站在用戶登錄手機(jī)閱讀、WLAN及寬帶portal時(shí)刻推薦流量業(yè)務(wù)異動觸發(fā)流量接近閥值、超出使用推薦流量包及加油包在用戶訪問網(wǎng)頁出錯(cuò)時(shí)導(dǎo)到139內(nèi)容推薦頁面?

利用大數(shù)據(jù)全面、多樣的特點(diǎn)，進(jìn)行基于用戶訪問內(nèi)容挖掘的營銷場景設(shè)計(jì)。類型營銷場景描述搜索分析通過百度搜索過iPhone、S4等終端關(guān)鍵詞的用戶（80%會在三周內(nèi)產(chǎn)生換機(jī)行為）推薦同等三星高端TD智能機(jī)。內(nèi)容分析針對5月18日王力宏杭州黃龍?bào)w育場演唱會，提取訪問網(wǎng)頁含“王力宏”及王力宏代表名稱的用戶推薦音樂產(chǎn)品。網(wǎng)站分析針對中國雅虎郵箱于8月19日關(guān)停服務(wù)事件，通過互聯(lián)網(wǎng)日志提取瀏覽雅虎郵箱的用戶推薦139手機(jī)郵箱。應(yīng)用分析針對近期使用過百度、高德等導(dǎo)航應(yīng)用，或“非常準(zhǔn)”等商旅應(yīng)用的用戶推薦自有手機(jī)導(dǎo)航應(yīng)用。大數(shù)據(jù)變現(xiàn)：探索大數(shù)據(jù)運(yùn)營實(shí)踐，支撐流量經(jīng)營發(fā)展（2）23基39大數(shù)據(jù)變現(xiàn)：探索大數(shù)據(jù)運(yùn)營實(shí)踐，支撐流量經(jīng)營發(fā)展（3）基于網(wǎng)絡(luò)、計(jì)費(fèi)等跨域大數(shù)據(jù)的融合分析，推進(jìn)TD分流和WLAN分流的提升。?

基于大數(shù)據(jù)分析：基于信令、基站數(shù)據(jù)，結(jié)合傳統(tǒng)客戶數(shù)據(jù)，綜合運(yùn)用GIS可視化分析和雷達(dá)圖分析方法，圍繞TD終端、流量水平和TD網(wǎng)絡(luò)三個(gè)關(guān)鍵因素，進(jìn)行全省對標(biāo)分析，確定嘉興短板。?

提出改進(jìn)意見：利用針對網(wǎng)絡(luò)覆蓋短板，提出了3個(gè)批次共893個(gè)建站區(qū)域和1295個(gè)優(yōu)化基站建議；針對終端銷售短板優(yōu)化外呼客戶群和政策匹配，外呼成功率提高4pp嘉興高倒流TD分流比提升（嘉興）杭州江干區(qū)錢江新城?

潛在用戶挖掘：通過分析用戶特定場所駐留時(shí)長、高帶寬要求應(yīng)用使用、流量使用水平和通信消費(fèi)能力等四個(gè)方面，識別出全省300萬WLAN潛在用戶。?

熱點(diǎn)選址建議：基于潛在或活躍用戶的位置分布，結(jié)合WLAN熱點(diǎn)的建設(shè)情況，提供1.9萬個(gè)熱點(diǎn)新建、2千個(gè)熱點(diǎn)擴(kuò)容和100個(gè)熱點(diǎn)拆除等選址工作建議。WLAN熱點(diǎn)建設(shè)（全省）大數(shù)據(jù)變現(xiàn)：探索大數(shù)據(jù)運(yùn)營實(shí)踐，支撐流量經(jīng)營發(fā)展（3）基于網(wǎng)40目錄第一部分第二部分大數(shù)據(jù)與新零售第三部分大數(shù)據(jù)應(yīng)用實(shí)踐第四部分大數(shù)據(jù)架構(gòu)實(shí)踐零售大數(shù)據(jù)概述目錄第一部分第二部分大數(shù)據(jù)與新零售第三部分大數(shù)據(jù)應(yīng)用實(shí)踐第四41浙江移動傳統(tǒng)經(jīng)營分析系統(tǒng)架構(gòu)浙江移動傳統(tǒng)經(jīng)分系統(tǒng)主要包括數(shù)據(jù)倉庫層和數(shù)據(jù)集市層，其中數(shù)據(jù)倉庫層主要負(fù)責(zé)基礎(chǔ)數(shù)據(jù)模型的處理和歷史數(shù)據(jù)存儲，數(shù)據(jù)集市層從數(shù)據(jù)倉庫獲取基礎(chǔ)數(shù)據(jù)模型，并在此基礎(chǔ)上支撐端到端應(yīng)用。?

數(shù)據(jù)倉庫層主要包括主倉庫、應(yīng)急庫、歷史庫和互聯(lián)網(wǎng)日志集群。?

主倉庫負(fù)責(zé)原始數(shù)據(jù)的采集和處理，并將處理后的基礎(chǔ)數(shù)據(jù)模型分發(fā)給各數(shù)據(jù)集市，同時(shí)承載一經(jīng)、KPI、MIS等及時(shí)性較高的關(guān)鍵應(yīng)用；應(yīng)急庫作為主倉庫的業(yè)務(wù)級容災(zāi)系統(tǒng)，用于保障核心業(yè)務(wù)連續(xù)穩(wěn)定運(yùn)行；歷史庫存儲主倉庫歷史數(shù)據(jù)，并用于長周期歷史數(shù)據(jù)趨勢分析；互聯(lián)網(wǎng)日志集群主要負(fù)責(zé)互聯(lián)網(wǎng)日志數(shù)據(jù)的預(yù)處理。? 主倉庫、應(yīng)急庫、歷史庫采用小型機(jī)+高端SAN存儲+傳統(tǒng)DB2數(shù)據(jù)庫構(gòu)建；? 報(bào)表庫、地市數(shù)據(jù)中心、創(chuàng)新平臺、VGOP等數(shù)據(jù)集市采用小型機(jī)+高端SAN存儲+傳統(tǒng)Oracle數(shù)據(jù)庫構(gòu)建。浙江移動傳統(tǒng)經(jīng)營分析系統(tǒng)架構(gòu)浙江移動傳統(tǒng)經(jīng)分系統(tǒng)主要包括數(shù)據(jù)42經(jīng)營分析系統(tǒng)架構(gòu)優(yōu)化的業(yè)務(wù)背景及驅(qū)動力傳統(tǒng)小型機(jī)+高端存儲+傳統(tǒng)關(guān)系型數(shù)據(jù)庫的系統(tǒng)架構(gòu)存在性能、成本、擴(kuò)展性上的瓶頸，無法滿

足大數(shù)據(jù)時(shí)代在低成本前提下在海量、多樣的數(shù)據(jù)中高效地提取價(jià)值的要求。因此，大數(shù)據(jù)時(shí)代的經(jīng)分系統(tǒng)架構(gòu)亟需變革。與傳統(tǒng)數(shù)據(jù)相比，網(wǎng)絡(luò)數(shù)據(jù)在數(shù)據(jù)量上有質(zhì)的變化并且還在快速增長（年均增長率約60%）傳統(tǒng)計(jì)費(fèi)話單新增網(wǎng)絡(luò)數(shù)據(jù)與傳統(tǒng)數(shù)據(jù)相比，網(wǎng)絡(luò)數(shù)據(jù)有分析模式多樣化（如路徑分析、社交網(wǎng)絡(luò)分析）、存儲模式非結(jié)構(gòu)化（如文本）的特征為了支撐流量經(jīng)營，浙江移動在經(jīng)分系統(tǒng)中引入了DPI、互聯(lián)網(wǎng)日志和位置信令等多種網(wǎng)絡(luò)數(shù)據(jù)源，這些網(wǎng)絡(luò)數(shù)據(jù)具備大數(shù)據(jù)的典型特征，對現(xiàn)有經(jīng)分系統(tǒng)架構(gòu)帶來了新的挑戰(zhàn)。經(jīng)營分析系統(tǒng)架構(gòu)優(yōu)化的業(yè)務(wù)背景及驅(qū)動力傳統(tǒng)小型機(jī)+高端存儲+43傳統(tǒng)經(jīng)營分析系統(tǒng)架構(gòu)的問題分析?

系統(tǒng)處理能力不足：網(wǎng)絡(luò)數(shù)據(jù)具有數(shù)據(jù)量大、增長快的特征（目前日均125億條記錄，3TB左右數(shù)據(jù)量，年

均增長率約60%）?，F(xiàn)有經(jīng)分系統(tǒng)采用傳統(tǒng)的集中式架構(gòu)（小型機(jī)+高端存儲+DB2數(shù)據(jù)庫），對海量數(shù)據(jù)

的處理能力不足。目前DPI數(shù)據(jù)（每日70億條記錄）的處理時(shí)間共需21個(gè)小時(shí)，無法滿足流量經(jīng)營業(yè)務(wù)需求（業(yè)務(wù)要求次日8點(diǎn)前看到前一天分析結(jié)果）；?

系統(tǒng)處理模式單一：現(xiàn)有經(jīng)分系統(tǒng)采用傳統(tǒng)關(guān)系型數(shù)據(jù)庫DB2，主要通過SQL方式進(jìn)行數(shù)據(jù)處理，不具備

MapReduce等分布式處理機(jī)制，對于諸如路徑分析、社交網(wǎng)絡(luò)分析存在性能瓶頸，無法滿足大數(shù)據(jù)時(shí)代分析挖掘的業(yè)務(wù)需求；? 非結(jié)構(gòu)化數(shù)據(jù)處理能力不足：傳統(tǒng)關(guān)系型數(shù)據(jù)庫采用二維表的方式存儲預(yù)定義結(jié)構(gòu)的數(shù)據(jù)，但是對文本（如互聯(lián)網(wǎng)網(wǎng)頁）等無法用二維結(jié)構(gòu)描述的數(shù)據(jù)不能進(jìn)行有效存儲及處理，缺乏非結(jié)構(gòu)化數(shù)據(jù)的處理能力；? 實(shí)時(shí)解析能力不足：當(dāng)前網(wǎng)絡(luò)數(shù)據(jù)采集延時(shí)較高，如DPI數(shù)據(jù)采集延時(shí)在1小時(shí)以上，互聯(lián)網(wǎng)日志采集延時(shí)在30分鐘，位置信令延時(shí)5分鐘，無法滿足實(shí)時(shí)營銷的要求；網(wǎng)絡(luò)數(shù)據(jù)仍以傳統(tǒng)批量處理方式進(jìn)行數(shù)據(jù)整

合，數(shù)據(jù)生成通常需要隔天，無法支持對實(shí)時(shí)營銷事件的觸發(fā)和協(xié)同要求。數(shù)據(jù)處理能力不足? 存儲周期不足：目前經(jīng)分歷史庫的容量已趨近極限，數(shù)據(jù)存儲周期不足，無法滿足長周期深度趨勢分析的業(yè)務(wù)需求，比如計(jì)費(fèi)詳單數(shù)據(jù)要求存儲12+1月，目前只保存3+1月；同時(shí)海量的網(wǎng)絡(luò)歷史數(shù)據(jù)無法納入歷史庫。若采用傳統(tǒng)方式擴(kuò)容歷史庫，成本過于昂貴（相較于X86+本地盤的云架構(gòu)，相同TPMC的小型機(jī)價(jià)格是X86平臺價(jià)格的10倍，相同容量的高端存儲+SAN網(wǎng)絡(luò)價(jià)格是普通硬盤價(jià)格的20倍）。數(shù)據(jù)存儲能力不足? 接口機(jī)存在網(wǎng)絡(luò)和性能瓶頸：外圍數(shù)據(jù)源與數(shù)據(jù)倉庫，數(shù)據(jù)倉庫與各數(shù)據(jù)集市之間的交換都依靠接口機(jī)，面對百億級網(wǎng)絡(luò)數(shù)據(jù)，1Gb帶寬的接口機(jī)成為數(shù)據(jù)傳輸瓶頸，影響數(shù)據(jù)傳輸?shù)募皶r(shí)性；? 系統(tǒng)之間數(shù)據(jù)交互混亂、效率低：目前倉庫、集市部署了多套ETL工具和多種接口方式，同時(shí)存在集市直接從源系統(tǒng)抽取數(shù)據(jù)的情況，造成數(shù)據(jù)不一致的隱患，影響了數(shù)據(jù)的準(zhǔn)確性。數(shù)據(jù)交換能力不足傳統(tǒng)經(jīng)營分析系統(tǒng)架構(gòu)的問題分析?系統(tǒng)處理能力不足44大數(shù)據(jù)發(fā)展業(yè)務(wù)需求分析客戶洞察及市場營銷

360度視圖

交往圈分析

基于社交網(wǎng)絡(luò)、社交媒體、位置等信息的實(shí)時(shí)、智能營銷

流量經(jīng)營、存量經(jīng)營、集客經(jīng)

營、智慧家庭經(jīng)營、智慧生活

經(jīng)營客戶服務(wù)數(shù)據(jù)外部化運(yùn)用

服務(wù)社會公共事務(wù)

服務(wù)其他企業(yè)和行業(yè)企業(yè)管理

投訴及滿意度分析

客戶服務(wù)保障支撐

客戶業(yè)務(wù)體驗(yàn)分析智能運(yùn)維產(chǎn)品優(yōu)化創(chuàng)新

個(gè)性化資費(fèi)套餐

差異化貼心服務(wù)

定制化產(chǎn)品

業(yè)務(wù)創(chuàng)新

全程全網(wǎng)監(jiān)控

IT系統(tǒng)運(yùn)營管理

財(cái)務(wù)分析

成本分析

供應(yīng)鏈運(yùn)營分析

網(wǎng)絡(luò)規(guī)劃建設(shè)分析

內(nèi)審專題分析大數(shù)據(jù)發(fā)展業(yè)務(wù)需求分析客戶洞察及市場營銷 360度視圖數(shù)據(jù)45大數(shù)據(jù)發(fā)展技術(shù)需求分析主流大數(shù)據(jù)技術(shù)內(nèi)存數(shù)據(jù)庫應(yīng)用分析：將數(shù)據(jù)存儲在內(nèi)存RAM中并進(jìn)行計(jì)算和查詢，充分發(fā)揮多核CPU的能力的數(shù)據(jù)庫管理系統(tǒng)。內(nèi)存計(jì)算未來嘗試和流計(jì)算配合，用于狀態(tài)和規(guī)則的存儲，嘗試用于緩存，優(yōu)化客

戶體驗(yàn)。流計(jì)算技術(shù)NoSQL技術(shù)Hadoop技術(shù)應(yīng)用分析：Hadoop

在處理非結(jié)構(gòu)數(shù)據(jù)和半結(jié)構(gòu)數(shù)據(jù)上具備優(yōu)勢，尤其適合海量數(shù)據(jù)批處理等應(yīng)用需求。隨著Hadoop技術(shù)的成熟，基于Hadoop的即席查詢技術(shù)

也逐漸嶄露頭角。比如仿照Dremel的開源項(xiàng)目Apache

Drill以及ClouderaImpala。MPP技術(shù)應(yīng)用分析：

MPP數(shù)據(jù)庫適合結(jié)構(gòu)化數(shù)據(jù)的深度分析、復(fù)雜查詢以及多變的自助分析類應(yīng)用。無需像Hadoop一樣需要定制開發(fā)，同時(shí)可以降低擁有成本。應(yīng)用分析：Storm是一種開源的分布式實(shí)時(shí)計(jì)算系統(tǒng)，可以簡單、高效、可靠地處理大量的數(shù)據(jù)流。Spark

Streaming是基于Spark衍生的開源流處理工具，以類似批處理方式來處理這部分小數(shù)據(jù)。應(yīng)用分析：

NoSQL拋棄了關(guān)系數(shù)據(jù)庫復(fù)雜的關(guān)系操作、事務(wù)處理等功能，僅提供

簡單的鍵值對(Key,Value)數(shù)據(jù)的存儲與查詢，換取高擴(kuò)展性和高性能。例如

HBase和Cassendra等。對信息技術(shù)部大數(shù)據(jù)平臺提出的技術(shù)要求海量數(shù)據(jù)存儲1.非結(jié)構(gòu)化及海量數(shù)據(jù)處理3.海量數(shù)據(jù)的一致性，分布式事務(wù)管理能力2.低成本的PB級數(shù)據(jù)存儲外服務(wù)的需求，多種技術(shù)并存實(shí)時(shí)大數(shù)據(jù)分析1.實(shí)時(shí)數(shù)據(jù)展現(xiàn)，實(shí)時(shí)分析

2.流計(jì)算能力1.多租戶能力，在存儲、計(jì)算、分析層實(shí)現(xiàn)資源隔離，提供云服務(wù)2.資源虛擬化，統(tǒng)一存儲，統(tǒng)一管理云化能力數(shù)據(jù)開放1.分析結(jié)果對外部系統(tǒng)開放數(shù)據(jù)能力，發(fā)掘數(shù)據(jù)價(jià)值2.地理位置數(shù)據(jù)分析報(bào)告開放能力BOM模型融合1.數(shù)據(jù)質(zhì)量管理和數(shù)據(jù)資產(chǎn)管理2.BSS，OSS，MSS三域融合數(shù)據(jù)模型平臺

技

術(shù)

要

求任何一種單一技術(shù)都能以滿足大數(shù)據(jù)采集、存儲、處理和對才是發(fā)展趨勢，即采用“混搭”架構(gòu)大數(shù)據(jù)發(fā)展技術(shù)需求分析主流大數(shù)據(jù)技術(shù)內(nèi)存數(shù)據(jù)庫流計(jì)算技術(shù)Ha46浙江移動大數(shù)據(jù)技術(shù)架構(gòu)數(shù)據(jù)處理技術(shù)：主要利用MPP數(shù)據(jù)庫（NewSQL）進(jìn)行數(shù)據(jù)處理，并向Hadoop逐步演進(jìn)流處理技術(shù)：采用分布式實(shí)時(shí)流計(jì)算框架，實(shí)現(xiàn)流數(shù)據(jù)的實(shí)時(shí)處理數(shù)據(jù)匯聚技術(shù)：利用分布式技術(shù)（如Hadoop）采集、匯聚基礎(chǔ)數(shù)據(jù)，

并實(shí)現(xiàn)對非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行預(yù)處理數(shù)據(jù)展現(xiàn)技術(shù)：通過多維數(shù)據(jù)庫進(jìn)行實(shí)時(shí)多維度數(shù)據(jù)展現(xiàn)，如餅圖、直方圖、雷達(dá)圖、氣泡圖，折線圖、GIS地圖、軌跡圖、熱力圖、標(biāo)簽云圖、輻射圖、傳統(tǒng)的報(bào)表、統(tǒng)計(jì)圖和趨勢圖等數(shù)據(jù)分析技術(shù)：通過數(shù)據(jù)挖掘技術(shù)進(jìn)行數(shù)據(jù)分析，支持關(guān)聯(lián)規(guī)則、聚類分析、分類算法等傳統(tǒng)數(shù)據(jù)挖掘功能，同時(shí)具備關(guān)系分析、時(shí)序分析、自然語言解析（分詞）等多樣化大數(shù)據(jù)分析功能互聯(lián)網(wǎng)DPI半/非結(jié)構(gòu)化數(shù)據(jù)ERPBOSSCRM客服網(wǎng)元設(shè)備終端配置信息業(yè)務(wù)平臺結(jié)構(gòu)化數(shù)據(jù)經(jīng)分系統(tǒng)訪問門戶指標(biāo)應(yīng)用報(bào)表應(yīng)用主題分析專題分析臨時(shí)需求云化數(shù)據(jù)交換平臺（Hadoop）DBAAS（數(shù)據(jù)庫多租戶服務(wù)）云化數(shù)據(jù)

交換平臺主數(shù)據(jù)倉庫傳統(tǒng)結(jié)構(gòu)化數(shù)據(jù)處理及承載基礎(chǔ)應(yīng)

用海量多結(jié)構(gòu)化數(shù)據(jù)的處理及專題類

應(yīng)用大數(shù)據(jù)分析平臺云化歷史庫歷史數(shù)據(jù)存儲及長周期趨勢分析類

應(yīng)用信令流處理引擎統(tǒng)一營銷管理平臺SAAS服務(wù)開放DAAS數(shù)據(jù)開放服務(wù)信息總線營銷

據(jù)渠道 展現(xiàn)數(shù)據(jù)開

放數(shù)數(shù)據(jù)匯聚數(shù)據(jù)處

理數(shù)據(jù)分析數(shù)據(jù)開放技術(shù)：SAAS：以服務(wù)形式向客戶提供分析結(jié)果，例如自助分析報(bào)表DAAS：開發(fā)統(tǒng)一的數(shù)據(jù)訪問組件，屏蔽各種數(shù)據(jù)庫的差異，對外提供統(tǒng)一的數(shù)據(jù)開放服務(wù)浙江移動大數(shù)據(jù)技術(shù)架構(gòu)數(shù)據(jù)處理技術(shù)：數(shù)據(jù)匯聚技術(shù)：利用分布47浙江移動大數(shù)據(jù)應(yīng)用架構(gòu)支撐外部系統(tǒng)接入層云化數(shù)據(jù)交換平臺云化數(shù)據(jù)交換平臺應(yīng)用層基礎(chǔ)分析應(yīng)用挖掘分析應(yīng)用自助分析應(yīng)用(準(zhǔn))實(shí)時(shí)分析應(yīng)用BSS域數(shù)據(jù)源OSS域數(shù)據(jù)源MSS域數(shù)據(jù)源外部數(shù)據(jù)業(yè)務(wù)平臺數(shù)據(jù)10111111服務(wù)層

數(shù)據(jù)封裝

基礎(chǔ)功能

應(yīng)用組裝配置

展現(xiàn)層 門戶

APP系統(tǒng)預(yù)警應(yīng)用運(yùn)營庫稽核平臺帳詳單平臺云化歷史庫經(jīng)營數(shù)據(jù)中心主倉庫

VGOP庫大數(shù)據(jù)分析平臺運(yùn)營數(shù)據(jù)中心歷史數(shù)據(jù)中心營銷數(shù)據(jù)中心開放數(shù)據(jù)中心標(biāo)簽庫管理中心統(tǒng)一運(yùn)維數(shù)據(jù)安全數(shù)據(jù)質(zhì)量數(shù)據(jù)資產(chǎn)數(shù)據(jù)層內(nèi)部開放平臺外部開放平臺近線庫運(yùn)營管理多租戶模式業(yè)務(wù)支撐經(jīng)營分析管理支撐實(shí)時(shí)處理平臺數(shù)據(jù)開放應(yīng)用DMZD

M

對外服務(wù)支撐

Z營銷庫廣告? 基于云化數(shù)據(jù)交換平臺統(tǒng)一采集接入各域大數(shù)據(jù)，并進(jìn)行標(biāo)準(zhǔn)化數(shù)據(jù)管理和數(shù)據(jù)處理、交互；? 基于MPP、Hadoop、oracle

exdata等大數(shù)據(jù)技術(shù)，構(gòu)建運(yùn)營數(shù)據(jù)中心、歷史數(shù)據(jù)中心、經(jīng)營數(shù)據(jù)中心+營銷數(shù)據(jù)中心+開放數(shù)據(jù)中心等三個(gè)層次五個(gè)中心混搭技術(shù)架構(gòu)的大數(shù)據(jù)云平臺；實(shí)現(xiàn)面向支撐4大系統(tǒng)域的多租戶模式平臺接入能力；? 構(gòu)建能力服務(wù)層，面向各種對外數(shù)據(jù)服務(wù)需求，對數(shù)據(jù)進(jìn)行封裝，提供相關(guān)服務(wù)能力；? 基于應(yīng)用中心的分析類、預(yù)警類、數(shù)據(jù)開發(fā)類等應(yīng)用，為支撐系統(tǒng)門戶、支撐系統(tǒng)APP和支持外部系統(tǒng)提供服務(wù)支撐能力。浙江移動大數(shù)據(jù)應(yīng)用架構(gòu)支撐外部系統(tǒng)接入層云化數(shù)據(jù)交換平臺云化48標(biāo)簽庫采用Oracle

Exadata構(gòu)建? 與傳統(tǒng)的關(guān)系型數(shù)據(jù)庫相比，Exadata在Oracle

RAC架構(gòu)上通過引入分布式存儲技術(shù)，在原有高可用性和可維護(hù)性的基礎(chǔ)上，大幅提升了性能和可擴(kuò)展性，可以支持OLAP和OLTP混合場景；? 標(biāo)簽庫需要支撐OLTP和OLAP混合負(fù)載場景，既包括標(biāo)簽生成過程中的復(fù)雜關(guān)聯(lián)匯總，也包括標(biāo)簽的高并發(fā)自助查詢、以及包含增刪改操作的自定義標(biāo)簽場景，因此適合采用Exadata平臺構(gòu)建標(biāo)簽庫。標(biāo)簽庫采用OracleExadata構(gòu)建? 與傳統(tǒng)的關(guān)系型49Oracle

Exadata的兩大重要特性：Flash

Cache和Smart

Scan?Smart

Scan技術(shù)是Exadata面向DW負(fù)載最重要的特色技術(shù)，是Exadata最重要的一個(gè)功能，它的作用就是把SQL放在每個(gè)storage

server上去運(yùn)行，每個(gè)storage

server只返回符合條件的數(shù)據(jù)給數(shù)據(jù)庫，這樣就極大的降低了數(shù)據(jù)庫服

務(wù)器的負(fù)載和網(wǎng)絡(luò)流量，并充分利用了storage

server的計(jì)

算資源和IO資源；在使用Smart

Scan時(shí)，每個(gè)storage

server返回給DB

Server的是結(jié)果集，而不再是傳統(tǒng)的

Block，DBServer完成結(jié)果集的處理，并返回給客戶端；Smart

Scan包含三個(gè)主要設(shè)計(jì)目標(biāo)：?減少從storage

server傳送給DB

server的數(shù)據(jù)量減少在DB

server的CPU使用減少在storage

server的磁盤訪問時(shí)間?Flash

Cache是獨(dú)立于磁盤的高速存儲器結(jié)構(gòu)，可以緩存頻繁訪問的數(shù)據(jù)塊對象，如表和索引塊、查詢結(jié)果等，最適合“一次寫入，多次讀取”操作；Flash

Cache具備以下重要特點(diǎn)：

可以存儲壓縮和未壓縮的數(shù)據(jù)；?

允許用戶手動將表或者索引Cache到Flash卡中；Flash

Cache是完全自動管理的，Exadata會根據(jù)數(shù)據(jù)的訪問情況，決定哪些數(shù)據(jù)放在Flash

Cache中；不能直接將數(shù)據(jù)加載至Flash

cache

中，所有的數(shù)據(jù)都是先被寫到磁盤，再根據(jù)數(shù)據(jù)

訪問的頻繁情況讀入到Flash

Cache中OracleExadata的兩大重要特性：FlashCa50利用Oracle

12C的多租戶架構(gòu)，構(gòu)建內(nèi)部開放平臺? Oracle

12C的多租戶架構(gòu)，將Oracle數(shù)據(jù)庫作為一個(gè)可以向多個(gè)租戶提供數(shù)據(jù)庫服務(wù)的容器數(shù)據(jù)庫（container

database簡稱CDB），在這個(gè)CDB中可以有零、一或者多個(gè)由用戶自己創(chuàng)建的可插拔數(shù)據(jù)庫（pluggable

databases簡稱PDB）；? 內(nèi)部開放平臺利用Oracle數(shù)據(jù)庫多租戶架構(gòu)，開發(fā)統(tǒng)一的數(shù)據(jù)訪問組件，屏蔽大數(shù)據(jù)中心各種數(shù)據(jù)庫的差異，向地市公司提供統(tǒng)一的數(shù)據(jù)開放服務(wù)，實(shí)現(xiàn)數(shù)據(jù)共享。CDB主要用來作為數(shù)據(jù)庫實(shí)例，它包含數(shù)據(jù)庫操作、元數(shù)據(jù)和函數(shù)；

在CDB中的對象都被稱為容器（container），每一個(gè)CDB創(chuàng)建完成之后，都會包括根容器和PDB：? 根容器（root

container）：每一個(gè)CDB中有且只有一個(gè)根容器，用于存儲Oracle數(shù)據(jù)庫自帶的元數(shù)據(jù)和整個(gè)CDB中的公共用戶，例如數(shù)據(jù)庫創(chuàng)建之后的DBMS包、數(shù)據(jù)字典定義和SYS、SYSTEM用戶存儲于根容器中；?

PDB：PDB是用戶數(shù)據(jù)庫，存儲了應(yīng)用的數(shù)據(jù)、實(shí)現(xiàn)業(yè)務(wù)邏輯的過程和函

數(shù)，支撐用戶的各類型應(yīng)用；PDB能夠插入到CDB當(dāng)中，一個(gè)CDB中最多可以插入252個(gè)PDB。多租戶功能主要優(yōu)勢功能說明降低建設(shè)成本每臺服務(wù)器可以運(yùn)行更多應(yīng)用程序，提高了數(shù)據(jù)庫利用率，降低了成本提高敏捷程度通過“可插拔性”實(shí)現(xiàn)數(shù)據(jù)的移植和復(fù)制，借助

RAC實(shí)現(xiàn)可伸縮性和安全性運(yùn)維管理簡便將多個(gè)數(shù)據(jù)庫作為一個(gè)進(jìn)行統(tǒng)一管理，可以加快數(shù)據(jù)庫的部署、升級和維護(hù)利用Oracle12C的多租戶架構(gòu)，構(gòu)建內(nèi)部開放平臺? O51傳統(tǒng)數(shù)據(jù)……臺 臺云化數(shù)據(jù)交換平臺（Hadoop）AC云化數(shù)據(jù)交換平臺（Hadoop）MISBOSSCRM業(yè)務(wù)平臺DPI

互聯(lián)網(wǎng)網(wǎng)絡(luò)類數(shù)據(jù)信令……數(shù)據(jù)集 地市數(shù)據(jù)中心 創(chuàng)新平臺市報(bào)表庫前臺庫 數(shù)據(jù)挖掘平臺標(biāo)簽庫ESOPVGOPOracle平臺與Hadoop平臺的數(shù)據(jù)交互A. 來自CRM、BOSS等OLTP系統(tǒng)Oracle數(shù)據(jù)庫的數(shù)據(jù)，以及網(wǎng)絡(luò)類數(shù)據(jù)文件，以文件接口的方式，加載至分布式的Hadoop云化數(shù)據(jù)交換平臺上，進(jìn)行數(shù)據(jù)的清洗、轉(zhuǎn)換工作，形成DWD基礎(chǔ)層數(shù)據(jù)模型；B. 云化數(shù)據(jù)交換平臺的基礎(chǔ)層數(shù)據(jù)模型同步至主數(shù)據(jù)倉庫、MPP大數(shù)據(jù)分析平臺上，進(jìn)行數(shù)據(jù)匯總和挖掘建模，生成DW匯總層和ST共享層數(shù)據(jù)模型；C. 主數(shù)據(jù)倉庫、大數(shù)據(jù)分析平臺的結(jié)果數(shù)據(jù)導(dǎo)出至Hadoop平臺上，按地市進(jìn)行拆分或者進(jìn)行其它數(shù)據(jù)轉(zhuǎn)換，以文件接口多加載的方式分發(fā)給Oracle標(biāo)簽庫等數(shù)據(jù)集市，支撐前端應(yīng)用。主數(shù)據(jù)倉庫企業(yè)運(yùn)營智能結(jié)構(gòu)化數(shù)據(jù)分析云化歷史庫歷史數(shù)據(jù)存儲趨勢分析預(yù)測大數(shù)據(jù)分析平臺海量多結(jié)構(gòu)化數(shù)據(jù)的分布式處理分析B云化數(shù)據(jù)交換平云化數(shù)據(jù)交換平傳統(tǒng)數(shù)據(jù)……臺 臺CMISBOSSCRM業(yè)務(wù)平臺DPI 互聯(lián)52China

Mobile

Group

Zhejiang

Co.,

Ltd.Thanks

For

Your

Time!ChinaMobileGroupZhejiangCo53?

安全管理?

業(yè)務(wù)流程?

管理流程?

競品分析?

產(chǎn)品優(yōu)化?

產(chǎn)品創(chuàng)新?

營銷支撐?

規(guī)劃咨詢?

輿情熱點(diǎn)?

社會規(guī)律?

客戶洞察?

營銷策劃?

營銷執(zhí)行?

透明消費(fèi)?

客戶關(guān)懷?

投訴響應(yīng)?

信用評估大數(shù)據(jù)應(yīng)用場景拓展大數(shù)據(jù)應(yīng)用——創(chuàng)新探索大數(shù)據(jù)智慧運(yùn)營場景圍繞市場營銷、客戶服務(wù)、管理決策、產(chǎn)品設(shè)計(jì)、第三方服務(wù)和公眾服務(wù)等六大方向，拓展大數(shù)據(jù)應(yīng)用場景，提升企業(yè)運(yùn)營效率，創(chuàng)造企業(yè)新的利潤點(diǎn)。精煉產(chǎn)品第三方服務(wù)公眾服務(wù)精確營銷精細(xì)服務(wù)精益管理?安全管理?競品分析?營銷支撐?輿情熱點(diǎn)?客戶洞察54深入挖掘大數(shù)據(jù)智慧運(yùn)營場景

–

精確營銷將大數(shù)據(jù)與傳統(tǒng)方式相結(jié)合，深化對市場、客戶的洞察能力，通過資源與需求的合理匹配，實(shí)現(xiàn)營銷管理方面的有效整合，促進(jìn)運(yùn)營效能提升。全面洞察信息提升運(yùn)營效能強(qiáng)化執(zhí)行管控市場監(jiān)控客戶洞察營銷策劃營銷配置營銷執(zhí)行洞察階段評估管理

準(zhǔn)備階段

執(zhí)行評估

＋＋＋＋＋＋?他網(wǎng)新零售終端、套餐、業(yè)務(wù)關(guān)注度?同類套餐、產(chǎn)品分析比較?衣食住行、娛樂、工作等全方位需求?外部合作方案決策?構(gòu)建情感、服務(wù)、產(chǎn)品融合等多種維系手段和方案?客戶位置、關(guān)鍵時(shí)刻的實(shí)時(shí)策略?產(chǎn)品資費(fèi)融合、渠道轉(zhuǎn)型、服務(wù)匹配?基于客戶實(shí)時(shí)狀態(tài)的多波次營銷?個(gè)性化、場景化的精細(xì)微營銷?從客戶互聯(lián)網(wǎng)評價(jià)情況等方面進(jìn)行更加全面的分析?強(qiáng)化過程控制與后續(xù)活動信息決策互聯(lián)網(wǎng)行為維度的引入大數(shù)據(jù)決策支持信息基于關(guān)鍵時(shí)機(jī)的實(shí)時(shí)策略配置多渠道協(xié)同輿情監(jiān)控強(qiáng)化事中控制市場環(huán)境分析客戶異動業(yè)務(wù)流失預(yù)警模型通信消費(fèi)促銷敏感度業(yè)務(wù)偏好話費(fèi)維系方案終端維系方案資源投入測算產(chǎn)品配置資費(fèi)配置營銷審批批量式下發(fā)靜態(tài)營銷傳統(tǒng)執(zhí)行渠道響應(yīng)率分析活躍度分析事后控制深入挖掘大數(shù)據(jù)智