把大数据做小-运营商大数据行业应用培训

小

销售做“小”

应用做“小” 让最“小”营销单元能够拓展大数据业务。

把联通大数据业务融入客户实际应用场景。 “Big Data ”to “Business ” 行业做“小”

大数据解决方案要迎合细分行业最末端。

1、无法挖掘出数据的价值是什么。

2、企业或机构没有明确的大数据的战略目标和战略规划。

3、缺乏核心技术。

4、无法有效的整合数据资源。

5、企业的内部无法对大数据的实施和规划达成共识。

用谁的数据？数据源优选用这些数据干什么？

数据应用场景化

竞争对手是谁？

目 录 CONTENT

一、运营商为什么要做大数据

四、行业市场发展及应用

二、运营商大数据在细分行业的应用 三、中国联通大数据优势及实践

五、大数据解决方案案例及营销思路

价值挖掘

中国联通集团[2016]275号：关于新增征信业务资费标准的通知

大数据(BIG DATA)：是可以被记录、采集和开发利用的海量、实时、多样化的数据集、数据流和数据体。 Volume

Variety Value

Velocity

体量：PB 是大数据的零界点

（KB-MB-GB-TB-PB -EB-ZB-YB-NB-DB ） 4V 价值密度：低价值密度是大数据的特征 速度：实时结果形成是大数据的要求 多样：交叉数据分析是大数据的核心

Volume ：运营商拥有海量用户资源 截至2016年2季度末，全国电话用户总数达到15.19亿户，其中移动电话用户13亿户。

截至2016年2月，中国电信固网宽带用户数1.1496亿户，中国联通固网宽带用户数7256.1万户，中国移动5793.1万户。

截至2016年2季度末，移动宽带用户达到8.38亿户，其中4G 用户维持高速增长，总数达到6.13亿户。

Velocity ：运营商具备天然优势

数据运算快：

•运营商拥有丰富的数据传输、云计算、IDC 资源，能够确保数据的处理效能领先数据的生产。

•运营商计费系统是世界上最精密、复杂的商用结算系统，具备实时记录、结算功能。

数据生产快：10亿级用户，他们每时每刻的通信行为都产生数据，并在运营商系统中记录。

Value：实名制带来高价值密度

运营商的数据全部基于实名制，目前国内电话用户实名率已经达到92%。工信部要求各基础电信企业确保在2016年12月31日前本企业全部电话用户实名率达到95%以上，2017年6月30日前全部电话用户实现实名登记。

运营商以号码为唯一的ID来整合各类数据，因此刻画客户的完整性是一般企业难以企及的，因为号码就是业务本身，而且还有终端ID作为移动通信网天生的业务属性而存在。

运营商数据解决移动互联网时代最为关注的三个问题？我是谁，我在哪里，我在干什么，这是很多企业的数据难以比拟的。运营商承担着相当大的社会责任，原始数据不出门，数据基本是在它的体内循环。

Variety ：信息数据尽在掌握

运营商数据来源涵盖B 域（ Business support sys ），O 域（Operation support sys ），M 域（Management support sys ）。

任何个人、企业的上网和通话的行为都流淌在运营商的管道里，并且任何时候你的位置都需要上报给运营商的基站以便能够随时沟通，移动互联网越发展，运营商的数据样本越丰富。

运营商数据分类包括消费、位置、终端、网络行为等多个维度，而且维度间存在强关联。

•到2021年，移动运营商将投入超过500亿美元用于大

数据和机器学习。

•机器学习能通过经济利益导向的应用包括欺诈缓解和

收入保障，为运营商的运营带来好处。

•用于网络性能优化和实时管理的预测性机器学习应用

，将带来更多的自动化和高效的资源利用。即使是销ABI Research副总裁乔·霍夫曼（Joe Hoffman）

售、市场和客户体验团队也将受益，因为机器学习有

助于创新和重新设计业务流程。

•电信大数据解决方案包括商业IT套件、开放源代码、

基于Java的Hadoop生态系统、SQL/NoSQL数据管理

和编排平台。到2021年，这部分基础设施支出将超过

70亿美元。

“大数据+行业”是大数据业务营销的主要手段

其中，金融行业是运营商大数据应用范围最广，最具代表性的行业。

为末端销售单元提供营销手段 销售做“小” 结合行业特色将需求场景化 应用做“小”

选取大数据应用最具代表性的金融行业

行业做“小” 如何把大数据做“小”？

目 录 CONTENT

一、运营商为什么要做大数据

四、行业市场发展及应用

二、运营商大数据在细分行业的应用 三、中国联通大数据优势及实践

五、大数据解决方案案例及营销思路

行业做“小”

选取大数据应用最具代表性的金融行业

银行业 驱动

推进互联网、大数据、云计算新技术应用，构建绿色高效数据中心，加强信息安全管理。 《中国银行业信息科技“十三五”发展规划监管指导意见(征求意见稿)》中指出： “未来销售人员肯定会被大数据取代，最终会带来组织链条的重大改变。”

“未来保险要从主要依赖销售，转向依赖从头到尾的动态大数据风控。“ “互联网金融要做好有三个要素……：

一个是大数据……。

第二，是风险控制分控系统……。

第三，你是否有因为数据而建立起的信用体系。”

——于2016年8月18日中国保险业发展年会

保险业 行业创新

结合行业特色将需求场景化 应用做“小” 选取大数据应用最具代表性的金融行业 行业做“小” 把大数据做“小”——应用做“小”

用户画像的核心是为用户打标签。

我是谁？我是哪里？

我在干什么？

解决互联网时代的三个问题。

020

40

60

80

100

年龄

月消费额

消费特

征 服务评价 信用卡开卡 信用卡提额 活动范围 验证开卡用户手机号等实名信息 参考用户通信消费等度消费信用信息 判断用户的活动范围区域 客户维系 通过运营商数据画像，提升维系活动针对性

…… …………

020

40

60

80

100

年龄

月消费额

消费特

征 服务评价 保险购买 信用评估 促销活动 验证开户客户手机号等实名信息 参考用户通信消费等度消费信用信息 根据用户喜好推送同类活动 客户维系 通过运营商数据画像，提升维系活动针对性

…… …………

运营商大数据助力金融业更为透彻了解市场。

•面对复杂的市场环境，仅依靠自身交易数据无法了知市场趋势，如必须做什么业务以及做到多大规模合适等，而通过多元化的大数据、利用相关性分析则有助于把握市场全貌。

•运营商大数据为金融业市场分析增了一个更具有说服力的分析维度。

运营商大数据助力金融业了解和满足客户需求。

•大数据由其海量的特性，可以辅助银行人员更加全面的获取和判断客户金融需求，现在许多外国的金融机构已经开始用大数据的方法分析、了解并把握客户的金融需求。

市场分析——银行业应用

1.手机银行市场

整体分析2.手机银行用户

属性分析

3.手机银行用户

终端使用分析

4.手机银行用户

行为分析

5.手机银行用户偏好分析

6.手机银行流失用户分析

7.手机银行特定群体分析

市场分析——证券业应用

分析课题：证券行业用户在各券商APP或网站上的分布情况

A.证券行业提供各券商APP或网站端口与地址（包含自有

APP或网站端口与地址）。

B.运营商将访问各券商APP端口与地址的用户记录；分析

各券商服务端的用户占比情况、分析同时使用多个券

商服务端的用户占比；分析使用证券行业服务端，并

同时使用其他券商服务端的用户分布与占比情况。

产品研发

位置服务某车险公司通过车联网、运营商等行业大数据，收集其客户行驶位置，方便发生事故时第一时间开展救援，并通过车联网、互联网等形式向车主发布针对性道路预警，提升客户感知同时，降低车险事故发生概率。

运费险高温险UBI车险手机碎屏险风险防控

金融业传统的分析方法依赖于收集客户的财务数据和我们自身积累的交易数据，很难做到更早、更全面、更细致地把握客户的风险。

运营商数据可以辅助银行业进行金融风险事前预防。

•用户信息的核查比对

•用户通信消费的历史信用记录

•用户的恶意消费或通信行为记录

运营商数据可以辅助银行业进行金融风险事中防控。

•实时位置比对，阻截可疑金融交易

运营商数据可以辅助银行业进行金融风险事后分析。

•恶意金融黑名单网站访问流量分析风险防控——应用

电子围栏

•电子交易在围栏内可解锁人户绑定

•围栏外必须本人消费

风险防控——保险业应用

理赔历史记录

医疗保险数据 事故统计数据 信用记录 消费记录 社交网络数据 位置记录

报案：在住宅区发生两车剐蹭，有人员轻伤

理赔分析 理赔人分析

关联分析

目标 聚焦

数据源

自动检测理赔中的欺诈模式（朋友圈验证）

自动检测理赔人潜在的欺诈行为

可能存在的欺诈关联

事故损害 事故时间 事故位置 车型、车况、当事人 …… 理赔历史 医疗保险 事故统计 行驶记录

经济状况 年龄健康状况 保险覆盖时间 社会行为记录 网络行为记录 ……

社交网路异常 活动范围异常 消费行为异常 …… 保险条款 犯罪记录 征信记录 消费记录

多机构信用数据

社交网络数据 行为轨迹数据 支付交易数据 异常交往数据

●通过大数据整合理赔数据、理赔人数据、网络数据和揭发者数据，将所有理赔请求代入已有的欺诈预防大数据模型。 ●

大数据成功帮助Allstate 将车险诈骗案减少了30%，误报率减少了50%，整个索赔成本降低了2-3%。

辅助提升金融业内部决策精细化，利用运营商大数据就能够帮助金融业定位管理上的薄弱环节，内部配置上的资源浪费，不断挖掘内部潜能，实现金融行业的可持续发展。

金融行业员工自身在运营商处构成大数据样本。运营商大数据辅助金融

行业提升决策效能。

运营商大数据辅助金

融行业提升企业资源

运用效能。

管理辅助——应用-网点选址

我的客户聚集在哪里

行业客户聚集在哪里

潜在客户聚集在哪里

管理辅助——应用-缓解和预防索赔

80%

赔付 20%

异常

该集团的预测模型使用了约1.4亿个数据点，结合内部、第三方和社交媒体数据进行早期异常值检查，及时采取干预措施，从而使平均索赔费用下降了20%。

事故细节分析 驾驶行为分析

人口健康分析 生活习惯分析 医疗数据分析

网络数据分析

利宝保险

活动区域分析

社交行为分析

•运营商管道作为银行业销售的主要渠道，大数据可以助力银行业有效提升销售效能。

精确销售目标提升销售效果打通销售渠道

提供用户喜好、目标用户群体筛选针对特定群体，制定针

对性销售计划

拥有用户通信资源、以

合法模式提供用户销售

渠道销售辅助——银行业应用

信用卡客户

FILTER A：经常浏览相关理财、基金资讯信息

FILTER B：接听银行客户电话时长超过30S

销售辅助——应用-降低车险离网

命中1：浏览目标车险网站频率超标

命中2：与目标电话车险通电超标

命中3：……

为末端销售单元提供营销手段 销售做“小” 结合行业特色将需求场景化 应用做“小”

选取大数据应用最具代表性的金融行业

行业做“小” 把大数据做“小”——销售做“小”

1 用于用户新开卡时对用户的

三要素信息进行验证1、手机号

2、证件号

3、姓名

1、手机号、证件号、姓名均

一致

2、手机号一致、证件号和姓

名不一致

3、手机号和证件号一致、姓

名不一致

4、手机号和姓名一致，证件

号不一致

5、手机号一致、无证件号或

姓名信息

银行输入客户手机号、证件号、姓名与中国联通处

信息进行一致性验证比对，中国联通侧秒级反馈验

证结果是否一致。

2 用于对用户新开卡时对用户

提供的常用联系人信息进行

验证

1、客户手机号

2、联系人电话

1、是

2、否

银行输入客户手机号、联系人电话，联通侧秒级反

馈双方号码是否有过通话。

3 基于沃信用分对用户进行信

用度评估，降低金融风险1、手机号数值，范围为0-1000 银行输入客户手机号，实时调用中国联通侧沃信用分接口，秒级返回沃信用分值。

4 基于手机号码历史6个月的

平均话费收入，用于评估用

户消费能力。

1、手机号1、分段数值银行输入客户手机号，查询该号码历史6个月的平

均话费，秒级返回话费收入分段值。

大数据解决方案银行业场景化-1