20年前，互联网开始兴起，改变了人们的沟通方式，大家惊呼“在互联网上，没人知道你是一条狗”。今天，由于智能手持终端、可穿戴设备以及移动宽带的迅速发展，一个人的年龄、性别、位置甚至一举一动都会在互联网上留下烙印。也许，5年后的今天，轻轻点击一下，就可以像放电影一样回顾你的所有行为和轨迹。
“手机号码注册、位置信息上报、通信录共享、统一账号接入……”这些我们在安装“百度导航、嘀嘀打车”等APP时的提示给了我们一次又一次的提醒：每一个互联网公司的背后都隐藏着巨大的商业秘密。
一个个带着关键信息的bit，在电信管道中流窜，稍纵即逝。电信运营商不能再视而不见管道中蕴藏着的大量的宝藏。这些宝藏等待我们去挖掘，等待我们去探视那巨大商业秘密，等待着我们迅速改变电信运营商“只做数据的搬运工”的尴尬局面。
数据采集和数据规整
截至2013年11月，中国三大运营商的移动用户数已经达到12.27亿，其中3G用户数达到4.03亿。大量的用户留下了巨大的数据财富。同时，我们可以看到电信运营商拥有比任何广告平台都庞大的消费者群。
相比互联网公司，运营商的数据更有价值。互联网公司获取的用户信息只是用户在使用某个应用时的信息，缺少完整的用户轨迹数据，是点状的，而运营商实际控制着互联网的入口，可以获取相对完整的用户轨迹资料，是立体的。
目前，运营商拥有的用户数据分散在BOSS系统、CRM系统、终端信息库、信令监测系统、OSS系统中，没有形成合力。同时，部分蕴藏着大量用户行为信息的上网浏览记录数据、网购信息的数据还没有引起运营商重视。
运营商需要统一规划，搭建数据仓库和数据分析平台，首先把分散的数据集中起来。在获取到数据以后，下一步需要规整数据，形成动态的、不断更新的用户画像。运营商拥有的用户数据分为以下几类：
- 基础信息：从CRM系统获取的数据，如姓名、性别、年龄、生日、联系电话、Email地址、职业类别、工作单位、学历、收入范围、居住地址等；
- 位置信息：从无线MR数据中获取的位置信息；
- 行为信息：从管道部署的探针中获取的数据，如网购内容、搜索关键词、浏览内容、APP使用记录、IPTV观看记录、视频观看记录、音乐下载记录、网络游戏记录；
- 社交信息：从运营商CRM中获取的数据，如通讯录、TOPN主动联系人、TOPN被动联系人。
数据关联和应用挖掘
相关关系是大数据分析的核心。美国折扣零售商Target使用大数据相关关系分析已经有很多年，他们可以根据20多种变量来预测女性的怀孕趋势和怀孕时间。该信息对定向营销的作用非常明显。
那么在经过电信管道的大量数据里，我们能挖掘出那些相关关系呢？
纵向相关关系：纵向相关关系是指针对一个人的实时位置、网购记录、搜索记录、浏览记录等关联。一个真实的故事：数据关联分析发现32岁的赵女士周四、周五两天在搜索小孩夜里咳嗽这样的关键字。在周六上午，位置分析发现赵女士到达儿童医院附近。系统立刻通过短信发送一个专家预约的APP给赵女士，赵女士立刻下载预约。赵女士得到了他最需要的，APP商家也获得了一个忠实用户。运营商从APP商家获得了营销资金。
横向相关关系：横向相关关系是指做了某件事情的人群中，是否还同时在做另外几件事情。横向相关关系分析在网购公司应用比较成熟。我们在网购一样东西时，网站会提示我们，买了该产品的用户还买了某某产品，这种提示就在引导消费者买更多的东西。对于电信运营商，因为可以获取用户的整个轨迹，所以获取的价值数据会更多。充分的数据分析可以得到某个城市所有的商业区的人流信息，得到人流在某类商业区逗留的信息以及在某类商业区逗留后，第一时间又去了哪里的相关关系。这种相关关系可为城市规划、商家店铺位置选择提供关键参考。
目前通信行业各大公司已经启动数据价值挖掘的研究。中兴通讯认为，在通信行业，数据相关关系分析只是数据价值激活的冰山一角，更多的数据整合和混合动态相关关系建模是中兴通讯下一代运维的DaaS服务方案的主要发展方向。 
