中國電信孫靜博：運營商大數據下半場的思考
2017-10-10 16:42:39 來源：C114中國通信網 熱度:
近日，由人民郵電出版社主辦的“2017第四屆中國國際大數據大會”在北京新世紀日航酒店舉辦，本屆大會以“數據驅動，智能引領——共享數字經濟新機遇”為主題，聚焦大數據全產業鏈創新與發展。同期舉辦了運營商大數據分論壇，中國電信北京研究院燈塔大數據產品線總監兼中電領航(北京)信息咨詢公司副總經理孫靜博表示，運營商大數據下半場是通過物聯網豐富了物的環境。
演講實錄
孫靜博：很榮幸主辦方邀請我跟大家分享，很高興大家能留到現在聽我的一些粗淺理解。
我這次跟大家匯報的題目是運營商大數據下半場的思考，什么叫下半場思考？我覺得上半場跟下半場的區別就是我們從幾年前到現在，運營商的方式好像沒有什么大的差別，還有就是三大運營商也大同小異。
這就說明目前運營商大數據的變現遇到的障礙或困惑，隨著其他技術的發展，我覺得恰恰給運營商大數據的變現提供了機會，那就是我跟大家分享的下半場的思考。
先回顧一下上半場，現在給大家展示的是中國電信天翼大數據4+1產品體系，分別是風險管控、精準營銷、區域洞察和智慧運營。前兩個是2C的業務，主要形態是用光纖和數據服務的方式對外提供服務。這兩個問題在于什么呢？就是運營商在這兩項業務中給產業鏈提供的服務還是偏頂層的數據服務，沒有深入到真正行業內核心的環節，風控還是以模型的基礎原材料的方式提供，但營銷除了我們有自身媒體資源之外，更多是以營銷的標簽查詢的方式對外提供，這兩種方式都沒有深入到行業，雖然這兩塊有比較大的收入規模，但是做的不夠深。
后面兩塊一塊是區域洞察，一塊是智慧運營，還是以統計級的數據分析結果，對最終的交付的服務提供。區域洞察更側重于位置的畫像，智慧運營更側重于網絡行為的畫像。這兩種從收入規模上來講就更小了，因為每一個個體價值忽略了，形成綜合的匯總結果。同時這兩個行業對于行業的理解來說，區域洞察更多是用在交通領域、旅游領域等等，政府的客戶最喜歡大屏可視化的角度，這兩個行業我們積累的也作為大屏。
智慧運營概括成兩個字，客戶要的就是模板，我們按照客戶領導關心的模板把數字填好。綜合看下來，整個運營商大數據對外提供的數據服務概括起來是第一價值沒有出來，第二對行業的理解深度不夠。
4+1還有一個1就是PAAS平臺，一方面賣一些基礎的云服務，另一方面給客戶提供大數據的解決方案。由于數據項目承擔周期很長，售前的工作很復雜，使得我們沒有足夠的動力真的通過項目把行業做深，所以這4+1無論是電信還是移動聯通我覺得都是相對來說比較淺顯的。
為什么我們沒有實現大數據規模變現？我現在的思考是大數據規模變現背后是有規律的，拋開統計級的業務不說，個人級的業務怎么規模變現？這個圖是變現流程。每一次的展示機會，各個廣告主通過競價的方式獲取到這次展示的結果，他們做決策的依據就是DMP的平臺，對這次展示機會背后用戶的精準畫像，場景+資產定價+程序化或者非程序化交易實現數據規模變現。所謂場景就是需要有資產進行交易的場景，資產定價，數據在這里面的價值就是對資產進行了定價，在資產價格的過程中順帶跟數據的價格，而不是簡單做一個連定價都拍腦袋的數據的交易。
舉一個例子，比如我們做風控和征信，我們運營商現在做的只是最底層的數據買賣，更高層次的數據變現就是我們給每一個借貸的資產，通過我們數據做風險的定價，然后在資金方跟借貸方的官方資產交易的過程中，我們數據真的給資產風險做定價，我們的數據才真正發揮了價值。所以我們看到了在互聯網金融領域，有大量的征信公司真的發展起來了，而運營商還停留在最底層。同樣這個場景也適用營銷領域，每一次展示的時候，數據給展示機會做了定價，在不停的展示機會的交易中數據出現了變現，這才是單體數據大規模變現。也就是作資產進行交易的場景下數據起到了資產定價的作用，使得資產需求側愿意為資產交易來買單，數據產生規模化變現的可能性。
總結一下上半場大數據變現之路的困惑，首先運營商大數據是圍繞著個體，單個人自有數據為主要的數據對象，這里面的問題是數據隱私和數據孤島，還有就是我們以人為主的大數據變現場景是受限的，隨著運營商里面價值最高的數據的類型存在各種加密，價值存在著下降。
第二點困惑就是數據服務通常以標簽和報告類為主，這就導致了無法實現數據的規模變現，也無法深入行業嵌入業務流程，發揮數據更大的價值。
第三就是目前變現是以結構化數據和半結構化數據為主要處理類型，我們現在是無法處理更高級的非結構化數據，也無法通過度學習先進技術去挖掘數據背后更深的價值。
這幾點困惑我這邊提出了相應的解決，以人為主的要找到更豐富數據為場景，第二是我們以抱歉和報告類的數據為主要類型要云化，通過云快速的交付標準化的產品。第三要依托人工智能的技術，把之前處理不好的數據，之前算法無法充分數據價值的部分，通過人工智能的技術做出來。所以我提出了就是轉向成A、B、C+I的方式。
講一下下半場怎么做，首先從大數據開始講，我們希望能把運營商的數據發揮出背后真正的價值，運營商的數據跟其他數據本質的區別在哪兒？運營商的數據有天然的連接性，就像數據的經線和緯線一樣支持一個維度，大家的數據都在一起，這個背后就是運營商各式各樣的ID的對應關系，使得多家的數據能夠打通串聯，起到1+1大于2的功效?；跀祿拇蛲梢哉业礁S富的場景，使得我們把數據更深入到客戶的業務流程中，讓變現的數據和客戶內部的數據發生融合。
第二個就是物聯網，隨著物聯網技術低功耗和廣覆蓋的逐漸成熟，各類傳感器已經開始采集關于物體和環境的各類數據，包括非結構化的數據，包括環境的數據，可以大大的拓展了數據源的種類和來源。使得我們不光可以采集到風險，還可以采集到環境的數據和物體的數據，使得運營商大數據的變現場景變得非常多。
第三就是人工智能，人工智能主要分兩點，大家都知道AI這兩年非常火，一方面有了大量的標注后的大樣本數據，第二是我們在三十年前就已經成熟的神經網絡的訓練酸，第三是隨著GPU和TPU專門的人工智能處理器的誕生加速了時間。AI和運營商大數據的結合主要是兩點，一方面是我們可以用人工智能處理原來采集回來但是處理不好的數據，包括各種的圖像數據、云數據等等，還有一方面是我們通過人工智能在特定工程上的特點，我們可以把用傳統的機器學習的方式訓練不好的分析場景達到更好的效果。這兩方面跟大數據的結合可以更開拓出來一片利用人工智能的機會。
第四就是我們希望云計算跟大數據結合起來，我們希望能把企業的數據嵌入到業務流程，能夠快速的交付大數據客戶，并且可以按需的使用計算能力和存儲能力，同時跟人工智能的結合，目前來看中小企業人工智能的障礙是缺乏足夠的資源，我們可以把這種訓練的能力用云的方式解決，讓客戶把訓練最消耗計算能力的部分用云的方式提供服務，再把數據的智能提供給我們。
給大家分享一下我們的案例。正是基于這個思路，從大數據的上半場轉到下半場，通過人工智能大數據，還有云計算和物聯網這幾個新興技術的結合，我們深入到行業中去，已經有一些試點成果的案例。目前我們選擇的案例是畜牧業，為什么選擇這個行業呢？因為這個行業的產業規模不算大，目前畜牧業主要有三個細分領域，一個是羊，一個是奶牛，一個是肉牛，我們一直說大數據是萬億級的規模，我們幾年做下來能做到百億就不錯了，但確實是有這種發展空間，光是肉牛有一萬億的存量市場，而這個市場是非常落后的，我們覺得這么大的市場信息化水平這么落后一定含著商機，所以我們選擇了這個行業，同時國家層面出臺了大量的政策，還有另一方面是市場的驅動。隨著中產階級的崛起，消費升級，家庭對于牛肉的消耗量成幾何級的增長，可以遇見至少三十年到五十年整個國內肉牛市場會一直呈現高速發展的市場。
我們針對目前肉牛的細分領域，我們一方面面向政府，一方面面向養殖企業，提供了幾個方向的服務。面向政府主要是解決精準扶貧、安全溯源和植被保護。面向養殖企業是防畜走失和精細放牧和可追蹤。
我們基于物聯網、人工智能大數據打造了一套自主研發的解決方案，同時為政府和牧民根據他們的需求提供了多種技術產品。主要的設備核心是具有長時間續航能力的終端產品，這個終端產品主要有幾個功能，一方面是可以記錄，一方面可以記位。
通過物聯網的技術實現了牲畜的軌跡跟蹤，還有電子柵欄，還有信息記錄，這個從生物資產管理起到實時監控效果。通過大數據我們把位置數據采過來之后，我們進行了多維度的分析，包括牲畜是不是活的狀態，以及每天行走的規律是什么樣子，哪塊的草場是它們經常去的，以及哪一塊草場有什么風險，都通過大數據的方式。
同時我們打造了可信溯源的服務，我們把整個牛產業鏈的上下游都去把交易數據和資產流轉數據上到區塊鏈里面，從一開始的養殖到加工到批發零售，幫助地方政府做品牌的打造，也使得終端的消費者在買到產品的時候能有一個比較放心的保障。
同時我們還在這個領域做了人工智能的探索，一個是利用牛小范圍的花紋實現了識別，也就是像羊臉識別的概念。同時我們還做了一項工作，通過視頻的信息做智能的稱重和智能的丈量。現在傳統的養殖方式稱重靠地稱，但其實大量的工作不是很好的處理，現在可以智能化稱重，智能化丈量。
基于智能化服務，我們把傳統的行業做了一個信息化基礎設施的打造之后，空間已經不限于信息化行業本身，我們已經和保險公司，還有相應的金融機構談了關于保險，關于借貸方面的合作?？梢酝ㄟ^我們跟他們的溝通，才能得到在這個傳統行業里面，金融服務有多么大的空間。其中有一家金融機構已經把自有資金100個億投到畜牧業，但是也僅僅服務了十幾家企業，大家可想而知這個市場在傳統的金融機構里，沒有服務好的這些企業里面有多大的金融市場。通過我們的手段打造每一個個體是否存活，這個個體是否有可信的記錄，這些都給金融機構提供了很好的支撐。
總給一下我今天的報告，上半場和下半場從幾個維度上可以看到差別。數據類型結構化、非結構化，服務內容是以標簽、報告、可視化下半場是業務系統，交付方式是私有化部署，下半場是公有云、混合云，數據源是人，下半場是通過物聯網豐富了物的環境。
對應的解決思路把傳統的運營商大數據用人工智能場景化，云計算和物聯網的方式大大豐富空間。我覺得通過這種也許可以把運營商相對來說十億或者百億規模的市場迅速的打開到一個百億甚至千億規模的機會，我的匯報就到這里，謝謝！
責任編輯：張奧迪
