对于企业管理而言，运营商可以基于内部和外部数据实时地得到报表与分析报告，可以发现并减少收入的流失。

　　在业务开发方面，运营商可以发现与内容提供商共同进行流量经营与合作的新机制;可以获取用户位置情况，做时空分析，为公共部门提供数据;还可以监测电话、即时消息、邮件、博客等信息，实现舆情监控，配合安全部门的相关工作。

　　在数据运营领域，基于信令分析能提供实体店(如国美)的人流量分析服务;可以向外部客户提供数据分析服务，满足在线广告、电子商务等行业的数据分析需求。

　　在网络优化方面，运营商能实时发现网络瓶颈，并快速预测网络流量峰值，预警异常流量，防止网络堵塞和宕机。

　　就客户服务而言，可以收集各个接触渠道的信息，了解服务投诉情况和用户满意情况;还能实时地了解用户呼叫接通和掉话的情况，为客户满意度和流失预测提供依据。

　　大力发展大数据对于电信运营商而言极为重要和紧迫，这主要是因为：缺，企业内数据定义、数据项和数据属性不完整;重，数据在多个系统中重复采集、重复存储;散，多个系统的数据无法关联、共享，数据整合困难;慢，数据时效性差，使用者无法及时获得所需信息;繁，数据使用不方便，方法繁琐，手工报表多;差，数据质量差、不完整、不一致等。

　　电信运营商深挖管道中的无限商机

　　电信运营商发展大数据具有诸多优势，主要体现在：运营商掌握的数据全面而丰富，电信的领域之中，数以亿计的通信用户基数保证了数据的海量和多元性;数据提供的可持续性，通信网络的存在为数据的持续产生和传递提供了保证;运营商对数据可以有效利用，可以通过对海量数据的有效分析，更加精准、更加高效地把握用户需求，为广大用户和社会各界提供他们需要的产品和服务。

　　大部分国家和地区的运营商都在积极探索利用大数据，一些发达国家的运营商在大数据商用上已起步。尽管有些突破，并且在公司业务分析和产品创新方面有所应用，但是总体来说，全球运营商大数据还处在粗放的发展阶段。

　　从市场规模来看，互联网、电信、金融、政府的大数据市场规模较大，但是对于电信运营商而言，海量的数据并未带来可观的收入，电信运营商在大数据领域的探索遇到了数据资产不明、应用需求不定、平台建设、技术路线、安全隐私问题等方面的挑战。如何依靠大数据解决方案避免哑管道化的危机也是全球运营商共有的话题。放眼全球市场，电信运营商在大数据发展方面仍处在初级阶段，但是一些发达国家运营商的经验值得借鉴，主要包括两个方面：一是提升服务质量，改善内部管理;二是确立商业模式，创造外部收益。

　　运营商应采用怎样的战略来把握大数据机遇，创造最大价值呢?运营商可以从以下几个方面来利用大数据。

　　一是分析用户行为，改善用户体验。譬如通过分析用户上网时段，优化流量套餐设计;通过分析客户套卡品牌比例和品牌对象，改善套卡设计，更具针对性地推广套卡;通过用户偏好分析，及时、准确地进行业务推荐和客户关怀。

　　二是优化网络质量。运营商通过对用户的位置、时间、职业、年龄、业务偏好、业务流量及所需带宽等进行关联分析，实现对用户业务流量的甄别和用户级的网络资源控制，细分用户业务流量，将数据流量与用户、网络资源相匹配。

　　三是刺激业务创新。通过用户业务大数据分析识别用户行为习惯和用户偏好，从而为用户提供个性化、差异化的电信服务，提高电信用户的黏性和忠诚度，挖掘新的业务机会，实现电信业务价值的最大化。

　　四是尝试与第三方公司合作。与第三方公司合作项目或者直接向第三方公司出售数据，电信运营商在数据量和及时持续获取方面具有无可比拟的优势。需求能带来相匹配的商业价值，与第三方合作，共同承担开发成本，有可以预见的收益，对于开发和利用大数据非常必要。

　　德国电信、Vodafone、法国电信、西班牙电信、Verizon等国外运营商已经在大数据发展和推广方面进行了积极尝试。我国三大电信运营商也在积极跟进。例如中国联通目前正在着手对大数据业务进行研究，并已经成立了云数据运营中心，计划依靠该部门，逐步尝试开展大数据业务的运营工作，中国联通已经在“移动用户上网记录集中查询与分析支撑系统”上引入Hadoop的大数据解决方案，用于支撑全网数亿用户的查询工作。

　　目前，大数据发展还处在初级阶段，有巨大的价值和发展空间。运营商掌握大量的数据资源，将会是运营商摆脱管道运营，创新业务发展的非常好的途径。

　　大数据与Hadoop生态系统

　　提到大数据就不得不谈谈Hadoop。诞生于2005年的Hadoop是由Apache基金会开发的分布式系统基础架构，用户可以在不了解分布式底层细节的情况下开发分布式程序。Hadoop本身不是一个产品，而是由多个软件产品组成的一个生态系统，这些软件产品共同实现全面功能和灵活的大数据分析。例如，通过可插入的作业调度程序，可以调整Hadoop(适用于小型或大型集群，包括多用户或交互式作业)。Hadoop包含一些支持Hadoop体验的外部开源产品，比如HBase、Pig和Hive，组成Hadoop软件生态系统。

　　开源技术Hadoop可以提供相对廉价的分布式的存储系统，通过MadReduce的技术，进行并发、高效能的计算。大数据引擎基本上完成的是存储和计算，但真正的存储计算结果还要与传统的业务系统和其他应用来使用。

　　大数据和Hadoop的关系可以理解为，Hadoop只是大数据平台中的一部分，Hadoop里没有管理工具也没有汇总数据的功能。此外，大数据不单使用Hadoop平台处理底层静态架构的数据，不只是考虑数据的存储等，更多的是将数据进行动态和实时的分析，从而帮助企业领导者更好地进行决策，增强企业的竞争力。