缺乏个性需求市场所需创新产品，“量身定做”更是无从谈起；最后，基于上海特宽公司数据流量经营情况，简要阐述大数据对企业战略决策和经营方针的影响。
第一章 绪论
1.1 研究背景和意义
随着信息化水平不断发展，数据信息需求已经成为通信行业转型的必要因素，传统结构化数据分析已经无法满足企业需求。大数据作为近年的热门理念，在市场细分，满足用户个性化需求，提供企业决策依据，业务管理升级等层面均有较高期望。其中，对运营商、供应商、互联网商等企业流量经营调节、策略整合，是通信行业基于大数据的流量经营发展的重要尝试，很多其他通信企业也开始意识到发展大数据的必要性。同时，通信市场日益更迭，客户的信息需求深度和广度均迅速提高，信息内容需求进一步深入，大数据自然成为提升企业信息效能和数据整合的有力支柱。大数据以其独特的经营模式和产业价值迅速崛起，成为引导企业流量变革的驱动力。至此，国内外开始大量采用大数据技术，为通信企业的流量经营水平探索提升策略。
1.1.1 研究背景
随着国内科技应用水平的不断发展，大数据（big data）频繁出现在行业宣传和新闻报道中，也迅速成为人们深入聚焦的热点。究其价值，现代社会指代的大数据的理念和技术，能解决信息过载问题，且信息遍历也能实现快速、精准、精炼、有用等效果，从而以信息化分析视野协助企业深度挖掘市场需求，反馈经营产品销售现状及未来趋势，掌握用户群体动态、为企业经营决策提供更为科学、统筹、有效的建议方案。
采集通信行业媒体报道和相关学者研究，不难发现，数字信息化正以指数效应渗透通信产业领域，“数据为王”的思想决定着大多数通信企业转型方向。虽然，由于资金、技术等因素的限制，现阶段的数据处理环节还有瓶颈，尤其是一些中小型供应商，还未能意识到数据发展带来的产业机遇。但是，随着大数据的应用价值和商业价值的不断挖掘，通信企业也会逐步对数据产生敏感性，从而形成行业大数据扩展研发的共识。就像近年美国 Gartnar 数据研究机构提出，大数据时代已经到来，人们传统数据相关产品的认知将被全面颠覆，不再局限于传统有限结构化数据功能，例如筛选、分类、类比等。未来的通信企业面向的数据分析对象，则是视频、图片、语音等海量非结构化数据分析，能够实现更为精确、精准、精炼、快速的定位。对市场经济的直观影响不可小觑，固化的行业架构面临冲击，企业和企业家们的行业地位将被重新洗牌。
传统通信企业的数据处理的目标是纯数据化分析，利用客观性经营分析依据协助管理者的判断和决策。其优势在于摒弃管理者直觉判断，避免了主观因素误差，利用管理者的从业经验做出决策。但对企业而言，管理者经验无论多么资深，也有犯错的机会，尤其是在激烈竞争的市场环境下，主观误判因素依然是桎梏企业发展的巨大障碍。因此，为进一步降低管理者主观因素限制，越来越多的数据模型和数字量化的理念被引入通信产业。经过行业信息化和数字化的数据积累，人们又发现海量的非结构化数据难以驾驭，亟待一个新的数据分析处理技术和理念。同时，快速决策是把握市场瞬息的关键，数据分析的速度和精准性尤为重要，从而让大数据在商业领域呼之欲出。笔者希望对本课题的研究，进一步探索通信企业的数据分析，展望大数据揣测市场的功能机制，从而让企业管理者的经营决策显得更为敏捷和科学。
...........................
1.2 国内外研究现状
随着贸易环境复杂，市场竞争激烈，行业应用趋于精细，社会需求水平日益庞杂等因素。国内学者在大数据领域的实践和理论研究，均有着丰富的成果，国内外诸多机构对大数据及其流量有效经营颇有造诣。通信行业也开始专注于数据目标化的发展，产生了丰富的实践内容和研究观点。本节以大数据应用文献为基础，对近年国内外引用率较高的流量经营研究文献进行评述。
1.2.1 国外现状
在通信行业运营领域，大数据技术呈现出高速发展的态势，国外学者在相关文献和专著中也提出了诸多观点。其中，主要集中在对传统流量运营和数据处理，相关技术改善和模型调整发挥着重要作用[1]。在大数据技术的雏形期，Cukier K N[2]（2013 年）就大数据技术做出了企业用户的分析，大多数企业用户在处理用户流量和关键技术主要建立在单线程或者多线程的方式，对网页留下痕迹的用户进行数据采集和处理，数据类型包括访问、点击、关键词检索和反馈等。这些数据在计算机和服务器的后台进行运算，产生的结果会被分类，为企业用户提供了统计归纳的基础，从而有针对性的展开目标用户营销，扩大引流效果。但是，这样的数据处理还是建立在结构化数据的层面上，仅是原来计算机对形式逻辑数据的处理水平扩展体量应用，转变应用环境而已。
随着各类企业用户的运营规模不断扩张，用户流量也随之递增，依靠传统的结构化数据分析以及远远不能满足现代企业发展的诉求。因此，为了进一步增强企业用户在市场环境中的竞争力，非结构化数据的影响被相关企业争先研发。Spiekermann S[3]（2015 年）等则提出了关于数据分析影响力的观点，试图扩大企业在商业环境中的影响力。经过短期市场环境的检验和发展，很多企业用户发现，大数据技术除了采集能力要不断加强外，还要具备更多、更快、更精准的分析和响应能力。一方面，可以增加企业用户对数据分析平台粘性，另一方面能很好的促成流量用户转型消费用户。从而，在大数据技术角色的定位基础上，又出现了 Wu X，Zhu X，Wu G[4]（2014年）等提出的数据挖掘的概念。大数据挖掘是一个探索性的概念，如何挖掘，怎么挖掘也是国外学者尖锐讨论的话题。Wamba S F，Akter S[5]等（2015 年）就线上实现的商业化水平、模式和用户行为进行了分析，成为大数据在商业化领域挖掘数据的有效途径。同时，随着大数据应用领域扩大，在国际社会的影响力也十分明显。然而，这一观点的基础环境于 Chen H，Chiang R H[6]等（2012 年）学者参照实际情况，提出了大数据技术的国际类型的协议，有望统筹大数据在国际环境的有序发展。
.........................
第二章 相关基础理论
2.1 大数据理论基础
大数据的理论研究历来是业内学者关注的重点对象，从大数据的演进史来看，国内外学者对其工具的开发，操作模式和商业价值均有涉及。当然，也不乏一些学者对大数据模型理论的探索和反思[15]。大数据基础性研究已有突破性进展，理论基础的研究也逐步形成系统架构。近年来，我国政府也意识到发展大数据产业的重要性，并将大数据产业化进程提升为国家战略。
2.1.1 大数据的概念
大数据自诞生之日起，其概念就有诸多版本，各行各业针对自身情况均有不同的认知和解读。其中，最著名也最符合通信企业商业实践的还是麦肯锡的大数据理论，他从专业技术角度提出大数据是超越常规软件集，其数据库能采集、记忆、运用、管理和处理批量集成数据，这点国内学者朱杨勇[17]在大数据发展方向的论述中也有体现。从工业技术角度而言，大数据术语最早被应用在 apacheorg 的开源项目 Hutch，主要是表达批量处理，或者是分析网络搜索索引所产生的大量数据集。谷歌公开发布 Map Reduce 和 Google File System (GFS)后，更多的是强调数据库调用速度和准确性，对非结构性数据的运用和管理。对通信企业而言，大数据概念主要涉及层面还是与通信产业价值及其目标用户诉求有关，能有效解决目前通信企业面临的产业分类，整合碎片信息等瓶颈。总的来说，解读我国通信企业对大数据的认知，主要表现了大数据的存在意义和规模形式，还是以挖掘分类用户相关数据内涵为价值，让大数据成为通信企业战略借鉴的概念[18]。
2.1.2 大数据分类、特征、应用
1，行业情况的不同，对大数据功能表达的需求也就不同，常规数据分为企业数据、科研数据、感知数据和互联网数据的四种类型[19]。
2，大数据特征：一是海量性特征，二是多样性特征，三是实时性特征，四是价值特征。
3，大数据的应用：2015 年起，我国紧跟国际步伐，将大数据提升至国家战略。城乡居民会渐渐在公共管理服务、舆情社会氛围、经济发展环境和电子政务工作中感受到变化。例如：江苏南京交管部门，在城市公共交通中采用大数据交通导流措施，优化了资源配置，实现通勤水平的进一步提升。
与此同时，国内外很多互联网龙头企业开始意识到大数据应用领域的价值，通过探索也取得了不少实践成果。最具代表性的企业有谷歌、雅虎、微软、腾讯、阿里和 IBM 等，所研发的大数据应用也几乎涵盖人们生活的全部领域，例如：保险业、制造业、物流业、金融业、医疗业、服务业和水利水电等等。这些企业也会根据自身条件针对不同行业，不同层次，不同趋势，输出不一样的大数据策略。从而为不同行业的发展提供创新策略。一方面，龙头企业引领行业发展，为行业内中小企业提供更多的商业思路，另一方面，也能为全社会构建多元化的商业模式带来可能。
.............................
2.2 流量经营理论基础
流量作为人们生活中不可或缺的部分，是承载用户信息需求的重要工具，通俗的说法就是“跑数据”。随着运营商“管道化”趋势日益明显，用户对数据流量的需求也开始不同，流量业务外包正逐步成为通信行业的试点，为用户定制流量产品成为通信市场的新思路。定制流量则需要通信企业制定统筹机制，流量经营策略因此诞生，其策略成为通信企业未来发展的战略工具。本节就流量经营的前景、经营特征和经营目标进行阐述。
2.2.1 流量经营前景
在国内市场，互联网企业近年异军突起，其开发的终端应用开始蚕食运营商的传统业务。互联网企业开发的大量应用也同样占据着运营商数据管道资源，运营商也开始逐步沦为“管道商”。对此，运营商要意识到转型的必要性，应当将部分精力转向基于内容和流量的经营类产品，解决互联网企业与其同质化商品竞争的问题。
然而，就上海三大运营商现阶段流量经营效果来看，无论是流量类业务的主营收入还是新增流量用户数，指标改善效果并非十分理想[24]。究其原因有三点，一是传统运营商以国有资本为主，体制流程相对死板，缺乏创新机制，流量经营类产品的研发并不能满足用户需求；二是运营商掌握所有管道资源，在制定流量经营策略的过程中，容易造成“主观决策”“权力过大”“眼高手低”等情况，其产品效果未必能有效迎合时代性的市场需求。三是用户对数据信息需求增长速度，事实上超过运营商的预期，传统语音、短信业务急速下滑，导致运营商基层还在疲于应对传统业务营收下滑的局面，还未能实质性的将主要精力投入数据流量经营中。
上述三点不利因素会随着互联网水平的发展而更加严重，运营商有效制定流量运营策略迫在眉睫。因此，流量经营解决方案是上海特宽公司主营业务之一，能有效帮助运营商流量市场中的供需调研、费用制定、用户洽谈和流量扩展等工作。通过近年来的实践，上海特宽公司在上海、安徽、江西、黑龙江等省份与某几家运营商省（集团型）公司层面均有合作，也取得了较好的效果。
...............................
3.1 上海特宽公司经营现状 ............................. 15
3.1.1 上海特宽公司的企业情况 ............................. 15
3.1.2 上海特宽公司的市场策略 ............................. 16
第四章 大数据环境下上海特宽公司流量经营策略 ................................ 28
4.1 大数据流量供应商的定位 ................... 28
4.2 大数据流量经营策略要素 ................................ 29
第五章 上海特宽大数据流量交换平台的设计 ............. 36
5.1 BDP 系统的设计 .............................. 36
5.1.1 BDP 模型总体框架设计 ........................... 36
5.1.2 BDP 数据库的功能设计 ......................... 37
第五章 上海特宽大数据流量交换平台的设计
5.1 BDP 系统的设计
5.1.1 BDP 模型总体框架设计
某运营商对 BDP 系统设计的诉求在于，传统运营商流量业务管理系统中，基层技术人员一般只能单纯的通过用户某一阶段的消费活动和行为做判断，可变因素还比较多，对预判结果的预测还无法做到十分精准。因此，流量压力还局限集中在前端销售部门的信息采集、电话回访等方式。这种低效、传统、目标性弱和数据式微的业务模式还无法成为大数据流量模型的支持。
为了确保某运营商提高用户流量的数据挖掘效率，BDP 平台的建设必然需要一个强大且兼顾用户全方面需求的设计框架。在业内，对该系统设计的需求模块组建包括如下内容：Hadoop、HDFS、Hive、Mongo DB 技术的前端展示平台开发[51]，流量事件的驱动方案、输入输出系统（即 I/O），Rserve 交换数据服务端口，等等。这一些列技术因素是后端挖掘数据对前度展示平台的重要方案之一。集成上述技术因素后，对接入层、数据分析层、应用层、物理层等，构建出来的总体框架如图 5.1。
..........................
第六章 结论和展望
本文就上海特宽作为研究基础，以上海特宽公司大数据流量经营策略作为研究对象。首先，对目前一些学者的观点和表述写进行归纳，说明了大数据产业流量发展现状、上海特宽目前在行业内的运营分析和在大数据环境下面临的挑战与机。总结归纳了论文写作的研究目的和意义，同时对国内外研究现状进行综述，制定研究内容、研究方法和研究框架。其次，对相关概念和理论基础概括，对大数据概念界定和分类进行了归纳总结，还包括对大数据理论和流量经营理论，从而分析二者融合的理论基础、同时，也总结了 PEST、4PS 和 SWOT 相关经济学模型进行分析；再者，以上海特宽公司为例，应用 PEST 分析、4Ps 和 SWOT 工具对上海特宽经济环境进行分析，分析企业大数据流量经营业务的市场关系。最后，就上海特宽企业经营策略以及 BDP 通信能力交换平台项目的情况进行分析展示，希望为后来研究学者提供借鉴。
在上海特宽数据流量研究过程中，由于笔者精力有限，文章还存在以下三点不足：（1）现阶段，大数据流量经营商业化水平囿于电信运营商政策开放程度，还有较高的提升空间，而就大数据环境下上海特宽公司流量经营策略相关策略介绍，多数数据和结论均来自上海特宽一家企业，一般性说服力不足，且定性成分较多。因此，建议后来研究者在资金、时间、技术等条件允许的情况下，多采集样本进行定量分析，从而得出更精准有效的策略结论。（2）BDP 模型设计过程中，其主要功能面向水平顶多是简单的非结构化数据“流量经营分析系统”，虽然有一定的“预测”效应，但程度还远远无法满足“大数据流量经营策略”要求。在此，建议后来项目人员和研究人员针对大数据的预测属性，创新理念，开发更为完善的大数据平台系统予以借鉴。（3）本文对大数据流量经营交换平台有一定介绍，但仅限于框架式和格式化的介绍，一反面是由于保密协议限制，另一方面还是由于笔者自身技术专业储备不足。至此，希望后来研究者在熟悉技术框架的基础上，加大模块功能的创新力度，真正实现大数据的灵活性。
上海特宽在大数据流量经营的道路上还有很漫长的路要走，还需要在硬件和软件升级支持的基础上进行探索，广泛调查并深入分析，参考大数据发展的各行各业经验，找出可供借鉴的不足之处来提高自身发展。
参考文献（略）