1 大数据概述

    2011年5月，全球知名咨询公司麦肯锡发布研究报告《大数据的下一个前沿创新、竞争和生产力》，最早提出了“大数据”时代已经到来。2012年，大数据从技术圈进入主流市场；2012年1月达沃斯世界经济论坛发布了《Big Data Big Impact》的报告；同年3月美国政府发布《大数据开发倡议》之后，英国、日本、德国、加拿大都开始了大数据的挖掘与创新。

    市场研究公司Gartner表示。2013年是企业大规模采用大数据技术的一年，全球42％的IT主管表示已投资大数据技术，因此2013年也被称作“大数据元年”。然而《2013年中国企业数据化现状调查报告》显示，超过17％的中国企业未进行数据化建设，近70％的企业数据化建设处于初级阶段。

    1.1 大数据的定义

    对于大数据的概念，业界和学术界目前尚未形成公认的准确定义。维基百科将大数据定义为“无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合”。正如《大数据时代》作者维克托·迈尔·舍恩伯格所说：大数据正在以一种前所未有的方式，通过对海量数据进行分析，获得有巨大价值的产品和服务或深刻的洞见。

    1.2 大数据的特征

    业界通常会将其特点归纳为四个“V”，即体量（Volume）、多样性（Variety）、价值（Value）、速度（Velocity）。总体来看，大数据意味着巨大的数据量、多样化的数据来源、极低的价值密度、快速的处理。

    一是数据量巨大（Volume）。大数据不再以GB或TB为单位来衡量，而是以PB（1000个T）、EB（一百万个T）或ZB（10亿个T）为计量单位。根据IDC的监测，预计到2020年，全球将总共拥有35ZB的数据量。形象地说，如果把35ZB的数据全部刻录到容量为9GB的光盘上。其叠加的高度将达到233万公里，相当于在地球与月球之间往返三次。

    二是数据类型多样（Variety）。大数据不仅体现在量的急剧增长，而且数据类型也更为复杂。它既包括结构数据，又包括非结构化数据，如网络日志、视频、图片、地理位置信息等，并且非结构化数据占据了相当大的比重。有统计显示，全世界结构化数据增长率大概是32％，而非结构化数据增长则是63％，预计到2012年，非结构化数据占有比例将达到互联网整个数据量的75％以上。用于产生智慧的大数据，往往是这些非结构化数据。

    三是价值密度低（Value）。大数据重点不在其数据量的增长，而是基于大数据的商业智能技术（或被称为高级分析技术），是在信息爆炸时代对数据价值的再挖掘。在数据量极速增长的情况下。如何通过挖掘数据利用有效信息，对于企业至关重要。但大数据的价值密度较低，以视频为例：在连续不间断的监控过程中，可能仅有一两秒的影像是有用的数据。

    四是处理速度快（Velocity）。这一特点也是大数据和传统的数据挖掘技术存在本质不同的地方。当各种信息汇集在一起时，如何把握数据的时效性，是大数据时代对数据管理提出的基本要求。

    2 大数据对广电网络的影响

    2.1 大数据引领有线电视发展潮流

    社交电视、全样本的收视率调查、精准的市场营销将是有线电视在大数据时代下的必然发展趋势。然而，无论是社交电视、收视率调查，还是精准营销都离不开客户关系管理。客户关系管理的核心是客户价值分析（CVA），即：企业根据客户的不同价值，提供不同的营销方案及销售和服务等级。下面从三个维度来分析。

    （1）社交电视的视角

    目前广电网络运营商建设多媒体通信系统，为有线电视用户开发好友电视功能，为用户提供音视频通话、即时消息等社交服务；好友电视将互联网社交属性引入电视，为用户创造全新的社交式业务体验的同时，增强业务黏性，拓展用户消费和业务覆盖，同时社交属性的引入，将构建广电网络自由的社交平台进行受众的客户社交网络分析（SNA），为引入基于社交的互联网增值业务奠定基础。在大数据时代的浪潮下，企业在对原有客户对象进行客户分析时，客户的价值不再仅是个体客户消费体现的价值，而是其可辐射的强连接与弱连接关系。通过测算识别客户与客户之间关系所形成的圈子以及圈子中各客户角色的判定（领袖者是谁，追随者是谁），形成企业对各个客户影响力的价值判断，在此基础上，利用对这些圈子、角色和影响力的认识，帮助企业实现相关营销活动或产品套餐的推广，提高企业营销和运营管理的效率。增强电视的社交网络性，不仅能够了解客户的行为、需求和喜好，而且可以获得客户之间关系的数据信息，精准地分析客户价值。

    （2）收视率调查的视角

    通过大数据可以获得更加精确可信的收视率数据。传统的收视率测量手段采用抽样测量的方法具有成本过高，易被污染的缺点。而在大数据时代的今天，有线电视通过互动机顶盒及双向网自动回传的方式实现海量的全网数据采集，收视率获得的全样本性便于我们对每一个客户的价值进行更加精准、个性化富有针对性的分析，实现高效的客户关系管理，提高客户黏性和维持度。切实有效地规避了广电传统意义上的收视率指标分析存在的样本偏差、样本污染和计算方法不科学的弊病。使广电网络运营商可以在收视率调查方面争得更多的话语权。

    （3）精准营销的视角

    大数据时代扩大了采集的数据范围，通过全体数据而不是随机样本，了解每一个用户的习惯等看似碎片化的样本信息。广电网络运营商越来越重视与客户进行沟通，了解他们的需求。提供相应的服务。网络的梅特卡夫法则在大数据时代的简单表达就是：样本越多，营销越精准，收益越明显。例如，通过精确的客户服务等级划分，根据不同的服务对象提供相应标准的服务，对服务时间、服务人员都有不同的要求；利用有效的技术手段来了解用户对电视内容的评价与反馈从而对其进行个性化的节目推荐和精准的个性化广告投放，做到低成本高回报。

    2.2 大数据加速广电网络运营商转型

    2.2.1 管理体制转型

    对于企业，大数据将开启商业智能的新阶段，凭借数据作决策而不是经验或直觉。由于数据处理分析和管理等相关技术的不断成熟，企业内部的管理运作数据、业务运作数据，企业与客户的关系及互动数据，客户或潜在客户在企业经营业务之外的生活方式、活动、情感、社交等大数据，正为企业所采集和分析，而大数据促进企业管理决策的力量不在于数据之大，也不在于数据本身，就是在于企业根据大数据所做出的更深入、更全面的客户需求洞察，并以此支撑企业针对性运营管理决策的及时、科学、有效形成，促进企业运营管理的高效准确运行并通过这些数据实现大胆而有效的预测。广电网络运营商目前的体制改革主要是两方面：一方面是加快网络整合，建立一省一网的集约化发展态势形成元数据库，整合、集中、统一是未来节省成本提高效率的必然趋势，有线行业发展集中度的提高有利于大数据外部性的提升，主要是“做大”；另一方面是建立完善的现代企业制度，主要是“做强”。

    2.2.2 业务方向转型

    目前电视的定位已逐渐从看电视到用电视到玩电视转变。这一转变使得用户体验的重要性突显出来，体验式营销被提上日程。这要求广电网络必须注重客户体验分析（CEA），大力拓展体验型业务。对于广电网络行业来说，技术、网络的服务主要通过投资的多少来改善，而在技术和网络的差异化越来越小的情况下，服务体验就显得尤为重要。将用户使用产品的全流程的每一个环节，每一个接触都自动形成日志，实时采集、处理和检测。通过得到数据挖掘客户的潜在需求和预期欲望。

    2.2.3 经营模式转型

    大数据可以帮助广电网络应对“三网融合”以及新媒体对于传统有线电视经营模式的挑战。在大数据海洋中，假如不具备驾驭大数据的能力，那就只能面对被大数据“淹死”的命运。一方面，大数据正逐渐成为打造企业竞争优势独一无二的能力；另一方面，大数据驾驭能力正在造就企业数字技术之间的鸿沟，而这一鸿沟同时在改写着企业间的竞争格局。在“三网融合”的趋势下，广电网络公司与互联网和电信企业相比，在经营模式上处于劣势，除了体制机制等历史因素以外，大数据的挖掘、利用方面拖了后腿，没有及时的通过大数据挖掘改善经营模式。例如，在用户的ARPU值上，广电网络对用户行为的挖掘和分析不够，在对用户进行定位和细分方面做得不够，不能提供有竞争力的服务和产品。

[page]    3 广电网络客户关系管理的现状

    3.1 GIS系统初步建立

    地理信息是指直接或间接与地球上的空间位置有关的信息。基于地理信息的GIS系统（地理信息系统）具有强大的数据管理、数据挖掘和分析能力，因而成为大数据时代的利器。

    目前，随着GIS技术及相应运营理念的发展，它在广电行业的应用逐步深入，国内规模较大的广电网络公司基本上都进行了资源管理系统的建设。

    但是广电行业的网络资源管理系统尚处在物理资源的静态管理阶段，大部分仅使用了网络设计和资源管理，并没有做到对网络公司的资产进行动态管理，大多数网络公司并没有完成该系统与BOSS等其他系统的对接，因而对数据的综合利用效率和应用广泛性还较为欠缺。

    3.2 CRM系统不完善

    广电网络企业想从传统数据时代走向大数据时代，拥有完善的CRM（客户关系管理）系统是必须的。如反映客户订购业务产品和套餐关系的数据可从CRM系统获取，反映客户消费行为特征及习惯的数据可从各类业务的计费系统获取，反映客户与企业销售服务互动关系的数据可从销售渠道、客服中心的工单信息获取，反映客户价值及缴欠费行为的数据可从账务系统获取，甚至还可以从网间结算系统获取行业内各运营企业各自用户的发展数据，并形成市场份额竞争管理类统计指标。但是，目前广电网络的CRM系统，要么是客户数据并不是全样本的或者信息残缺的，要么是大多没有纳入全业务运营支撑系行深度对接，所以也不能满足三网融合趋势下“融合支撑、架构扁平、控制集中”的业务融合管理的要求。

    3.3 客户关怀起步短

    客户关怀是现代市场营销的一个鲜明特征，是增强客户满意度和品牌忠诚度、获取用户“大数据”的重要手段。大数据要求的是全样本、全数据，而不是随机样本，客户关怀正是一种必不可少的手段。广电把“用户至上”的理念转为“客户至上”，不仅仅是一个字的细微改变，关键在于现代市场营销理念的深入人心，以及对与现代市场营销手段的一种巧妙利用。目前，各地广电网络运营商在客户关怀方面起步不久，仅仅停留在电话回访、问卷调查、满意度分析、节日慰问等初级阶段，在服务质量标准化体系建设及相应制度安排的完善方面还有很长的路要走。

    4 大数据时代广电网络客户关系管理的对策

    4.1 从服务为主到网格化营销

    传统营销理论从4P、4C，再到4R和4S的转变，都是在突出以客户为中心，注重与客户的联系。增强黏性，第一时间捕捉并快速响客户的需求甚至创造客户需求。广电网络运营商目前的客服体系就人员构成来说，主要有片区经理（主要负责网络的运行维护和分管居民小区的上门服务）、大客户经理（主要负责商业大客户的营销与服务）、话务员代表、营业代表。此四类人直接同客户打交道，也就是“窗口服务单位”。其实，这些人正是大数统进行统一规划，未同帐务管理、计据的输入端口，他们每天接触大量的费账务处理、统一授权管理等系统进大数据“样本”，日积月累，一方面，搜集着客户个性化信息的点点滴滴，另一方面，积少成多，向着大数据的全样本无限逼近。强化他们的营销职能，就是要求他们贴近客户、走近客户，建立客户消费习惯、消费偏好甚至是性格、兴趣爱好等方面的非结构化样本数据库，让数据“发声”。其中，特别是片区经理这个角色尤其重要。作为全球最大的有线电视运营商之一的美国时代华纳有线公司早在10年前即建立起以“社区工程师”为单元的网格化营销体系，这些工程师大多从社区中选拨，是社区居民的贴心人，非常“接地气”。通过推行以“社区工程师”为单元的“网格化营销”，时代华纳有线实现了“营维合一、以营为主”，营销过程和效果的可管控、可考核、可比较、可分析、可激励，在提高营销服务积极性的同时，及时关注客户动态，以网格化促进了客户关系的管理与维系。提升了应对竞争的能力和效率。

    4.2 构建网格化营销IT支撑系统

    以数据为指导、有的放矢，是提高营销效率的有效途径。为适应大数据时代的发展需求，必须依托先进的IT技术手段，迅速形成相匹配的营销支撑能力。因此，需要建立网格化营销支撑系统，作为客户关系管理的重要技术手段，实现网格化绩效考核管理、客户及资源信息管理、营销过程管理、主动营销管理、风险预警等特色功能，使得营销人员可以实时按网格查询经营收入、客户发展信息、营销任务信息、营销资源信息等，并根据网格经营情况自动计算出个人绩效结果。有效指导和鞭策营销人员的日常工作。同时，系统可以实现在线实时办公，按照一定规则实时筛选出潜在客户信息、流失风险用户信息等，有力支撑客户发展和客户维系工作。

    4.3 建立全样本收视率调查体系

    基于广电双向网络建立互动电视播出平台之后，为广电网络运营商进行收视率统计分析提供了可能。利用互动终端，可以将操作使用机顶盒的任意行为动作抽象成指定的具有特定属性的行为数据结构，数据进行筛选、预处理后即可建立满足收视行为分析需要的用户行为分析数据模型，从而做出对用户收视状态和喜好习惯、业务的使用周期等全方位的分析。广电网络运营商可以投入少量的资源，并从技术研发、人员投入、制度安排等方面建立一套完整的运行管理机制，就可以建立大数据趋势下的全样本收视率调查体系，并能有效开展以用户个人喜好和习惯为中心的精细化营销。

    4.4 从内容传输到内容制造

    真正颠覆性的创新并不是以前需求的延续，而是可以通过对数据的深度挖掘从后台走到前台，从内容传输管道转为接入内容制造。美国着名的在线影片租赁商Nettled开始走向数据的前沿，从原来的被贴标签到现在的制作原创内容。因为它能够先于观众知道他们想要什么，对大数据的挖掘让他们已经能提前预知哪部电视剧会受到追捧。这种用逻辑和计算取代传统和直觉的做法显然给广电网络以巨大启发。广电网络在掌握大数据的基础上。通过观众对演员、情节、基调、类型等元数据的标签化，了解受众偏好进行分析观测，从而具备向影视制作等内容产业进军的潜力。

    当然，大数据时代广电网络客户关系管理的最终目标是为了促进销售。大数据的核心价值在于分析与预测，通过技术改造和体制机制创新，广电网络运营商就可以兼具搜集全样本数据（主要是非结构性的个性化数据）的条件和能力，剩下的就是做好“分析”，让数据“发声”了。
 

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。