海文国际告诉你，学大数据能干什么_凤凰资讯
海文国际告诉你，学大数据能干什么
用微信扫描二维码分享至好友和朋友圈
&&&&大数据、数据科学、人工智能......这些词近年来委火，天天听到这些词儿，处处看到这些字儿，无论是企业还是个人，似乎不跟这些词搭上点关系，自己就被这个时代淘汰了一样。海文国际作为全球知名的IT教育机构，我们开设大数据课程，上门咨询大数据课程的人天天络绎不绝，总会碰到一些学员问到：我很想学大数据，但我不知道学习了大数据后能干吗？如果您也有同样的疑问，不防花几分钟时间，读完此文详细了解学习大数据，你未来能干什么？
&&&&首先想详细解释下两个词儿：数据科学与大数据
&&&&数据科学（Data Science）这一概念自大数据崛起也随之成为数据领域的讨论热点，从2015年开始，“数据科学家”便成为了一个工作职位出现在各种招聘信息上。那么究竟什么是数据科学？大数据和数据科学又是什么关系？大数据在数据科学中起到怎样的作用？本文主要是想起到科普作用，使即将或正在从事数据工作的朋友对数据科学工作有一个全概貌了解，也使有想法进入大数据领域的朋友在真正从事大数据工作之前对行业的情况有所知晓。数据科学是一个混合交叉学科（如下图所示），要完整的成为一个数据科学家，就需要具备较好的数学和计算机知识，以及某一个专业领域的知识。所做的工作都是围绕数据打转转，在数据量爆发之后，大数据被看做是数据科学中的一个分支。
&&&&大数据（Big Data）其实已经兴起好些年了，只是随着无处不在的传感器、无处不在的数据埋点，获取数据变得越来越容易、量越来越大、内容越来越多样化，于是原来传统的数据领域不得不思考重新换一个平台可以处理和使用逐渐庞大数据量的新平台。用以下两点进一步阐述：
&&&&&吴军博士提出的一个观点：现有产业+新技术=新产业，大数据也符合这个原则，只是催生出来的不仅仅是一个新产业，而是一个完整的产业链：原有的数据领域+新的大数据技术=大数据产业链；数据使用的范围，原来的数据应用主要是从现有数据中的数据进行采样，再做数据挖掘和分析，发掘出数据中的潜在规则用以预测或决策，然而采样始终会舍弃一部分数据，即会丢失一部分潜在规则和价值，随着数据量和内容的不断累积，企业越来越重视在数据应用时可以使用全量数据，可以尽可能的覆盖所有潜在规则从而发掘出可能想到或从未想到的价值。
&&&&在我从事大数据相关工作和学习的10年时间里，我一直认为大数据是一个以数据流向为主的链条或管道，数据从何而来，又去往哪里，不仅是哲学上的一个问题，也可以在做数据工作的时候考虑这个问题。
&&&&1数据平台
&&&&Data Platform，构建、维护稳定、安全的大数据平台，按需设计大数据架构，调研选型大数据技术产品、方案，实施部署上线。对于大数据领域涉及到的大多数技术都要有所了解，并精通某一部分，具备分布式系统的知识背景；
&&&&对应职位：大数据架构师，数据平台工程师
&&&&2数据采集
&&&&Data Collecting，从Web/Sensor/RDBMS等渠道获取数据，为大数据平台提供数据来源，如Apache Nutch是开源的分布式数据采集组件，大家熟知的Python爬虫框架ScraPy等。
&&&&对应职位：爬虫工程师，数据采集工程师
&&&&3数据仓库
&&&&Data Warehouse，有点类似于传统的数据仓库工作内容：设计数所仓库层级结构、ETL、进行数据建模，但基于的平台不一样，在大数据时代，数据仓库大多基于大数据技术实现，例如Hive就是基于Hadoop的数据仓库。
&&&&对应职位：ETL工程师，数据仓库工程师
&&&&4数据处理
&&&&Data Processing，完成某些特定需求中的处理或数据清洗，在小团队中是结合在数据仓库中一起做的，以前做ETL或许是利用工具直接配置处理一些过滤项，写代码部分会比较少，如今在大数据平台上做数据处理可以利用更多的代码方式做更多样化的处理，所需技术有Hive、Hadoop、Spark等。随便说下，千万不要小看数据处理，后续的数据分析、数据挖掘等工作都是基于数据处理的质量，可以说数据处理在整个流程中有特别重要的位置。
&&&&对应职位：Hadoop工程师，Spark工程师
&&&&5数据分析
&&&&Data Analysis，基于统计分析方法做数据分析：例如回归分析、方差分析等；大数据分析例如Ad-Hoc交互式分析，SQL on Hadoop的技术有：Hive、Impala、Presto、Spark SQL，支持OLAP的技术有：Kylin；
&&&&对应职位：数据分析师
&&&&6数据挖掘
&&&&Data Mining，是一个比较宽泛的概念，可以直接理解为从大量数据中发现有用的信息。大数据中的数据挖掘，主要是设计并在大数据平台上实现数据挖掘算法：分类算法、聚类算法、关联分析等。
&&&&对应职位：数据挖掘工程师
&&&&7机器学习
&&&&Machine Learning，与数据挖掘经常一起讨论，甚至被认为是同一事物。机器学习是一个计算机与统计学交叉的学科，基本目标是学习一个x-&y的函数（映射），来做分类或者回归的工作。之所以经常和数据挖掘合在一起讲是因为现在好多数据挖掘的工作是通过机器学习提供的算法工具实现的，例如个性化推荐，是通过机器学习的一些算法分析平台上的各种购买，浏览和收藏日志，得到一个推荐模型，来预测你喜欢的商品。
&&&&对应职位：算法工程师，研究员
&&&&8深度学习
&&&&Deep Learning，是机器学习里面的一个topic（非常火的Topic），从深度学习的内容来看其本身是神经网络算法的衍生，在图像、语音、自然语言等分类和识别上取得了非常好的效果，大部分的工作是在调参。不知道大家有否发现现在的Google翻译比以前的要准确很多，因为Google在去年底将其Google翻译的核心从原来基于统计的方法换成了基于神经网络的方法；
&&&&对应职位：算法工程师，研究员
&&&&9数据可视化
&&&&Data Visualization，将分析、挖掘后的高价值数据用比较优美、灵活的方式展现在老板、客户、用户面前，更多的是一些前端的东西，也可能要求有一定的美学知识。结合使用者的喜好，以最恰当的方式呈现数据价值；
&&&&对应职位：数据工程师，BI工程师
&&&&10数据应用
&&&&Data Application，从以上的每个部分可以衍生出的应用，例如广告精准投放、个性化推荐、用户画像等。
&&&&对应职位：数据工程师
&&&&我建议想进入大数据领域的朋友可以选一个与自己现有技术背景相匹配的方向作为入门，如海文国际的大数据课程，这个课程适合之前做SA、DBA、JAVA开发的有一定IT基础的人，同时也适合那有志于入进大数据领域的零基础的的人员，从知识的广度，让学员建立一套有章可循、有据可依然的大数据思维；然后学员再将学习的魔爪延伸到其他感兴趣的方向，这是最快进入这个领域的一个方法。当然，我们要知道上面所列的每一个方向都需要耗费大量的时间、脑力、体力，都是这个智能时代继续发展的过程中不可或缺的一部分，海文国际大数据课程或许是最能帮助你的。
用微信扫描二维码分享至好友和朋友圈
凤凰资讯官方微信
播放数：1810674
播放数：439983
播放数：1386749
播放数：5808920大数据究竟能干什么,值得我们好好思考
硅谷的早期创业公司有着浪漫的特质：行动迅速、只做出基础决策，任何好的想法都有可能成功，我非常认同这些。
回到那时候，当我们对商业上开创性的业务还知之甚少的时候，数据基础设施的建设是快速稳定实施的。公司这么小，每个人都是一个决策循环。数据团队，也就是我，可以有自己的衡量标准和方法。
但当5年后Airbnb达到43000%的增长之后，事情变的有点复杂。我们利用数据的方式更加复杂，而且现在数据成倍增长。所以我认为是时候写下这篇文章，回顾我们的数据团队是如何伴随着公司的成长。
围绕如何连接数据科学与其他业务功能，我把它分为三个概念：我们如何定义数据科学，如何用它来做商业决策，以及如何通过它扩展到Airbnb的各方面。我不敢说我们的解决方案都完美的，但我们对每天的工作都保持兴奋。
数据不是数字，而是用户
数据科学团队建立的基础是数据在组织中的文化和观念，所以定义我们如何看待数据的先决条件就是数据在商业中的功能。
过去数据被认为是冰冷的数字，纯粹被看做是一个测量工具，根据要求提供统计数字。因此我们往往会被要求提供一些事实数据，例如：我们在巴黎有多少房源?在意大利排名前10的目的地是哪里?
回答这些问题和测量效果肯定是工作的一部分，但是在Airbnb有更加人性化的数据特征，这就是我们用户的声音。在网站上一个动作或者事件的记录，在大多数情况下反映了一个人做出的决定，如果你能找出做出这个决定之前用户的行为，这是用户在用间接的方式告诉你他们喜欢什么，不喜欢什么。
这种反馈可以帮助我们做社区发展的决策、产品开发以及资源的调配，但是前提是你要能够破译它。因此数据科学是一种解释，我们必须把用户的声音转换成更适合决策的语言。
在Airbnb，倾听客人和主人的声音是我们的企业文化。早期的时候我们团队去拜访社区成员，了解如何让我们的产品更好地满足他们的需求，现在依然是这样，只是用户规模不断扩大，我们和大家的链接无处不在。
所以数据成为我们的盟友。我们用统计数据来了解个人的经验，汇总这些经验，以确定整个社会的发展趋势，这些趋势告知我们该从哪来来驱动业务决策。随着时间的推移，我们其他部门的同事们认识到，数据团队代表的是所有用户的声音，这让数据科学在Airbnb的结构中占据重要的地位。
良好的伙伴关系与统计数据收集
一个好的数据科学家能发现谁在使用我们的产品，了解他们的需求。但是如果他们独自在森林里没有人来发现他们的洞察力，那他又有什么施展空间呢?
当一个决策者并不懂数据的作用时，他们就不会参与，当他们不参与时，数据的价值就会损失。我们希望的解决方案是链接数据科学家和决策者，在Airbnb跨职能协作是很正常的，关于在公司中数据科学团队的架构是集中式还是嵌入式的，已经有很多争论。
我们开始是集中式的，团队中提供互相学习的机会，保持一致的工作指标。但是我们在商业决策中发现我们数据团队不能孤立起来，因为其他同事不明白如何和我们互动，其他人对我们没有完全的理解。随着时间的推移，我们被看成一种资源，被要求提供数据，而没有能够主动思考未来的机会。
所以我们决定用嵌入式的安排，我们仍然遵循集中的管理，但是我们打破了自己的小组，让数据团队的伙伴更直接同工程师、设计师、产品经理、营销人员等等沟通。
这样做增加了整个公司的数据利用率，也使数据科学家成为积极的合作伙伴，嵌入式的安排让我们成为一个核心可以帮助公司各方面互相学习。
决策由用户需求驱动
在一个团队中，需要解决的问题之一就是如何利用用户的声音来进行业务决策。通过与公司各方面合作，我们已经听到如何将数据整合到一个项目中的一些观点。有些人希望首先了解他们面临的问题，另一些人会先浏览数据然后进行规划，但这些人往往更侧重于用直觉驱动决策营销。
这两者观点都是ok的，但是在一个项目的生命周期中，数据在不同的阶段有着不同的作用。
我们确定了决策过程的四个阶段中，数据会在其中有什么影响：
首先了解问题的背景，建立一个完整的计划简介。这更多是一个探索性的过程。
简要理解计划，包括区分主次以及假设我们可以达到的结果。预测分析在这个阶段更为重要，当我们做出一个决定，是基于我们希望可以产生最大的影响。
计划进行中时，我们要做一个控制实验。A/B 测试是最常用的，但我们的业务在各方面的合作可以让我们有更多的实验机会，以市场为基础的测试以及传统的网络环境的测试。
最后我们测量实验的结果，确定结果的影响。如果成功，我们就从社区中推广出去，如果不成功我们就回到最初来重复这个过程。
有时候这个过程是简单的，但是更多时候我们需要挨个步骤来论证，确保这个决策对Airbnb的每一个用户都是有效的。最终我们将用这种方式来解决用户的需求。
民主化的数据科学
当一个数据科学家可以有足够精力和他人沟通时，可以产生一个良好的循环，但现实是一个公司的规模和速度将超过数据团队的成长速度。这在2011年尤为明显，因为Airbnb开始快速发展，年初我们还是一个在旧金山的小公司，我们三个数据科学家就可以有效地和大家合作，但是6个月之后我们开了10多个国际办事处，同时扩大了产品、营销和客户支持团队。
突然我们和每一位员工直接沟通的能力就消失了。正如它无法满足社区的每一个新成员，它是现在也不可能满足与每一位员工的工作，我们需要找到一种方式民主化工作扩大我们同其他同事甚至是整个社区的联系。
这里有一些的例子，我们是如何走近每一层的规模：
1、个人互动：这对于数据科学家快速的行动非常有效。在数据基础设施上的投资是重要的，这可以保证有更快更可靠的技术来传输数据。
2、授权团队：把报告和基本数据探索从数据科学家的工作中剥离开，让他们可以集中于更有效的工作，例如利用仪表板等工具。我们还开发了一个强大的和直观的数据仓库工具，来帮助人们查询作者。
3、除了个人的团队，我们更多思考数据文化在公司整体中的作用：我们告诉员工我们是如何思考Airbnb的生态系统，如何使用工具，(如Airpal)，消除数据的壁垒，激发他们的好奇心，告诉他们每个人如何可以更好地利用数据。类似的行为有助于改变他们把统计当做是临时请求的思想，可以解放我们。
4、扩展数据团队：扩展数据科学团队并不容易，但这是可能的。特别是如果每个人都认为这不仅仅是必须的，而是一个公司的重要组成部分。
五年来，我们已经学到了很多东西。改善了如何利用我们收集的数据，如何与决策者互动，以及我们如何在公司进行民主化。但到什么程度了这些工作才算是成功的呢?
测量一个数据科学团队的影响是困难的，但一个信号是，现在大家一致认为数据需要由技术和非技术人员一起决定。我们的团队成员在决策过程中被视为合作伙伴，而不仅仅是统计采集。
另一个原因是，我们越来越有能力提炼我们工作的因果影响。这一直是比较棘手的，因为发现生活中的生态系统是复杂的，有多种因素的影响，例如网络效应，季节性强，交易频繁，但这些挑战，使工作更加精彩。在过去的几年中，我觉得我们仍然只是皮毛，还有巨大的潜力。
我们正处在一个爆发点，我们的基础设施稳定，工具有效，而且数据仓库干净可靠，我们已经准备好去解决那些令人兴奋的新问题。目前我们期待着从批量实时处理，到开发一种更强大的异常检测系统，加深我们对网络效应的理解，并提高我们个性化的匹配。
但是，这些想法仅仅是个开始。数据是客户对我们的期望和声音，而无论我们以后做什么，都将由这些声音驱动。
责任编辑：
声明：本文由入驻搜狐号的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。
今日搜狐热点当前位置：&>&&>&
　　　◆未来竞争优势将来自于何处呢?不一定来自于制造,而是来自于数据,还有收集、分析和使用数据的能力。大数据时代,那些能够提供功能最为丰富、数据量最大的数据平台的公司将在竞争中获胜。　◆沃尔玛的大数据部门发现,在热带风暴来临之前,手电筒和电池的销售会上升,这并不让人奇怪。但与此同时,一种叫做poptarts的食物销售也会随之上升。他们把这种食物放在收银台旁边,同手电筒和电池放在一起,大大提升了它们在飓风来临前的销售量。　　□　本报记者　齐淮东　张国栋　　7月28日,《大数据时代:生活、工作与思维的大变革》作者、牛津大学教授维克托?迈尔-舍恩伯格,参加了在青岛举行的2013年海尔商业模式创新全球论坛。论坛上,舍恩伯格纵论数据的价值、如何开发运用数据的价值,以及未来大数据时代将带来的经济模式变革。要学会善用更多的数据　　在过去的十多年中,互联网的广泛应用,极大降低了交易成本。但在舍恩伯格看来,另外一场革命即将到来,就是大数据时代带来的革命。　　他举例说,一位华盛顿大学计算机系教授创办的大数据企业,到所有电子商务公司抓取数据,“他可以抓取100万家电产品的价格数据,他每天都抓这些数据,来预测每一个家电产品在未来一到两周的价格走向。你要买一台洗衣机,上这个网站找到要购买的型号,网站就会告诉你这台洗衣机的价格在未来一周上升还是下降,用户可以根据这一走势决定现在就购买还是再等一等。”如果消费者根据他们的预测购买,但是多付了钱,企业愿意补差价。用户通过该公司的这种服务,每台家电平均可以节省102美元。　　舍恩伯格说,现在有越来越多的数据,人们可以收集、分析与所要研究的问题相关的更多信息。通过这些数据,人们能够得到很多的洞识,帮助他们做出选择、决策。“只有你分析了所有相关现象、所有的数据,或者大多数的数据,才能看到没有看到的一些问题和选择。所以我们要学会善用更多的数据。”他还明确指出,大数据时代最大的转变就是,放弃对因果关系的渴求,取而代之关注相关关系。也就是说只要知道“是什么”,而不需要知道“为什么”。这颠覆了千百年来人类的思维惯例,对人类的认知和与世界交流的方式提出了全新挑战。　　他举例,早产儿非常容易感染,往往在他们感染之后再发现就太迟了。而多伦多的一些研究人员用了一些特殊的传感器收集早产儿的生命体征,一秒钟就能收集1200条数据,然后再积累大量早产儿的数据,对这些数据进行相关性分析。通过这些分析,他们发现可以提前24小时发现感染迹象,从而拯救婴儿生命。“通过采取措施,早产儿的死亡率大大减少,这就是一个非常实际的例子,大数据能帮我们做什么。对于早产儿的例子我们不知道为什么,但是我们知道是什么,这已经够了,因为这已经能够帮助我们救这些孩子的命了。”数据的价值在改变　　对于商业来说,大数据能做些什么呢?舍恩伯格认为,关键的一点是数据的价值在改变。“以前的小数据时代,数据的价值是它一次使用的价值,收集使用一次之后就没了用处。但未来数据的真正价值在于可以一而再、再而三地使用。数据的再使用更加重要。”　　沃尔玛是世界上最大的零售商,有着实体店最大的数据库。他们会记录每一笔交易,然后把这些交易的数据存在电脑中。几年前,沃尔玛的大数据部门进行了一些数据分析,发现在热带风暴来临之前,手电筒和电池的销售会上升,这并不让人奇怪。但与此同时他们也发现,一种叫做poptarts的食物销售也会随之上升。“他们不知道为什么,但他们不在乎。他们在乎的是,把这种食物放在收银台旁边,同手电筒和电池放在一起,大大提升了它们在飓风来临前的销售量。”　　inrix是一个西雅图的公司,该公司用实时的交通流量数据来帮助人们躲避交通堵塞。它给人们展示实时地图,告诉人们什么地方最堵。它的数据来源不是别的,而是每一个该公司产品的用户,与此同时也成为他们的一个传感器。“用户把他的车速数据传给inrix,inrix有1亿个用户就有1亿个传感器,每天搜集的数据是40亿,对于美国的交通状况一目了然。也就是说这个数据取之于民、用之于民”。Inrix公司甚至还预见到了2009年美国的经济衰退,因为交量有所减少或急剧下降,所以就预测到了美国的经济要衰退。现在有很多的对冲基金也使用了inrix的数据,因为他们发现那些购物中心在周末的交通量和他们的销售额有紧密联系。“所以inrix通过大数据的分析和重复使用,创造了巨大的价值。”大数据离我们有多远　　舍恩伯格断言:“目前席卷全球的一个趋势,就是企业从原来的生产制造的思维方式转为把自己视作一个数据平台。”　　在他看来,谷歌公司深刻理解了这个趋势。谷歌开发了一种无人驾驶汽车,这种汽车专门收集街景,还可以通过雷达来收集道路信息,如交通信号灯的频率,还有手机信号信息和wifi供应商的信息。“因为谷歌完全理解这个车就是一个数据收集的平台,而且这些数据不仅仅是为了提供街景,而是更好地来改善服务,可以更好地改善安卓的手机定位,这样一来,即便手机没有GPS信号也可以精确地定位。也可以更好地给谷歌正在开发的无人驾驶汽车提供导航。随着数据量的增加,他们肯定可以在这个平台上确立自己的霸主地位。而它将影响的下一个行业就是汽车行业。”　　“未来竞争优势将来自于何处呢?不一定来自于制造,而是来自于数据,还有收集、分析和使用数据的能力。”舍恩伯格认为,大数据时代,那些能够提供功能最为丰富、数据量最大的数据平台的公司将在竞争中获胜。　　“家电行业如果有谁能够做到这一点的话,肯定能获得成功。”舍恩伯格对海尔近年来打造的人单合一双赢模式以及在这一模式下开展的平台组织创新十分看好,认为海尔已经占据了大数据时代的先机。“相信海尔在这个时代具有巨大的优势和机会,可以成为全世界大数据的领导者去创造丰富的大数据生态圈。”　　“大数据带来的信息风暴正在变革我们的生活、工作和思维,大数据开启了一次重大的时代转型。”舍恩伯格说,“对于大数据时代,我们要有大数据的头脑和理念,要有一个正确的心态来去理解这些大数据的价值,对企业、对商业生态圈、对社会来说都是一样的。”■人物简介　维克托?迈尔-舍恩伯格　　《大数据时代:生活、工作与思维的大变革》是国外大数据系统研究的开先河之作,作者维克托?迈尔-舍恩伯格是最早洞见大数据时代发展趋势的数据科学家之一,也被誉为“大数据时代的预言家”。早在2010年,他就在《经济学人》上发布了长达14页对大数据应用的前瞻性研究。　　舍恩伯格现任牛津大学网络学院互联网治理与监管专业教授,并担任耶鲁大学、芝加哥大学等大学的客座教授。他的咨询客户包括微软、惠普等全球顶级企业,他也是众多国家政府高层的信息政策智囊,他还是世界经济论坛、马歇尔计划基金会等机构的咨询顾问。　　　　　　　(张国栋　整理)
本文相关新闻后使用快捷导航没有帐号？
查看: 7367|回复: 11
经验262 分贝0 家园币1491 在线时间：109 小时最后登录：帖子：精华：0注册时间：UID：58651
军衔等级：
中士, 积分 262, 距离下一级还需 38 积分
注册时间：
之前PC互联网，现在移动互联网和以后的大数据时代，我们这些最最传统的固网运营商到底能做些什么呢，一去两化？
经验48 分贝0 家园币34 在线时间：35 小时最后登录：帖子：精华：0注册时间：UID：668965
军衔等级：
列兵, 积分 48, 距离下一级还需 2 积分
注册时间：
经验44 分贝0 家园币198 在线时间：90 小时最后登录：帖子：精华：0注册时间：UID：833855
军衔等级：
列兵, 积分 44, 距离下一级还需 6 积分
注册时间：
作为最传统的运营商，其实我们天生拥有大数据时代最重要的东西：数据。
不管是宽带接入，还是移动互联网接入，都会在我们的系统中留下大量的用户数据，囊括用户生活的各个领域，这个几乎是各个互联网企业馋涎欲滴的资源
但是，作为传统的国企，我们又缺少大数据时代最重要的特征：分享。
不管是政策法规，还是国情习惯，都绝对不会允许我们去分享用户的行为数据。
那么，封闭的数据能做什么？除了老套的数据分析，它几乎不会在我们的系统中产生任何新的价值。
所以，我认为大数据时代的运营商，基本上只能作为一个看客，眼看着众多的企业分食那块大蛋糕，而我们站在旁边啃着自己的巧克力。虽然，我们和他们，都希望能拼成全新的巧克力蛋糕的。。:)
总评分:&家园币 + 10&
经验123 分贝0 家园币549 在线时间：35 小时最后登录：帖子：精华：0注册时间：UID：102738
军衔等级：
下士, 积分 123, 距离下一级还需 77 积分
注册时间：
什么都做不了。&&
个人理解，大数据就是海量数据融合分析、专项归并，寻找潜在的价值点并挖掘之。表面上看什么应用流量都会穿过运营商的网络，实际上，流量不等于数据，数据是那些真正有语义的东西，不是说运营商不想知道流量的语义，而是现在的技术能力、需要的成本压力根本达不到开展语义识别的要求， 别以为靠识别用户在哪个基站或者哪个IP地址出现过就能知道他有什么特征！ 另一点，数据分析是靠IT力量支撑的，是要有专门的分析力量的。国内的 x宝是能根据用户历史行为做些基础的产品推荐，x宝有自己的大数据分析部门，运营商现在IT系统、分析力量行吗？&&连自己的基础业务支持都有问题的IT系统能支持大数据时代吗？
经验381 分贝0 家园币859 在线时间：270 小时最后登录：帖子：精华：0注册时间：UID：730581
军衔等级：
上士, 积分 381, 距离下一级还需 19 积分
注册时间：
本帖最后由 tbwisme 于
23:55 编辑
卖数据、精准营销……
经验4363 分贝0 家园币6633 在线时间：2729 小时最后登录：帖子：精华：0注册时间：UID：497020
军衔等级：
大校, 积分 4363, 距离下一级还需 1637 积分
注册时间：
本帖最后由 bruce_h 于
15:47 编辑
不是直接卖原料（这个有泄露隐私嫌疑），二是卖半成品（这个要运营商自己先有加工能力，并且要知道客户需求）。2有点难，不过可以考虑和数据挖掘公司合作
回复点评：和数据挖掘公司合作，提供原料，做成半成品给移动互联SP，广告商等。
&不卖原料,半成品从哪里来,不是窃听吗?&
经验57 分贝0 家园币108 在线时间：14 小时最后登录：帖子：精华：0注册时间：UID：764553
军衔等级：
上等兵, 积分 57, 距离下一级还需 43 积分
注册时间：
经验262 分贝0 家园币1491 在线时间：109 小时最后登录：帖子：精华：0注册时间：UID：58651
军衔等级：
中士, 积分 262, 距离下一级还需 38 积分
注册时间：
但现在作为一名基层员工，我们还在卖固话，卖宽带，开移动电话卡，培训的机会少之又少，可悲，可叹，可气。
经验981 分贝0 家园币3729 在线时间：395 小时最后登录：帖子：精华：0注册时间：UID：432741
军衔等级：
二级军士长, 积分 981, 距离下一级还需 19 积分
注册时间：
大数据分析要依托平台。目前电信没有很好的平台。
经验680 分贝0 家园币1484 在线时间：9 小时最后登录：帖子：精华：0注册时间：UID：911202
军衔等级：
三级通信军士, 积分 680, 距离下一级还需 20 积分
注册时间：
...运营商搞的数据增值业务相比免费的APP毫无优势，老老实实经营好自己的网络，再想其他的吧。。。
经验15250 分贝2017 家园币28437 在线时间：1823 小时最后登录：帖子：精华：0注册时间：UID：195671
军衔等级：
注册时间：
运营商能做的很多
但是运营商不会做，因为领导老龄化严重，根本就接受不了新东西
经验4085 分贝0 家园币10033 在线时间：254 小时最后登录：帖子：精华：0注册时间：UID：457525
军衔等级：
大校, 积分 4085, 距离下一级还需 1915 积分
注册时间：
大数据时代，
传输技术专家
传输技术专家
家园10年十大版主
家园10年十大版主
家园11年度优秀版主
家园11年度优秀版主
Copyright &
All Rights Reserved}