2017-2023年中国通信大数据行业发展现状及行业预测研究报告

第一章通信大数据基本概述 1

1.1　通信大数据相关概念 1

1.1.1　通信行业的概念及特征 1

1.1.2　通信运营商的内涵 2

1.1.3　通信大数据的含义 2

1.2　通信大数据的价值 2

1.2.1　通信大数据丰富而全面 2

1.2.2　通信大数据准确性高 3

1.2.3　通信大数据连续性强 3

第二章2014-2016年国际通信大数据行业发展分析 4

2.1　2014-2016年国际通信行业发展综况 4

2.1.1　全球通信设备产业发展分析 4

2.1.2　全球电信服务行业支出情况 4

2.1.3　全球通信巨头经营状况 5

2.1.4　全球通信巨头盈利状况 12

2.1.5　国际通信行业热点汇总 14

2.2　2014-2016年国际通信行业发展进程加快 17

2.2.1　国际网络盲区逐步覆盖 17

2.2.2　逐步推进电信互联网化 23

2.2.3　国际网络建设进展加快 24

2.2.4　运营商加快物联网布局 24

2.2.5　政府加快公共WIFI建设 26

2.2.6　5G通信市场趋势加快 27

2.3　2014-2016年国际通信大数据发展概况 28

2.3.1　全球运营商布局大数据 28

2.3.3　运营商大数据发展规模 30

全球运营商大数据市场发展如火如荼，2012年全球大数据运营商市场规模为130.3亿美元，2015年增长至285.6亿美元。

2012-2015年全球运营商大数据市场规模（单位：亿元）

资料来源：公开资料整理

2.3.4　运营商大数据实践分析 30

当前，无论是对于互联网企业、电信运营商，还是新兴的创业公司而言，大数据的商业模式其数据的生成、汇聚、分析、挖掘直到应用都没有离开互联网领域。

目前，国内运营商对大数据还处于跃跃欲试的阶段，国外主流运营商早已进行了大数据应用，其中或存在一些可资借鉴的经验。

西班牙电信曾推出过宽带网络的最终用户体验管理项目和一个含有60多个用户体验指标的系统，支持在线计费系统、探针、网络控制器、业务支撑节点、域名系统等各种网络节点的信息采集。并将采集来的全部信息进行归纳整合、储存在数据库中，为用户体验管理提供数据依据。

西班牙电信还和市场研究机构GFK在数据分析和打包方面进行合作，使数据更具利用性。2012年更是直接成立TelefonicaDynamicInsights的大数据部门，该部门通过对数据进行分析打包，帮助客户进行可靠预测。例如它推出的“智慧足迹”产品，在城市分区的基础上，分析客户流量分布，为政府交通和企业选址提供依据。

此外，2014年，Verizon在加利福尼亚州成立了一个大数据分析实验室作为数据分析实践研发中心，为公司提供数据分析、人工智能和机器学习活动的实践平台。

Verizon的大数据应用主要表现在针对特定消费群体方面，通过提取年轻用户使用频率较高的社交媒体数据来深入了解用户的消费行为及潜在需求。2012年10月，Verizon为充分挖掘、分析用户数据信息成立精准营销部门，洞察用户需求以进行精准营销，为广告投放提供数据支撑，并推出面向ISIS支付系统的商务。

另外，法国电信旗下的通信解决方案部门OrangeBusinessServices一方面利用大数据提升服务质量，优化用户体验。

例如，通过对客户进行细分，分析客户数百万电话的数据记录，重点关注客户的通话对象以及通话频率，有效提高了用户流失预测模型的精确性，另外还通过分析掉话率数据，寻找超负荷运行的网络并进行维护及扩充。

另一方面，OrangeBusinessServices还将大数据应用到公共服务领域，如根据高速公路上车辆每天产生的数据记录进行分析，帮助车辆获得及时准确的信息，提高道路通行率，Orange还在IT系统领域开展大数据应用竞赛，充分挖掘大数据的价值。

2.3.5　通信大数据成发展趋势 31

2.4　2014-2016年各国企业通信大数据发展动态 32

2.4.1　美国 32

2.4.2　日本 33

2.4.3　德国 34

2.4.4　法国 35

2.4.5　西班牙 35

2.4.6　意大利 35

第三章2014-2016年中国通信大数据发展背景分析 36

3.1　宏观经济背景分析 36

3.1.1　全球经济发展格局 36

3.1.2　中国国内生产总值 53

3.1.3　中国固定资产投资状况 54

3.1.4　全球经济运行预测 55

3.2　政策背景分析 56

3.2.1　“宽带中国”战略提出 56

3.2.2　“中国制造”助力通信业 58

3.2.3　互联网+推动通信业变革 58

3.2.4　国家推进网络基础建设 59

3.2.5　政府推动通信业贸易发展 63

3.2.6　大数据行动纲领正式发布 66

3.2.7　地区加快制定大数据规划 69

3.3　技术背景分析 70

3.3.1　光纤容量进一步提升 70

3.3.2　第四代移动通信技术 70

3.3.3　5G技术研发获得突破 72

3.3.4　HADOOP技术迅速发展 73

3.4　行业背景分析 74

3.4.1　通信行业运营状况分析 74

3.4.2　通信行业用户规模分析 77

3.4.3　通信行业网络设施建设 79

3.4.4　通信行业区域发展概况 80

3.4.5　通信服务行业的发展特点 81

3.4.6　通信业标准修订内容公布 82

3.4.7　通信服务业发展趋势分析 87

第四章2014-2016年中国通信大数据行业发展动因分析 89

4.1　运营商发展亟待转型 89

4.1.1　运营商营收放缓 89

4.1.2　人口红利逐步消失 89

4.1.3　市场竞争格局复杂 89

4.2　通信数据规模扩大 90

4.2.1　手机产量规模增长 90

4.2.2　移动终端用户递增 91

4.2.3　我国网民规模总体上升 92

4.2.4　移动互联网用户增加 93

4.3　通信技术研发取得进展 93

4.3.1　新无线通信技术面世 93

4.3.2　光通信研究获得突破 93

4.3.3　量子通信技术新进展 94

4.4　大数据行业运行加速 95

4.4.1　大数据创造新的商业模式 95

4.4.2　非结构化数据增速提高 99

4.4.3　大数据各环节要求提高 99

4.4.4　大数据探索商业化发展 100

4.4.5　大数据将逐步实现资产化 100

4.4.6　大数据分析将成为发展重点 101

第五章2014-2016年中国通信大数据行业发展分析 102

5.1　通信大数据产业结构分析 102

5.1.1　通信大数据产业链的构成 102

5.1.2　通信大数据产业链的参与者 103

5.1.3　运营商大数据价值链分析 108

5.2　2014-2016年通信大数据行业发展综况 110

5.2.1　通信大数据市场正式启动 110

5.2.2　通信大数据服务中心落户 114

5.2.3　通信大数据迎来发展机遇 116

5.3　2014-2016年移动通信大数据行业发展分析 120

5.3.1　移动通信大数据的特征 120

5.3.2　移动通信大数据发展现状 125

5.3.3　移动通信大数据案例分析 125

5.3.4　移动通信大数据面临的挑战 126

5.3.5　移动通信大数据面临的机遇 128

5.4　通信大数据发展问题分析 131

5.4.1　通信大数据的运营障碍分析 131

5.4.2　通信大数据的发展瓶颈分析 132

5.4.3　通信大数据的信息安全问题 133

5.4.4　大数据隐私保护和法律问题 134

5.5　通信大数据发展对策分析 135

5.5.1　逐步规范数据资产化 135

5.5.2　构建和打造数据平台 135

5.5.3　推进商业模式的转型 136

5.5.4　提高大数据存储和处理技术 136

5.5.5　明确通信产业相关应用目标 137

第六章2014-2016年中国运营商大数据发展分析 138

6.1　运营商发展大数据的积极作用 138

6.1.1　提升企业竞争力 138

6.1.2　挖掘新的商业模式 139

6.1.3　发挥大数据社会价值 140

6.2　2014-2016年运营商大数据市场分析 140

6.2.1　运营商大数据的发展阶段 140

6.2.2　运营商大数据市场发展综况 141

6.2.3　运营商大数据业务发展现状 144

6.2.4　运营商完善大数据运营系统 145

6.2.5　运营商推进大数据对外运营 147

6.2.6　运营商大数据发展成市场趋势 147

6.3　运营商转型发展状况分析 149

6.3.1　通信行业转型层次深入 149

6.3.2　转型改革红利持续释放 150

6.3.3　运营商推进发展体系转型 152

6.3.4　运营商开启流量经营时代 154

6.3.5　非运营商体系逐步壮大 156

6.4　运营商探索数据价值转化 158

6.4.1　运营商数据价值转化的意义 158

6.4.2　大数据平台建设成发展关键 159

6.4.3　大数据助力运营商转型发展 159

6.4.4　运营商逐步挖掘大数据价值 161

6.4.5　运营商完善大数据经营模式 162

6.4.6　运营商迎来大数据发展机遇 163

6.5　运营商推进数据中心建设 164

6.5.1　运营商加快数据中心布局 164

6.5.2　中移动开展数据中心建设 165

6.5.3　联通规划建设数据中心 166

6.5.4　中国电信组建数据中心 167

6.6　运营商大数据技术方案分析 168

6.6.1　建设思路 168

6.6.2　目标效果 169

6.6.3　架构方案 171

6.6.4　配置方案 171

6.6.5　方案评估 173

6.7　运营商大数据发展问题 173

6.7.1　运营商大数据业务发展瓶颈 173

6.7.2　运营商大数据的发展障碍 174

6.7.3　运营商大数据发展的问题 175

6.8　运营商大数据发展对策 175

6.8.1　运营商大数据需要微创新 175

6.8.2　运营商应重视数据流量内容 176

6.8.3　我国运营商大数据发展建议 177

6.8.4　运营商大数据发展路径探析 179

6.8.5　运营商大数据业务发展策略 179

6.8.6　运营商大数据业务运营对策 181

第七章中国通信大数据数据资产分析 184

7.1　数据资产的形成 184

7.1.1　终端数据 184

7.1.2　数据挖掘 185

7.1.3　数据采集 185

7.1.4　数据平台 185

7.2　运营商数据资产的特点 186

7.2.1　主要特点 186

7.2.2　数量丰富 187

7.2.3　类型多样 187

7.2.4　覆盖面广 187

7.2.5　来源优势 187

7.2.6　分析优势 187

7.3　运营商数据资产来源分析 188

7.3.1　数据资产的产生途径 188

7.3.2　业务支撑系统的数据 188

7.3.3　网络系统产生的数据 188

7.3.4　自有互联网产品的数据 188

7.4　运营商数据资产的利用方式 189

7.4.1　数据资产利用模式 189

7.4.2　创建数据产品 189

7.4.3　塑造广告平台 190

7.4.4　挖掘社会价值 190

第八章中国通信大数据商业模式分析 192

8.1　通信大数据的商业模式综述 192

8.1.1　通信大数据商业发展模式 192

8.1.2　通信大数据的合作模式 192

8.1.3　通信大数据的运行层次 192

8.2　运营商大数据的盈利模式分析 194

8.2.1　推出差异化增值服务 194

8.2.2　提供流量订购套餐 194

8.2.3　与虚拟运营商合作 195

8.3　运营商大数据的商业模式 195

8.3.1　传统运营 195

8.3.2　第三方分析 195

8.3.3　精准营销 196

8.3.4　第三方合作 196

8.4　通信大数据商业化趋势分析 196

8.4.1　电信数据逐步实现货币化 196

8.4.2　运营商大数据对外运营加速 197

8.4.3　运营商对外合作及运营推进 198

8.4.4　运营商大数据商业化运营思路 199

第九章2014-2016年中国通信大数据行业应用分析 201

9.1　通信大数据的应用综况 201

9.1.1　通信大数据的应用场景 201

9.1.2　通信大数据的应用概述 202

9.1.3　通信大数据的内部应用 207

9.1.4　通信大数据的外部应用 208

9.1.5　通信大数据的应用效益 209

9.2　通信大数据的应用价值分析 209

9.2.1　提升通信行业核心价值 209

9.2.2　对内应用增强竞争力 210

9.2.3　对外经营拓展业务模式 210

9.2.4　加快完善通信市场营销 211

9.3　运营商大数据的具体应用分析 211

9.3.1　网络管理和优化 211

9.3.2　客户个性化营销 212

9.3.3　客户关系管理 213

9.3.4　企业运营管理 214

9.3.5　数据商业化 214

9.4　运营商大数据的应用实践 216

9.4.1　电商行业 216

9.4.2　旅游行业 221

9.4.3　广告行业 224

9.5　运营商大数据的应用方向分析 226

9.5.1　流量经营精细化 226

9.5.2　智能客服中心建设 227

9.5.3　完善个性化服务 227

9.5.4　提供对外数据服务 228

9.6　运营商大数据细分市场应用规模预测 228

9.6.1　精准营销 228

9.6.2　消费金融 230

9.6.3　信息安全监测 231

第十章2014-2016年通信运营商布局通信大数据 234

10.1　中国移动 234

10.1.1　企业发展概况 234

10.1.2　财务状况分析 235

10.1.3　大数据布局状况 238

10.1.4　完善大数据服务 239

10.1.5　DPI数据设备分析 239

10.1.6　扩大数据需求量 241

10.1.7　大数据挖掘的障碍 242

10.2　中国电信 243

10.2.1　企业发展概况 243

10.2.2　财务状况分析 244

10.2.3　大数据布局状况 247

10.2.4　推出大数据产品 249

10.2.5　制定大数据标准 250

10.2.6　打造数据综合平台 250

10.3　中国联通 252

10.3.1　企业发展概况 252

10.3.2　财务状况分析 255

10.3.3　大数据发展优势 259

10.3.4　大数据应用领域 259

10.3.5　大数据布局状况分析 261

10.3.6　大数据发展历程及规划 261

10.3.7　大数据跨行业的应用 262

10.3.8 大数据的技术挑战 263

第十一章2014-2016年通信设备企业涉足通信大数据 266

11.1　华为技术 266

（1）企业发展简况分析 266

（2）企业经营情况分析 268

（3）企业经营优劣势分析 269

11.2　中兴通信 270

（1）企业发展简况分析 270

（2）企业经营情况分析 271

（3）企业经营优劣势分析 275

11.3　大唐电信 277

（1）企业发展简况分析 277

（2）企业经营情况分析 279

（3）企业经营优劣势分析 283

11.4　亚信集团股份有限公司 284

（1）企业发展简况分析 284

（2）企业经营情况分析 286

（3）企业经营优劣势分析 287

11.5　北京东方国信科技股份有限公司 288

（1）企业发展简况分析 288

（2）企业经营情况分析 292

（3）企业经营优劣势分析 296

第十二章通信大数据行业发展前景及趋势预测分析 297（ZY CWB）

12.1　通信行业发展前景预测 297

12.1.1　通信行业发展前景展望 297

从1986年的第1代移动网络到2013年的第4代移动网络，这短短的26年间见证了移动通信技术的突飞猛进，从大哥大到诺基亚手机，从iPhone的诞生到GoogleGlass的推出，这些设备带来更好的体验，都在依赖移动网络的支撑。而1G、2G、3G以及现在的4G逐渐从简单的通话也已经转换为清晰语音、高质量图片视频传送技术发展，运营商的业务也开始发生了转变。而更高网速的5G也将诞生，未来翻天覆地的移动通信将彻底改变生活。

1G/2G/3G/4G/5G移动通信演变进程

资料来源：公开资料整理

5G将采用包括大规模天线阵列、超密集组网、新型多址、全频谱接入和新型网络架构在内的一组关键技术，以满足各种场景的差异化需求。5G关键性能指标主要包括用户体验速率、连接数密度、端到端时延、流量密度、移动性和用户峰值速率，其中，用户体验速率、连接数密度和时延为5G最基本的三个性能指标。从移动互联网和物联网主要应用场景、业务需求及挑战出发，可归纳出连续广域覆盖、热点高容量、低功耗大连接和低时延高可靠四个5G主要技术场景。连续广域覆盖和热点高容量场景主要满足2020年及未来的移动互联网业务需求，也是传统的4G主要技术场景。

5G全面网络挑战

资料来源：公开资料整理

移动互联网颠覆传统移动通信业务模式，为用户提供前所未有的使用体验，深刻影响着人们工作生活的方方面面。面向2020年及未来，移动互联网将推动人类社会信息交互方式的进一步升级，为用户提供增强现实、虚拟现实、超高清(3D)视频、移动云等更加身临其境的极致业务体验。移动互联网的进一步发展将带来未来移动流量超千倍增长，推动移动通信技术和产业的新一轮变革。

物联网扩展了移动通信的服务范围，从人与人通信延伸到物与物、人与物智能互联，使移动通信技术渗透至更加广阔的行业和领域。面向2020年及未来，移动医疗、车联网、智能家居、工业控制、环境监测等将会推动物联网应用爆发式增长，数以千亿的设备将接入网络，实现真正的“万物互联”，并缔造出规模空前的新兴产业，为移动通信带来无限生机。同时，海量的设备连接和多样化的物联网业务也会给移动通信带来新的技术挑战。

5G应用场景愿景

资料来源：公开资料整理

通信发展历程及展望

资料来源：公开资料整理

12.1.2　通信行业投资前景分析 299

12.1.3　中国通信行业发展趋势 302

12.1.4　通信产业技术发展趋势 303

12.1.5　通信服务行业收入预测 304

12.1.6　通信服务行业发展态势 305

12.2　通信大数据行业发展机遇分析 307

12.2.1　通信大数据迎来黄金时代 307

12.2.2　通信大数据覆盖范围拓宽 308

12.2.3　通信大数据发展框架完善 308

12.2.4　运营商大数据的发展机遇 309

12.2.5　即时通信市场规模扩大 312

12.3　通信大数据发展前景展望 313

12.3.1　通信大数据市场前景预测 313

12.3.2　运营商大数据发展方向 314

12.3.3　运营商大数据发展趋势 316

12.3.4运营商大数据市场规模预测 317