数据化运营的作用范文第1篇

关键词：一体化；必要性；构建；大数据

中图分类号：C93 文献识别码：A 文章编号：1001-828X（2016）030-0000-01

本文主要阐述了运营一体化管理实施的必要性和一体化管理系统的构建。

一、运营一体化管理的基本思路和总体目标

1.基本思路。按照省市县一体化“三级”管理原则，以防范公司经营风险，提高效率效益为目的，以深化监测分析一体化，完善异动管理机制，实现监测、分析、控制全线贯通为重点，以信息系统为平台，打通“业务、岗位、制度、流程、协同工单、标准等运监管理要素，建立界面清晰、高效科学、真正符合企业发展战略的运监管理制度体系，为面对日益复杂的经营环境和监管单位日趋严格的管理要求做支撑。

2.总体目标。实现省市两级运监中心建立一体化常态监测主题，打造一体化监测分析团队，按照统一的业务规划、工作安排开展工作，并将监测工作进一步向县公司延伸，促进监测问题在基层落地，形成省市县三级贯通、协调一致的工作机制。

二、运营一体化实施的必要性

1.省市县一体化管理的需要。近年来，公司持续优化市县公司管理模式和业务流程，统筹配置各种资源，全面实施省市县一体化管理（管理形式一体化、资源调配一体化、专业管理+综合管理一体化），形成省公司主动管控、市公司主动管理、县公司主动融入的协同发展机制。

2.跨专业跨部门运营协同的需要。运监中心紧密围绕公司安全、发展、服务等重点工作，基于明细业务数据开展主营业务、计划预算、核心资源、关键流程监测，业务点多面广，跨流程、跨专业、跨部门协调工作量大，割裂的数据、分散的业务，会使监测价值大打折扣，甚至会影响误导决策，亟待运监中心在业务方面，紧密跟进各专业重点工作，沟通业务部门确定监测需求，着重关注专业间协调配合情况，促进专业横向协同，有效服务专业管理；在数据资产方面，整合公司内部（电网生产数据、经营管理数据、营销客服数据等）、外部数据（宏观经济数据、地理空间数据、气候气象数据等），贯通专业间、上下游数据，坚决打破封闭独立、壁垒保护的桎梏。

3.大数据分析挖掘的需要。近年来，国网公司明确提出了强化运营数据资产管理和“大数据”挖掘的工作要求，将其作为建设坚强智能电网和“三集五大”体系建设的基础。运营监测工作要顺应大数据发展潮流，必须牢固树立“用数据说话、用数据决策、用数据管理、用数据创新”的理念，挖掘数据资产价值，强化数据资产管理，加强大数据应用，服务公司科学决策、稳健运营，为公司创新发展增添动力。

4.运营监测中心管理提升的需要。运营监测业务是管理和技术创新的综合体，业务覆盖面广，专业技能要求高，工作时效性强，对员工能力素质和知识结构提出了较高要求，运营监测员工来自于各专业部门，员工部分能力存在结构性短缺，同时公司各级运监中心工作开展还存在较大差异，不能满足运监工作持续提升的管理要求，亟需开展员工能力素质提升专项工作，以推动各级运监中心围绕支撑“三集五大”体系高效协同运转，抓住人财物核心资源、生产运营关键流程的在线监测监控三方面重点，推进精益化管理，在服务公司发展、安全、服务等方面发挥更大的作用。

三、运营一体化管理体系的构建

1.建立一体化常态监测主题，支撑公司科学决策。以明细业务数据管理为核心，建立一体化常态监测主题，涵盖计划预算、核心资源、关键流程等运营监测（控）业务体系，省、市公司两级运监中心协同开展，一体化运作。实现计划预算监测全面导入，通过核心资源监测揭示运营规律，通过关键流程监测提升协同效率。立足于监测主题业务，扩展宽度和深度，以价值链为依托，形成核心业务跨主题的分析场景。

2.建立一体化数据共享平台，开展大数据挖掘分析。建立数据质量闭环管理长效机制，强化运营数据资产形成管理；构建基于明细数据的共享平台，强化运营数据资产共享交换管理；创新数据资产管理工作机制，强化运营数据资产挖掘应用管理；全面应用大数据分析技术，开展各类业务监测分析，建立一体化监测分析团队，提升运监人员能力素质.

3.开展能力素质需求分析。运用价值驱动法，以运营监测中心目标定位及功能定位导出关键价值指标，分析整理出运营监测中心关键。建设员工能力素质库，根运营监测中心能力需求分析结果，将能力素质分为综合能力、管理能力和专业技术能力三类。制定能力培训需求，要求各级运监中心结合自身实际，制定能力提升活动计划，每位员工根据具体从事的工作，选取重点提升项目，开展自我评估，针对性制定具的年度提升目标、分季的提升计划，要求目标清晰，可操作性强，时段安排合理。开展员工能力提升培训，以业务培训、内部讲堂、岗位练兵、定期评估的方式提升运监人员的业务能力和管理能力。

4.建立一体化监测分析机制，实现五位一体协同管理。一是建立专业对口岗位负责机制，实行监测分析协调一体化机制，责任到人到岗，同时建立AB岗制度。二是建立运营监测值班机制，通过运监系统工作台和运监可视化大屏，在线实时开展监测分析，及时发现公司运营异动问题。三是建立专题监测分析管控机制。以问题为导向，针对性地开展发展、财务、营销、运检、建设、物资等主要专业的专题监测分析，如综合计划与预算、电费回收、低电压、重复停电、应付暂估等，从中深入分析、挖掘存在的异动和问题。

数据化运营的作用范文第2篇

【关键词】大数据 供应链视角 电信运营商

1 引言

伴随着移动互联网、智能终端、云计算、物联网技术的发展，数据呈现爆炸式增长，数据密度空前提高，大数据时代已经到来。2012年12月，美国宣布投资2亿美元，将“大数据战略”上升为国家意志，将数据定义为“未来的新石油”；2015年8月，中国正式出台《促进大数据发展行动纲要》，大数据成为部级发展战略，明确提出政府开放数据共享，提出政务、民生、产业、农村的大数据发展方向。电信运营商作为“数据金矿”的拥有者之一，具有明显的数据优势和研发基础，在面临“管道化”的当下，大数据无疑为运营商转型提供了一把利剑，为应对残酷的互联网化竞争提供了差异化手段。本文接下来将从供应链视角出发，总结、梳理未来供应链管理领域大数据应用场景及思路，为电信运营商大数据内部应用实践提供参考。

2 大数据在供应链管理领域的应用场景

分析

大数据在供应链管理领域应用的领域主要包括4个方面：效率提升、服务优化、风险管控和供应链增值。

效率提升主要体现在配送中心选址、库存管理提升、配送路线优化等几个方面；服务优化主要体现在提供分析报告、提高发货速度、变革车货匹配等方面；风险管控主要体现在需求及库存预测、设备修理预测以及供应链金融风险管理等方面；供应链增值主要体现在供应链协同以及供应链增值服务提供等领域。每个应用场景具体应用及典型企业如表1所示。

3 电信运营商供应链管理领域

大数据应用基础

3.1 有数据

电信运营商在大数据运营方面具有天然的优势，拥有海量的用户基础数据，移动位置数据、信令数据、终端数据、网络日志数据、用户触点数据。从供应链领域来看，拥有采购管理、供应商管理、质量管理、物流管理等全生命周期的信息数据，具体包括的关键信息点的信息如表2所示。

3.2 有需求

如表3所示，从电信运营商实际运营角度，可以发现在各个功能模块均存在优化需求点，需要通过大数据的分析应用加以解决，因此从电信运营商内部或者合作伙伴的角度来说，都存在大数据应用的需求。

3.3 有意愿

从电信运营商转型战略的角度，大数据领域已经作为三家运营商不约而同的战略方向之一，在未来几年中，大数据工作无疑将是三大运营商转型工作的重点。

因此可以得出结论，电信运营商有数据、有需求、也有意愿来推进大数据在供应链管理中的应用，为未来供应链大数据应用实践奠定良好基础。

4 电信运营商供应链管理领域大数据

应用场景思考

4.1 整体应用场景考虑

结合上述分析，电信运营商供应链管理领域大数据应用场景可以分成3个层面：服务部门、服务公司和服务行业。其中服务部门可以包括采购需求预测、订货点预测、供应商评估、安全库存等场景，服务公司可以包括终端需求及营销用品预测、运行问题分析、建设节奏分析等，服务行业可以包括通信行业物流报告、交付满意度分析报告等诸多场景，具体如图1所示：

4.2 应用策略建议

（1）战略上重视，组织上保证。最好要有专门的团队来做，大数据运营团队必须独立运作，独立核算，并辅以灵活的机制，否则新事物很难在传统的电信体制下快速孵化。其次，光靠自己的力量还不够，怎么样能够找到优势互补的合作单位协同研发运营才是大数据在电信内容发芽并壮大的关键。

（2）循序渐进，以点带面。可根据数据支撑可行性、建模可行性、需求迫切性等角度进行综合评估确定应用场景的优先顺序，由难到易逐步形成规模化的应用体系。

（3）平台化运作。大数据应用的本质是海量数据汇总后的挖掘提炼，大数据应用要得到实践，必须要有平台可以实现数据的自动获取、自动分析和报告的自动生成，因此需要有专门的平台来支撑相关工作。

5 结束语

大数据对运营商而言，具有极高的价值，但是否能真正发挥作用，还需运营商的实践。建议电信运营商还是循序渐进，结合自身优势，选择合适的商业模式切入，逐步完善大数据在供应链领域的应用。

参考文献：

[1] 朱敏. 大数据时代背景下运营商战略及市场影响分析[J]. 中国电信业， 2015（5）： 78-79.

[2] 樊耀东，张媛伊，王菲菲. 电信运营商大数据对外应用案例分析[J]. 移动通信， 2015（13）： 77-81.

[3] 刘琳，何智平. 电信运营商大数据应用模式的探讨[J]. 通信与信息技术， 2014（4）： 62-63.

[4] 高智衡. 运营商勇闯“大数据”机遇大于挑战[J]. 通信世界， 2012（29）： 33.

[5] 周双阳. 大数据融合成运营商“去管道化”利器[J]. 通信世界， 2013（15）： 40.

[6] 夏文忠. 大数据汇聚关键技术与统一架构研究[J]. 电信技术， 2015（1）： 32-35.

[7] 黄勇军，冯明，丁圣勇. 电信运营大数据商发展策略探讨[J]. 电信科学， 2013（3）： 6-11.

[8] 施巍巍. 电信运营商对大数据的应用[J]. 中国新通信， 2015（3）： 27-28.

数据化运营的作用范文第3篇

随着物联网、云计算、数据挖掘技术等的发展和渐渐成熟，大数据已成为企业关注的焦点。电信运营商拥有其他企业不具有的数据资源，大数据技术的出现与发展为电信运营商深挖数据提供了技术手段，同时也为其更好地服务客户提供了新的机遇。本文结合大数据的技术现状以及4C营销策略的特点，探析了大数据技术在电信运营商应采用的营销策略。

【关键词】

大数据；电信运营商；4C营销策略

0 引言

继移动互联网、云计算、物联网等互联网信息技术之后，大数据作为一个崭新的名词出现在我们面前。大数据是信息产业一次巨大的技术革命，对企业管理决策、拓展业务和组织流程，以及人们的生产生活方式等都会在一定程度上产生很大的影响。

大数据（Big Data）就是在一定时间内，用传统数据库软件工具没有办法对其内容进行提取、管理和分析的数据集合。它具有4个特点，即：（ 1） Volumes 指数据体巨大。 （ 2） Variety 数据类别繁多，主要包括了大量的不易处理的半结构化和非结构化数据。（ 3） Value 数据的价值密度较低，由于数据量大，所以从中提取的有价值的信息就相对总量来说很少。 （ 4） Velocity数据处理速度要求非常快。不光有历史数据，同时包含大量实时或在线数据需要处理。

1 大数据时代电信运营商的机遇及挑战

1.1 机遇和优势

在大数据逐渐应用到各行各业的背景下，电信运营商具有其他企业不具有的数据资源。首先，电信网络具有垄断地位，只有电信运营商具有提供可管控的全程全网服务和端到端网络接入能力；其次，电信运营商作为用户的第一接触者，具有很强的用户聚合能力，拥有独一无二的用户资源；再者，电信运营商在业务运营和提供服务的过程中获得网络状态、业务状态等数据，更重要的是对用户身份、业务类别、关系网络和消费能力与信用等特征数据的识别。

1.2 挑战和劣势

近十年来，电信产业产生了史无前例的技术变革，尤其是在2009年至今，3G技术的迅猛发展，移动互联网的普及，各种商业模式被慢慢打破。网络的扩容与升级并没有给电信运营商带来可观的利润，通过分析2013年第一季度的数据，可知电信、移动、联通三大运营商的传统业务和整体固网业务都在一定程度上受到了互联网的较大冲击，增长减缓甚至下滑。

此外，大数据时代运营商还面临着来自数据获取、分析及管理方面的挑战。大量的半结构化和非结构化的数据形式在很大程度上降低了数据分析处理的效率，在数据读写及存储方面，给运营商也带来了巨大的压力。大数据使人们更加关注隐私的保护，“棱镜”事件给大数据时代的政府和企业都敲了警钟，以牺牲个人隐私为代价的商业价值的创造会受到来自各方面的抵制压力。因此电信运营商也要重视用户的隐私问题，对地理位置、用户身份、行为路径等涉及隐私的信息实施有效保护。

2 电信运营商的4C营销策略

随着市场竞争越来越激烈，媒介传播的速度也越来越快，美国学者罗伯特·劳特朋（Robert Lauterborn）教授在1990年提出了与传统营销的 4P 营销理论相对应的 4C 营销理论。即：Customer（顾客）顾客的真正需求、Cost（成本）顾客获取产品或服务的成本、Convenience（便利）顾客消费的方便性、Communication（沟通）产品促销和消费者信息反馈。电信运营商的系统本质是为用户与用户、设备与设备、用户与设备之间提供通信信道，每天承载着海量信息，大数据的出现为运营商完成高效的4C营销策略提供技术支持.

2.1 Customer（顾客）主要指顾客的需求。电信运营商只有通过对合法取得数据的高效分析，做到真正地了解客户需求，才能开发出更适合顾客的产品。其策略主要有：（1）现有业务的优化和改进。比如：运用大数据分析，对所有的在网用户的消费者行为进行分析，了解他们的消费习惯，逐渐完善电信行业的产品定制化；（2）4G时代的到来将推动移动数据业务量的不断增长，电信运营商不能只作为一个渠道商，要更多地与设备和应用提供商合作，推出客户需要的产品。比如：中国电信与网易合作推出了“易信”；（3）创新业务模式，主要的业务对象包括家庭、企业、政府及第三方。对于家庭用户，利用运营商的网络数据和GPS数据相结合，在合法的前提下提供针对特殊群体的定位服务。对于企业用户，主要有两种模式创新：一是基于运营商的数据分析，提供相应的咨询服务；二是将运营商的数据与企业的信息传送能力相结合，使数据与电信业务相互促进。对于政府和第三方，则主要提供信息服务和基于业务类型的统计服务。

2.2 Cost（成本） 不单指企业的生产成本，而应该更多考虑顾客的购买成本，同时也意味着产品定价的理想情况应该是既低于顾客的心理价格，又能够让企业盈利。运营商利用大数据技术对消费者信息的分析，掌握消费者的消费习惯，更精确地预测出消费者心理价格，合理定价。

2.3 Convenience（便利） 即为顾客提供最大的购物和使用便利。顾客取得电信服务的渠道主要有：营业网点、网上营业厅（包括微博、微信、易信等平台）、语音客服。营业网点主要办理开户业务；网上营业厅主要办理缴费和增值业务；语音客服主要处理客户使用过程中遇到的问题。运用大数据分析各个服务渠道的使用情况，合理地调配资源，更高效地为让客户服务。

2.4 Communication（沟通）企业、顾客双向沟通，建立基于共同利益的新型关系。电信运营商不仅要通过营销让客户了解并且购买电信产品，还要及时从客户那得到客户对产品及其服务的反馈，以便运营商能更好地改进和提高产品和服务的质量。电信运营商运用大数据分析不同客户接触广告媒体的习惯，并分配好营销资源，及分配互联网营销和传统营销在整个营销过程中所占比例。通过营业网点、网上营业厅、语音客服运营商可以收集到很多客服的意见和建议，运用大数据技术对这些信息进行处理分析，能让运营商更好地了解客户以及产品的优缺点，做到高效沟通。

3 总结

大数据时代的到来，给电信运营商带来机遇同时也带来了挑战。随着科技的发展、技术的进步，电信运营商会在不触犯消费者隐私的前提下把这些转化为其资产。将4C的营销理论应用到电信运营商大数据的处理过程中，优化并开发出满足客户的产品，最后把大数据资产转换成电信运营商的利润。

【参考文献】

[1]李政、李继兵、丁伟。基于大数据的电信运营商业务模式研究。移动通信2013年05期

[2] 童晓渝 张云勇 房秉毅 雷磊。大数据时代电信运营商的机遇。信息通信技术 2013年 第01期

[3]百度文库.4C营销理论。2013/11/20 http：///link？url=7ir8faGnOdL6FQVLduLPufoF2bHO3v6NAgYSm3qoX-mPD74FMoTtFELhwkwaHm977k00X--MK_NV_MaIzL_UTa

数据化运营的作用范文第4篇

【关键词】大数据业务 数据资产管理流程 端到端业务流程

1 引言

2015年，在“互联网+”战略及创新氛围的带动下，三大运营商均已完成大稻萦τ贸【按幽诓坑τ米向外部变现的破局。2016年以后，运营商的大数据业务正逐渐走向规模化和商业化。在大数据业务的规模化商业化运营过程中，运营商面临怎样的挑战，又该如何应对，成为值得探讨的问题。

本文将针对运营商的大数据业务运营全流程，从数据资产管理和大数据端到端业务流程两条管理制度流程，详细剖析运营商开展大数据业务所面临的困难，并针对这些困难提供出优化提升的管理建议，以期为后续大数据业务运营管理提供参考。

2 大数据业务管理现状及相关理论介绍

2.1 大数据业务管理现状

运营商在开展大数据业务过程中通常会涉及两条流程支线：数据资产管理流程和大数据端到端业务管理流程。

如图1所示，在大数据端到端业务管理流程方面，大部分运营商已形成了前端部门收集汇总大数据需求，后端部门与外部支撑厂商进行大数据应用功能的具体开发实现的端到端业务管理流程。

如图2所示，在数据资产管理流程方面，大部分运营商仍延续传统的采集存储规则，并未形成针对大数据应用的系统性的数据资产管理流程及制度。完整的数据资产管理是包括针对数据的计划、规范定义、采集存储、提取使用、盘点维护、数据清除环节在内的全生命周期管理，而目前大部分运营商的数据管理仅包含采集存储、提取使用、数据清除环节，且现存管理制度不适应大数据业务特征，制度有效性受限。

2.2 BPMMM和数据质量管理评估维度

（1）业务流程管理成熟度模型

业务流程管理成熟度模型（BPMMM，Business Process Management Maturity Model）是用来评价并提高企业业务流程管理水平的模型，包括外部结构和内部结构。如图3所示，BPMMM的外部结构划分为初始级、可复用级、已定义级、可管理级和优化级五个层级。

BPMMM的内部结构则主要用于判断组织所处的成熟度水平，并分析未来改进方向。内部结构分为成熟度级别、管理领域、关键指标和典型行为。内部结构将外部结构的每一级别细化为战略与组织文化、业务流程管理活动、客户关系管理、人力资源及组织管理、知识管理和IT管理六大管理领域，模型进一步将每一个管理领域划分为多个关键指标，用于阐述在该领域所关注的业务流程管理重点，最后将利用各关键指标的典型行为，区分出这些关键指标在不同的成熟度级别中的不同表现，从而判断这些关键指标所处的成熟度级别。

（2）数据质量管理评估维度

在数据质量管理评估维度中，针对数据的改善和管理，主要包括数据分析、数据评估、数据清洗、数据监控、错误预警等内容；针对组织的改善和管理，主要包括确立组织数据质量改进目标、评估组织流程、制定组织流程改善计划、制定组织监督审核机制、实施改进、评估改善效果等多个环节。任何改善都是建立在评估的基础上，知道问题在哪才能实施改进。通常数据质量评估和管理评估需通过以下六个维度衡量：

1）完整性：完整性用于度量哪些数据丢失了或者哪些数据不可用。

2）规范性：规范性用于度量哪些数据未按统一格式存储。

3）一致性：一致性用于度量哪些数据的值在信息含义上是冲突的。

4）准确性：准确性用于度量哪些数据和信息是不正确的或者数据是超期的。

5）唯一性：唯一性用于度量哪些数据是重复数据或者数据的哪些属性是重复的。

6）关联性：关联性用于度量哪些关联的数据缺失或者未建立索引。

3 大数据业务面临的困境

（1）运营商大数据业务运营管理流程成熟度分析

运营商普遍已形成可复用的业务运营管理流程，部分在大数据业务领域较为领先的运营商已经建立了独立的部门甚至子公司对大数据业务进行管理和协调，也有少数运营商建立了大数据业务开展的流程管理规范。但目前各运营商的大数据业务管理规范还较为粗放，未能全面切实地指导大数据业务的开展。并且，仍有大部分的运营商未确定大数据业务开展的组织形式。因此，根据业务流程管理成熟度模型，运营商的大数据业务管理流程目前正处于从可复用级成熟度水平向己定义级成熟度水平过渡的阶段，管理流程水平仍有很大的优化提升空间。

（2）端到端业务管理流程问题分析

运营商大数据端到端业务流程的问题主要集中在需求沟通确认、数据建模及提数环节。

在需求沟通确认环节，由于前端业务人员与后端技术人员对数据资源的理解视角及沟通方式存在差异，导致跨部门沟通效率低下，进而导致需求沟通环节冗长、反复。

在数据建模及提数环节，由于数据资产定义及分级分类规范的缺失以及数据质量管控制度的缺失，导致提取数据无法满足建模需求，需调整数据模型并补充提取数据。

除此以外，运营商当前大数据业务需求满足流程缺乏系统的有效支撑，大量工作需人工手动完成，严重影响大数据业务响应速度。

（3）资产管理流程问题分析

数据资产管理流程的问题主要集中在规范定义、采集存储及提取使用环节。

在规范定义方面，运营商普遍还未形成公司级的数据资产定义及分级分类规范，直接导致数据开放策略、数据采集存储策略、数据质量管理策略无从制定，影响数据资产长期积累及大数据业务的拓展。

在采集存储方面，绝大多数运营商仍延续传统数据采集存储策略，未依据大数据业务需求制定数据采集存储策略，导致数据采集及存储质量无法满足大数据应用需求，某些大数据需求数据甚至未能采集和存储。

在提取使用方面，运营商普遍未建立完整的数据质量管控制度。从数据质量管理评估的六大维度来看，运营商数据，尤其是传统业务对其质量要求较低的网络域数据，存在数据采集、录入、存储随意导致数据存在不完整、不准确等多重问题，无法满足大数据应用的需求。例如在位置信息方面，小区经纬度信息存在大量的经纬度填反、数据缺失现象，基站名称存在拼音、底直嗦搿⒆址等多种形式并存导致数据可用性差等情况。

4 应对策略建议

本文对运营商大数据业务运营管理流程存在的问题进行原因追溯、分析发现，上述问题产生的原因可以归结为公司级数据资产定义及分级分类标准规范缺失、数据质量管控机制缺失及系统缺乏有效支撑三类。接下来，本文将从这三个方面给出优化改进的思路：

（1）建立公司级数据资产定义及分级分类标准规范

针对需求沟通过程中业务人员与技术人员之间以及不同系统管理人员之间存在沟通协调壁垒的问题，运营商应建立公司级数据资产定义及分级分类标准规范，划定关键数据资产范围、对数据进行统一的分级分类并制定统一的数据操作规范。公司范围内关键数据的规范和统一，将减少业务分析人员针对数据的研究时间，帮助分析人员更有效的决策，并能够弥合业务人员和IT人员之间的分歧，提升跨专业沟通效率。

（2）搭建数据质量管理机制

针对运营商在数据质量方面的问题以及由此引发的数据建模及提数流程反复问题，各运营商应按照计划、执行、检查、行动的步骤，制定适合于本公司的循环迭代式数据质量管理机制，逐步实现数据质量的阶梯式上升。具体来讲，各运营商需要在计划阶段根据大数据业务的特征和需求制定数据质量标准，基于该标准开展数据ETL工作流程，在实施过程中持续监控和度量数据质量水平，发现问题时执行数据质量即时解决方案并将问题进行记录备案。

（3）建立可视化、自主化、模块化的数据流管理体系

最后，针对运营商系统支撑能力弱、支撑效率低的问题，运营商应建立可视化、自主化、模块化的数据流管理体系，通过对产品形成过程的可视化监督强化对大数据产品最终质量的管控，同时通过自主化、模块化的管理模式提升大数据业务的快速响应能力。

1）可视化：业务建模所需的数据从需求端到数据源的数据流及数据血缘关系直观可见。

2）自主化：在清晰定义的数据关系的基础上，实现数据的自动调度及更新。

3）模块化：专业化模块分工提升工作效率，同时在各模块之间设置沟通协调人员，确保模块之间信息沟通及时顺畅。

5 反思与结论

随着大数据行业竞争程度的逐渐升级，大数据业务成功开展的决定性因素已经慢慢由数据资源优势转向了应用及运营能力优势上。运营商拥有体量巨大、维度丰富的数据金矿，但如何开采这座金矿、将金矿变成抓得住的价值是所有电信运营商值得深思的问题。本文从数据资产管理和大数据端到端业务流程两条管理制度流程，分析了运营商开展大数据业务所面临的困难，并提出优化提升的管理建议。

参考文献：

[1] 曹鲁. 大数据业务在电信运营中的应用分析[J]. 中国新通信， 2016（16）： 115-116.

[2] 孙丽弘，赵韩子. 关于移动数据业务精益运营体系建设的研究[J]. 现代电信科技， 2016（1）： 29-32.

[3] 金天骄. 运营商大数据业务规划思路研究[J]. 互联网天地， 2015（2）： 58-62.

[4] 邵珠峰. 移动数据业务运营支撑系统（MDSOSS）解决方案[J]. 信息系统工程， 2013（7）： 38.

[5] 刘洁，王哲. 基于大数据的电信运营商业务精确运营平台的构建[J]. 电信科学， 2013（3）： 22-26.

[6] 郭培勇. 数据业务深度运营平台的分析与设计[D]. 北京： 北京邮电大学， 2011.

[7] 连洁. 基于XPORT的多路数据转发单元的设计[J]. 无线电工程， 2014，44（8）： 41-44.

[8] 郭小宁. 数据业务深度运营管理平台的建设[D]. 长春： 吉林大学， 2008.

数据化运营的作用范文第5篇

关键词：报表分析；内涵；做法；体系

1 实施背景

数据是运营监测（控）工作的基础。当前，数据资源已是国家电网公司继人力、财力、物力资源之后的第四大战略资源。公司各业务部门是专业数据资产的管理部门，产生大量生产经营数据资。运营监测（控）中心作为运营数据资产归口管理部门，负责对数据的综合利用与数据质量的集约化管控，有责任建立科学的公司运营数据资产管理体系，加快推进数据资源由松散型管理向集约化管理转变实现数据资产效益最大化。

运营分析作为公司运营监测（控）四项核心功能之一，分析主题的梳理、分析方法的应用十分重要。公司结合运营监测分析数据需求，以业务活动为主线，针对决策层、管理层、业务层的不同需求，建立分析报表体系，涵盖了适应不同分析目标的分析主题、指标数据及同比、环比、目标比、结构比等分析信息，使运营分析报表成为开展运营分析工作，进行数据收集、整理的重要工具。

根据公司运营监测（控）中心的职责定位，运营分析业务的工作目标是：充分发挥信息系统功能，实时汇总分析各类信息数据，为公司经营决策提供有力支撑，为提高管理效率和经济效益提供保证。为了落实这一目标，安康运监中心超前开展了地市级分析报表体系的建设，目的是借助分析报表，对分析主题、分析方法、指标数据进行逻辑整合和展现，为开展综合分析、专题分析、即时分析工作提供分析路径及数据支撑，提升分析工作的实用性、针对性、目的性。

2 分析报表体系的基本内容和特点

2.1 基本内容

按照省公司2014年公司运营数据资产管理工作总体思路和要求，安康供电公司运营监测（控）中心在大力推动构建运营数据资产管理体系的基础上，积极开展业务部门运营数据摸底核查，创新开展了公司分析报表体系的建设，通过对各业务部门线下运营数据定期收集，深挖数据资产价值，有效补充安康运监中心全面监测、运营分析、全景展示等工作的数据需求，推动了数据资产效益最大化应用。从公司整体高度，站在跨专业、跨部门的视角，开展企业级的综合分析，为公司经营决策提供支撑。

2.2 分析报表体系的特点

（1）便于明确分析主题。结合国家电网公司运营监测（控）中心总体方案和顶层设计，依据收集的业务报表名录，对影响公司管理效率、经济效益的核心业务、关键节点、关键控制点进行梳理，按照业务逻辑，研究确定不同专业运营分析工作的主题和内容。（2）形成运监特色基础报表。依据运营监测（控）业务数据需求，研究设计运营分析基础报表，对业务部门分析报表主题和内容重新设计，明确分析子主题和指标数据，形成运监基础报表。（3）建立分析方法模型，实现分析工具实用化。同比环比分析、时间序列分析、SWOT分析、执行偏差分析、结构变化分析、相关分析等。在分析工具上大量采用图表分析，除了常用的柱形、条形、折线、饼状、圆环等图表外，还尝试散点、雷达、气泡等图表分析以及双轴图组合运用，甚至在同业对标指标分析时还利用到股价图，以简洁图形，形象表达立体丰富的信息。

2.3 主要做法

2.3.1 建立业务协同机制，明确数据支撑职责

建立由运监中心、业务部门、支撑部门以及基层单位组成的运营监测（控）中心业务横向协同机制。编制了《安康供电公司运营监测（控）中心业务协同管理办法》，明确各业务部门的运营数据支撑职责，确保运营数据管理工作有序高效开展。运监中心采取全员参与分析方式，将职能管理与业务具体实施分开，各管理人员按管理职责分工承担归口业务的计划制定、信息统计与技术管理等工作。完成了协同业务及运营分析组织网络建设，建立了17个部门（单位）共56人的协同业务联系人支撑团队，提供专业业务咨询及分析支持。

2.3.2 开展线下运营数据摸底

中心于2月初下发了《关于开展运营部门定期报表及分析报告调查统计的通知》，通知要求对营销部、财务资产部、发展策划部、建设部、运维检修部、安全监察部、信息通信分公司、调度控制中心、农电中心、人力资源部、培训中心、物资供应公司等12个部门在经营管理活动产生的定期报表及分析报告进行统计，通过本次清查共收录各专业现有定期报表367张、分析报告41份。

2.3.3 明确运营数据需求，开展历史数据溯源

对地市级报表主题、指标数据、分析方法进行修改完善，确保主题划分合理、报表内容完整、分析重点突出；编写分析报表编制说明，明确数据口径、计算公式、计量单位、报送要求等，形成分析报表手册，并以正式文件下发，推动地市级分析报表应用。通过对这367张报表、41份分析报告的进行梳理，明确了具备较高使用价值的77张报表与17份分析报告。3月初，中心下发了《安康供电局关于开展运营数据定期收集与月度运营专业分析的通知》，通知要求对筛查后具备较高价值的77张报表与17份分析报告进行定期收集以及历史数据溯源。中心还针对各专业特点起草了月度运营专业分析模板，明确要求这12个业务部门按照规定要求开展专业分析，按时报送分析报告与相关报表。

2.3.4 建立地市级分析报表体系

结合系统支撑情况和管理实际，对业务部门各类报表数据根据不同频度的进行重新设计；根据重要性程度，对不同指标数据分别从上年同期比较、目标完成进度、月度环比变化、数据内部结构比等不同角度选择确定分析方法，确保分析主题、分析数据、数据频度全面覆盖，为管理报表、决策报表设计奠定基础，为分析数据辅助收集、整理、展现提供工具。单以电量分析为例，根据公司营销部报送《安康供电局销售收入报表》运监中心通过重新设计，细分衍生出《安康供电公司年度电量一览表》、《安康供电公司各营业单位电量完成情况分析表》、《安康供电局电量同比分析表》等多个维度的运监基础报表。

2.3.5 运用分析模型开展运营分析

依托整合后的运监报表体系，开展运行分析模型的设计和应用。已应用分析方法有：同比环比分析、时间序列分析、SWOT分析、执行偏差分析、结构变化分析、相关分析等。在分析工具上大量采用图表分析，除了常用的柱形、条形、折线、饼状、圆环等图表外，还尝试散点、雷达、气泡等图表分析以及双轴图组合运用，甚至在同业对标指标分析时还利用到股价图，以简洁图形，形象表达立体丰富的信息。

3 实施效果

3.1 公司运营数据管理工作上台阶

通过运监基础报表体系，2014年5月份，中心建立了国网安康供电公司运营资料数据库，收集量价费损数据，制作了包含17个分析图表的一个展示PPT，在陕西运监中心检查指导下，8月底，中心完成对运营资料数据库改版，月度数据溯源5年，图表扩充至25个，PPT展板拆分为四屏，开展了电量电费拟合分析。

3.2 实现基础报表的可视化大屏应用

2014年9月初，在省公司的椭下，纳入可视化大屏，形成个性化展板2屏。