运营商的经营分析系统通常包含大量数据，包括用户的行为数据，如通话时长、对端号码、短信平均字数等，还包括各类增值业务使用信息，实名制之后，生日、户籍等信息也可获得。除了经营分析系统，还有信令系统，可了解用户的位置信息、手机开关机状态等。

而数据挖掘（Data Mining，DM）是人工智能和数据库领域研究的热点问题，是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。

基于运营商的海量数据进行数据挖掘在2010年就已经有很多应用，如增值业务的精确推送、离网倾向预测、多卡用户分析等等，应该说电信行业是应用大数据最早最成熟的行业。

笔者2010年时面临的课题比较特殊，不是对在网客户进行数据挖掘，而是要对竞争对手的异网客户进行数据挖掘，于是难点来了，数据从哪里来？

经营分析系统中已有的数据包括异网客户与在网客户的通话次数、通话时长、短信条数以及入网时间信息，除此之外就没有其他数据了。

项目组首先将上述数据结合市话、长途、漫游及主被叫情况、时间特征、交往范围、集中度等进行拓展，具体如下

除了以上行为属性字段，项目组还引入了交往圈来研究这一问题，这一做法创造性的解决了数据缺乏的问题。

“交往圈”是运营商已在使用的概念，一个号码的交往圈是指通话频次、时长在一定标准以上，相对固定的交往号码范围。应用交往圈可以做很多事情，比如客户离网后流向分析，应用交往圈可以在不掌握机主信息的情况下判定新旧两个号码是一个机主，从而判断客户离网流向，因为号码可以换，但人的交往圈子是相对稳定的。

引入交往圈进行异网客户研究基于的假设是“物以类聚，人以群分”，某个异网客户交往圈中的本网客户特征在某种程度上也反映了该异网客户的特征，当然这一假设是需要验证的，项目组通过呼叫中心进行了大样本的验证。

在拓展完善了行为属性字段后，通过呼叫中心的样本调研了解不同行为属性特征机主真实的自然属性特征、感知属性特征，就赋予了行为属性营销含义，从而可以基于数据挖掘进行聚类或者是行为属性分析做出相应的营销策划方案，实施精确的营销短信推送。

以上是对运营商营销咨询实例做的一般性介绍，过多的技术细节没有论述，感兴趣的可以进一步交流。

当前大数据挖掘已在各行各业得到应用，从最早的电信行业、银行保险、航空公司、互联网公司，到现在餐饮等传统行业都已开始积累大数据，并将大数据作为企业的重要资源。不仅在客户营销服务领域，很多企业在内部的人力资源管理上也已应用大数据概念，如基于行为轨迹的员工任职资格分析等等，相信大数据未来将有更广的应用。

（作者简介：高峰，北大纵横管理咨询集团高级合伙人、行业中心总经理，资深项目经理，清华大学MBA，6年管理咨询行业经验，成功运作30多个项目，擅长人力资源管理咨询、企业培训）