2.3 大数据概述
2.3.1 大数据的定义
大数据的定义，从不同的角度就有不同的解读，麦肯锡将大数据定义为超过了常规数据库软件所能搜集、存储、管理和分析规模的数据集[6].数据是能挖掘潜在价值的软资产。2012 年，达沃斯论坛发布《大数据，大影响》的报告，宣称数据已经成为一种新的经济资产类别，就像货币或黄金一样。
2.3.2 大数据的特征
“大数据”有四个特征就是“4V”.第一个是 Volume,海量性。IDC 预测报告称，到 2020 年全球数据量将扩大 50 倍。这么大的数据量对过去传统的存储技术产生了挑战，有必要建设云计算中心或者云存储中心将数据存储下来才能做分析利用。第二个是 Variety,多样性。过去存储数据是结构化，而今后，数据可能大量来自于非标准化的，例如通话记录、互联网记录、监控视频等。第三个是Velocity,高速性。数据的处理要做到实时处理，这就是“一秒定律”:各种处理必须要在 1 秒钟内完成，要快速处理、分析，以满足实时需求。最后一个是Value,价值性。海量数据蕴藏着巨大的利用价值，需要分析使用或二次开发来实现其价值。
2.3.3 大数据的商业模式
现状有很多的企业在大数据应用上加大投入和研究，并取得了不少的应用成果。大数据的应用与发展从以 IBM、Google、Yahoo、微软为代表的少数互联网公司，也开始逐渐延伸到政务、保险、金融、电力、通信等各行各业，这些机构或行业从不同的角度、不同的方向、不同的应用等进行数据挖掘和分析，构建出来了更多元的经济增长点和更丰富的商业模式。与此同时，包括美国在内的诸多发达国家，都以国家战略的要求提升大数据能力，从国家层面通盘考虑其发展战略，并将大数据应用到社会管理、经济发展等各方面，提升政府管理水平。从当前国内外大数据的发展历程、趋势以及成果应用来看，走在前沿的机构都具有海量有效数据信息、强大的数据处理分析能力以及数据结论展现能力。
虽然目前大数据在还处于初级阶段，但是其商业价值却已经凸显出来。当前，大数据在国内外各优秀企业中已经有了成熟和广泛的应用，并创造了一定的经济价值。文字、声音、图片以及用户的行为习惯和关系网络等，组成了互联网上庞大的数据资源，此外，伴随着网络普及和信息爆炸，数据量也相应地激增，而越发成熟的云计算带来的计算能力革命，使得对于这些大数据资源的挖掘处理以及商业变现成为可能。
数据在未来很有可能成为一种交易商品。但数据量大并不能算是大数据，大数据的价值是通过数据共享、交叉复用后获取最大的数据价值。通过海量数据并有效利用分析，得出的有价值结论成为商品盈利，这将是未来大数据的商业模式。
2.4 相关理论基础
为保证以大数据驱动的电信运营商的流量经营策略能够科学有效的进行，其实施必须遵循一定的原理规律，本文主要运用以下几种理论：
（1）SWOT 分析法
即态势分析法，20 世纪 80 年代初由美国旧金山大学的管理学教授韦里克提出。包括分析企业的优势（Strengths）、劣势（Weaknesses）、机会（Opportunities）和威胁（Threats）。通过 SWOT 分析，可以帮助企业把资源和行动聚集在自己的强项和有最多机会的地方；并让企业的战略变得明朗。优劣势分析主要是分析研究对象的实力及其与竞争对手的比较，而机会和威胁分析则主要分析研究对象外部环境的变化及对企业的可能影响上 ,从而制定出合适的发展策略以及市场营销手段。
该分析方法直观、简单，竞争优势（S）是指研究对象超越其竞争对手的能力，比如技术优势、人才优势、资产优势、组织体系优势等等。竞争劣势（W）是指某种会使研究对象处于劣势的因素，比如竞争能力缺失等。面临的潜在机会（O）是指会影响研究对象战略的重大因素，比如市场需求增加、市场环境优化、政策导向利好等。外部威胁（T）是指研究对象在外部环境中，存在某些对其盈利能力和市场地位构成威胁的因素，比如竞争对手增加、市场增长率下降。
（2）网络效应
以色列经济学家奥兹·夏伊提出的“当一种产品对用户的价值随着采用相同的产品、或可兼容产品的用户增加而增大时，就出现了网络外部性[7]”.“网络效应”在经济学定义就是“网络外部性”或需求方规模经济、需求方的范围经济（与生产方面的规模经济相对应），是指产品价值随着购买这种产品及其兼容产品的消费者的数量增加而不断增加。例如在通信运营商中，当人们都不使用电话时，安装电话是没有价值的，而电话越来越普及，则安装电话的价值就会越高。
（3）边际效应
也被称为边际贡献或边际效益，是指在其它投入固定不变的时候，连续地增加某一种投入，所新增的产出或收益反而会逐渐减少。在经济学上是指通过以最小的成本达到最大的经济利润，从而达到帕累托最优（资源分配的一种理想状态）。通俗来讲，投入所得产出的后一单位的效用，如果比前一单位的效用大就是边际效用递增；如果比前一单位的效用小则是边际效用递减。
（4）边际成本
边际成本在经济学和金融学中，指的是在一单位值内新增生产的产品（或者购买的产品）带来到总成本的增量。边际成本表明某一单位产品的成本与总产品量相关，是市场营销中的重要经营战略。
（5）大数据
指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
（6）数据挖掘
也称为资料探勘、数据采矿。它是数据库知识发现中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标[8].
数据挖掘可以利用数据库中的每个数据，并加以分析归纳，从海量数据中寻找有价值、有规律的信息，并能提炼相关结论的技术。数据挖掘是通过数据准备、规律提炼和规律表示三个阶段。数据准备是从相关的数据源中，挑选可用的数据并归结为一定的数据集供数据挖掘；规律提炼就是通过某种方法或手段，将数据集所蕴藏的规律提炼出来；规律表示是将找到的规律通过用户可理解的方式（如图表化、文字化）来呈现出来。
（7）数据仓库
是为企业各种决策制定过程提供支持的所有类型数据的战略集合。它是单个数据存储，出于分析性报告和决策支持的目的而创建。为企业提供需要业务智能来指导业务流程改进和监视时间、成本、质量和控制。
（8）数据分析
数据分析是指为了发挥数据所起的作用，采用合适的统计方法分析、研究、开发收集到的数据信息，挖掘数据背后的有用信息并形成可用结论，总结概括的过程。数据的另一个称呼是观测值，一般为数量形式，是实验、测量、观察、调查等的结果。
