《數(shù)據(jù)化智慧運(yùn)營》

《數(shù)據(jù)化智慧運(yùn)營》
——段方 北京大學(xué)博士后
目錄
《數(shù)據(jù)化智慧運(yùn)營》1——段方 北京大學(xué)博士后11 概述 71.1 大數(shù)據(jù)的概念和特點(diǎn) 71.1.1 大數(shù)據(jù)的基礎(chǔ) 71.1.2 大數(shù)據(jù)如何“與時(shí)俱進(jìn)”？71.1.3 大數(shù)據(jù)發(fā)展趨勢71.2 大數(shù)據(jù)下的智慧運(yùn)營 71.2.1 智慧運(yùn)營的概念71.2.2 大數(shù)據(jù)滲透到企業(yè)的每個(gè)毛孔 71.2.3 智慧營銷81.2.4 智慧決策81.2.5 智慧運(yùn)維81.2.6 智慧網(wǎng)絡(luò)81.3 大數(shù)據(jù)的技術(shù)基礎(chǔ)81.3.1 從數(shù)據(jù)倉庫開始81.3.2 HADOOP 生態(tài)圈 81.3.3 與云計(jì)算的關(guān)系81.3.4 數(shù)據(jù)運(yùn)維能力提升 81.4 大數(shù)據(jù)的應(yīng)用舉例81.4.1 大數(shù)據(jù)提升客戶分析能力 81.4.2 大數(shù)據(jù)提升產(chǎn)品分析能力 81.4.3 大數(shù)據(jù)提升網(wǎng)絡(luò)運(yùn)維能力 81.4.4 大數(shù)據(jù)提升管理水平81.4.5 大數(shù)據(jù)提升各行業(yè)“智慧”81.5 大數(shù)據(jù)下的人工智能（AI） 81.5.1 什么是人工智能91.5.2 人工智能改變哪些行業(yè)？ 91.5.3 大數(shù)據(jù)下的人工智能有何不同？91.5.4 人工智能的“顛覆”91.6 大數(shù)據(jù)如何支撐智慧運(yùn)營91.6.1 量化管理的引出91.6.2 大數(shù)據(jù)如何提升“量化”的維度和深度91.6.3 從藝術(shù)到技術(shù) 91.6.4 自動(dòng)駕駛到自動(dòng)管理？91.7 大數(shù)據(jù)業(yè)界趨勢 91.7.1 數(shù)據(jù)更加豐富（跨行業(yè)） 91.7.2 計(jì)算能力更強(qiáng)（邊緣計(jì)算） 91.7.3 數(shù)據(jù)收集能力前所未有（物聯(lián)網(wǎng)） 91.7.4 結(jié)合業(yè)務(wù)應(yīng)用場景（行業(yè)解決方案） 91.7.5 開源改變了商務(wù)模式（生態(tài)圈） 91.8 【思考】大數(shù)據(jù)為什么能夠成為中國的國家戰(zhàn)略？ 92 電信企業(yè)的智慧運(yùn)營 102.1 企業(yè)的本質(zhì) 102.1.1 通過客戶和市場盈利（業(yè)務(wù)產(chǎn)品） 102.1.2 構(gòu)建高品質(zhì)產(chǎn)品（網(wǎng)絡(luò)） 102.1.3 提升效率（更快的速度和更低的成本） 102.1.4 打造智慧生命體 102.2 智慧運(yùn)營的本質(zhì) 102.2.1 每個(gè)環(huán)節(jié)收集數(shù)據(jù)、分析數(shù)據(jù) 102.2.2 借助大數(shù)據(jù)分析為每個(gè)環(huán)節(jié)注入“智慧” 102.2.3 未來企業(yè)拼的是“智商” 102.3 客戶需求是什么？ 102.3.1 客戶的數(shù)據(jù)有哪些？ 102.3.2 客戶市場如何引導(dǎo)？ 102.3.3 能否“比客戶還了解客戶？” 102.4 產(chǎn)品是什么？ 102.4.1 靠什么掙錢？——產(chǎn)品 112.4.2 產(chǎn)品的營銷 112.4.3 新產(chǎn)品的拓展 112.5 企業(yè)管理是什么？ 112.5.1 “最少的成本，換取最大的利潤”——?dú)W美哲學(xué) 112.5.2 如何做到？ 112.5.3 企業(yè)的神經(jīng)系統(tǒng)（感知系統(tǒng)）構(gòu)建 122.5.4 企業(yè)的肌肉系統(tǒng)（執(zhí)行系統(tǒng)）構(gòu)建 122.6 【思考】如何讓企業(yè)更加“智慧”？ 123 大數(shù)據(jù)技術(shù)基礎(chǔ) 123.1 從數(shù)據(jù)倉庫開始 123.1.1 數(shù)據(jù)倉庫的“集中” 123.1.2 數(shù)據(jù)倉庫的模型標(biāo)準(zhǔn)化 123.1.3 大數(shù)據(jù)的演進(jìn) 123.2 HADOOP 生態(tài)圈 123.2.1 開源社區(qū)概述 123.2.2 開源改變了什么？ 123.2.3 HADOOP 生態(tài)圈內(nèi)容 123.2.4 HADOOP 的技術(shù)原則 123.2.5 HADOOP 的運(yùn)維 133.3 HADOOP 基礎(chǔ) 133.3.1 HDFS 的原理 133.3.2 MAP/REDUCE 原理 133.3.3 YARN 原理 133.4 HIVE/HBASE 技術(shù) 133.4.1 HIVE 的原理 133.4.2 HBASE 的原理 133.4.3 兩者的關(guān)系 133.5 SPARK 技術(shù) 133.5.1 基本原理 133.5.2 應(yīng)用案例 133.6 KAFKA/FLUME 133.6.1 基本原理 133.6.2 應(yīng)用案例 133.7 【思考】各個(gè)技術(shù)的特點(diǎn)對比 134 電信行業(yè)大數(shù)據(jù)系統(tǒng)建設(shè) 144.1 數(shù)據(jù)標(biāo)準(zhǔn)設(shè)計(jì) 144.1.1 數(shù)據(jù)模型 144.1.2 邏輯模型和物理模型 144.1.3 CWM 標(biāo)準(zhǔn) 144.2 各個(gè)數(shù)據(jù)源的匯聚 144.2.1 B 域數(shù)據(jù)源 144.2.2 M 域數(shù)據(jù)源 144.2.3 O 域數(shù)據(jù)源 144.2.4 如何匯聚？ 144.3 HADOOP 技術(shù)的思考 144.3.1 優(yōu)勢 144.3.2 劣勢 144.3.3 一些關(guān)鍵點(diǎn) 144.4 應(yīng)用如何設(shè)計(jì) 144.4.1 從哪些應(yīng)用入手？ 154.4.2 “陽春白雪”還是“下里巴人”？ 154.4.3 “雨露均沾”的原則 154.4.4 應(yīng)用的可視化 154.4.5 應(yīng)用如何嵌入每個(gè)流程 154.4.6 “一把手”原則 154.5 系統(tǒng)如何設(shè)計(jì) 154.5.1 系統(tǒng)建設(shè)原則 154.5.2 哪些設(shè)計(jì)階段 154.5.3 每個(gè)階段誰負(fù)責(zé)？ 154.5.4 技術(shù)選擇的依據(jù) 154.5.5 系統(tǒng)如何進(jìn)階？ 154.6 一些經(jīng)驗(yàn) 154.6.1 技術(shù)驅(qū)動(dòng)還是業(yè)務(wù)驅(qū)動(dòng) 154.6.2 數(shù)據(jù)分析師的修養(yǎng) 154.6.3 從理念開始用數(shù)據(jù)武裝 154.6.4 行業(yè)大數(shù)據(jù)解決方案 164.7 【思考】如何讓大數(shù)據(jù)滲透到企業(yè)的每個(gè)環(huán)節(jié)？ 165 電信行業(yè)大數(shù)據(jù)支撐智慧運(yùn)營案例 165.1 某電信企業(yè)智慧 IT 運(yùn)營案例 165.1.1 網(wǎng)絡(luò)異常監(jiān)控 165.1.2 資源智慧調(diào)度 165.1.3 網(wǎng)址優(yōu)化設(shè)計(jì)等 165.2 某電信企業(yè)大數(shù)據(jù)應(yīng)用案例分享 165.2.1 客戶分析 165.2.2 產(chǎn)品分析 165.2.3 營銷分析 165.2.4 網(wǎng)絡(luò)分析 175.2.5 管理分析 175.3 某電信企業(yè)大數(shù)據(jù)管理案例分享 175.3.1 某企業(yè)大數(shù)據(jù)質(zhì)量管理案例 175.3.2 基于深度學(xué)習(xí)數(shù)據(jù)質(zhì)量監(jiān)控案例 175.4 某電信企業(yè)大數(shù)據(jù)變現(xiàn)案例分享 175.4.1 旅游行業(yè)變現(xiàn)案例 175.4.2 政府行業(yè)變現(xiàn)案例 175.5 其它行業(yè)大數(shù)據(jù)案例分享 175.5.1 阿里大數(shù)據(jù)案例 185.5.2 騰訊大數(shù)據(jù)案例 185.6 【思考】電信行業(yè)與互聯(lián)網(wǎng)行業(yè)大數(shù)據(jù)的對比 186 人工智能升級(jí)智慧運(yùn)營 186.1 人工智能如何升級(jí)大數(shù)據(jù)？ 186.1.1 人工智能改變了什么？ 186.1.2 踩在大數(shù)據(jù)肩膀上的巨人 186.1.3 將顛覆太多的內(nèi)容 186.2 人工智能的概念和特點(diǎn) 186.2.1 人工智能的發(fā)展歷史 186.2.2 人工智能的概念和特點(diǎn) 186.2.3 目前人工智能的突破點(diǎn) 186.2.4 【例】人工智能發(fā)展綜述 186.3 人工智能的技術(shù)研究方法 186.3.1 從模擬人腦開始。。。 186.3.2 與數(shù)據(jù)挖掘技術(shù)的關(guān)系 196.3.3 深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)算法 196.3.4 開源的意義——谷歌的部分開源內(nèi)容 196.3.5 未來人工智能能取代人嗎？ 196.3.6 【例】AlphaGo 的原理 196.4 人工智能案例介紹 196.4.1 【例】人工智能在不同行業(yè)的應(yīng)用案例舉例 196.4.2 【例】人工智能的算法在電信領(lǐng)域?qū)嶋H應(yīng)用實(shí)例 197 展望——從網(wǎng)絡(luò)運(yùn)營到大數(shù)據(jù)（智慧） 運(yùn)營 197.1 電信行業(yè)的困惑 197.1.1 網(wǎng)絡(luò)越來越復(fù)雜 207.1.2 網(wǎng)絡(luò)效益越來越低 207.1.3 下一個(gè)電力公司？ 207.2 最大的地球感知網(wǎng)絡(luò) 207.2.1 從感知中國說起 207.2.2 物聯(lián)網(wǎng)構(gòu)筑了另一個(gè)“數(shù)字地球” 207.2.3 掌握數(shù)據(jù)，掌握話語權(quán) 207.2.4 掌握計(jì)算能力，掌握“智商” 207.3 電信網(wǎng)絡(luò)的價(jià)值體現(xiàn) 207.3.1 ARPU 價(jià)值是否足夠？ 207.3.2 5 個(gè) 9 的標(biāo)準(zhǔn)說起 207.3.3 社會(huì)效益和經(jīng)濟(jì)效益的平衡 207.3.4 服務(wù)各個(gè)行業(yè)的價(jià)值 207.3.5 讓所有企業(yè)都逐漸“智慧”起來 207.4 電信大數(shù)據(jù)的價(jià)值 207.4.1 從連接到“數(shù)據(jù)” 207.4.2 數(shù)據(jù)的“維度” 217.4.3 客戶的“透視” 217.4.4 為客戶的“深層”服務(wù) 217.4.5 邊緣計(jì)算將壟斷計(jì)算能力 217.5 如何“變現(xiàn)” 217.5.1 數(shù)據(jù)提升的“智能” 217.5.2 數(shù)據(jù)如何“變現(xiàn)”？ 217.5.3 數(shù)據(jù)資產(chǎn)的衡量標(biāo)準(zhǔn) 217.5.4 各個(gè)行業(yè)的大數(shù)據(jù)變現(xiàn)案例 217.5.5 變現(xiàn)的思考 217.6 如何從網(wǎng)絡(luò)運(yùn)營到大數(shù)據(jù)（智慧）運(yùn)營 217.6.1 思維的變革 217.6.2 管理模式的變革 217.6.3 數(shù)據(jù)產(chǎn)品設(shè)計(jì)能力的提升 217.6.4 行業(yè)滲透的能力 217.6.5 商業(yè)模式的創(chuàng)新 217.7 數(shù)聯(lián)網(wǎng)的概念及發(fā)展 227.7.1 從單點(diǎn)大數(shù)據(jù)到互聯(lián)的大數(shù)據(jù) 227.7.2 數(shù)聯(lián)網(wǎng)基本架構(gòu)探索 227.7.3 數(shù)聯(lián)網(wǎng)的價(jià)值會(huì)超過互聯(lián)網(wǎng)嗎？ 227.8 哪些關(guān)鍵點(diǎn) 227.8.1 “市場的冬天”呼喚變革 227.8.2 頂層設(shè)計(jì)還是底層實(shí)踐 227.8.3 管理的變革更迫切 227.9 【思考】如何提升大數(shù)據(jù)的大連接？ 228 總結(jié) 221 概述
1.1 大數(shù)據(jù)的概念和特點(diǎn)
1.1.1 大數(shù)據(jù)的基礎(chǔ)
1.1.2 大數(shù)據(jù)如何“ 與時(shí)俱進(jìn)” ？
1.1.3 大數(shù)據(jù)發(fā)展趨勢
人工智能
物聯(lián)網(wǎng)結(jié)合
各個(gè)行業(yè)的深入
1.2 大數(shù)據(jù)下的智慧運(yùn)營
1.2.1 智慧運(yùn)營的概念
1.2.2 大數(shù)據(jù)滲透到企業(yè)的每個(gè)毛孔
生產(chǎn)流程
營銷流程
管理流程
大數(shù)據(jù)“賦能 ”
1.2.3 智慧營銷
1.2.4 智慧決策
1.2.5 智慧運(yùn)維
1.2.6 智慧網(wǎng)絡(luò)
1.3 大數(shù)據(jù)的技術(shù)基礎(chǔ)
1.3.1 從數(shù)據(jù)倉庫開始
1.3.2 HADOOP 生態(tài)圈
1.3.3 與云計(jì)算的關(guān)系
1.3.4 數(shù)據(jù)運(yùn)維能力提升
1.4 大數(shù)據(jù)的應(yīng)用舉例
1.4.1 大數(shù)據(jù)提升客戶分析能力
1.4.2 大數(shù)據(jù)提升產(chǎn)品分析能力
1.4.3 大數(shù)據(jù)提升網(wǎng)絡(luò)運(yùn)維能力
1.4.4 大數(shù)據(jù)提升管理水平
1.4.5 大數(shù)據(jù)提升各行業(yè)“智慧”
1.5 大數(shù)據(jù)下的人工智能（AI）
1.5.1 什么是人工智能
1.5.2 人工智能改變哪些行業(yè)？
1.5.3 大數(shù)據(jù)下的人工智能有何不同？
1.5.4 人工智能的“顛覆 ”
1.6 大數(shù)據(jù)如何支撐智慧運(yùn)營
1.6.1 量化管理的引出
1.6.2 大數(shù)據(jù)如何提升“量化”的維度和深度
1.6.3 從藝術(shù)到技術(shù)
1.6.4 自動(dòng)駕駛到自動(dòng)管理？
1.7 大數(shù)據(jù)業(yè)界趨勢
1.7.1 數(shù)據(jù)更加豐富（跨行業(yè)）
1.7.2 計(jì)算能力更強(qiáng)（邊緣計(jì)算）
1.7.3 數(shù)據(jù)收集能力前所未有（物聯(lián)網(wǎng)）
1.7.4 結(jié)合業(yè)務(wù)應(yīng)用場景（行業(yè)解決方案）
1.7.5 開源改變了商務(wù)模式（生態(tài)圈）
1.8 【思考】大數(shù)據(jù)為什么能夠成為中國的國家戰(zhàn)略？
2 電信企業(yè)的智慧運(yùn)營
2.1 企業(yè)的本質(zhì)
2.1.1 通過客戶和市場盈利（業(yè)務(wù)產(chǎn)品）
2.1.2 構(gòu)建高品質(zhì)產(chǎn)品（網(wǎng)絡(luò)）
2.1.3 提升效率（更快的速度和更低的成本）
2.1.4 打造智慧生命體
2.2 智慧運(yùn)營的本質(zhì)
2.2.1 每個(gè)環(huán)節(jié)收集數(shù)據(jù)、分析數(shù)據(jù)
2.2.2 借助大數(shù)據(jù)分析為每個(gè)環(huán)節(jié)注入“智慧”
2.2.3 未來企業(yè)拼的是“智商”
2.3 客戶需求是什么？
2.3.1 客戶的數(shù)據(jù)有哪些？
2.3.2 客戶市場如何引導(dǎo)？
2.3.3 能否“ 比客戶還了解客戶？ ”
2.4 產(chǎn)品是什么？
2.4.1 靠什么掙錢？——產(chǎn)品
電信企業(yè)的傳統(tǒng)產(chǎn)品——網(wǎng)絡(luò)+資費(fèi) 滿足客戶的什么需求？
如何更近一步？——增值業(yè)務(wù)有哪些？
2.4.2 產(chǎn)品的營銷
產(chǎn)品的潛在客戶是誰？
產(chǎn)品的特征屬性有哪些？
如何基于數(shù)據(jù)及時(shí)改進(jìn)產(chǎn)品的缺陷？
2.4.3 新產(chǎn)品的拓展
還能為客戶提供什么增值產(chǎn)品？ 產(chǎn)品的切入角度計(jì)算
2.5 企業(yè)管理是什么？
2.5.1 “最少的成本， 換取最大的利潤 ”——?dú)W美哲學(xué)
2.5.2 如何做到？
人的智慧管理
財(cái)?shù)闹腔酃芾?物的智慧管理
2.5.3 企業(yè)的神經(jīng)系統(tǒng)（感知系統(tǒng)）構(gòu)建
2.5.4 企業(yè)的肌肉系統(tǒng)（執(zhí)行系統(tǒng)）構(gòu)建
2.6 【思考】如何讓企業(yè)更加“智慧” ？
3 大數(shù)據(jù)技術(shù)基礎(chǔ)
3.1 從數(shù)據(jù)倉庫開始
3.1.1 數(shù)據(jù)倉庫的“集中 ”
3.1.2 數(shù)據(jù)倉庫的模型標(biāo)準(zhǔn)化
3.1.3 大數(shù)據(jù)的演進(jìn)
3.2 HADOOP 生態(tài)圈
3.2.1 開源社區(qū)概述
3.2.2 開源改變了什么？
3.2.3 HADOOP 生態(tài)圈內(nèi)容
3.2.4 HADOOP 的技術(shù)原則
3.2.5 HADOOP 的運(yùn)維
3.3 HADOOP 基礎(chǔ)
3.3.1 HDFS 的原理
3.3.2 MAP/REDUCE 原理
3.3.3 YARN 原理
3.4 HIVE/HBASE 技術(shù)
3.4.1 HIVE 的原理
3.4.2 HBASE 的原理
3.4.3 兩者的關(guān)系
3.5 SPARK 技術(shù)
3.5.1 基本原理
3.5.2 應(yīng)用案例
3.6 KAFKA/FLUME
3.6.1 基本原理
3.6.2 應(yīng)用案例
3.7 【思考】各個(gè)技術(shù)的特點(diǎn)對比
4 電信行業(yè)大數(shù)據(jù)系統(tǒng)建設(shè)
4.1 數(shù)據(jù)標(biāo)準(zhǔn)設(shè)計(jì)
4.1.1 數(shù)據(jù)模型
4.1.2 邏輯模型和物理模型
4.1.3 CWM 標(biāo)準(zhǔn)
4.2 各個(gè)數(shù)據(jù)源的匯聚
4.2.1 B 域數(shù)據(jù)源
4.2.2 M 域數(shù)據(jù)源
4.2.3 O 域數(shù)據(jù)源
4.2.4 如何匯聚？
4.3 HADOOP 技術(shù)的思考
4.3.1 優(yōu)勢
4.3.2 劣勢
4.3.3 一些關(guān)鍵點(diǎn)
4.4 應(yīng)用如何設(shè)計(jì)
4.4.1 從哪些應(yīng)用入手？
4.4.2 “ 陽春白雪 ”還是“ 下里巴人 ” ？
4.4.3 “雨露均沾”的原則
4.4.4 應(yīng)用的可視化
4.4.5 應(yīng)用如何嵌入每個(gè)流程
4.4.6 “一把手 ”原則
4.5 系統(tǒng)如何設(shè)計(jì)
4.5.1 系統(tǒng)建設(shè)原則
4.5.2 哪些設(shè)計(jì)階段
4.5.3 每個(gè)階段誰負(fù)責(zé)？
4.5.4 技術(shù)選擇的依據(jù)
4.5.5 系統(tǒng)如何進(jìn)階？
4.6 一些經(jīng)驗(yàn)
4.6.1 技術(shù)驅(qū)動(dòng)還是業(yè)務(wù)驅(qū)動(dòng)
4.6.2 數(shù)據(jù)分析師的修養(yǎng)
4.6.3 從理念開始用數(shù)據(jù)武裝
4.6.4 行業(yè)大數(shù)據(jù)解決方案
4.7 【思考】如何讓大數(shù)據(jù)滲透到企業(yè)的每個(gè)環(huán)節(jié)？
5 電信行業(yè)大數(shù)據(jù)支撐智慧運(yùn)營案例
5.1 某電信企業(yè)智慧 IT 運(yùn)營案例
5.1.1 網(wǎng)絡(luò)異常監(jiān)控
5.1.2 資源智慧調(diào)度
5.1.3 網(wǎng)址優(yōu)化設(shè)計(jì)等
5.2 某電信企業(yè)大數(shù)據(jù)應(yīng)用案例分享
5.2.1 客戶分析
客戶細(xì)分分析及案例 客戶離網(wǎng)分析及案例 客戶喜好分析及案例
5.2.2 產(chǎn)品分析
咪咕音樂分析及案例
5.2.3 營銷分析
外來工識(shí)別及營銷案例 4G 營銷分析及案例
5.2.4 網(wǎng)絡(luò)分析
網(wǎng)絡(luò)性能分析及案例 網(wǎng)絡(luò)優(yōu)化分析及案例
5.2.5 管理分析
渠道欺詐分析案例 財(cái)務(wù)分析案例
5.3 某電信企業(yè)大數(shù)據(jù)管理案例分享
5.3.1 某企業(yè)大數(shù)據(jù)質(zhì)量管理案例
5.3.2 基于深度學(xué)習(xí)數(shù)據(jù)質(zhì)量監(jiān)控案例
5.4 某電信企業(yè)大數(shù)據(jù)變現(xiàn)案例分享
5.4.1 旅游行業(yè)變現(xiàn)案例
5.4.2 政府行業(yè)變現(xiàn)案例
5.5 其它行業(yè)大數(shù)據(jù)案例分享
5.5.1 阿里大數(shù)據(jù)案例
5.5.2 騰訊大數(shù)據(jù)案例
5.6 【思考】電信行業(yè)與互聯(lián)網(wǎng)行業(yè)大數(shù)據(jù)的對比
6 人工智能升級(jí)智慧運(yùn)營
6.1 人工智能如何升級(jí)大數(shù)據(jù)？
6.1.1 人工智能改變了什么？
6.1.2 踩在大數(shù)據(jù)肩膀上的巨人
6.1.3 將顛覆太多的內(nèi)容
6.2 人工智能的概念和特點(diǎn)
6.2.1 人工智能的發(fā)展歷史
6.2.2 人工智能的概念和特點(diǎn)
6.2.3 目前人工智能的突破點(diǎn)
6.2.4 【例】人工智能發(fā)展綜述
6.3 人工智能的技術(shù)研究方法
6.3.1 從模擬人腦開始。。。
6.3.2 與數(shù)據(jù)挖掘技術(shù)的關(guān)系
6.3.3 深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)算法
6.3.4 開源的意義——谷歌的部分開源內(nèi)容
6.3.5 未來人工智能能取代人嗎？
6.3.6 【例】 AlphaGo 的原理
6.4 人工智能案例介紹
6.4.1 【例】人工智能在不同行業(yè)的應(yīng)用案例舉例
汽車行業(yè)
工業(yè)制造
金融行業(yè)
醫(yī)藥行業(yè)等
6.4.2 【例】人工智能的算法在電信領(lǐng)域?qū)嶋H應(yīng)用實(shí)例
7 展望——從網(wǎng)絡(luò)運(yùn)營到大數(shù)據(jù)（智慧） 運(yùn) 營
7.1 電信行業(yè)的困惑
7.1.1 網(wǎng)絡(luò)越來越復(fù)雜
7.1.2 網(wǎng)絡(luò)效益越來越低
7.1.3 下一個(gè)電力公司？
7.2 最大的地球感知網(wǎng)絡(luò)
7.2.1 從感知中國說起
7.2.2 物聯(lián)網(wǎng)構(gòu)筑了另一個(gè)“數(shù)字地球 ”
7.2.3 掌握數(shù)據(jù)，掌握話語權(quán)
7.2.4 掌握計(jì)算能力， 掌握“智商”
7.3 電信網(wǎng)絡(luò)的價(jià)值體現(xiàn)
7.3.1 ARPU 價(jià)值是否足夠？
7.3.2 5 個(gè) 9 的標(biāo)準(zhǔn)說起
7.3.3 社會(huì)效益和經(jīng)濟(jì)效益的平衡
7.3.4 服務(wù)各個(gè)行業(yè)的價(jià)值
7.3.5 讓所有企業(yè)都逐漸“智慧 ”起來
7.4 電信大數(shù)據(jù)的價(jià)值
7.4.1 從連接到“數(shù)據(jù) ”
7.4.2 數(shù)據(jù)的“維度”
7.4.3 客戶的“透視”
7.4.4 為客戶的 “深層 ”服務(wù)
7.4.5 邊緣計(jì)算將壟斷計(jì)算能力
7.5 如何“變現(xiàn) ”
7.5.1 數(shù)據(jù)提升的“智能 ”
7.5.2 數(shù)據(jù)如何“ 變現(xiàn) ” ？
7.5.3 數(shù)據(jù)資產(chǎn)的衡量標(biāo)準(zhǔn)
7.5.4 各個(gè)行業(yè)的大數(shù)據(jù)變現(xiàn)案例
7.5.5 變現(xiàn)的思考
7.6 如何從網(wǎng)絡(luò)運(yùn)營到大數(shù)據(jù)（智慧） 運(yùn)營
7.6.1 思維的變革
7.6.2 管理模式的變革
7.6.3 數(shù)據(jù)產(chǎn)品設(shè)計(jì)能力的提升
7.6.4 行業(yè)滲透的能力
7.6.5 商業(yè)模式的創(chuàng)新
7.7 數(shù)聯(lián)網(wǎng)的概念及發(fā)展
7.7.1 從單點(diǎn)大數(shù)據(jù)到互聯(lián)的大數(shù)據(jù)
7.7.2 數(shù)聯(lián)網(wǎng)基本架構(gòu)探索
7.7.3 數(shù)聯(lián)網(wǎng)的價(jià)值會(huì)超過互聯(lián)網(wǎng)嗎？
7.8 哪些關(guān)鍵點(diǎn)
7.8.1 “市場的冬天” 呼喚變革
7.8.2 頂層設(shè)計(jì)還是底層實(shí)踐
7.8.3 管理的變革更迫切
7.9 【思考】如何提升大數(shù)據(jù)的大連接？
8 總結(jié)

段方老師的其它課程