数据分析在移动互联网发展中的作用
据工信部统计，2013年1~4月我国每户移动互联网月接入流 量庞大，高达121M。虽然通过3G移动网络接入移动互联网的手机 用户占总用户的比例仅有25%，但消耗流量占比竟然高达50%。于 此同时，智能信息终端产品的普及速度越来越快，仅1~4月，移动 通信手持机销量激增，增速达30.7%，内销高达15 661.8万台。随着移动互联网技术的逐渐发展和成熟，移动互联网应用的 范围越来越广泛，已经渗透到人们生活和工作的诸多领域。这对 于移动运营商来说既是机遇又是挑战，只有准确把握用户需求， 了解用户喜好，才能快速适应移动互联网营销的发展步伐。这些干货知识，都是包含在互联网营销师的课程中，除了短视频运营，还有直播销售、选品、平台管理等专业知识课程，想要转行、创业、兼职、全职的同学，都可以了解一下。
毕竟大背景下，线上营销是趋势。
互联网营销师是时代的发展和疫情影响下诞生的新职业，人社发布、含金量高、入门容易、0基础满18周岁都可以学习，前景好突破收入天花板，还有兼职、全职、就业推荐。
我推荐中思智数，官方授权的互联网营销师考证机构，资质正规、课程丰富、通过率高，1v1服务贴心，还有线上兼职工作和就业推荐服务！！！可以直接点击下方名片，添加助教咨询考证详情哦，他们家还有线上兼职工作机会提供：
1 数据分析对移动互联网发展的意义
1.1 电信运营商在移动互联网时代的发展现状
信息技术不仅推动了移动互联网市场的发展，还促进了其市 场营销方式的转变。营销者想要在市场竞争中取得优势地位，不 仅需要树立移动策略的观念，还要对消费者的需求进行准确的了 解。消费者的观念移动化了，营销者更不应该落后，而是与时俱 进，甚至超越消费者。只有对消费者的需求进行全面的了解，才能 制定出科学、合理的营销策略。
目前，电信运营商面临的普遍问题主要包括：琳琅满目的业务 种类让人应接不暇，目标用户定位模糊，营销分析脱离市场实际 发展状况，分析深度浮于表面，数据来源单一等。电信运营商为了 解决上述问题以适应移动互联网时段的营销模式，应加大多个环 节的数据分析能力建设，如梳理产品业务、科学选择目标用户群、 积极指导营销活动、多渠道收集数据等，以此来适应移动互联网 营销的快速发展。
1.2 移动互联网数据分析的实际应用
(1)数据预处理概念解析。
数据预处理就是指对收集到的原始数据进行处理。采集数据 的渠道主要包括经分数据、用户终端数据、用户访问网站数据及 微博、微信等相关数据。数据预处理发生在采集数据完成后，同时 又处于数据分析挖掘算法之前。这三步相互联系，缺一不可，共同
促进了移动互联网营销新模式的发展。
数据预处理技术主要包括以下几个方面，即数据清洗、数据转 换和数据规约等。
数据清洗是指各个系统收集到的源数据中难免存在噪声数据 和无关数据，需要对这些数据进行清除，同时还要处理缺失值，对 异常数据也要进行删除操作。
数据转换主要包括两个方面：一是统一数据口径。因为性别在 不同的系统可能存在着标识不一致的问题，只有统一标识，才能 为下一步分析奠定基础；二是数据标准化。
数据规约是指汇总加工数据库中的海量数据，汇总加工后的 数据需要满足一个共同特征，即尽量保留原始数据中的有用信 息，以便为后续的数据挖掘工作做好充足的准备。
一般来说，一个完整的数据分析挖掘流程中包括数据的预处 理和分析挖掘工作。其中数据预处理和分析挖掘工作所占工作量 时间的百分比分别为60%和10%。
(2)产品梳理定义。
产品梳理是从市场分析、用户定位等角度对产品进行罗列、分 类和排序，产品梳理的过程就是对运营商产品的再次整合，这种 整合并不是盲目进行的，而是以市场为导向。在对产品梳理时可 对产品进行级别划分，如极具推广价值、具备推广价值、已无推广 价值等级别。当完成产品级别划分后，对于那些极具推广价值的 产品与推广渠道进行进一步匹配，从而完成该级产品的用户群挖 掘工作。
(3)数据挖据流程。
数据挖掘阶段也是锁定目前用户的阶段。数据挖掘流程包括 4个部分，即挖掘前处理模块、挖掘操作模块、模式评估模块和知 识输出模块。
挖掘前处理模块也叫数据预处理模块，通过对收集到的原始 数据进行一系列操作如数据清洗、数据转换和数据规约，最后将 其加载放到数据仓库或者数据超市中。
数据库管理模块是指对多种数据库如系统内数据库、数据仓库、数据集市以及数据挖掘知识库的管理和维护。这些数据库保 存的数据是经过预处理后得到的数据，将其进行沉淀，数据库建 模就是在此基础上完成的。
挖掘操作模块是指针对海量数据采用数据挖掘、数据分析算 法对其进行进一步的加工处理，从而总结提炼出规则、模式和方 法。
模式评估模块是指评估数据挖掘结果。在数据挖掘过程中可 能会出现多种模式，想要得出正确模式,就需要结合具体数据和 具体应用环境进行验证。
知识输出模块是指将前面所有步骤完成后得出的正确模式的 实际应用。决策者和业务人员最终使用的便是数据挖掘结果的易 懂版。
(4)对效果进行评估。
效果评估主要是由数据分析人员和营销人员共同完成的。数 据分析人员的前期工作主要是数据分析和建模，之后是为其研究 的产品挖掘出适合的目标群体；营销人员按照数据分析人员提供 的目标群体开始精准营销并把营销效果反馈给数据分析人员，数 据分析人员根据营销效果对该次营销进行效果评估，优化模型， 促进营销效果的进一步提升。
2 联通数据分析应用案例
2.1 天津数据分析基础建设概况
在移动互联网数据分析应用方面，众多城市都取得了良好的 效果。2012年，天津联通为了适应移动互联网营销模式的转型，投 资建设了“精细化运营平台”，对移动互联网时段的运营具有非常 重要的作用。经过4年的发展，取得了良好的运营效果。
天津在建立“精细化运营平台”时，对移动互联网的各项应用 场景都进行了细致、全面的考虑。采集数据的渠道除了经分系统， 还包括用户手机上网数据、第三方微博、微信等相关数据，为移动 互联网营销的数据挖掘分析工作奠定了坚实的基础。
2.2 对天津互联网增值业务的梳理
数据分析人员对天津互联网增值业务进行了梳理。从多个角 度进行考虑，如订购用户情况、产品效益等角度，优先筛选出适合
推广的产品，如彩信包、3G国内流量包等。
2.3 天津数据分析和建模
在精细化运营平台上存在着众多的用户属性和行为指标，天 津的数据分析人员从其中的上千条指标中选取了64项指标，经过 重点分析和挖掘，在为增值业务进行建模时采取了决策树的算 法。
2.4 天津数据分析营销效果评估
数据分析人员在认真工作的前提下与营销人员紧密互动，选 定的增值业务销售业绩良好，整体环比效果与数据分析挖掘前相 比有显著提升，是原来的2倍。
3 结语
移动互联网业务的数据分析挖掘建设之路任重而道远，并不 能一蹴而就。移动通信用户数据庞大，需要研究人员投入更多的 时间和精力去解决其中蕴含的理论和技术难题，从而促进移动互 联网业务的发展。
页:
[1]