“大数据”目前尚未有统一的定义，但总体上可以归结为一种新的方式或能力，这种方式或能力来源于对海量数据的收集分析并从分析中获得巨大价值，它将极大的改变我们社会生活和思维模式。

对于大数据IT界归纳了4个V（Volume，Variety，Velocity和Value）的特征，已经基本得到大家的一致认同。具体到电信行业大数据的四个V又表现为什么呢，总结下来可以概括如下。

Volume数据规模巨大：电信行业仅日常运营产生的各类话单数据（xDR）和信令数据规模已相当可观，如果再加入网络流量的数据采集，数据规模将呈爆炸式增长。一个大型城市的每分钟产生超过8万条位置更新信息，一天通过网络承载的数据流量可高达100TB。

Variety数据类型丰富：除了传统的来自电信运营系统如BOSS系统（CRM、RSM等）和VAS系统的结构化数据外，互联网业务的发展带来了诸如文本、图片、视频、位置信息等大量非结构化的数据。

Velocity高速实时的数据：即时话费查询、流量监管等新功能的应用随之产生了大量的高速动态数据流，对数据流的实时分析与处理要求不断增加，数据处理的越及时，产生的价值越大。

Value数据价值大密度低：网络中对媒体流和信令检测探针的应用形成了源源不断的数据，但与从信息中能挖掘出的知识量相比，数据的价值利用密度很低，需要创新的技术和思维来提升从数据中挖掘知识的效率。

大数据为电信行业带来巨大变化

Gartner预测到2020年大约75%的企业都将大数据分析融入其日常经营决策中，未来大数据分析将成为企业经营的一项基本能力。

根据Sysbase的统计分析，电信行业通过在运营中应用大数据，人均产值提升了17%，而在行业价值贡献方面更是排在了所有行业的首位。在电信行业收入增幅日趋放缓的今天，这样的产值增幅无疑是鼓舞人心的。

通过构建行业大数据分析系统让运营商具备了大数据分析处理的技能，但这只是在大数据时代获得成功的基础；运营商还需要从企业战略和经营思维层面改变，发现新的机遇和模式并付诸实施，才能真正将自己所掌握的大数据资产和大数据技能转变为企业价值。

● 大数据需要数据处理技术的改变

电信行业一直以来都是非常关注数据的收集和统计分析，运营商BSS、OSS、DSS、CRM和RA等系统都大量部署应用了关系数据库（RDB）或数据仓库（DW），多采用Oracle、DB2、Sybase和MySQL等数据库管理系统。这类数据库处理的多是电信业务运营过程数据、资源信息、话单记录等结构化的数据类型，随着互联网数据业务的发展，运营商需要收集处理更多的业务应用类数据，由此带来了数据量、数据类型和分析能力的巨大变化。原有的业务运营系统所产生的结构化数据量大约只占所拥有数据量的2成，超过80%的新数据来自互联网、物联网等新业务应用，并且以视频流量、文本、网络点击行为等各类非结构化的形式存在。面对数据对象的新变化，传统的电信运营数据库系统在处理能力和处理效率上都无法满足要求，转变势在必行。

从DB（Database）转向BD（Big Data）是一个大的技术演进，而不仅仅是需要处理的数据规模的扩大。电信行业因为互联网应用的普及和管道智能化演进带来了大量非结构化数据的分析处理以及高速流量数据的实时处理问题，对于这些数据处理的效率又要求达到电信级运营的要求。因此对电信运营商而言一个合适的大数据系统至少应该具备以下三种能力：分布式处理能力，非结构化数据分析能力和流式数据实时处理能力。以MapReduce技术为核心的Hadoop开源平台已成为非结构化大数据处理的事实标准，其适合非结构化数据，大规模并行处理的特点可以满足电信行业的需要。而在流式大数据实时处理方面则可以考虑应用较为成熟的CEP（Complex Event Processing）技术，这一技术针对电信网络大量的信令、消息、特征媒体流等流数据具备良好的实时分析处理能力。