在Docomo这边，为了迎接挑战，我们也组建了数据挖掘团队，这个团队要做一些工作。我们做的工作比如像除了收入流量这块进行状况的优化这块，还去使用价格更加合理，另外我们还去提高客户满意度，还有怎么样使我们的网络部署更加合理。这边我们要做很多数据挖掘跟分析的工作，我们把数据分析这块分成四个层面，包括业务层、客户层、交易层、还有现在我们提的很多的子交易层。整个交易层可能我们更集中在业务事件、销售额和生产这块，子交易层更多讲监控、使用网络、还包括互联网流量的分析和监督这方面的一些应用。
我们刚刚讲的IT部门在做一部分的工作，我们为了迎接挑战，关于子交易数据的分析日趋重要，我们现在专门有一个团队在做子交易数据分析这块。然后我们在选择分析数据仓库方案这块，我们选择了NETEZZA。然后我们曾经做过很细致的数据仓库以及厂商跟性能对比，根据我们需要来去选择方案。可以看到这边有我们有这么一个经验，首先我们觉得数据仓库有几个纬度，一个是以Oracle为代表的是交易型的数据库。另外一个还有像NETEZZA为代表的分析型的数据库。还有一部分是以随即访问为代表的分析的话，Oracle是很好的选择。像顺序访问这方面的数据仓库，我们选择的是NETEZZA。像我们讲的子交易数据分析很重要，工作量也很大，我们一天这种子交易的数据大概每天3个DB左右。如果我们用传统的数据仓库来做的话可能我们要做八天的分析才可以做出来。现在我们引用NETEZZA之后一天就可以完成这种工作。
比如说像NETEZZA数据仓库解决方案我们当时选择他是从几方面着想的，首先觉得NETEZZA数据仓库解决方案是专门为互动式分析度身设计的，全身的设计架构使得数据仓库的应用不需要调优、索引、无需物理数据库设计。另外它是非常适合海量数据的分析和数据扫描，使得顺序的数据库工作能够非常快捷。而另外一个方面就是我们觉得作为关系型数据库管理系统，NETEZZA做得很好，已经远远超出一个传统意义上的RDBMS了。NETEZZA是高度符合SQL国际标准，另外为了满足业界需要，他也能够很好的兼容Postgress的SQL。此外NETEZZA提供了很好的功能扩展特性，我们的用户就我们还包括和具体的应用合作方NETEZZA可以在C++语言上面做性能扩展，我们提供了8倍的效率地在价格上面，到时候NETEZZA给我们一个非常优惠的价格。
这里我想进入第二个主题就是关于云终端这方面的一些通信的情况，我们可以看到现在以智能手机为代表的移动互联网和云终端的出现，它使得应用开发体现出一个爆炸性增长。我们可以看到一个典型的代表，一个像iPhone，它如果说在去年9月底已经有8.5万的应用，现在已经达到12、13万这样的量级。另外像Google的应用终端增长更加迅猛，他们有1万个终端左右，现在增长了3-5倍。这种新的云终端的出现，应用的激增也使得我们通信的方式发生了很大的变化。我们看到通信的变更体现在，以前大家还是用手机做个人通信，里面是话音跟信息业务为主的。而到云终端时代，我们发现这种业务更多的是一些数据的分享和数据的同步这种通信。这块的话智能手机起的越来越重要的作用，我们看到智能手机美国那边已经超过50%的用户都在使用智能手机了，日本这边也达到了30%-40%这样的普及度。
在2000年初期的时候我们这些各种各样的个人信息，这些数据主要还是集中存在手机上给个人使用，各种各样的数据类型他们也是单独去提供的。而在云终端的时代，我们能看到这些个人的数据既放在个人终端上面，也是放在网络上面，而且他通过这个网络互相之间进行同步的传输。而这些数据之间的融合也使得我们产生一些新的用户体验，比如说我们个人信息像它的日程、地址，跟我使用的商务信息、图片信息可以实现融合，使得我们有更新的用户体验。
我们可以看一看作为运营商我们进入云终端时代的话我们整个端到端的方案包括三个层，首先在网络端这边我们云应该具备网际运算能力和网际数据存储能力。在无线宽带我们提供高速、高带宽、高容量的方式，而且能够尽量的达到低时延。在终端这边我们一方面体现在智能前端这块，它能做各种的业务，另外我们还有跟物联网相关的传感器。
总结我今天的发言，首先我想说的就是云终端时代对网络容量要求更高了，我们每个用户对网络要求达到了每个月要消费1GB这样的数据量。这使得我们就面临一个挑战就是我们的收入跟流量之间去耦合，使得我们不得不做收入和流量的优化工作，我们从分析着手，我们可能要好好去看这些子交易数据的分析。而子交易数据的分析又做很多的海量数据的并发处理，使我们必须去关心一下管理型数据库管理这块的选择，谢谢大家。