从刚才讲的，其实数据、生态这里面来讲从我们现在跟行业里很多企业来看，尤其一些政府的数据来讲，数据很多、数据很乱、数据很杂。这些数据里怎么治理？实际上我们看到，在非专业、非IT里这些企业、数据的拥有方，他们面临很大的问题。

所以我们本身来讲，在这个生态里，中国电信我们也提供，经过这两年我们通过对电信体系类的治理，我们形成了相应的数据治理能力，跟我们的合作伙伴一起对数据进行相应的分析、清洗和融合。

我们在这里面数据汇聚和融合的平台，我们对欺诈应用场景有超过71个模型，我们已经建好一个大数据指数，在跟向国家旅游局、交通部做一些相关的指数系列。

另外我们在底层，我们有两大底层数据融合两个基础模型。一个是我们位置融合模型，大家都知道，在运营商数据里，很关键是用户的位置，用户在打电话的时候会有，发短信的时候会有，位置更新的时候会有，在做上网的时候会有。

这些数据怎么通过融合能够把一个群体性的模型和对外、对行业的解读出来，这是我们两个基础模型里一直做的。另外我们修改三大数据处理对象，涵盖超过21个模型，对外进行这个输出。

另外在平台，今天我可能不再花太多的时间给大家做详细的介绍，实际上这应该是我们运营商，包括跟我们的合作伙伴像中信这样的，基本上这样的能力平台大家可能都比较熟悉。从底层上来讲，我们实现的就是跨平台，资源弹性，对外提供安全保障和运营商级的运维服务。

在上面，实际上在大数据分析方面，我们也提供了大数据的基础的，我们叫做大数据云。在上面我们的合作伙伴可以对合作完的数据，在开放的数据，包括我们中国电信开放的书记来进行建模，进行分析。最终形成相应的服务能力，对外进行开放，这是我们在平台上面，对生态圈提供的一个能力。

另外在安全上面，这个可能也是比较关注的，我们提供的是电信级的安全，从网络安全，组织安全，应用安全和数据安全，四大方向，通过五分一统。实际上我们对数据进行分类，分级，分权，分型和分布，把数据如何开放，哪些数据能开放，开放以后怎么进行审计形成了一个统一的服务标准。这样的话，我们在底层才能让我们生态圈的合作伙伴，数据的应用方能够有效的对数据安全进行自由的掌控。

也就是说我开放什么数据，哪些数据我拿出来跟其它的数据拥有方进行分析，进行融合，这些来讲，安全的这套措施，在我们的能力平台上进行保障。实际上我们在技术上也实现了一个，我们叫阅后集成，这个可能不是特别准确。但是实际上来说，我们在双方或者多方进行数据融合的时候，我们在平台上面具备临时分配一个弹性的分析资源。双方分析完了以后，分析结果可以由数据的输出方允许输出，在授权的情况下。一旦数据输出之后，原始分析的数据，我们在临时空间里面就焚毁掉，也就是说这个书记不存在对外泄漏的风险。解决了目前在大数据这个领域里面，确确实实大家一直在喊，怎么样进行数据共享，怎么样把数据开放出来。这是个非常关键的技术的保障。

刚才讲了第一步部分建数据生态，中国电信提供了一些基本的能力和我们的一些开放的态度。下面第二部分给大家分享一下，我们在行业里面的一些应用的案例。

行业一体化的解决方案，首先一个是是刚才讲的数据治理我们提供了咨询，提供了规划，提供了基础能力平台的保障。

在行业的其它方面，我们分别有相应的一些实践。

首先是金融风控的应用实践，这个其实来讲，可能大家一直以来，如果不了解的话可能会有一个疑惑，在风控领域里面，其实强关联的数据还是应当自己拥有数据，但是现在大部分银行，在做创新的金融业务的时候，他的客户不完全是自有的客户。

也就是说我发放一个新的贷款业务的时候，可能来的这个客户并没有在我这儿有存款，我没有这个用户的真实数据怎么办，除了央行的一些数据，央行征信的数据之外，尤其是在三四线城市，很多人可能没有存折。

这个时候怎么办？实际上运营商的数据在里面会起到非常关键的作用，帮助他们在风控里面尽量小的缩减风险的发生。

这个是我们目前已经发布的大数据的创新风控平台，利用我们运营商的数据，我们对用户的消费记录，他的行为特征，他的通讯圈的行为，我们做了风险评估的打分。

这个打分实际上也是代表了这个用户他的贷款的能力。通过用户的信用模型训练，包括我们用到了通话详单，过往的DPI的数据，还有我们合作方的，银行刷卡的数据等等。我们整个的推动递归的模型训练，我们把以依托于我们数据怎么去评分，这套体系把它建立起来。

在我们实际的案例里面，我们讲实际帮顺丰在做金融的贷款，作为一个输出的时候，我们发现整个客户业务的风险识别率，用了我们的模型以后提高了15%，风险审批的效率提升了20%，逾期率降低了10%，我们业提供了，在整个风控查询的电信级的保障，数字规模也是超过千万级的。

第二个给大家分享的是在政府大数据应用的实践，实际上现在从国务院大数据刚要发布以后，很多政府都想我的大数据在做什么。从运营商的数据，我们现在实际上发现，其实我们的位置数据，尤其是在政府领域里，很多的环节都是非常有用的。

举个例子，我们说我们对空间，人口变化的评估，在去年我们在京津冀规划的领域里面，跟北京市教委，我们还有住建部的一些单位，我们进行了非常紧密的合作，实际上通过我们运营商群体位置变化，我们可以准确的对人口流动的情况，对人口的特征，包括他的消费潜力做一个很好的评估。这样帮助我们相应政府的规划部门，在做政府规划的时候更有的放矢，这个规划更能够得到数据的支撑。

包括还有一些区域的经济评估，我们说城市的竞争力跟城市的景气指数，怎么去判断，这个人口为什么是这样？大家都知道去深圳的人很多，是不是深圳是未来真真正正更有吸引力的城市呢？实际上我们去年有一个数据分析的结果，我可以给大家分析一下，我们发现大学生毕业，深圳并不是首选，并不是。其实这一点来讲，从某种程度来讲也是给深圳提个醒，如果新毕业的这群大学生他的流动方向都不是往你这个城市去转，实际上在未来这个城市的发展潜力还是受限的，这是我们在政府上应用的一些实践情况。

第三个是在旅游大数据平台，实际上这个东西可能大家比较好理解，我们通过对游客住宿的分析，游客旅行流入流出的分析，还有他的出行方式的分析等等，帮助我们的旅委，我们景区的管理部门，对游客的身份，游客从哪儿来到哪儿去，去哪儿玩儿，怎么玩儿，住哪儿。帮助政府有效的评估对当地GDP，对当地经济的拉动起了非常好的作用。

这个平台实际上讲，去年汪洋副总理也去国家旅游局研究中心看了，电信跟国家旅游局一起做的旅游大数据平台。

把用户分析，用户的消费潜力等等各方面都在这个平台里面做了一些实践。

另外一个是在交通领域，在交通领域里面，大家如果了解的话会知道，交通的调查，就是出行的规划，以前都是靠咨询报告，靠人去数，数车数人，这个方式来做的。现在实际上来讲，通过运营商位置数据，我们能够把用户的OD，刚才讲了我们两大基础数据模型，能够快速的对用户的出行数据进行规划，提高了他整个规划的效率。这个应用不仅是在交通规划上面，包括在路网监测，包括在人流分析等等，都在交通领域里面使用。

另外一个是医疗大数据，实际上来讲的话，医疗大数据我们目前通过几件事情，在跟卫计委相关的部门在合作。

一个是刚才讲的，我们怎么做数据的咨询和规划。因为医疗口的数据非常多，有医院的数据，社区的数据，有卫计委的数据，这些数据怎么组织，怎么清洗，怎么放平台，这个是我们一直在跟卫计委合作的。

另外，在这个领域里面，我们目前也在转化，比方我们跟各地医院做到的医疗影像云，通过我们刚才说的两大基础的模型，我们对它的两票制，医疗资源的评估，这些也都在做一些大数据的应用和实践。这个领域的发展，我们看到还是非常广阔的，但是同时确确实实我们呼吁一下，数据还是不后面，这个数据生态还是需要相关的各方一起把这个数据在生态里面做融合。这样才能更好的把数据的价值更好的发挥出来。