电商大数据方案范文

导语：如何才能写好一篇电商大数据方案，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

>> 一种基于XML的电子订单安全方案 ESP：大数据时代科学教育整合的一种解决方案 一种面向航天领域的实时数据处理框架研究 一种适合于大数据集处理的混合EM算法 一种面向制造的EBOM构建方案 一种海量数据处理平台的解决方案 一种面向电力在线监测系统的嵌入式数据处理平台设计 一种灵活的WEB数据导出方案 一种基于文件缓冲方式的操作大数据量数据的方法 一种数据稳健光滑的处理方法 一种分布式大数据的数据安全管控策略研究 一种大数据智能分析平台的数据分析方法及实现技术 一种面向媒体网关的平台软件解决方案 一种面向LTE基站的SOC平台软件解决方案 一种面向Web3D的大规模场景实时绘制方案 一种面向就业的计算机专业培养计划改革方案 一种面向商业智能的数据挖掘体系结构的应用研究 大数据：另一种国家核心资源 一种面向医疗机构的数据仓库应用架构 一种面向专利文献数据的文本自动分类方法 常见问题解答 当前所在位置：l， 2014.11.16.

[2]新华网财经频道. 2014年零售百强销售规模同比增长26.2%，天猫居榜首[N]. http：///fortune/2015-07/09/c_1115875315.htm， 2015.7.9.

[3]百度百家. 2015年电商行业五大趋势[N]. http：///article/42503， 2015.1.13.

[4]J. Dean， S. Ghemawat. MapReduce： simplified data processing on large clusters. Communications of the ACM [J]， vol.51， no.1， pp.107-113， 2008.

[5]Hadoop. https：///.

篇2

作为中国“互联网+”组织头脑和践行者，泰一指尚非常强调大数据在互联网中所扮演的角色地位，这与公司CEO付海鹏的工作经历息息相关。付海鹏早在15年前就涉足IT、互联网领域，具备良好的互联网技术底蕴，对国内互联网产业发展有深刻的洞见。近年来，付海鹏着眼于国内外互联网发展的大趋势，结合大数据技术的空前发展，凭借对大数据应用技术的独到眼光与创新思维，带领泰一指尚专注于互联网营销领域的技术的研发和创意延展。

泰一指尚的核心能力开放

凭借多年的发展路径和能力沉淀，基于技术、数据、应用三大核心能力，通过大数据技术和商业模式创新，泰一指尚整合构建了包括营销大数据平台、移动化平台及广告平台在内的三大能力开放平台，面向传统媒体、传统广告公司及传统企业提供数据咨询、数据能力开放、数据平台和广告平台定制开发、移动电商和移动媒体解决方案等一体化的“互联网+”服务，帮助传统企业形成数据商业化能力、业务移动化以及自有数字营销能力，打通品牌公信、销售通路以及用户获取。

数据商业化能力是指依靠对智能管道数据、全网爬虫数据及第三方合作数据的抓取，再基于对DMP（大数据管理平台）的数据进行标准化和细分，进而提供极具价值的商业化能力，最终实现数据可视化的多样性应用。泰一指尚拥有移动电商和移动媒体解决方案，能为企业提供移动互联网一站式服务，助力企业快速、低成本的拥有移动电商能力和形成媒体能力，使企业具备业务移动化能力，助其构建移动化平台。此外，泰一指尚以大数据平台为基础，结合传统媒体自身的强势资源，使其具备自有数字营销能力，通过高效而科学的投放策略提升在线广告价值，助力其构建广告平台。目前，泰一指尚通过敏锐的市场洞察和行业服务经验，形成了覆盖金融、汽车、传媒、电商等在内的“互联网+”解决方案，推动企业的商业创新和转型升级。

基于对大数据技术的深入应用和不断创新，泰一指尚于2013年推出国内首个大数据管理平台――Atlas云图。该平台具备海量数据、实时计算等特点，旨在对数据的深层次关系进行挖掘，构建可视化的大数据平台。

三大能力+ Atlas云图是泰一指尚为传统企业勾画的以“大数据”为核心的转型升级新蓝图，这使得企业生态链上的各个环节实现真正的数据化，打破了“传统时代”的信息局限，全面实现互联网化变革。

加快“互联网+”落地，

泰一指尚在行动

付海鹏认为，“互联网+”的落地实施，重点应包括一系列技术平台和商业模式顶层设计在内的“互联网+”解决方案，而大数据应成为 “互联网+”的核心引擎。

在推动“互联网+”和大数据快速落地的过程中，泰一指尚也正展开着一系列的规划和布局。5月，泰一指尚与浙江华媒控股股份有限公司合资成立“杭州华泰传媒文化有限公司”。泰一指尚将协助“华泰传媒”构建广告平台、营销大数据平台以及移动化平台。双方也将共建媒体孵化平台，发展互联网广告产业，形成媒体矩阵，打造具有典型意义和代表未来发展趋势的新媒体产业链。

篇3

在这个正在到来的“大数据时代”，随着信息成为企业战略资产，市场竞争要求越来越多的数据被长期保存。对于电信运营商而言，每天都会从网络管道、业务平台、支撑系统中产生大量有价值的数据，基于这些数据的商业智能应用，将是比传统基础电信业务更为广阔的市场空间。

“社会信息化发展，大数据正成为企业最为值得关注的领域之一。”6月5日，在第六届上海通信发展年会上，中国电信上海公司副总工程师王思伟表示。此次年会的主题正是“通信与大数据”，这也释放出一个信号：上海的电信运营商已经做好准备迎接大数据时代的到来。

上海电信方面认为，大数据这一技术概念的发展和应用，具有不言而喻的重要意义，其终将形成变革之力。中国电信三年前已提出了新的转型目标：智能管道的主导者，综合平台的提供者以及内容应用的参与者。大数据无疑将在中国电信“新三者”的转型上发挥重要作用。

机遇与挑战并存

虽然大数据给运营企业带来了巨大商机，但国内运营商对数据应用的新技术研究普遍起步较晚，在创新意识方面相对于移动互联网企业有所欠缺。王思伟称，“由于数据采集不足、数据分析不足、数据应用不足等方面的原因，大数据的价值仍然有很大的潜力可挖。”

据业内专家分析，运营商面临的挑战主要体现在：在内部硬件上，目前运营商的各类系统数据吞吐能力尚有所欠缺。事实上，目前运营商对类似升级改造项目的投资，在优先级上要低于网络质量和计费系统等核心系统的水平。

在内部软件上，运营商作为大型的国企，企业组织在地域、业务和IT等维度的条块分割比较严重，地域上划分为全国、省（直辖市）和地市（区）三个层级，业务部门划分为政企客户、公众客户、市场营销、客服等多个部门，这些部门之间的互相沟通协作存在着一定的障碍，而大数据应用往往要求从客户的角度综合统筹各种信息，对运营商而言管理成本巨大。

在外部关系上，运营商还存在着如何界定和规避用户隐私、如何解决用户数据安全，以及如何应对部分互联网企业已捷足先登提供的主机云、数据库云等服务的问题。

总体而言，大数据背景下通信运营企业机遇和挑战并存，更多的是机遇。运营商在大数据技术研究和应用已被互联网行业抛离的趋势下，正在紧抓有限的时间窗口奋起直追，避免彻底沦为管道的尴尬，真正转型为综合信息服务提供商。

发力大数据相关业务

上海电信目前正主要从大数据基础设施建设，数据挖掘和开放等两个层次发展大数据相关业务。

上海电信高级经理傅志仁在第六届上海通信发展年会上表示，大数据需要传输网络提供高速的传输能力，也需要数据中心和云计算提供海量数据的存储和计算能力。运营商大数据的价值来源于管道，反过来，要发挥大数据的价值，运营商需要建设一个高质量的管道，进行海量数据的存储和传输。

在基础设施方面，上海电信除建设城市光网等基础设施外，更加关注数据存储和数据分析计算设施的建设，包括IDC服务器托管和云产品。这为大数据市场的发展提供了基础设施的资源。

据他介绍，上海电信一直在通过基础资源的建设来助力大数据的发展。上海电信积极推进城市光网和无线城市建设，截至今年1月，全市光网覆盖能力已达680万户，光网用户突破 260万户、平均带宽达到16兆。光网用户占宽带用户比例达70%。到今年年底，全市光网覆盖能力将达780万万户，光网用户将达360万户、平均带宽将到32兆。至2013年年初，上海电信已建成无线宽带热点超过9000个（约5.2万个AP）。 3G网络实现全市覆盖，3G网络质量同城最佳。

同时，截止去年年底，上海电信已拥有各星级标准数据中心32个，机架超过1.6万个。并规划形成东、南、西、北四个核心节点和分布上海市不同区域的若干边缘节点的下一代数据中心布局。在云计算方面，以基础、应用云产品为基础，积木搭建满足行业和目标客户群的整体解决方案，打造云、管、端的统一服务模式。

据悉，上海电信将以建设国家云计算试点城市为契机，继续实施“云海计划”，集聚国内外大型互联网企业，在金融、健康、文化等领域，探索建立云计算商业模式，打造亚太云计算中心。将以市场化为导向，重点建设“金融云”、“中小企业云”、“健康云”等，向企业和个人提供服务。同时进一步重视行业解决方案，包括：一是在云计算服务器、云安全、云管理平台、桌面虚拟化等关键技术领域实现突破，形成具有竞争力的云计算关键技术服务和整体解决方案；二是深入智慧城市应用，进一步加强物联网公共平台建设和推广智能车辆监控、电子校徽、智能制造、社区安防等行业应用。

大数据与“新三者”

中国电信希望能够成为智能管道的主导者，综合平台的提供者以及内容应用的参与者。这一转型目标也充分体现了其在大数据时代的战略诉求和企业定位。

傅志仁表示，建设智能管道的目标是为了给用户提供更好的网络和业务体验，实现流量经营。运营商通过采集和分析网络数据，可以优化网络资源的调度，同时实现识别用户，从而根据用户类别按需提供网络资源的差异化服务。

在综合平台层面，运营商通过实施数据能力开放，提升用户群统计信息等企业数据应用的开放能力，为更多的企业运营提供决策参考。

而作为内容应用的参与者，运营商可以基于用户状态、位置、终端和喜好等，直接将大数据产品化，为社会提供信息服务。

篇4

亿赞普公司总裁罗峰表示，F2C有两层含义：第一，Fast to Consumer，表明F2C平台可以大大提升营销的效率，让企业的产品更快送达消费者；第二，Factory to Consumer，表示亿赞普公司可以通过F2C平台让企业与消费者直接对接，减少中间的流通环节，从而降低成本和营销风险。

工厂直达用户

亿赞普的崛起得益于大数据市场的兴起。基于自主研发的大数据智能分类处理平台，亿赞普正在全球互联网上部署一个跨区域、跨语言的互联网云媒体和电子商务平台。在以“进化的力量”为主题的亿赞普数据营销战略研讨会上，罗峰介绍说：“我们已与欧洲、拉美以及亚太的19家电信运营商以及数十万个网站展开了合作，业务覆盖96个国家的8亿互联网用户。”

亿赞普通过与电信运营商和互联网企业合作，不断扩展其大数据分析平台的覆盖范围，并将从网络上采集到的各类数据进行存储和建模，然后再进行分析，最终为企业和广告主提供数字营销平台及服务。与日渐流行的IaaS、PaaS和SaaS不同，亿赞普提出了知识即服务（Knowledge as a Service，KaaS）的新理念，并在此基础上推出了KaaS智能云媒体平台。罗峰介绍说：“KaaS智能云媒体平台以海量并行计算和存储系统为基础，通过数据挖掘和人工智能算法对海量互联网用户、内容和相关行为进行分析，从而挖掘出互联网中蕴含的商业价值。基于KaaS，我们可以为不同用户提供个性化的服务。”

基于KaaS理念，亿赞普开发出了针对企业营销和电子商务的多种解决方案以及各类数据广告产品、广告应用工具、商业智能服务产品和运营平台等。举例来说，i-Reach是一款品牌和效果兼顾的富媒体展示广告产品。它基于KaaS平台，可以通过对互联网上的海量数据进行数据挖掘，为企业提供更多的广告方案组合，从而实现有针对性的精准化的营销。再比如，Infoweb网络收视监测工具可以对网络上广告和视频的人群到达情况进行统计和流量分析，并将分析结果反馈给广告主，方便他们选择适合的媒介。

亿赞普公司就像是架在企业与消费者之间的一座桥梁。它通过从电信运营商和互联网上获得的数据，对消费者的消费行为和习惯进行分析。企业可以根据分析的结果制定数字广告营销方案或电子商务策略。亿赞普公司在大数据分析的基础上为企业量身订制的数字营销方案可以拉近企业与消费者之间的距离，使得商品从工厂出来后可以直接送达用户手中，这也是F2C方案的精髓所在。

IP网络上的数据全能分析

“我们的职责是在合适的时候将合适的信息传递给合适的人。”亿赞普公司CTO糜万军表示，“我们做大数据分析的目的是帮助企业实现精准营销。”

数据挖掘和数据分析是许多互联网公司的强项。亿赞普公司在大数据分析方面有什么独特的优势呢？“在大数据分析方面确实有许多新技术。数据量的增加、数据类型的多样化都对数据分析提出了更高的要求。对于我们来说，最重要的是如何将这些新技术整合在一起，对海量数据进行高效的分析。”糜万军举例说，“当一个新的网页出现时，谷歌通过其分析技术找到并完成对这个网页的分析可能要3个小时，而我们只用3分钟。”

篇5

11月25日，国内领先的软件基础平台与解决方案提供商普元信息技术股份有限公司在北京隆重召开了普元政务大数据解决方案会。在此次会上，普元还推出了《共享、开放、融合政务大数据平台最佳实践》这一普元政务领域大数据平台解决方案白皮书，将实践提升到方法论层面，用“三级规划、五层能力”助力政府在国家战略下搭建政务大数据生态，推进政务大数据开启“共享、开放、融合”时代。

普元此次的政务大数据解决方案，涵盖“三级规划、五层能力”，能够有效帮助政府客户全面掌控与运营政务大数据。普元政企事业部副总经理王克强在演讲中提到，按照政务大数据现状及发展趋势，“三级规划”即按步调实现政务大数据平台的共享共用、开放服务、融合应用大阶段建设。在共享共用阶段，建立并完善数据标准，梳理并搭建共享主题库，依据标准实施数据集成，建立动态信息资源目录，实现先主后次、先易后难的政务数据共享体系建设落地；在开放服务阶段，支撑数据服务集成管理，建立政务数据开放平台，实现自主可控、逐项开放的政务数据开放生态构建；在融合应用阶段，提供全端数据可视化，建立实时响应机制，建设智慧生态政府，实现精准集约、动态敏捷的应用融合形态。

那么，如何达成上述三个阶段的发展目标呢？普元大数据产品线总经理王轩如此说道，围绕业务、技术和管理策略，政府大数据的落地需要存储、质量、共享、开放、应用五层实施能力提供支撑。这五层能力具体是指存储处理是根基，数据质量是底线，共享共用是关键，数据开放是趋势，融合应用是目标。通过这五大核心能力，可以充分挖掘数据价值，提升政府大数据技术服务能力，促进大数据与各行业应用的深度融合，以应用带动大数据技术和产品研发，从而形成成熟的大数据解决方案。

在产品支撑体系上，普元围绕五大核心能力，提供包括存储与处理、大数据集成、大数据治理、大数据运营和大数据应用五部分内容的一系列政务大数据平台，为政府客户提供最为有利的技术支撑。目前，普元拥有政府、金融和电信等多行业数据治理经验，能够长期为政府客户提供专业产品和服务，协助政务大数据可视化应用创新。

普元CTO焦烈焱进一步表示，普元成熟的解决方案，不仅能够在政务大数据领域全方位满足政府用户的深层需求，提供安全可靠、共享开放融合的政务大数据解决方案，还能够提供SOA、大数据、云计算三大系列产品以及相关的一站式解决方案。这个全面、高度集成的软件平台体系，可以为客户IT管理提供坚实支撑，帮助客户采用大平台、微应用模式建设新一代IT架构，实现“互联网+”时代的业务转型，提高核心竞争力。

篇6

大家都说自己在做大数据营销。

基于：

1，业务：和市场营销相关，因此政府机关单位数据不考虑。

2.体量：拥有足够多有价值的数据。这一条很多互联网企业和传统大企业都能满足。

3.技术：有技术能力处理大数据。

上面3个因素，国内能做大数据市场营销的还真只有BAT三家。国外的不熟悉，这里不谈。

众所周知，三家的数据特点各不相同。腾讯优势在社交数据；阿里巴巴优势在商品和交易数据；百度优势在全网信息、消费者行为和主动需求数据。

当然例如平安、宝洁、沃尔玛这样的大企业，其自身肯定积累了大量的数据，基于这些数据的数据挖掘、过去就一直在做的网站分析等业务，虽然现今都冠以“大数据”的名义，但这与我们讨论的大数据还不尽相同，他们用传统数据工具对抽取一定数据进行分析，能基于那些数据进行挖掘，只是数量增多了而已，总体而言仍然属于传统的小数据范畴。

2.大数据营销做什么？

营销业务类型

如果粗略划分的话，广告主市场营销的预算一般可以分为实效营销和品牌营销两大块，根据自身发展需要和行业业务特点各有侧重。例如过去京东、一号店等电商类企业，平安等金融类企业主要做效果营销，互联网是更适合做效果的媒体投放渠道；宝洁等FMCG客户、奔驰奥迪等汽车客户主要做品牌营销，传统电视渠道是主要的媒体投放渠道。当然现在情况也逐渐改变，主要反映在：

1.越来越多的品牌类广告主也开始把品牌营销预算放在互联网上做

2.越来越多的营销形式越来越综合。效果类客户逐渐开始做品牌(京东)；品牌类客户也开始做效果(汽车，考核线下4S店销量转化)。

2.1.实效营销

实效营销，互联网人太清楚了。由于业务特性，过去的百度和阿里巴巴大数据主要应用还是中小客户和消费者的个性化广告，腾讯也主要是面向消费者的个性化广告(阿里还可以用支付数据作信用风险评估，但是金融方面的了)。

例如像大家相对熟悉用大数据训练优化数据挖掘模型，Amazon等一众零售电商普遍应用这种个性化推荐技术，在我看来只是市场营销中的应用类型之一。包括BAT及各大电商在内的各种个性化搜索和展示广告都是这个路子。基本上都是实效营销，考核CPC。在很多互联网人眼里，由于熟悉实效营销，会有一种认知，市场营销就是这些东西。挂广告，考核CPM/CPC/CPD/CPS。

2.2品牌营销

据我观察，不少互联网人其实对于品牌营销是比较陌生的。

这里需要先说为什么做品牌营销？

理由1.赚钱的需要：实效(效果)营销钱赚到天花板了，互联网媒体要抢品牌营销大头的预算了。

整个广告市场，大广告主手上的预算，占大头的还是品牌营销预算，投放的媒介上传统媒体(例如电视等)居多，投给数字媒体上的钱只是10%~30%(大概数字)左右。

理由2.客户的需要：别再跟我提CPC了，很多东西没法通过点击衡量，品牌的知名度、美誉度、忠诚度怎么用CPC衡量？因此需要对大客户提供整合营销的解决方案。

百度过去是效果营销的典型代表。

有一种认知，百度在网民眼里是个搜索工具，赚钱靠SEM，靠竞价排名，赚不良广告主的钱。我觉得这也是@Fenng提到的智力上偷懒的表现。

百度除了广泛的中小企业客户，还有大量的大品牌客户，例如宝洁、奔驰、宝马、平安、欧莱雅等等，收入比重很大。对这些大客户，需要品牌营销。

这样百度大数据的价值就体现出来了。前边说到百度数据的优势在于全网信息和消费者真实行为和需求的表达。覆盖的广度不是商品交易数据能比的。因此对为品牌提供整合营销解决方案奠定了基础。

基于以上，对百度最有价值的方式是基于大数据提供品牌营销解决方案。

3.大数据营销怎么做？

基于数据的营销基本过程

大数据的基本营销过程与过去数据分析基本过程没有差别，需要在定义商业问题之后，采集和处理数据、建模分析数据、解读数据这么三个大层面。但是大数据对三个层面的影响使得具体的做法又与传统不一样。

3.1数据层：采集和处理数据

传统采集数据的过程一般是有限的、有意识的、结构化的进行数据采集，例如问卷调研的形式。你能采集到的数据一定是你能设想到的情况。数据的结构化较好。一般的数据库Mysql甚至Excel就能满足数据处理过程。

而互联网时代里，大数据的采集过程基本是无限的、无意识的、非结构化的数据采集。各种纷繁复杂的行为数据以行为日志的形式上传到服务器。专属的例如Hadoop、Mapreduce等工具就不赘述。

3.2业务层：建模分析数据

使用的数据分析模型，例如基本统计、机器学习、例如数据挖掘的分类、聚类、关联、预测等算法，传统数据和大数据的做法差别不大，例如银行、通信运营商、零售商早已成熟运用消费者的属性和行为数据来识别风险和付费可能性。但是由于数据量的极大扩增，算法也获得极大优化提升的空间。

3.3应用层：解读数据

数据指导营销最重要的是解读。

传统一般是定义营销问题之后，采集对应的数据，然后根据确定的建模或分析框架，数据进行分析，验证假设，进行解读。解读的空间是有限的。

而大数据提供了一种可能性，既可以根据营销问题，封闭性地去挖掘对应数据进行验证，也可以开放性地探索，得出一些可能与常识或经验判断完全相异的结论出来。可解读的点变得非常丰富。

4.大数据营销目前做得怎么样？

大数据探索品牌营销目前做得怎么样？

阿里巴巴怎么做我不清楚，感觉阿里的大数据还主要在实效营销的方面发力。通过“西湖品学·大数据峰会”的报道上看来的。

我所在的部门便是基于客户的真实商业需求和问题，通过大数据的应用提供解决方案，目前也已经和客户产生了不少优秀的模型方法和案例成果。

与传统品牌营销的几方面类似，大数据在品牌营销的主要应用方向也有：

1.消费者洞察

2.媒体价值研究

3.市场竞争分析

篇7

网络条件的改善促进了互联网业务的快速发展，在互联网浪潮的冲击下，媒体形态不断革新，各类智能终端的爆发式普及，让互联网视频对原有IPTV业务体系和业务形态形成挑战。现网运营商IPTV和OTT视频系统需尽快进行升级，才满足对新形势下的用户体验需求，构建更有竞争力和生命力的IP视频服务能力。

传统IP视频系统主要满足于对原有TV视频内容和业务的服务运营，对于新的智能终端多屏的播放、控制、互动，以及对4K超高清视频播放、增值业务服务和大数据分析等需求，不能完善支持，限制了业务的进一步发展。

中兴通讯“Eyewill”系列视频系统在全球运营商市场规模深耕多年，基于对行业发展及用户需要的深入理解，结合对云计算、大数据等新技术的研究，加上综合安全的应用，在现网版本基础上升级完成新一代的“Eyewill 2.0”平台，并已在部分先进运营商成功商用。

新一代“Eyewill 2.0”视频解决方案在支持传统的IPTV&OTT功能的基础上，重点针对用户体验、系统服务能力、运营/运维智能化和系统安全等方面进行了专项的升级和完善。通过平台提供的EPG5.0系统、自适应码率系统（支持4K，H.265编码）、大数据分析平台、增值业务支撑/统一支付系统、智能运维系统和主动安全等技术，让新一代“Eyewill 2.0”平台为全球运营商的视频类业务发展提供稳定和高效的技术支撑。

4K全业务服务

用户对于视频清晰度的追求永无止境，随着网速带宽提升，4K需求越来越强烈，近两年4K电视价格的不断下滑，让销量出现了爆发式的增长，已达到一定普及率。

中兴通讯4K超高清视频解决方案，全面支持H.265，提供高效传输4K视频流的端到端保障，并充分考虑节约运营商的建设改造成本。针对4K高带宽、高存储特性，优化CDN调度及服务机制，提供超大存储、超高性能CDN硬件，有效服务4K视频业务。针对现网系统也可升级支持，在现网已成功商用。

端到端优化

和视频业务体验相关的因素较多，包括内容丰富度、界面观感、清晰度和操作易用性等。“Eyewill2.0”解决方案总结多年现网运营经验，针对用户最关心的几个方面实施优化，提供灵活定制化服务。优化运营流程，提升用户体验，并结合大数据的深度挖掘和效果评估反馈，形成一个体验提升良性循环。

内容是视频服务的核心竞争力，中兴Eyewill2.0平台可提供多CP的引入机制和渠道管理，快速进行外部接口和扩展，保证内容快速引入。

“Eyewill2.0”的EPG5.0提供时尚、易用的界面和多屏定制化功能，满足各类用户多种终端需求。针对家庭内部的不同用户，可配置个性化的页面，并通过人脸识别或语音控制快速切换登录，为不同用户推荐不同类型内容。

“Eyewill2.0”可针对运营商现网平台和网络能力，提供有针对性的多屏互动互通服务。基于社交服务分享及多终端消费使用习惯，满足各种终端在不同使用场景下的快速切换，提升用户的观看体验和停留时间。并可与热门社交软件（如微信等）提供好友圈的信息推送和分享以及影片视频赠购服务，提升用户群互动性和使用黏性。

大数据分析

现网IPTV&OTT视频业务发展很快，但是对于用户潜在的个性化需求无法发现和响应，缺乏更有效的精准营销手段，系统运维数据滞后，缺少实时全方位监控系统的手段和途径。而实际现网多个网元可采集海量数据，迫切需要构建一个全面的大数据运营分析系统，实时进行处理和分析，提升运营、运维效率。

“Eyewill2.0”大数据分析系统可收集各网元数据，实现多域数据整合，构建统一的数据中心，进行跨系统分析，通过数据挖掘发现用户最大价值，为业务运营、运维提供有效支撑。

模块化平台云化

“Eyewill2.0”解决方案中，针对可集中部署的管理平台、EPG和内容中心等可基于ZXVE虚拟平台进行云化，各模快软件，共享虚拟化平台的服务能力、存储能力等。

CDN融合演进

随着互联网业务的快速发展，网络负担和经营压力也不断加大，越来越多电信运营商考虑建设融合CDN，通过承载网络叠加CDN的方式提升网络和流量价值。

篇8

1大数据的环境中电子商务运用

TAMM还存在一些问题电商给人们的生活带来了正方向的改变，国家也开始重视起来，在大数据的时代中，为了应对竞争这种激烈性，需要应用TAMM来运用，但是当前的TAMM还是存在一些问题。①TAMM就是对自己公司运用的产品需求人员进行明确的确定，开展营销方面的活动或者是方案，保证实际的效果，但是各个电商负责人，对TAMM并没有一个正确的理解，认为只是做好商品网页中的产品详情页，甚至有一些是虚假的信息；②缺少专门的人员，在找准确人群的时候，范围过于狭窄或者是广阔，缺少严格性；③相应的业务或者说是服务，质量并不高，不能满足特定人员的要求，而且由于信息不真实的情况，自身的收益不会提高，反而不断减少[1]。

2关于在大数据的环境中电商如何进行TAMM的几点思考

2.1做好宣传信息的工作，保证真实

根据当前电商进行TAMM存在的问题可以发现，最严重的一个问题就是一些信息有不真实的情况，这会对人们造成损害，而且也不符合我国法律的要求，所以想要找到TAMM的策略，必须解决这个问题。一方面，各个电商的负责人要注意对TAMM进行研究，明确其具体的要求，根据研究的结果，制定出来完备的方案，其中要包括进行精准选择工作的各环节顺序、负责工作的人员安排等，保证做好选择精准人员的工作；另一方面，在这个基础之上，对电商各工作环节进行相应地改变，对于产品的信息方面，要保证用最短的文字形容出产品的各种信息，包括功效、适用人群、选择产品的好处、信誉等方面，而且其中的信息，一定要保证真实，这样避免日后出现这方面的纷扰，也树立良好的诚信，如对于排毒的产品，就不能用夸大的文字形容功能，“三天瘦十斤”、“一盒恢复青春”等，都是不可以的[2]。

2.2对自己运营方向进行准确研究

在电商发展的过程中，想要保证未来的长远性质，就必须做好自身方向的精准确认工作。①对市场进行研究：a.确认与自己经营类似的比率；b.人们对于自身运营的产品，有怎样的需要，将这些结果整合之后，找出需要自身运营产品的人员范围，粗略地进行人员的确认；②在上一点的基础上，调查和分析人员，进行精准的人员选择，这里注意前提，要从多个角度进行研究，分析年龄、工作类别、文化的程度、个人的爱好、性别等，确认之后，再进行实际的研究，可以利用调查问卷的方法，对是否精准进行一个把握；③根据最终确认的人员，有针对性地予以各工作环节改变，如运营产品主要针对女性，那么无论是包装、详情页的图片、文字等，都要有优美性，或者是小清醒类别，或者是知性，又或者是文艺性，这样做之后，再进行适度地宣传，可以最快让这些人员来购买，从而保证自身实际的收益[3]。

2.3提高工作人员的能力，保证TAMM的效果

想要做好上面两方面工作，就必须对工作人员进行一个能力的提升，所以各个电商的负责人，要对各工作环节的要求，建立专门负责的人员，选择合理的人数，然后进行培训，提高他们的专业能力和综合素质，并且要建立管理的方案，使各工作环节都可以良好地配合，对TAMM的效果予以保证。

3结论

总之，在大数据的时代中，各个电商提高自身实际的能力，运用TAMM的方法，可以保证自身不断发展，相应人员要仔细研究。另外，国家方面要完善与TAMM相关的法律法规，保证工作的合法性质。

作者:杨晓峰 单位:中国联合网络通信有限公司

参考文献:

[1]林燕.论大数据时代广告精准营销及传播策略———从中粮“年味儿”广告说起[J].今传媒，2014，10：76~77.

篇9

“未来，华为将充分发挥技术优势和合作伙伴的优势，构建出领先的云操作系统、大数据平台、PaaS平台，构建出如同亚马逊流域一样的生机勃勃的开放云生态。”华为轮值CEO徐直军向业界喊话。

过去的四年，华为IT业务一直被各种质疑声音围绕。面对这些质疑声，华为选择了低调做产品，高调做品牌。每年5亿美元的研发投入，华为完成了从服务器、存储、软件平台到云操作系统的产品布局。

如今，华为存储跃升至挑战者象限，高端存储成为Gartner报告主流玩家， FusionSphere云操作系统进入Gartner虚拟化四象限，FusionCube超融合基础设施进入Gartner一体机魔力四象限，数据中心解决方案获得Gartner的“Positive”评价。

尽管从体量上来看，华为IT业务规模远不如IBM、惠普、甲骨文、EMC这些传统的IT市场玩家，但市场增长速度远远超出业界预期，2016年，华为的IT业务即将实现盈亏平衡。

徐直军此前在华为企业云服务会上表示，预计2015年，华为IT业务收入将超过20亿美元，以这种飞速增长的态势发展下去，预计明年，华为IT业务就可以实现盈亏平衡。到2020年，华为IT业务收入预计超过百亿美元，成为华为的主力产业。

主打云生态

一步一个脚印，华为对IT产业的认知越来越深刻。

徐直军回忆道，2013年，华为对IT产业的新认知是IT系统将走向云架构，用IT改造传统的CT架构并在改造过程中实现IT和CT融合，走向一个融合的ICT基础架构。

2014年的HCC上，华为认为，ICT已经成为传统企业转型的新引擎，推动企业IT支撑系统向生产系统转型。顺应ICT发展潮流，华为提出，不仅要做领先的CT公司，还要成为领先的IT公司，同时坚持“被集成”，有所为，有所不为。

今年的HCC，华为明确构建云生态。“企业IT系统走向云架构和云服务并不容易。华为是能力有限的公司，聚焦做好产品。但仅提品，不能满足客户的各种需求，因此构建云生态就非常重要。”徐直军说。

基础设备厂商、应用开发商、渠道商、集成商、ISV都是云生态的一部分，因此，华为聚焦IT基础设施，围绕软件平台和企业云服务，构建云生态。其中，三个软件平台将在云生态的建设中扮演重要角色。

针对IT基础设施，HCC2015上，华为再次更新了FusionSphere系统，推出了6.0版本，在组件、架构、生态三个维度全面拥抱开源，实现了深度的软件开放，为运营商和企业客户提供非常灵活的软件选择。徐直军表示，在FusionSphere生态系统建设上，华为将全面支持第三方硬件，开放API给合作伙伴开发各行业的大数据应用。

据了解，华为FusionSphere已服务全球80多个国家和地区，合计超过1000家客户，覆盖政府及公共事业、金融、运营商、能源、交通、媒资、制造等行业，在助力客户业务转型和商业成功的过程中，协助企业完成IT转型。

FusionStage则支撑华为构建PaaS平台生态。FusionStage采用分布式计算架构，结合华为研发的最佳实践，支持合作伙伴构建开发、测试、部署、生产的一体化环境。

大数据已经成为ICT行业的下一代生产力。两年前的HCC上，华为针对大数据便推出FusionInsight，一个完全开放的大数据平台，可运行在任意标准的x86服务器上，无需任何专用的硬件或存储。

华为IT产品线总裁郑叶来表示，FusionInsight是首家支持1000公里以上异地容灾的大数据平台，能够实现15年历史记录的实时分析。2015年8月，华为正式宣布开源Astro项目，提供强大的在线查询和分析，以及更大规模的数据处理能力；促进Spark在业界的广泛应用。三大运营商以及一半以上的中国Top 10金融客户都在使用FusionInsight大数据平台。

此外，在HCC2015之上，华为还正式了面向未来的数据服务平台OceanStor DJ，通过统一管理存储资源和数据管理软件，提供按需使用的数据存储和管理服务，帮助数据中心极大地提升运营效率。

7月30日，华为正式推出企业云服务，徐直军在HCC2015上也明确了云服务生态的具体构建策略――聚焦I层、使能P层、聚合S层。

构建云生态，华为将继续坚持“聚焦”和“被集成”的战略，“华为将向上不做应用，向下不碰数据。”郑叶来表示。

聚焦行业云

数字化转型正成为未来10年整个社会的热点，其有两大特征：数据成为生产要素；数据成为重要资产。新兴技术也在加快这一进程，例如物联网让一切数字化，云计算让数字资源化，大数据让资源可用化。因此各国政府都在为数字化转型进行战略布局，希望构建在数字化转型中的领先优势。

华为企业业务BG总裁阎力大指出，数字化时代，企业的组织模式、管理模式与运营模式都将发生巨大的变化：IT不再只是一个工具，而是成为企业生产运营中不可分割的一部分；越来越多的企业采用云计算等新技术重构IT系统，云计算成为数字化的基石。

“面对数字化转型的大潮，传统行业需要集行业应用、ICT基础架构等于一体的能满足个性化需求的云计算服务，行业云应运而生。”他表示。

行业云能给客户带来以下三方面的价值：帮助企业实现营销互联网化、业务互联网化、管理互联网化，以及最终实现的全面互联网化；行业云聚集某个行业的上下游资源，逐步形成产业链的协同，进而形成产业链级的开放平台，最终促进整个行业的商业模式与运营创新；借助深度满足自己行业需求的行业云，新兴企业、IT基础薄弱企业可以利用后发优势，快速缩小和老牌企业的差距，甚至实现超越。

阎力大认为，当前，行业云已经处于导入阶段，2018年前后会进入全面发展阶段，届时行业云将创造巨大的企业服务市场。华为必须抓住这一机遇，与合伙伙伴一起，推动更多行业云的落地。

目前，在行业云领域，华为已经开展了有益的探索。例如，国内金融行业方案商宇信科技与华为通过联合创新，完成了金融云数据中心解决方案并开始部署。

再比如，深圳广电、华为和索贝三方共同创新媒体云方案，构建基于ALL IP架构、弹性计算资源池、媒资存储资源池的混合云全媒体解决方案，实现电视台内私有云高清编辑，台外公有云低码编辑，公有云和私有云业务高效协同，极大优化了内容生产模式，有效支撑传统媒体向全媒体转型。

“面向未来，华为对客户、合作伙伴承诺，华为将秉持BDII纲领，坚持开放创新，与合作伙伴、客户一起，共同打造行业云生态。”阎力大表示。

加速运营商云转型

凭借无可比拟的网络和数据中心优势以及丰富的企业客户资源，运营商将成为云生态的重要力量。与此同时，运营商也在积极推动自身IT系统的云计算转型工作。

HCC2015突破以往聚焦企业市场和企业客户的瓶颈，举办了首届运营商专题论坛，与全球各大运营商以及众多行业组织共同探讨运营商数字化转型的合作共赢之道。

华为运营商业务总裁邹志磊表示：“在可预见的未来，管道依然是运营商的核心业务。要将管道做大做强做精做活是支撑运营商业务转型的基石。我们也看到全球越来越多的运营商都在紧锣密鼓地从以下三个层面制定他们的数字化转型战略：成为智能管道的主导者、综合平台的提供者以及内容和应用的参与者。云计算在运营商转型中扮演着重要角色，是运营商推动IT从支撑系统走向生产系统和使能平台的关键技术。”

华为倡导针对业务、运营、网络的分层云化策略，以业务驱动的分布式云数据中心（SD-DC2）为基础，利用华为Telco OS实现敏捷的运营使能，最终通过电信业务云化及为政企客户提供丰富云服务，帮助运营商在数字时代创造独特的商业价值。

近期，华为在支持运营商云转型方面取得一系列重要进展。6月，德国电信选择华为作为其云战略合作伙伴。为了进一步加强市场竞争力，德国电信选择重点欧洲云服务市场，并计划于2018年底实现业务客户带来的收入翻番。为此，德国电信选择了和华为合作。德国电信全球IT运营高级副总裁Mr. J ern Kellermann表示：“华为提供硬件和解决方案的专业知识，而我们通过最好的网络提供具备最佳可用性的云管理服务。通过这种方式，我们在将客户IT业务迁移至云端时可完美权衡价格、服务和质量。”

8月，华为与中国电信集团公司正式签署了云计算及大数据战略合作协议。同时，HCC2015上，华为和中国电信国际有限公司宣布加强在云计算领域的合作。中国电信国际有限公司总经理邓小峰表示：“中国电信国际公司致力于成为‘走出去’中资企业首选云计算服务提供商。中国电信已经在海外10个节点具备云计算服务提供能力。”

这10个阶段全部由华为独家承建，未来，华为将继续提供IT基础设施硬件、云平台软件以及运营支撑服务，助力中国电信国际公司快速拓展全球企业云服务市场。

不久之前，华为进军公有云市场，不少人认为是动了运营商的奶酪。对此，徐直军进行了澄清：“独立发展公有云并非我们最优先选择。运营商是我们共同运营企业云服务的最优先合作伙伴，华为将充分利用运营商在机房、网络、企业的客户资源上的优势，并和华为解决方案的优势结合起来，共同做大云服务市场。”

未来，华为将充分发挥技术优势和合作伙伴的优势，构建出领先的云操作系统、大数据平台、PaaS平台，构建出如同亚马逊流域一样的生机勃勃的开放云生态。

华为轮值CEO 徐直军

面对数字化转型的大潮，传统行业需要集行业应用、ICT基础架构等于一体的能满足个性化需求的云计算服务，行业云应运而生。

华为企业业务BG总裁 阎力大

篇10

关键词：大数据 数据安全 安全分析 安全技术 安全防护

1 引言

随着大数据技术日益发展成熟，运营商通过多年的发展积累了庞大的数据资源，基于数据资源方面的显著优势，在确保数据安全使用的前提下，积极开展大数据外部旅游、交通、政府、地产、人力资源、汽车、公共服务等行业的营销实践，可实现大数据经济效益和社会效益的双重提升。

《中华人民共和国国民经济和社会发展第十三个五年规划纲要》明确指出，要“实施国家大数据战略”，“加快推动数据资源共享开放和开发应用”；要“加强数据资源安全保护”，“保障安全高效可信应用”。国务院颁布的《促进大数据发展行动纲要》提出，要深化大数据在各行业的创新应用，同步建立健全大数据安全保障体系，切实保障数据安全。

但是，随着运营商大数据应用需求的快速增加，其面临的安全风险也在不断增大，为贯彻落实国家的相关要求，确保运营商大数据安全风险可管可控，在确保安全的前提下发挥数据价值，开展运营商大数据安全管理策略研究，对实现运营商大数据安全管理具有重要的意义。

2 运营商大数据全生命周期安全管控

运营商建设大数据系统通常分为五个层级：

（1）数据采集层：主要是对移动通信网络、家庭宽带网络、集团专线网络的网络设备及业务平台侧进行数据分光复用、流量镜像等配置操作。

（2）数据处理层：基于服务器资源对传输过来的原始数据进行解析，生产准实时数据，其中包括位置数据、通话数据、漫游数据、上网数据等明细数据。

（3）数据标签层：根据上层应用功能需求，对数据处理层生成的基础明细数据进行建模，生产满足各个应用场景的小时/日/周/月宽表数据和用户画像标签。

（4）功能模块层：为支撑各种不同行业产品的需求，需要提供对外数据推送的OpenAPI接口，实现与外部需求系统的协议适配、准实时推送、定时分发和实时查询等功能。同时对外输出分析报告、数据产品和行业解决方案。

（5）行业应用层：根据行业特征和需求，针对客户、产品、服务等方面进行分析研究，并输出大数据开放接口、大数据分析报告、大数据解决方案及大数据产品，提升客户在各行业进行业务管理、产品运营、精准营销等方面的能力，实现运输商大数据变现。

基于运营商大数据系统建设的五个层级，构建大数据全生命周期安全管控如图1所示。

对于运营商大数据全生命周期安全管控，需要建立数据采集、传输、存储、共享、使用、审计、销毁等七个环节的端到端安全管理体系。

（1） 采集环节

在数据采集过程中，应确保数据采集和处理均在运营商机房内，确保核心数据不出机房。采集所使用的分光器应在建设时做好包括端口、位置等信息在内的记录，并定期开展审计。

（2）传输环节

针对跨安全域传输等存在潜在安全风险的环境，应对敏感信息的传输进行加密保护，并根据数据敏感级别采用相应的加密手段。对于目前已使用的未进行数据加密传输，应令厂家尽快加入加密模块，并在传输两端协商好加解密算法与密钥，密钥应做到定期更换。

（3）存储环节

针对存在潜在安全风险的存储环境，例如hadoop中的数据库、磁盘阵列等，应对大数据中的敏感信息加密存储，确保其保密性，保障数据完整性，做好数据容灾备份。

建立从设备到操作系统、从平台应用到数据库、从业务到数据等多角度的容灾备份方案，大数据安全管理员从应急预案、风险检测、实时预警、风险遏制、问题根除、系统恢复、跟踪总结各环节建立落实大数据安全事件应急响应方案，定期开展演练。

（4 ）使用环节

大数据平台的所有设备及平台应用必须全量接入安全审计系统，并实施绕行访问控制，禁止直连访问。对涉及用户身份、位置等敏感信息提取的操作采用“金库模式”管控。对用户敏感信息进行对外查询、展现、统计、导出等操作时，必须首先经过模糊化处理或脱敏处理。

（5 ）共享环节

针对跨部门的大数据共享，通过保密协议等方式明确数据共享双方应承担的安全责任、应具备的数据保护手段、限制数据使用范围和场景等。一切离开大数据平台的敏感数据都需要先进行加密，确保未授权的人员无法访问其内容。

（6）审计环节

用户登录大数据平台后的任何操作必须有详细的日志记录，日志log文件中应至少包括“何时、何地、何账号、何操作”，涉及大数据的具体操作，日志中还应该记录关键字段名称。

（7）销毁环节

涉及用户敏感信息的大数据平台下线或分析工作结束后留在系统内部的敏感信息，应采用技术手段删除，确保信息不可还原。对于分析工作结束后留在系统内部的敏感信息，应根据数据需求工单中的数据有效期进行销毁。

3 构建统一客户敏感数据管理

运营商大数据涉及到用户的行为特征，可以分为敏感数据和非敏感数据。敏感数据是不可下载本地系统进行操作，只允许在统一客户敏感数据管理平台中对其进行直接操作，而非敏感数据是可以下载本地进行操作，非敏感数据的下载只允许通过数据提取系统进行下载。统一客户敏感数据管理系统架构如图2所示。

在市鲂枨笕嗽碧岢鲂枨蟮ブ后，数据分析接口管理人员必须能够识别是否为敏感数据和非敏感数据。

3.1 非敏感数保护原则

（1）市场营销人员提出需求单，数据分析接口管理人员把此需求单定义为非敏感数据后，数据分析人员把分析的结果上传到数据上载区的非敏感数据区。

（2）数据分析人员把非敏感数据区的数据上载到数据提取系统中。

（3）审核人员对此需求单的数据进行审核。

（4）市场营销人员通过数据提取系统下载非敏感数据，整个非敏感数据流向都需要日志审计。

（5）数据上载区的非敏感数据区只有数据分析人员有读、写、删等权限，其它人员无任何权限。

3.2 敏感数据保护原则

（1）市场营销人员提出需求单，数据分析接口管理人员把此需求单定义为敏感数据后，数据分析人员把分析的结果上传到数据上载区的敏感数据区。

（2）由数据分析人员把敏感数据区的数据放置审核区。

（3）由审核人员进行审核审核区的数据之后，放置个人工作区。

（4）市场营销人员直接操作个人工作区的数据，也可放置该数据至共享工作区，以便其它市场营销人员访问。

（5）数据上载区的敏感数据区，仅仅只有数据分析人员有读、写、删等完全控制权限，其它人员无任何权限。

（6）审核区仅仅只有审核人员有读、写、删等完全控制权限。

（7）数据操作区的个人工作区，市场营销人员分别对自己的个人工作区有读、写、删等完全控制权限，而审核人员对个人工作区有写权限。

（8）数据操作区的共享工作区，市场营销人员仅仅对该部门或者该单位的共享工作区有读、写、删等完全控制权限，但是无上一级共享工作区的权限。

3.3 敏感数据使用原则

（1）获得授权的用户（数据提取人员、审核人员、市场营销人员），必须在系统安全域中分配相应的账号和密码。

（2）数据提取人员遵循的原则

数据分析人员只能通过专有的无盘瘦客户端登陆到应用交付系统进行正常业务工作，该无盘瘦客户端无硬盘、光驱及USB接口，无法将数据复制到本地。

数据分析人员在数据提取系统接到需求单时，需区分该需求单得出的数据是敏感数据还是非敏感数据。

数据分析人员在后台业务数据取得数据以后，必须把该数据放到数据上载区，建议把敏感数据放到数据上载区的敏感数据区，把非敏感数放到数据上载区的非敏感数据区。

数据分析人员在数据管理服务器上，非敏感数据区的数据只能上传至数据提取系统中，以给审核人员进行审核。

数据分析人员在数据管理服务器上，敏感数据区的数据只能上传至审核区中，以给审核人员进行审核。

（3）审核人员遵循的原则

对于非敏感数据，审核人员登陆数据提取系统，根据数据提取人员上传的数据进行审核，审核通过后，由市场营销人员下载到本地（此本地为市场营销的办公电脑）。

对于敏感数据，审核人员进入数据管理服务器的审计区，对该区的数据进行审核，并根据该数据的需求人把数据上载到个人工作区（需求人工作区）。

（4）市场营销人员遵循的原则

对于非敏感数据，市场营销人员登录数据提取系统后，下载已经审核通过的非敏感数据至本地，然后在本地对非敏感数据进行操作。

对于敏感数据，市场营销人员通过应用交付系统进入数据管理服务器的个人工作区，然后直接对敏感数据进行操作。

敏感数据需要进行共享，则必须由市场营销个人把数据从个人工作区拷贝到共享工作区中，然后其他营销人员进行拷贝或者直接进行操作。

4 大数据安全事件闭环管控

4.1 建立大数据安全事件闭环管控流程

大数据安全从检测、响应、恢复及加固四个环节开展大数据安全事件的全流程管控。

（1）建立大数据系统的安全属性库，考虑系统的可用性、完整性和保密性，针对系统的弱点属性如系统漏洞信息、安全配置信息等，进行完整记录和及时更新机制。

（2）建立必要的大数据安全防御手段，包括防火墙、入侵防御、防病毒、终端管理、上网行为管理、数据防泄漏等。

（3）发生安全事件时触发预警/告警，安全监控人员及时进行数据采集解析、事件识别、实时数据分析、历史数据分析，进行事件溯源，并启动工单系统，生成安全事件工单，派发相应运维人员处理。

（4）安全运维人员开展事件处理、系统加固、安全策略调整，实现大数据安全的闭环管控。

大数据安全事件闭环管控流程如图3所示。

4.2 建立大数据安全事件快速分析能力

大数据安全事件发生后的首要任务是及时开展安全事件的分析，具备完整、及时的安全数据分析能力是缩短安全事件的处置、减小损失的关键。

（1）建立全面、及时的安全数据的搜集。通过SNMP、SYSLOG、Agent、Netflow、API接口、数据库接口、FTP、HDFS、KAFKA、端口镜像、Netflow等数据源接口对网络设备、安全设备、应用系统、中间件、主机、数据库等开展数据采集。

（2）数据解析处理：通过安全数据字段的识别、时间字段侦测、时间同步等技术提升数据的解析成功率。

（3）建立数据关联分析模型：基于Spark Streaming技术对系统采集的实时数据流进行关联分析，关联的模式包括统计关联、设备关联、信息关联、模式关联、漏洞关联、策略关联等，并内置安全关联规则。

（4）用户行为画像：建立特定用户的画像，包括其合法行为白名单和行为基线。通过用户行为分析引擎侦测用户的异常行为，例如异常时间、从可疑位置登录，或是访问和平时完全不同的数据或稻萘浚或是把数据上传至公司外部的可疑地址，提供可疑用户最近的所有行为给安全管理员进行进一步的详细调查。

（5）建立分等级的告警规则：根据监控内容，对不同设备和系统的异常情况进行告警，并对告警进行分类，例如高级告警、中级告警等。制定监控告警生成事件的规则，如主要告警可以生成安全事件进行跟踪和处理。

常见的高级告警：违规安全软件、违规登录系统、终端数据泄漏；中级告警：违规上网访问、密码未定期更新、终端病毒感染、K端恶意扫描；低级告警：补丁未及时更新、恶意卸载软件。大数据安全分析能力模型如图4所示。

5 结论

本方案分析了运营商大数据发展的趋势，重点阐述了当前面临严峻的安全挑战，并为运营商大数据开展内外部变现提出了一种运营商大数据全生命周期安全管控策略，通过基于运营商大数据系统建设的五个层级，建立数据采集、传输、存储、共享、使用、审计、销毁等七个环节的端到端安全管理体系。

运营商大数据由于涉及到用户敏感数据，一方面可以建立统一客户敏感数据管理平台，对数据进行分级管理，定制差异化审批审计流程。另一方面从检测、响应、恢复及加固四个环节建立大数据安全事件闭环管控流程，并提升大数据安全事件快速分析能力，将有效增强安全事件发生后的应对处置能力。

参考文献：

[1] 中国移动通信集团公司. 中国移动大数据安全风险防控工作指引[Z]. 2016.

[2] 中国移动通信集团广东有限公司. 广东公司DPI（2/3/4G软硬采）数据安全管理规定[Z]. 2016.

[3] 王准. 大数据环境下数据安全策略研究[J]. 网络安全技术与应用， 2016（5）： 48-49.

[4] 李战克，丁梦娟. 大数据环境下的数据安全研究[J]. 信息安全与技术， 2015（6）.

[5] 陈左宁，王广益，胡苏太，等. 大数据安全与自主可控[J]. 科学通报， 2015（Z1）： 427-432.

[6] 陈立枢. 中国大数据产业发展态势及政策体系构建[J]. 改革与战略， 2015（6）： 144-147.

[7] 王倩，朱宏峰，刘天华. 大数据安全的现状与发展[J]. 计算机与网络， 2013（16）： 66-69.

[8] 王长杰，王卫华. 大数据时代下信息安全保护研究[J]. 清远职业技术学院学报， 2016（1）： 42-47.