近日，T11 2017 暨 TalkingData 智能数据峰会在京举办。本届大会以“知机识变，有唐之盛”为主题，有来自不同行业的数据科学家、分析师、企业管理者参与，共同探讨大数据与行业结合的技术趋势、场景应用、前沿案例，助力传统企业转型为数据驱动型企业和，推进行业生态建设。

其中，在智能数据服务分会场，电信云大数据事业部副总经理吴章先分享了电信云在开放共享、共建数据生态方面的经验。

在天翼大数据方面，吴章先表示，在建构大数据能力上有以下三个方面较为关键：

第一，分布式数据中心。所建的大数据分析节点需要区域化，甚至有多个节点，不同层级。

第二，数据层面。所有应用服务提供商或行业数据能力提供商，他们的数据维度一般是依托于生态链或应用服务产品。运营商数据源基本上覆盖了广泛领域，但在数据方向的深度还需要进行挖掘。

第三，建立数据平台。由于电信运营商的特点是整个数据产生的节点分散、规模巨大、种类多，所以要有卓越的数据治理和平台运营能力。

而在构建数据生态上，在他看来，“在大数据开放合作领域里，这两年我们看到从整个行业生态上，离真正数据打通还比较远；其次，如何通过平台赋能，来实现真正数据的开放融合也是目前难以解决的问题。”，这些挑战都需要在未来引起重视并找到有效解决方案。

以下为吴章先演讲内容，雷锋网(公众号：雷锋网)做了不改变原意的编辑：

在三年前，我参加中国营商大会，听了 Google 一位总经理介绍大数据领域里面土豪的时候，画了四个象限，把三个运营商划到了土豪象限里面，就是拥有数据，不怎么会玩。

经过这三年时间，我们在逐步摸索，利用运营商已有的一些数据成果，去想怎么更好的服务社会。在这当中，我们也发现整个数据如果不进行打通，或者仅仅以某一个企业自有数据去做很多服务时，都会或多或少碰到一些问题。

首先，给大家介绍一下天翼大数据的情况，第二，站在平台角度看一下我们如何构建数据生态。

天翼大数据发展概况

大家最早用固话，都是用电信的固定号码，现在也有一些移动，以及在很多家庭里面用的 IPTV，包括酒店里面用很多内容的机顶盒，都使用的是电信的服务。所有这些服务里面都脱离不了最重要的基础，很多企业在大数据领域的经验，他们所做的所有应用，所有大数据分析能力，实际上都要构架在一个基础设施上面，而中国电信拥有全球最大规模的大数据基础。

从我们目前跟很多行业专家、行业技术团队沟通时，发现有几个方向可能在未来在建大数据能力方面是比较关键的：

第一，分布式数据中心。可能我们所建的大数据分析节点需要区域化，甚至多个节点，不同层级，包括我们今年跟国家几个部委沟通时，都发现有这样的需求。电信的“2+31+X”的技术机构，再加上我们已经在数据中心专门承建 DCI 网络，能够满足大家的需求。如果大家了解的话，应该知道中国电信最早 163 到企业 CN2，到现在 DCI，有三张底层的骨干网支撑大家的基础能力。

第二，数据层面。所有应用服务提供商或行业数据能力提供商，他们的数据维度一般是依托于生态链或应用服务产品。运营商数据源基本上覆盖了广泛领域。从接入层面来讲，不管是家里的宽带，通过移动网、IPTV以及其他一些设施在接入运营商服务还是其他行业服务时，都会有大量数据产生，这也是我们运营商本身在数据源的优势。整个覆盖层面，不管是在时间空间上，还是本身使用场景上，都是比较全面的。

现在在数据领域里，运营商的数据具备数据面比较广，但是它的数据在某一个方向深度不够的特点。目前，天翼云已经累计超过 30 个 PB 的数据，日处理量超过 200T。

第三，要处理这些数据，就需要有一个能力强大的平台。我们有卓越的数据治理和平台运营能力，因为电信运营商的特点是整个数据产生的节点分散、规模巨大、种类多，所以我们在数据治理、数据平台运营上积累了很多经验。

经过这三年的治理，我们形成了一个非常稳定的数据生产线，在很多行业，目前尤其跟我们比较类似的一些部委，如卫计委，他们的数据跟我们特点非常相似，需要有一整套设施来帮助进行处理。

此外，依托这些数据，已经形成了非常多的产品和解决方案。我们在三年里有 4+1 产品体系，十大行业解决方案。从我个人经验来看，在 2015 年刚发生上海踩踏事件时，利用我们的数据帮助政府做人流热图，2015 年开始，我们发现在景区旅游，依托运营商数据可以做很多事情。

今年我们发现通过一些数据打通，包括我们在景区里面跟 TalkingData 进行合作，把一些互联网数据和运营商数据结合，通过更好的数据模型能够更精准预测或分析出景区人群整个情况。现在，我们还在更宏观的一些领域和更微观的领域有了更好的发展。

4+1 产品体系里，现在有一个底层 PaaS 大数据分析平台，叫飞龙平台，是云数一体的大数据平台。这里不仅仅是云端，大家可以利用这个数据平台进行相应数据分析，进行数据产品化，进行数据对外输出，这个大数据飞龙平台也可以提供给相应企业、相应合作方，部署到他们自有的企业IT设施里进行业务的支撑。

如何构建数据生态

回到今天的主题，我觉得一下几个观点非常正确。首先，现在在大数据开放合作领域里，目前就我个人来看，还是处于非常初级的摸索阶段。我们都非常希望数据流通、数据安全、数据隐私等等问题能够通过很好的方法来解决，但实际上，这两年我们看到从整个行业生态上来看，离真正数据打通还比较远。我们看到几个重要的问题里，从能力支撑到平台，到数据，到安全，可能首先要从基础的能力上去解决，这也是我们今天在第二部分里面给大家去分享的。

其次，如何通过平台赋能，来实现真正数据的开放融合。用区块链的技术，能不能解决在数据分享里数据流通性、安全性问题，因为数据本身是可复制的，一旦进入流通环节，数据价值马上会以指数级别消减。这个问题我们看到所有拥有数据的公司非常关注，这也是难以解决的问题。

在过去三年时间里，我们对数据，通过平台来进行相应的安全性加固、安全性运营，同时我们也跟很多行业合作伙伴进行了相应尝试。通过在平台功能上、规则上、管理上的措施，已经看到了怎么能够真正把数据流通做下去。

目前，我们在天翼云整个云端平台上提供了一个一站式开放服务，包括给数据提供方、产品开发者、客户提供了完整的一整套业务支撑体系。我们坚持一个原则，数据拥有方对数据加工、数据开放、数据的运营，拥有绝对的权力。也就是说数据拥有方在我们平台上上传数据，对这个数据进行加工操作，都是数据拥有方自己去处理的。在上面，我们也提供一整套完整的，包括开放运营、安全的整套机制。

在平台保障上，通过运营商强项，在运营服务上给我们的合作伙伴、数据合作方提供相应完整的服务，不仅仅是有运营服务，还有平台能力服务，还有一些产品开放策略。过去三年，中国电信天翼云针对我们的数据，已经形成了一整套机制，形成了相应服务能力，给我们的合作伙伴进行开放。

在策略上，我们在整个平台里形成了五分一统，很多数据拥有方，尤其是党政企业，还有国企，他们的数据本身在数据IT能力上面略弱，我们通过整套机制，从分类、分级、分型、分布、分权已经把数据整个加工、数据处理、数据开放形成一整套管理手段。在对外输出时，通过统一出口，使得我们数据应用方在对外服务的时候，能够实现可管、可控、安全可靠，能够使得我们通过这个开放平台，快速的把数据合作、数据共赢、数据融合做下去。

运营保障体系上，通过完善大数据的开放运营，从业务切入详细去帮助应用需求看它对数据的分析，在运营闭环上，通过各个不同数据环节，我们在审计安全上，在日常运营维护上，是否可靠，是否正常。我们在对外服务方面，也有很多不同的方式，不管是云托管方式还是私有系统方式。在底层，我们有弹性的成长过程，数据从一个节点到另外一个节点，甚至多节点服务，依托中国电信云网融合的方式都可以很方便、很快速的支撑。

我在过去交流所有场合里，大家最担心的还是安全问题。对有一些企业来讲，安全性问题意味着财富，意味着资产流失，对有一些企业或政府来讲，安全性问题意味着他头上的乌纱帽或屁股下面的位子，大家非常关注，每一次决策都非常谨慎。我们在整个天翼云大数据开放平台上，平台赋能很关键是在安全上提供全生命周期的安全保障，不仅仅是从I层，从物理安全保障、网络安全保障、主机级安全保障、应用级安全保障方面，提供整个安全服务能力。

此外，我们对应用的全周期也是提供相应安全服务。这种安全服务不仅是在技术上进行体现，同时也从我们管理机制，同我们整个对数据加工的分级分权，以及数据加工一整套安全流程去保障。

进行了所有安全加固以后，会带来一个问题，我们在数据分析时，冗余度或灵活度去哪里了？中国电信大数据平台上，有一个有效的机制，通过互信融合，当我们需要对比较原始的数据进行融合分析时，比如 A 客户数据和 B 客户数据要在一起进行分析，然后产生最后的分析结果，这个时候怎么办？

我们会在平台上分配一个临时空间，临时空间里不能够进行数据的对外输出。它可以在临时空间里面对相应数据进行融合分析，分析完的结果通过审计以后再输出，输出只是分析结果，一旦分析结果输出完以后，这个空间我们就会把它销毁掉，所以所有用户原始数据都不存在流失和被盗风险。所有操作我们也会通过日志和审计功能，让数据拥有方能看得到。

我们前面说五分一统，数据分析灵活的机制，是确保这个平台上数据可以进行共享融合，能够进行分析的。

安全保障领域里，我们有相应的安全合规功能，从隔离、脱敏、标识、授权、审计五大方面，帮助云公司自己，还有我们的客户进行整体安全后的保障。从隔离中，按功能分类，从数据敏感区域里给客户提供相应的工具，然后到脱敏、标识、授权、审计，有一整套完善的流程。

下面说一个案例。在整个平台上，我们跟一个 AI 公司一起做的流程是这样的。它有一些外面金融行业的数据，在我们平台上用云公司自有数据，通过构建一套 AI 组件，来进行整个融合分析。通过这种分析，一方面我们避免了大量各种不同产品需要专家进行设计、建模，而是通过 AI 方式，帮我们通过机器解决，来真正实现业务场景的输出功能。从实际效果来讲也非常好，从千分之二提升到千分之五的用户转化率。

最后希望通过构建一个完善的，比较强大的平台，通过应用驱动数据的模式，构建这个数据生态。我们希望可以跟所有业内企业、业内客户一起在这里共同构建完整的大数据生态，真真正正把大数据的价值对行业的影响能够做到最好。