运营商数据变现由于涉及用户隐私等公众问题，较BAT相比数据开放性较差，数据变现一直是游走在钢丝绳上的老虎，看似很猛，实则很难有效落地。近期结合两个案例进行简单摸索和学习。
一个应用
场景应用，某电商需要对某些区域进行收集品牌营销活动，营销的老大需要确认针对该地区2个营销的手机品类，如何确认这两个品类的选择呢？
运营商有一个用户终端数据，可以对应唯一的IMSI统计该用户使用什么类型的终端，也可以统计近半年用户改变终端类型的用户行为对照变化。根据这个变化我们可以利用桑基图来观察终端更换的流向问题，针对某个区域进行特定电商营销活动。
数据格式如下：
| 现有品牌 | 来源品牌 | 设备量（万） | 类型 |
|---|---|---|---|
| 华为 | 小米 | 1800 | 1 |
| 华为 | 小米 | 588 | 1 |
| 华为 | 华为 | 156 | 1 |
| 华为 | iPhone | 620 | 1 |
| 华为 | OPPO | 1000 | 1 |
| … | … | … | … |
桑基图定义：
桑基图（Sankey diagram），即桑基能量分流图，也叫桑基能量平衡图。它是一种特定类型的流程图，图中延伸的分支的宽度对应数据流量的大小，比较适用于用户流量等数据的可视化分析。因1898年Matthew Henry Phineas Riall Sankey绘制的“蒸汽机的能源效率图”而闻名，此后便以其名字命名为“桑基图”。
利用Tableau做流向桑基图：
比如我们点击小米，看一下原来哪些终端用户更换了小米手机，其中最主要来源时IPHONE手机用户，其次是魅族手机，可以就这两种终端进行联合营销活动，如果确认要主推小米的话。
运营商可以变现该区域的终端类型库数据，电商可以根据用户表现精准营销终端。以上就是一个运营商数据变现的小应用。
一个模型
以下部分内容引自：与数据同行，作者傅一平。
这里谈到的一个模型由于之前参与过具体项目设计，因此或多或少了解。这个模型能力方向是运营商的空间模型能力，据估算运营商当前80%的数据变现依靠位置数据创造，但运营商的空间能力具有深层潜力，目前透露的能力产品还是冰山一角。
位置数据由一系列带有时间戳的坐标点组成，每个坐标点包含了经度、纬度和海拔等高度信息，形成一个序列数据。位置数据挖掘主要分为个体模式和群体模式：前者可以表明我经常出现在什么位置、我喜欢在什么时间和位置应用什么服务、我频繁的轨迹模式是怎么样的，后者可以表明不同类型客户经常聚集在什么地点、哪些客户的轨迹模式比较相似、在统一位置的客户是否倾向使用同一类业务等。
目前运营商的位置经度已经由比较大的提示，某些省份从几百米提升到了几米，结合目前火热的新零售模式可以预想到“位置是理解客户的一把钥匙，新零售创新的一个抓手，运营商最为宝贵的数据财富，将随着精度的提升创造无限的应用场景”
以下是位置精度提升前后的效果对比图：
该模型的技术路线是从基站的AOA+TA到+MR到+OTT到+掌厅到+MDT逐步演进的，后续位置精度会更加提升，用户行为判读会更多依靠机器学习，空间模型应用前景会更大。