大数据系统研发工程师

这一专业人才负责大数据系统研发，包括大规模非结构化数据业务模型构建、大数据存储、数据库构设、优化数据库构架、解决数据库中心设计等，同时，还要负责数据集群的日常运作和系统的监测等，这一类人才是任何构设大数据系统的机构都必须的。

误区:大数据的增长会降低对数据工程师的需求

如果你的公司大数据计划的目标是最大限度地减少对数据科学家的需求，你可能会得到不愉快的惊喜。根据2017年罗伯特·哈夫(Robert Half)技术薪酬指南(Technical Pair Guide)，数据工程师的平均年薪跃升至13万至19.6万美元之间，而数据科学家的平均薪酬在11.6万至16.3万美元之间，而商业智能分析师的平均薪酬在11.8万至13.875万美元之间。

误区:员工和一线经理会张开双臂拥抱大数据

新优势合作伙伴的一项调查发现，85.5%的公司致力于创造“数据驱动的文化”。然而，新数据计划的整体成功率仅为37.1%。这些公司最常提到的三个障碍是缺乏组织一致性(42.6%)、中层管理人员缺乏采纳和理解(41%)以及业务阻力或缺乏理解(41%)。

未来可能属于大数据，但要获得这项技术的好处，需要大量针对多样化人类的老式艰苦工作。

管理客户关系

客户管理应用的目的是根据客户属性(包括自然属性和行为属性)从不同角度深入分析和了解客户，从而增加新客户，提高客户忠诚度，降低客户流失率，增加客户消费。对于中小客户来说，专业化的CRM显然又大又贵。许多中小型企业使用飞信作为主要的客户关系管理。比如给飞信集团添加老客户，在朋友圈发布新产品公告和特别销售通知，完成售前售后服务。

个性化精确推荐

在运营商内部，根据用户喜好推荐各种服务或应用是很常见的，比如应用商店软件推荐、IPTV视频节目推荐等。经过智能分析的算法如关联算法、文本摘要提取、情感分析等。，可以扩展到商业服务，可以利用数据挖掘技术帮助客户进行精准营销。未来，利润可以来自客户增值部分的份额。

以日常的“垃圾短信”为例，信息并不都是“垃圾”，因为收件人不需要，被视为垃圾。在对用户行为数据进行分析后，我们可以将需要的信息发送给需要的人，这样“垃圾邮件”就变成了有价值的信息。在日本的麦当劳，用户在手机上下载优惠券，然后用运营商DoCoMo的手机钱包去餐厅付款。运营商和麦当劳收集相关的消费信息，比如经常买什么汉堡，去哪个店消费，多久消费一次，然后准确的把优惠券推给用户。

数据搜索

数据搜索是一个新的应用。随着“大数据”时代的到来，对实时、全范围搜索的需求越来越强烈。我们需要能够搜索各种社交网络、用户行为和其他数据。其商业应用价值在于将实时数据处理与分析和广告联系起来，即应用中的移动广告实时广告业务和社交服务。

运营商掌握的用户在线行为信息，使得获取的数据“更具综合维度”，更具商业价值。典型应用是中国移动的“盘古搜索”。