针对这些对大数据的困惑，万莉莉表示，首先，保证数据质量是进行分析和挖掘的基础。数据分析有时受网络状况或数据收集问题所限，SAS产品可以和所有主流数据仓库做连接，此外SAS也会替运营商考虑大数据规划问题。
魏凯说：“电信运营商优势在于拥有很多用户的网络使用痕迹，这是别人现阶段没有的，但是不表示此后也没有，你看现在OTT在发展什么东西，就是智能路由器，可穿戴设备，就是数据，所有的运营商都在做这个东西，OTT如果把其数据的入口延伸到了硬件上，一旦OTT将前沿推向用户设备，运营商数据的优势其实是在削弱的。另外，大数据其实要长期的战略投资，运营商现在还下不了决心改变传统的业务模式。”
大数据分析助力网络管理升级
万莉莉表示：“在传统的语音短信正在下降的趋势下，我们更多要考虑在我们流量网络这块，怎样去提升客户价值，最重要的一点是要保证网络质量。我们其实现在有很多的数据，用户消费数据和投诉数据，这两年其实投诉数据也在被加以使用，投诉数据对于网络优化和网络建设是非常好的决策支撑来源，比如这一片地区投诉多或者说体育场要开演唱会的时候，可以马上派几个加急的应急车过去。在4G网络铺开之时，在城市规划和网络建设之时就将大数据应用进去，让数据参与决策，这是我们去做好流量经营的第一步，那接下来的话，我们怎么样提供哪些更好的服务就是关键了。比如一年中月均消费3000以上又是移动的VIP，钻卡用户，需要保证钻卡所有服务质量提升到最高，在这样的一个情况下，这个人在何处，所在位置的网络是否是最好的，怎么样给他提供最好的网络质量、网络服务，包括其他的企业级用户，怎么样提高最好的宽带服务，这些其实都是流量经营需要去考虑的，这些就是只有依据现有的大数据分析，才能更好地去做判断。”
“SAS现拥有一套非常完整的网络优化解决方案，可用于整个区域的网络建设和规划。SAS网络分析可以帮助客户进行网络优化，预测网络故障，提前进行预防性维护。其次，通过对客户服务中心采集的用户投诉、建议等数据来做文本分析，还能实现服务优化。此外，该解决方案还能帮助运营商在有限投资下，进行合理的投资规划，确保营收。”万莉莉继续补充道。
在网络管理和分析上，曹鲁认为用大数据进行网络分析的前提在于保证内部系统的通畅。只有在通畅的前提下，我们才能把所有的数据收集起来进行分析，需要各个系统之间的整合。我们要做的是智能管道在技术层面，我们现在有一套流量流向分析系统，可以帮助资源优化配置。未来网络流量流向分析还将进一步完善。
邓超说，在中国移动，我们通过集中建设的方式把大数据中心建立起来，实行基地模式的数据集中化，而不是此前的分省运营分省管理和使用数据。我们的第一步就是把数据集中起来，然后使用新的大数据技术，做统一的规划分析和统计。网络管理方面，一个典型的例子是，我们参与的中国移动的四网协同和流量经营工作。我们希望把2G网络上的流量业务尽量移到3G网络，也包括4G网络。这需要我们做全网流量热点分析，然后对那些2G的热点，考虑如何用3G和4G基站承接，并分析需要新建多少个基站承接，这里面涉及最优图划分的复杂分析过程，之前更多靠人工进行，现在我们使用自己产品提供的大数据技术和工具直接一次处理。
大数据的商业应用引发了人们对于隐私问题的关注。魏凯认为，现在大家对于隐私的看法慢慢发生了变化。原来坚决不能放在网上的东西，现在也慢慢公开了，大家的容忍度更高了。但这也需要出台一些规章制度进行规范，其中有一个法律法规逐步完善的过程。
探索电信业大数据技术发展方向
无论是此前提到的网络分析，还是商业模式的改变，最根本的还是大数据分析技术在进步。万莉莉表示，高性能分析突破了传统分析的性能瓶颈，通过内存分析技术大幅缩短用时，以近乎实时的速度展现分析结果。此外，SAS也将重点放在了文本、声音和视频等非结构化数据的分析上，更有效地挖掘数据价值。除了速度，也强调交互性，通过简单拖拽，数据分析结果便通过直观的图形化交互模式展现出来。而这些都是非常易于操作的，这对于轻松获取业务洞察、改变传统商业模式和习惯都有推动作用。
就大数据技术而言，曹鲁关注的是大数据处理技术，例如大数据和云技术的一些结合。考虑到数据挖掘成本，在有限数据深度的情况下，曹鲁希望在大数据挖掘或者进行中型分析的时候广度更广。此外，面对广大的客户群，希望通过对客户的分析加深对行业的理解。邓超表示，目前很难将开源里的先进模型应用到商业产品中，加之考虑到开源产品自用维护成本较高，因而分析工具的结合程度非常重要。
论坛全面剖析了电信业大数据现状，重点讨论了目前面临的难点，为在座来宾描绘了电信业大数据分析的未来图景。从3G到4G的过渡中，更多的网络建设和优化工作亟待开展，使用分析技术对网络进行预报和优化，让数据参与决策，成为电信业发展重点。大数据也为运营商带来转型新机遇。通过从数据中获取洞察，提升客户服务质量，实现业务升级，运营商可以提升企业效益，重塑核心竞争力。
