反诈大数据模型的应用与成效 - 中国电信的反诈模型通过分析话务、漫游行为、终端等数据，能及时识别和处置潜在涉诈号码，有效预防电诈案件[1] - 反诈大数据模型具备实时监控诈骗活动及模式的功能，并能通过用户行为、信用评级等多维度数据预测潜在诈骗行为[3] - 中国电信的反诈模型已发挥重要作用，效果非常好[1] - 中国移动的反诈模型也取得良好效果，中国联通则通过优化大数据算法并搭建新的国际漫游反诈模型来打击GoIP诈骗[6] 数据要素的价值与政策推动 - 据经合组织测算，数据流动对各行业利润增长的平均促进率约为10%，在数字平台、金融业等领域可高达32%[4] - 国家数据局正与国务院国资委共同制定国有企业数据效能提升行动方案，推动数据管理机制创新，强化数据赋能[4] - 国家数据局与多部委联合印发《关于促进企业数据资源开发利用的意见》，并研究制定《国有企业数据效能提升三年行动方案》，推动央企数据资源从“存起来”转向“用起来”[5] - 相关政策方案将建立数据资产入账、流通和监管的全流程制度，并在电力、交通、通信等重点领域开展试点[5] 数据资产化的实践与收益 - 一家能源央企通过数据要素市场化运营，已实现年数据服务收益超过2亿元，并带动产业链数据协同效率提升40%[5] - 我国现有超过1.8亿个经营主体，企业的数据资源开发利用已成为数据要素市场化、价值化的主阵地[4] 运营商的数据能力与AI大模型 - 运营商具备天然的数据优势，中国电信的数据湖存储量已超过600PB，形成了多源数据底座[6] - 中国电信基于50万小时脱敏音频数据集，打造了业界首个支持50种方言自由混说的语音大模型[6] - 中国电信基于加密脱敏后的视联网数据，构建了海量视频数据湖，形成了亿级高质量数据集，并开发了业界首个基于知识的视图万物布控大模型[6]