More Related Content
Viewers also liked (8)
Similar to Герард Костин, МТС (20)
More from connectica-lab (20)
Герард Костин, МТС
- 1. Системы «Больших Данных» в области гарантирования доходов у телеком операторов 1 Ноябрь 2014г.
- 2. Понятие «Большие данные», с точки зрения RA 1 Big DATA (Большие данные) - Методы обработки огромных объёмов и значительного многообразия данных с высоким уровнем детализации (пробы, логи, записи звонков, тексты обращений клиентов, социальные сети и их корреляция друг с другом), для получения воспринимаемых человеком результатов, эффективных в условиях непрерывного прироста объема данных. Big DATA, с точки зрения функции финансового блока: Реализация гибких прогнозных моделей в области бюджетирования и планирования, с высоким уровнем достоверности; Выявление скрытых связей между клиентами с целью уточнения данных взыскания ДЗ и повышение его эффективности; Высокопроизводительная аналитика на базе интегрированных данных ИТ и ТБ с возможностью получения аналитики в режиме реального времени; Big DATA позволяет создать архитектуру корпоративного информационного хранилища, что позволит сэкономить CAPEX для проектов, требующих интеграции с аналитическими хранилищами данных, а так же на проектах по расширению и модернизации сети.
- 3. Предпосылки Big DATA в области RA RA Контроли IN Голос SMS GPRS LTE Электронная коммерция VoLTE ? ? Многообразие источников данных и их чрезвычайная сложность Рост объемов анализируемых RA контролями данных Отсутствие явных связей между источниками данных Низкая скорость обработки неструктурированных данных(Лог файлы ИТ/ТБ) 2
- 4. Преимущества использования Big DATA в RA Big DATA Экономия CAPEX на новых проектах Снижение зависимости от вендоров и интеграторов Единый источник данных, при многообразии кейсов Возможность сделать доступным низкоуровневые «тяжелые» данные Снижение стоимости защиты информации IT monitoring Customer Care TD’ data Marketing Network Planning Logs data RA Billing 3
- 5. Использование прогнозных моделей в RA RA Big DATA Data Bearer 1.Количество неуспешных попыток присоединения 2.APN DNS время отклика & время недоступности 3. Internet DNS время отклика & время недоступности 4. Время активации PDP Context 5. Время Round-trip 6. Эффективная down/uplink скорость Billing DATA 1.Оценка маржинальности 2.Churn –rate 3.Реальная стоимость единицы трафика IT/TD data 1.Данные об авариях и работах на системах 2.Состояние KPI на системах ИТ/ТБ 3.Низкоуровневые Log файлы с оборудования ИТ/ТБ Browsing 1.% неуспешных сессий 2.Время загрузки страницы 3.Средняя скорость 4.Процент разрывов Voice & SMS 1.Количество вызовов (Mo/MT) 2.ABR / ASR 3.Количество попыток вызовов (MO, MT) 4.Общая длительность 5.Роуминг (in/out) 6.Качество связи Streaming 1.Время недоступности 2.% неуспешных сессий 3.Upload/Download Rate 4.Процент разрывов IT 4
- 6. Инструменты управления большими данными Технологии Big DATA Real-Time Аналитика MPP Аналитика Визуализация Map-Reduce 5
- 7. Высокопотенциальные RA кейсы, в области Big DATA RA Big DATA Управление маржинальностью сервисов в реальном времени Сокращение недополученного дохода Оптимизация CAPEX на строительство и расширение сети Проактивное Предотвращение Потерь(cdr анализ) 6
- 8. Кросс функциональные кейсы Big DATA Владелец Зона интересов Результаты Маркетинг Прогнозирование Достижение лояльности Формирование предложений Повышение ARPU пользователей смартфонов на 10% Снижение оттока высокомаржинальных пользователей на 40% Повышение реализации бандлов на 30% Обслуживание клиентов Отслеживание запросов Самообслуживание через web Конфигурации OTA Снижение времени ожидания ответа –50% Снижение загрузки операторов call center –40% Процент решения проблем в хоед обсуживания >90%; Контроль качества end-2-end взгляд Контроль качества сервисов Совместимость сервисов и оконечных устройств Стоимос решения проблем снижена на 80% ARPU по высокомаржинальным услугам повысился на 50% Срок вывода новой услуги сокращен до 1 месяца Планирование сети Окупаемость сетевых элементов Эффективность МН-маршрутов Качество VoIP Снижение инвестиций в инфраструктуру –10% Средняя длительность МН-вызовов +200% Стоимость голосового вызова –90% Управление Клиентский QoS Аналитика и детализация Бизнес-анализ Отток высокодоходных абонентов–40% Время решения проблем –50% 7
- 9. Будущее Big DATA в телеком бизнесе 8 Увеличение эффективности маркетинговых компаний до 25% Сокращение оттока клиентов до 12% Сокращение OPEX15% Снижение потерь от фрода до 20% Рынок Монетизации Европы Рынок Монетизации России
- 11. Приложение 1 - Map-Reduce Технологии Big DATA Real-Time Аналитика MPP Аналитика Визуализация . . . . . . . . .