SlideShare a Scribd company logo
1 of 11
Download to read offline
Системы «Больших Данных» в области гарантирования доходов у телеком операторов 
1 
Ноябрь 2014г.
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.
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
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
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
Инструменты управления большими данными 
Технологии Big DATA 
Real-Time Аналитика 
MPP Аналитика 
Визуализация 
Map-Reduce 
5
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
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
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
Спасибо за внимание
Приложение 1 - 
Map-Reduce 
Технологии Big DATA 
Real-Time Аналитика 
MPP Аналитика 
Визуализация 
. . . 
. . . 
. . .

More Related Content

Viewers also liked

Применение Big Data в маркетинге
Применение Big Data в маркетингеПрименение Big Data в маркетинге
Применение Big Data в маркетингеEvgeniy Pavlovskiy
 
Сергей Иревли, МТС: "M2M в МТС: история, реалии, планы"
Сергей Иревли, МТС: "M2M в МТС: история, реалии, планы"Сергей Иревли, МТС: "M2M в МТС: история, реалии, планы"
Сергей Иревли, МТС: "M2M в МТС: история, реалии, планы"Procontent.Ru Magazine
 
Oracle big data for finance
Oracle big data for financeOracle big data for finance
Oracle big data for financeCleverDATA
 
Предиктивная аналитика и Big Data: методы, инструменты, решения
Предиктивная аналитика и Big Data: методы, инструменты, решенияПредиктивная аналитика и Big Data: методы, инструменты, решения
Предиктивная аналитика и Big Data: методы, инструменты, решенияDell_Russia
 
Монетизация данных: могут ли банки зарабатывать на информации
Монетизация данных: могут ли банки зарабатывать на информацииМонетизация данных: могут ли банки зарабатывать на информации
Монетизация данных: могут ли банки зарабатывать на информацииMike Sverdlov
 
Андрей Себрант - Что такое Big data и почему это страшно интересно
Андрей Себрант - Что такое Big data и почему это страшно интересноАндрей Себрант - Что такое Big data и почему это страшно интересно
Андрей Себрант - Что такое Big data и почему это страшно интересноYandex
 

Viewers also liked (8)

Применение Big Data в маркетинге
Применение Big Data в маркетингеПрименение Big Data в маркетинге
Применение Big Data в маркетинге
 
Big data must ife
Big data must ifeBig data must ife
Big data must ife
 
Big data, бизнес, CRM
Big data, бизнес, CRMBig data, бизнес, CRM
Big data, бизнес, CRM
 
Сергей Иревли, МТС: "M2M в МТС: история, реалии, планы"
Сергей Иревли, МТС: "M2M в МТС: история, реалии, планы"Сергей Иревли, МТС: "M2M в МТС: история, реалии, планы"
Сергей Иревли, МТС: "M2M в МТС: история, реалии, планы"
 
Oracle big data for finance
Oracle big data for financeOracle big data for finance
Oracle big data for finance
 
Предиктивная аналитика и Big Data: методы, инструменты, решения
Предиктивная аналитика и Big Data: методы, инструменты, решенияПредиктивная аналитика и Big Data: методы, инструменты, решения
Предиктивная аналитика и Big Data: методы, инструменты, решения
 
Монетизация данных: могут ли банки зарабатывать на информации
Монетизация данных: могут ли банки зарабатывать на информацииМонетизация данных: могут ли банки зарабатывать на информации
Монетизация данных: могут ли банки зарабатывать на информации
 
Андрей Себрант - Что такое Big data и почему это страшно интересно
Андрей Себрант - Что такое Big data и почему это страшно интересноАндрей Себрант - Что такое Big data и почему это страшно интересно
Андрей Себрант - Что такое Big data и почему это страшно интересно
 

Similar to Герард Костин, МТС

Продукты и решения Informatica
Продукты и решения  InformaticaПродукты и решения  Informatica
Продукты и решения InformaticaNatasha Zaverukha
 
презентация карачинский а. - Ibs group
презентация карачинский а.  - Ibs groupпрезентация карачинский а.  - Ibs group
презентация карачинский а. - Ibs groupfinnopolis
 
От Больших данных к знаниям: преимущества для операторов связи
От Больших данных  к знаниям: преимущества  для операторов связиОт Больших данных  к знаниям: преимущества  для операторов связи
От Больших данных к знаниям: преимущества для операторов связиYuri Yashkin
 
От больших данных к знаниям: преимущества для операторов связи
От больших данных к знаниям: преимущества для операторов связиОт больших данных к знаниям: преимущества для операторов связи
От больших данных к знаниям: преимущества для операторов связиElizaveta Alekseeva
 
Консолидация информации при кооперации и франчайзинге
Консолидация информации при кооперации и франчайзингеКонсолидация информации при кооперации и франчайзинге
Консолидация информации при кооперации и франчайзингеMaxim Andreyev
 
Управление подрядчиками и их контроль как элемент повышения качества эксплуат...
Управление подрядчиками и их контроль как элемент повышения качества эксплуат...Управление подрядчиками и их контроль как элемент повышения качества эксплуат...
Управление подрядчиками и их контроль как элемент повышения качества эксплуат...Дмитрий Пшиченко
 
Обзор решения по управлению унифицированными коммуникациями Cisco
Обзор решения по управлению унифицированными коммуникациями CiscoОбзор решения по управлению унифицированными коммуникациями Cisco
Обзор решения по управлению унифицированными коммуникациями CiscoCisco Russia
 
Informatica for Data Warehouse Optimisation and Data Lake Use-cases
Informatica for Data Warehouse Optimisation and Data Lake Use-casesInformatica for Data Warehouse Optimisation and Data Lake Use-cases
Informatica for Data Warehouse Optimisation and Data Lake Use-casesIlya Gershanov
 
CTI. Услуга "Контактный центр по запросу"
CTI. Услуга "Контактный центр по запросу"CTI. Услуга "Контактный центр по запросу"
CTI. Услуга "Контактный центр по запросу"CTI2014
 
Обеспечение и контроль качества услуг
Обеспечение и контроль качества услугОбеспечение и контроль качества услуг
Обеспечение и контроль качества услугCisco Russia
 
Talksum dec2013 rus_generic
Talksum dec2013 rus_genericTalksum dec2013 rus_generic
Talksum dec2013 rus_genericdartemiev
 
презнтация для клиентов U caa s май 2014
презнтация для клиентов U caa s май 2014презнтация для клиентов U caa s май 2014
презнтация для клиентов U caa s май 2014Tim Parson
 
Стратегия развития технологий Интернета Вещей в Cisco
Стратегия развития технологий Интернета Вещей в CiscoСтратегия развития технологий Интернета Вещей в Cisco
Стратегия развития технологий Интернета Вещей в CiscoCisco Russia
 
Bios power bi о нас (RU)
Bios power bi о нас (RU)Bios power bi о нас (RU)
Bios power bi о нас (RU)Oleksandr18
 
Больше DMP, хороших и разных
Больше DMP, хороших и разныхБольше DMP, хороших и разных
Больше DMP, хороших и разныхHybridRussia
 
презентация для клиентов U caa s май 2014
презентация для клиентов U caa s май 2014презентация для клиентов U caa s май 2014
презентация для клиентов U caa s май 2014Tim Parson
 
УНИФИЦИРОВАННЫЕ КОММУНИКАЦИИ И СОВМЕСТНАЯ РАБОТА
УНИФИЦИРОВАННЫЕ КОММУНИКАЦИИ И СОВМЕСТНАЯ РАБОТАУНИФИЦИРОВАННЫЕ КОММУНИКАЦИИ И СОВМЕСТНАЯ РАБОТА
УНИФИЦИРОВАННЫЕ КОММУНИКАЦИИ И СОВМЕСТНАЯ РАБОТАJuliaKuksa
 

Similar to Герард Костин, МТС (20)

Продукты и решения Informatica
Продукты и решения  InformaticaПродукты и решения  Informatica
Продукты и решения Informatica
 
Технический учет: осознанная необходимость
Технический учет: осознанная необходимостьТехнический учет: осознанная необходимость
Технический учет: осознанная необходимость
 
презентация карачинский а. - Ibs group
презентация карачинский а.  - Ibs groupпрезентация карачинский а.  - Ibs group
презентация карачинский а. - Ibs group
 
От Больших данных к знаниям: преимущества для операторов связи
От Больших данных  к знаниям: преимущества  для операторов связиОт Больших данных  к знаниям: преимущества  для операторов связи
От Больших данных к знаниям: преимущества для операторов связи
 
От больших данных к знаниям: преимущества для операторов связи
От больших данных к знаниям: преимущества для операторов связиОт больших данных к знаниям: преимущества для операторов связи
От больших данных к знаниям: преимущества для операторов связи
 
Консолидация информации при кооперации и франчайзинге
Консолидация информации при кооперации и франчайзингеКонсолидация информации при кооперации и франчайзинге
Консолидация информации при кооперации и франчайзинге
 
Управление подрядчиками и их контроль как элемент повышения качества эксплуат...
Управление подрядчиками и их контроль как элемент повышения качества эксплуат...Управление подрядчиками и их контроль как элемент повышения качества эксплуат...
Управление подрядчиками и их контроль как элемент повышения качества эксплуат...
 
Обзор решения по управлению унифицированными коммуникациями Cisco
Обзор решения по управлению унифицированными коммуникациями CiscoОбзор решения по управлению унифицированными коммуникациями Cisco
Обзор решения по управлению унифицированными коммуникациями Cisco
 
TM Forum and Big Data
TM Forum and Big DataTM Forum and Big Data
TM Forum and Big Data
 
Informatica for Data Warehouse Optimisation and Data Lake Use-cases
Informatica for Data Warehouse Optimisation and Data Lake Use-casesInformatica for Data Warehouse Optimisation and Data Lake Use-cases
Informatica for Data Warehouse Optimisation and Data Lake Use-cases
 
CTI. Услуга "Контактный центр по запросу"
CTI. Услуга "Контактный центр по запросу"CTI. Услуга "Контактный центр по запросу"
CTI. Услуга "Контактный центр по запросу"
 
Обеспечение и контроль качества услуг
Обеспечение и контроль качества услугОбеспечение и контроль качества услуг
Обеспечение и контроль качества услуг
 
Talksum dec2013 rus_generic
Talksum dec2013 rus_genericTalksum dec2013 rus_generic
Talksum dec2013 rus_generic
 
презнтация для клиентов U caa s май 2014
презнтация для клиентов U caa s май 2014презнтация для клиентов U caa s май 2014
презнтация для клиентов U caa s май 2014
 
Стратегия развития технологий Интернета Вещей в Cisco
Стратегия развития технологий Интернета Вещей в CiscoСтратегия развития технологий Интернета Вещей в Cisco
Стратегия развития технологий Интернета Вещей в Cisco
 
Bios power bi о нас (RU)
Bios power bi о нас (RU)Bios power bi о нас (RU)
Bios power bi о нас (RU)
 
Облачные сервисы Майкрософт и возможности для партнеров, Azure University
Облачные сервисы Майкрософт и возможности для партнеров, Azure UniversityОблачные сервисы Майкрософт и возможности для партнеров, Azure University
Облачные сервисы Майкрософт и возможности для партнеров, Azure University
 
Больше DMP, хороших и разных
Больше DMP, хороших и разныхБольше DMP, хороших и разных
Больше DMP, хороших и разных
 
презентация для клиентов U caa s май 2014
презентация для клиентов U caa s май 2014презентация для клиентов U caa s май 2014
презентация для клиентов U caa s май 2014
 
УНИФИЦИРОВАННЫЕ КОММУНИКАЦИИ И СОВМЕСТНАЯ РАБОТА
УНИФИЦИРОВАННЫЕ КОММУНИКАЦИИ И СОВМЕСТНАЯ РАБОТАУНИФИЦИРОВАННЫЕ КОММУНИКАЦИИ И СОВМЕСТНАЯ РАБОТА
УНИФИЦИРОВАННЫЕ КОММУНИКАЦИИ И СОВМЕСТНАЯ РАБОТА
 

More from connectica-lab

Владимир Чупров, Гринпис России
Владимир Чупров, Гринпис РоссииВладимир Чупров, Гринпис России
Владимир Чупров, Гринпис Россииconnectica-lab
 
Карен Степаньян, Совфрахт
Карен Степаньян, СовфрахтКарен Степаньян, Совфрахт
Карен Степаньян, Совфрахтconnectica-lab
 
Дмитрий Соснин, Министерство транспорта и дорожного хозяйства Мурманской области
Дмитрий Соснин, Министерство транспорта и дорожного хозяйства Мурманской областиДмитрий Соснин, Министерство транспорта и дорожного хозяйства Мурманской области
Дмитрий Соснин, Министерство транспорта и дорожного хозяйства Мурманской областиconnectica-lab
 
Антон Рышков, РЖД
Антон Рышков, РЖДАнтон Рышков, РЖД
Антон Рышков, РЖДconnectica-lab
 
Сергей Попов, Научно-производственный центр Специального машиностроения при М...
Сергей Попов, Научно-производственный центр Специального машиностроения при М...Сергей Попов, Научно-производственный центр Специального машиностроения при М...
Сергей Попов, Научно-производственный центр Специального машиностроения при М...connectica-lab
 
Николай Пегин, Правительство Камчатского края
Николай Пегин, Правительство Камчатского краяНиколай Пегин, Правительство Камчатского края
Николай Пегин, Правительство Камчатского краяconnectica-lab
 
Александр Ольшевский, Администрация Севморпути
Александр Ольшевский, Администрация СевморпутиАлександр Ольшевский, Администрация Севморпути
Александр Ольшевский, Администрация Севморпутиconnectica-lab
 
Виктор Олерский, Минтранс РФ
Виктор Олерский, Минтранс РФВиктор Олерский, Минтранс РФ
Виктор Олерский, Минтранс РФconnectica-lab
 
Владимир Михайличенко, НП по координации использования Северного морского пути
Владимир Михайличенко, НП по координации использования Северного морского путиВладимир Михайличенко, НП по координации использования Северного морского пути
Владимир Михайличенко, НП по координации использования Северного морского путиconnectica-lab
 
Владимир Мерзликин, Ленморниипроект
Владимир Мерзликин, ЛенморниипроектВладимир Мерзликин, Ленморниипроект
Владимир Мерзликин, Ленморниипроектconnectica-lab
 
Сергей Попов, Научно-производственный центр Специального машиностроения при М...
Сергей Попов, Научно-производственный центр Специального машиностроения при М...Сергей Попов, Научно-производственный центр Специального машиностроения при М...
Сергей Попов, Научно-производственный центр Специального машиностроения при М...connectica-lab
 
Валерий Лепов, Институт физико-технических проблем Севера им. В.П. Ларионова ...
Валерий Лепов, Институт физико-технических проблем Севера им. В.П. Ларионова ...Валерий Лепов, Институт физико-технических проблем Севера им. В.П. Ларионова ...
Валерий Лепов, Институт физико-технических проблем Севера им. В.П. Ларионова ...connectica-lab
 
Юрий Костин, Федеральное агентство морского и речного транспорта
Юрий Костин, Федеральное агентство морского и речного транспортаЮрий Костин, Федеральное агентство морского и речного транспорта
Юрий Костин, Федеральное агентство морского и речного транспортаconnectica-lab
 
Владимир Кондратенко, РЖД
Владимир Кондратенко, РЖДВладимир Кондратенко, РЖД
Владимир Кондратенко, РЖДconnectica-lab
 
Алевтина Кириллова, ФСТ России
Алевтина Кириллова, ФСТ РоссииАлевтина Кириллова, ФСТ России
Алевтина Кириллова, ФСТ Россииconnectica-lab
 
Юлия Зворыкина, Постоянное представительство РФ при Европейском союзе
Юлия Зворыкина, Постоянное представительство РФ при Европейском союзеЮлия Зворыкина, Постоянное представительство РФ при Европейском союзе
Юлия Зворыкина, Постоянное представительство РФ при Европейском союзеconnectica-lab
 
Виталий Збаращенко, Международная академия транспорта
Виталий Збаращенко, Международная академия транспортаВиталий Збаращенко, Международная академия транспорта
Виталий Збаращенко, Международная академия транспортаconnectica-lab
 
Юрий Захарченко, Московский комплекс ЦАГИ
Юрий Захарченко, Московский комплекс ЦАГИЮрий Захарченко, Московский комплекс ЦАГИ
Юрий Захарченко, Московский комплекс ЦАГИconnectica-lab
 
Вячеслав Зайцев, Интеравиагаз
Вячеслав Зайцев, ИнтеравиагазВячеслав Зайцев, Интеравиагаз
Вячеслав Зайцев, Интеравиагазconnectica-lab
 
Юрий Варакин, Росгидромет
Юрий Варакин, РосгидрометЮрий Варакин, Росгидромет
Юрий Варакин, Росгидрометconnectica-lab
 

More from connectica-lab (20)

Владимир Чупров, Гринпис России
Владимир Чупров, Гринпис РоссииВладимир Чупров, Гринпис России
Владимир Чупров, Гринпис России
 
Карен Степаньян, Совфрахт
Карен Степаньян, СовфрахтКарен Степаньян, Совфрахт
Карен Степаньян, Совфрахт
 
Дмитрий Соснин, Министерство транспорта и дорожного хозяйства Мурманской области
Дмитрий Соснин, Министерство транспорта и дорожного хозяйства Мурманской областиДмитрий Соснин, Министерство транспорта и дорожного хозяйства Мурманской области
Дмитрий Соснин, Министерство транспорта и дорожного хозяйства Мурманской области
 
Антон Рышков, РЖД
Антон Рышков, РЖДАнтон Рышков, РЖД
Антон Рышков, РЖД
 
Сергей Попов, Научно-производственный центр Специального машиностроения при М...
Сергей Попов, Научно-производственный центр Специального машиностроения при М...Сергей Попов, Научно-производственный центр Специального машиностроения при М...
Сергей Попов, Научно-производственный центр Специального машиностроения при М...
 
Николай Пегин, Правительство Камчатского края
Николай Пегин, Правительство Камчатского краяНиколай Пегин, Правительство Камчатского края
Николай Пегин, Правительство Камчатского края
 
Александр Ольшевский, Администрация Севморпути
Александр Ольшевский, Администрация СевморпутиАлександр Ольшевский, Администрация Севморпути
Александр Ольшевский, Администрация Севморпути
 
Виктор Олерский, Минтранс РФ
Виктор Олерский, Минтранс РФВиктор Олерский, Минтранс РФ
Виктор Олерский, Минтранс РФ
 
Владимир Михайличенко, НП по координации использования Северного морского пути
Владимир Михайличенко, НП по координации использования Северного морского путиВладимир Михайличенко, НП по координации использования Северного морского пути
Владимир Михайличенко, НП по координации использования Северного морского пути
 
Владимир Мерзликин, Ленморниипроект
Владимир Мерзликин, ЛенморниипроектВладимир Мерзликин, Ленморниипроект
Владимир Мерзликин, Ленморниипроект
 
Сергей Попов, Научно-производственный центр Специального машиностроения при М...
Сергей Попов, Научно-производственный центр Специального машиностроения при М...Сергей Попов, Научно-производственный центр Специального машиностроения при М...
Сергей Попов, Научно-производственный центр Специального машиностроения при М...
 
Валерий Лепов, Институт физико-технических проблем Севера им. В.П. Ларионова ...
Валерий Лепов, Институт физико-технических проблем Севера им. В.П. Ларионова ...Валерий Лепов, Институт физико-технических проблем Севера им. В.П. Ларионова ...
Валерий Лепов, Институт физико-технических проблем Севера им. В.П. Ларионова ...
 
Юрий Костин, Федеральное агентство морского и речного транспорта
Юрий Костин, Федеральное агентство морского и речного транспортаЮрий Костин, Федеральное агентство морского и речного транспорта
Юрий Костин, Федеральное агентство морского и речного транспорта
 
Владимир Кондратенко, РЖД
Владимир Кондратенко, РЖДВладимир Кондратенко, РЖД
Владимир Кондратенко, РЖД
 
Алевтина Кириллова, ФСТ России
Алевтина Кириллова, ФСТ РоссииАлевтина Кириллова, ФСТ России
Алевтина Кириллова, ФСТ России
 
Юлия Зворыкина, Постоянное представительство РФ при Европейском союзе
Юлия Зворыкина, Постоянное представительство РФ при Европейском союзеЮлия Зворыкина, Постоянное представительство РФ при Европейском союзе
Юлия Зворыкина, Постоянное представительство РФ при Европейском союзе
 
Виталий Збаращенко, Международная академия транспорта
Виталий Збаращенко, Международная академия транспортаВиталий Збаращенко, Международная академия транспорта
Виталий Збаращенко, Международная академия транспорта
 
Юрий Захарченко, Московский комплекс ЦАГИ
Юрий Захарченко, Московский комплекс ЦАГИЮрий Захарченко, Московский комплекс ЦАГИ
Юрий Захарченко, Московский комплекс ЦАГИ
 
Вячеслав Зайцев, Интеравиагаз
Вячеслав Зайцев, ИнтеравиагазВячеслав Зайцев, Интеравиагаз
Вячеслав Зайцев, Интеравиагаз
 
Юрий Варакин, Росгидромет
Юрий Варакин, РосгидрометЮрий Варакин, Росгидромет
Юрий Варакин, Росгидромет
 

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 . . . . . . . . .