Презентация с конференции Resilience 2014.
Опыт и решения CleverDATA.
Какие задачи стоят перед Бизнесом и как подходить к решению задач обогащения данных для извлечения знаний.
Биржа Данных 1DMP.RU и Private DMP.
Роль Научного сообщества и Data Science в развитии Big Data
Презентация с конференции Resilience 2014.
Опыт и решения CleverDATA.
Какие задачи стоят перед Бизнесом и как подходить к решению задач обогащения данных для извлечения знаний.
Биржа Данных 1DMP.RU и Private DMP.
Роль Научного сообщества и Data Science в развитии Big Data
My presentation at OSPconf. Big Data Forum 2015 in Moscow on Informatica products and solutions in Big Data space: datawarehouse offload, managed data lake, big data Customer MDM, streaming analytics platform.
Big Data for Customer centric organisation - CleverDATA for Oracle CIO Club M...CleverDATA
- how to know your customer for not to loose him
- how to use customer centric approach
- how to get 3D customer view
- data sources review
- customer profile on every stage of customer life cycle
- use cases
- how to build a solution architecture to use all your data
- 1DMP.RU for Enterprise components to work with big data
- Oracle Big Data appliance to deploy a solution
- 1DMP.RU solution's benefits
http://www.saturd.ru/ - заказать увеличение продаж можно здесь.
Презентация на тему BIG DATA в интернет продажах. Биг дата - это обработка и использование собранных данных о человеке для того чтобы дать ему релевантное предложение.
Темы: Продвижение в интернете, SaturD, Продвижение медицинских услуг
Технологии Больших Данных для банков и страховых компаний. Какие задачи решают? Как монетизировать Большие Данные? Бизнес-кейсы и конкретные примеры. Концепция 3D профиля клиента. Точная сегментация и персонифицированный маркетинг. Управление данными на Oracle Big Data Appliance
Аналитический обзор рынка Больших Данных от IPOboardIpo Board
Данный аналитический обзор посвящен рынку Больших Данных.
В обзоре освящена текущая ситуация на международном и российском рынках.
Также описаны тенденции рынка и его прогноз.
Big Data - что это и с чем его "едят") Откуда взялся термин Big Data, какое содержание он в себе несет, и, есть ли будущее у тренда Big Data. Изучаем...
Анджей Аршавский, Директор ЦК, ЦК по супермассивам данных, Сбербанк-Технологии. "Типы данных и корпоративная платформа для полного цикла работы с данными"
•19:20-19:40 Максим Еременко, Управляющий директор-начальник управления, Управление инструментов и моделей, Сбербанк. "Как модели могут сохранять или зарабатывать деньги?"
•19:40-20:00 Тихонов Роман, Управляющий директор — директор управления, Управление валидации, Сбербанк. "Кейсы Сбербанка: от предсказания дефолта в реальном времени до глубинного обучения на данных естественного языка".
Если вы хотите получить доступ к видео выступления, напишите нам на datascienceweek2016@gmail.com.
Weight loss tips from our experts medscapeDr Ankur Shah
Start with small, achievable goals that patients are most motivated to achieve initial success. Discuss with patients their biggest barrier to weight loss and strategize the first step. An initial small success will increase confidence to later tackle larger lifestyle changes. A study found that even modest weight loss in the first month uniquely predicted greater weight loss after 12 months.
My presentation at OSPconf. Big Data Forum 2015 in Moscow on Informatica products and solutions in Big Data space: datawarehouse offload, managed data lake, big data Customer MDM, streaming analytics platform.
Big Data for Customer centric organisation - CleverDATA for Oracle CIO Club M...CleverDATA
- how to know your customer for not to loose him
- how to use customer centric approach
- how to get 3D customer view
- data sources review
- customer profile on every stage of customer life cycle
- use cases
- how to build a solution architecture to use all your data
- 1DMP.RU for Enterprise components to work with big data
- Oracle Big Data appliance to deploy a solution
- 1DMP.RU solution's benefits
http://www.saturd.ru/ - заказать увеличение продаж можно здесь.
Презентация на тему BIG DATA в интернет продажах. Биг дата - это обработка и использование собранных данных о человеке для того чтобы дать ему релевантное предложение.
Темы: Продвижение в интернете, SaturD, Продвижение медицинских услуг
Технологии Больших Данных для банков и страховых компаний. Какие задачи решают? Как монетизировать Большие Данные? Бизнес-кейсы и конкретные примеры. Концепция 3D профиля клиента. Точная сегментация и персонифицированный маркетинг. Управление данными на Oracle Big Data Appliance
Аналитический обзор рынка Больших Данных от IPOboardIpo Board
Данный аналитический обзор посвящен рынку Больших Данных.
В обзоре освящена текущая ситуация на международном и российском рынках.
Также описаны тенденции рынка и его прогноз.
Big Data - что это и с чем его "едят") Откуда взялся термин Big Data, какое содержание он в себе несет, и, есть ли будущее у тренда Big Data. Изучаем...
Анджей Аршавский, Директор ЦК, ЦК по супермассивам данных, Сбербанк-Технологии. "Типы данных и корпоративная платформа для полного цикла работы с данными"
•19:20-19:40 Максим Еременко, Управляющий директор-начальник управления, Управление инструментов и моделей, Сбербанк. "Как модели могут сохранять или зарабатывать деньги?"
•19:40-20:00 Тихонов Роман, Управляющий директор — директор управления, Управление валидации, Сбербанк. "Кейсы Сбербанка: от предсказания дефолта в реальном времени до глубинного обучения на данных естественного языка".
Если вы хотите получить доступ к видео выступления, напишите нам на datascienceweek2016@gmail.com.
Weight loss tips from our experts medscapeDr Ankur Shah
Start with small, achievable goals that patients are most motivated to achieve initial success. Discuss with patients their biggest barrier to weight loss and strategize the first step. An initial small success will increase confidence to later tackle larger lifestyle changes. A study found that even modest weight loss in the first month uniquely predicted greater weight loss after 12 months.
This document discusses qualitative and quantitative metrics that can be used to measure the effectiveness of a company's information security program. The qualitative metrics focus on visibility into which business units receive, remediate, and comply with vulnerability scan reports and patching timelines. The quantitative metrics measure percentages of on-time patches, average times to deploy normal and emergency patches, and comparisons of protected vs unprotected network areas. The purpose of these metrics is to understand an organization's security risk posture, compliance with standards, and ability to manage performance over time.
Предпосылки использования аутсорсинга и практика оказания услуг подразделения...SelectedPresentations
VII Уральский форум
Информационная безопасность банков
ТЕМАТИЧЕСКОЕ ЗАСЕДАНИЕ № 3
Аутсорсинг ИБ. Облачные сервисы и другие технологии
Ярцев Игорь Васильевич, начальник ОИБ Российский национальный коммерческий банк (ОАО)
Источник: http://ural.ib-bank.ru/materials_2015
El documento es un recibo de nómina del mes de junio de 2012 para Antonio Martínez Mateo de parte del Ayuntamiento de Novelda. La nómina incluye 100 euros en concepto de asistencias a órganos de gobierno con una retención de 2 euros para IRPF, resultando un líquido a percibir de 98 euros. No se realizaron cotizaciones a la Seguridad Social.
This document summarizes a panel discussion on SCADA protection for critical infrastructure. The panel included representatives from academia, government, and industry who discussed challenges in securing interconnected IT, OT, and physical systems from threats. Key topics included the complexity of securing different layers and sectors, collaboration challenges across groups, and research on testing SCADA resilience through simulation and vulnerability analysis. Audience questions focused on current and needed research, standards, technologies, and training to drive effective collaboration and security progress. Panelists provided contact information for further discussion.
This document discusses emerging cyber threats and targets in today's world. It notes that attribution of cyber attacks is now difficult due to the asymmetric nature of cyber space, where offense is cheap but defense is expensive. Many adversaries now exist with varying motivations, from wanting valuable information for money to conducting government-sponsored attacks. Lessons from the document indicate that both technology and user training are needed to protect users, as people will always take risks and make mistakes, and technology enables both beneficial use and malicious attacks.
Peradaban Islam dahulu sangat gemilang di bawah kepemimpinan Khilafah Islamiyah, dengan banyak ilmuwan muslim dan kemajuan sains. Namun setelah runtuhnya Khilafah pada 1924, peradaban Islam merosot dan digantikan oleh peradaban Barat. Beberapa kelompok militan berusaha mengembalikan kejayaan peradaban Islam melalui penegakan syariat Islam dan kembalinya Khilafah, tetapi belum menggunakan metode yang diajark
Монетизация данных: могут ли банки зарабатывать на информацииMike Sverdlov
Как банк может монетизировать внутренние и внешние данные, есть ли шанс у Big Data и как строить взаимоотношения с клиентами, основываясь на данных. Живые кейсы, реальные факты, много ссылок и картинок.
От больших данных к знаниям: преимущества для операторов связиElizaveta Alekseeva
Операторы связи обладают огромными объемами данных об абонентах: об их контактах, использовании Интернета и приложений, истории путешествий и даже о том, как долго они добираются до работы. Чтобы извлечь из всего этого пользу, операторы должны объединить в одно решение все компоненты, помогающие преобразовать данные в знания
От Больших данных к знаниям: преимущества для операторов связиYuri Yashkin
Для операторов связи Большие данные — это возможность создать систему аналитики для более эффективной эксплуатации своих сетей, оценить выгоду от предоставления тех или иных услуг и обеспечить индивидуальный подход к клиентам. И директора по маркетингу, и вице-президенты по эксплуатации сетей, и руководители бизнес-подразделений в равной степени стремятся принимать решения, основываясь на результатах обработки значительных объемов информации. Такие компании ожидают, что их маркетологи смогут предложить им комплексные аналитические выводы, подготовленные с учетом данных, имеющихся в их ИТ- и сетевой инфраструктурах. В данном документе рассматриваются все преимущества преобразования данных операторов связи в знания. Этот процесс охватывает источники информации, инструменты сбора данных, аналитические СУБД с быстрым доступом и, наконец, сценарии использования бизнес-аналитики с представлением и визуализацией результатов и прогнозов
Что должен уметь интернет магазин лучшие технологии борьбы за покупателя от...КИТ МЕДИА
- создаем и наполняем интернет-магазин – быстро, просто, эффективно
- как подключить кассу к интернет-магазину в соответствии с ФЗ-54
- маркетинговые фишки для эффективных продаж
- что такое SSL-сертификат, зачем он нужен и где его взять
Защищенная веб-аналитика для банков, телекомов, медицинских центровAndrew Fadeev
Веб-аналитическая система Webtrends onPremises, обеспечивающая выполнение последних требований по защите персональных данных в Интернете для, банков, телекомов, медицинских центров.
Комплексная презентация IT for Retail
***********************************************
• Разработка и интеграция мобильного приложения на платформах Android и iOS. B2C & B2B
• ИТ Консалтинг и Аудит. Внедрение. Разработка. Интеграция
• Планшет руководителя
• MD AUDIT 4.0 «Облачная платформа для планирования и проведения проверок торговых точек».
• B2B мобильные устройства \Оборудования SAMSUNG
• MDM: EMM Knox \ SAP Afaria \ EMM Microsoft
• SAP Mobile Documents
• IPS (Indoor Positioning Systems)
• Event Look решение для профессиональной организации мероприятий
Большие данные и бизнес-аналитика: как найти пользу?Marina Payvina
Как извлечь пользу из больших данных.
Инструменты бизнес-аналитики для анализа и исследования больших данных
Мероприятие:
День Науки НИУ ВШЭ 2015
Фото: http://vk.com/album-66011151_214023156
Как будут меняться IT-потребности телеком сектораAnton Shustaev
Директор по информационным технологиям (ИТ) Группы компаний «АКАДО» Андрей Литвинович в ходе конференции «ИТ в Телекоме: что нужно потребителю?» рассказал новых вызовах, с которыми сталкиваются ИТ-подразделения в крупнейших телекоммуникационных компаниях страны. С содержанием доклада г-на Литвиновича можно ознакомиться в прилагаемой презентации.
Windows Embedded Day Russia - Smart Products and Microsoft AzureMicrosoft
Windows Embedded Day Russia session about Internet of Things and how Microsoft Azure enables the opportunity to implement Machine2Machine communication.
CISLink Data Tracing Service allows the manufacturer to provide a detailed collection of reports (sell in|out) in the distribution network and data consolidation at the central office for analysis.
1. Использование аналитики
больших данных для
принятия решений и
улучшения стратегий по
гарантированию доходов
“Big Data Must Life!”
____________________________________
(место для грифа конфиденциальности)
ОАО «Мобильные ТелеСистемы»,
г. Москва, ул. Марксистская, д.4
11.11.2015
Костин Герард Владимирович
2. 2
Что такое Big Data?
____________________________________
»КОНФИДЕНЦИАЛЬНО»
ОАО «Мобильные ТелеСистемы»,
г. Москва, ул. Марксистская, д.4
СеминарБФИ2015.BigDataвМТС
OLUME
ARIETY
ELOCITY
• Петабайты и экзабайты
данныхV
V
V
• Возможность быстрой
обработки и
автоматизированных
действий
• Неструктурированные
данные, любые
источники данных
BIG DATA – это объемы данных, которые превосходят возможности
традиционных программных продуктов по сбору, хранению и анализу, на текущий
момент либо не собираемые вообще, либо удаляемые из информационных систем
компании. Освоение этих данных может принести компании новые возможности
роста прибыли и эффективности. Термин, сильно разогретый маркетингом,
зачастую в него вкладывается совершенно разное: инфраструктура, объем, или
просто PR/presale…
3. 3
Big Data сегодня
____________________________________
(место для грифа конфиденциальности)
ОАО «Мобильные ТелеСистемы»,
г. Москва, ул. Марксистская, д.4
Big Data
Hype Cycle for Emerging Technologies, 2013 Hype Cycle for Emerging Technologies, 2015
Big Data
?
4. 4
Big Data – это прежде всего данные
____________________________________
(место для грифа конфиденциальности)
ОАО «Мобильные ТелеСистемы»,
г. Москва, ул. Марксистская, д.4
Ежемесячный
объем
трафика,
генеримый
телеком
оператором
100-150 ПБ
Объем
данных,
который
приносит
ценность:
10-15 ПБ
Big Data
Big Data Data
5. 5
Data Governance –инструмент извлечение ценности
из данных
____________________________________
(место для грифа конфиденциальности)
ОАО «Мобильные ТелеСистемы»,
г. Москва, ул. Марксистская, д.4
6. 6
Big Data: новый подход
к работе с данными…
СеминарБФИ2015.BigDataвМТС
• Реализация аналитических систем под конкретные
задачи
• Работа со структурированными данными
• Хранение только «нужных» данных, в разных местах
для разных задач, преимущественно из внутренних
источников компании
• Переход к «коммунальной» архитектуре
• Единое для всех пространство хранения данных
разной природы (структурированных и нет, из
внутренних и внешних источников)
• Другой подход к реализации проектов и
соответствующие компетенции и процессы внутри
компании
____________________________________
»КОНФИДЕНЦИАЛЬНО»
ОАО «Мобильные ТелеСистемы»,
г. Москва, ул. Марксистская, д.4
От Compute centric…
к Data centric…
7. 7
Какие данные есть в телекоме…
____________________________________
(место для грифа конфиденциальности)
ОАО «Мобильные ТелеСистемы»,
г. Москва, ул. Марксистская, д.4
СеминарБФИ2015.BigDataвМТС
Структурированные данные
• Данные биллинга - звонки
• Данные состояния сетевых элементов
• Информация о местоположении
• CDR/EDR
• Данные состояния сетевых элементов
для систем мониторинга
• Справочные данные по сетевым
элементам (Inventory)
• Данные биллинга - абонентский
профиль, действие над профилем
• Обращения в call-центр и заявки,
заведенные через личный кабинет
• Данные по up-sell / cross-sell ( Next best
offer), включая историю предложений и
описание продуктовых корзин
Неструктурированные данные
• Записи звонков и текстов смс
• E-mail абонентов
• Данные социальных сетей
• Данные постов форумов и блогов
• Информация по посещаемым Web
сайтам
• Записи звонков в call- центр
• Логи IVR
• Разбор рукописных заявлений
абонентов
• Разбор результатов опросов абонентов
• Профиль интересов - загружаемые
видео/аудио/фото контент,
предпочтительные приложения и
характер потребления данного
контента
• Логи сетевых элементов, сервисных
платформ, показатели измерительных
датчиков на оборудовании
8. 8
Архитектура Big Data
____________________________________
(место для грифа конфиденциальности)
ОАО «Мобильные ТелеСистемы»,
г. Москва, ул. Марксистская, д.4
СеминарБФИ2015.BigDataвМТС
?
Идет конкурс по
выбору Framework'а
системы распределенной
обработки данных
Идет проект миграции КИХ на Teradata
Все вендоры указаны
исключительно в качестве
примера
Big Data «под ключ» не существует –
необходимо самим конструировать свое решение
CEP – complex event processing: Система аналитики и
принятия решений на потоке данных в реальном времени
9. 9
Big Data требует новых функций в бизнесе
BigData Product
Menagment
Data Scientist
Data Governor
Опрос Accenture по планам внедрения новых функциональных
направлений в компаниях*
* - По материалам Accenture «Big Success With Big Data»
____________________________________
(место для грифа конфиденциальности)
ОАО «Мобильные ТелеСистемы»,
г. Москва, ул. Марксистская, д.4
10. 10
Из чего состоит Big Data в телеком отрасли
Расширенные возможности
клиентской аналитики
Гео-локация и гео
таргетирование
Планирование и управление
сетью
Revenue Assurance and Fraud
prevention
____________________________________
(место для грифа конфиденциальности)
ОАО «Мобильные ТелеСистемы»,
г. Москва, ул. Марксистская, д.4
11. 11
RA и Big DataRevenueAssuranceandFraud
prevention
____________________________________
(место для грифа конфиденциальности)
ОАО «Мобильные ТелеСистемы»,
г. Москва, ул. Марксистская, д.4
• Контроль тарификации Real-Time
• Индивидуальный мониторинг качества(KPI)
• Управление трафиком в Real-Time
• Превентивное предотвращение фрода
• Предотвращение проблем на сети и в ИТ
• Выявление дублирующих бизнес процессов
• Сокращение затрат при планировании сети
• ….
12. 12
Индивидуальный мониторинг
качества(KPI)
____________________________________
(место для грифа конфиденциальности)
ОАО «Мобильные ТелеСистемы»,
г. Москва, ул. Марксистская, д.4
Падения доходов, в следствии проблем с DATA сервисами у
абонентов, можно отследить только по массовым проблемам на
основании данных ежедневных начислений за DATA
Возможности BigDATA:
Рассчитывает KPI по качеству и доступности DATA
для каждого абонента
• Текущие системы мониторинга не считают
качества с детализацией до абонента
В режиме реального времени определяется объем
недопотребленных DATA услуг для каждого
абонента
• Ранее можно было определить объем
недопотребления только по массовым авариям
– экспертно, с задержкой 3-5 дней.
Определяется вероятная причина снижения
доступности и качества DATA услуг (хранятся все
логи)
• Ранее определить причину можно было только
если проблему ставили на трейс и она
воспроизводилась вновь
Некорректные настройки APN
Проблемы с аутентификацией AAA
Ошибки Provisioning
Конфликт IP адресов абонентов
Некорректная остановка
RNC(отключение сразу всех RNC, а
проведение работ только на 1 )
Вероятные проблемы:
13. 13
Контроль тарификации Real-Time
____________________________________
(место для грифа конфиденциальности)
ОАО «Мобильные ТелеСистемы»,
г. Москва, ул. Марксистская, д.4
Существующие методы контроля тарификации не покрывают всех
проблем и сложны в эксплуатации ( ручное тестирование,
Параллельный биллинг, сверки)
Основная цель нового подхода—
Покрытие всего объема начислений алгоритмом выявлений
ошибок рейтинга/биллинга
Дополнительный результат:
incomplete records (потеря части записей)
Fraud (фрод на низком уровне)
Ограничение существующих
систем:
единичные проверки
начислений, проверки
специально генерируемых
тестовых событий
Для анализа начислений возможно проводить
сравнение с историческими данными: поиск
аналогичных событий и анализ отклонений.
Преимущества по сравнению с классической системой
«параллельного биллинга»:
меньшие требования к вычислительным ресурсам
не требуется дополнительная интеграция с
разнообразными источниками CDR
экономия ресурсов — не требуется
конфигурирования тарифов в системе верификации