Casos de uso de analítica avanzada para Telecomunicaciones

Baobab mathematical application to telecommunication industries

Desde que comenzamos nuestra unidad de negocio de telecomunicaciones en mayo pasado, nos hemos reunido con multitud de proveedores de servicios en toda Europa con un creciente interés en analítica avanzada y automatización.

Por analítica avanzada nos referimos al machine learning, la inteligencia artificial y la analítica prescriptiva, y hay varias razones por las que la están impulsando.

  • Reducir los costes y la complejidad en las operaciones diarias.
  • Maximizar el ROI
  • Complementar su cartera de servicios de IoT y Transformación Digital para clientes corporativos
  • Incrementar ingresos
  • Monetizar datos.

Estos son algunos de los casos de uso que hemos encontrado como resultado de nuestra interacción con la industria.

Ciberseguridad

Un operador británico está utilizando Inteligencia Artificial para apoyar a su equipo de ciberseguridad mediante los siguientes casos de uso:

  • Detección de amenazas conocidas utilizando patrones de datos de amenazas conocidas para detectar sus nuevas ocurrencias.         
  • Detección de nuevas amenazas. Algoritmos de aprendizaje automático no supervisado pueden identificar comportamientos sospechosos (atípicos) y detectar nuevos patrones de ataque.
  • Automatización de reacciones a amenazas detectadas para las cuales se haya definido una respuesta en el pasado.         

Automatización de tareas

5G e IoT traerán una explosión de datos y dispositivos conectados que, en combinación con la presión sobre el precio de los datos, hará que el diseño y las operaciones de red tradicionales se vuelvan obsoletos.

Los operadores ya han encontrado aplicaciones mediante inteligencia artificial para por ejemplo automatizar los diseños de fibra óptica teniendo en cuenta las múltiples consideraciones de diseño y reglas de planificación necesarias, que suelen requerir horas de un ingeniero experimentado para ser completados. Con la nueva aplicación, los diseños se terminan en minutos. Podemos esperar más aplicaciones similares.

Diseño eficiente de red de radio

Las redes de radio son caras debido en parte a los arrendamientos asociados a los emplazamientos de red. De acuerdo con Information Age, ya en 2016 solo en el Reino Unido existían alrededor de 52.000 antenas de telefonía móvil con una renta promedio de 4.946£ para los emplazamientos rurales y 11.346£ para los urbanos. De ahí el interés de los operadores en reducir su factura de arrendamiento.

 Diseño eficiente de red de radio

La analítica prescriptiva permite, dado un conjunto de emplazamientos existentes y candidatos, junto con objetivos de cobertura y capacidad, crear un modelo matemático que encuentre el plan de red de coste mínimo (en términos de CAPEX y OPEX) mientras cumple con todos los objetivos.

Los operadores están trabajando en los modelos que  pueden ingerir el plan de red y la huella de cobertura para cada emplazamiento desde la herramienta de planificación, enriquecerlo  con los costes y las demandas de tráfico, explorar de una manera inteligente el espacio de posibles soluciones y recomendar las mejores acciones (instalar un nuevo nodo en un sitio potencial o existente, o actualizar la capacidad) para satisfacer las demandas de tráfico y cobertura.

Optimización prescriptiva de red

Los ingenieros de optimización radio saben que muchos sitios son parecidos y funcionan de manera similar. Los operadores están empezando a adoptar soluciones de analítica avanzada con el fin de encontrar los nodos que comparten contexto y patrones de configuración y uso similares, y recoger los valores de los parámetros que ofrecen un mejor rendimiento. De esta manera segmentan y crean plantillas de parámetros basadas en la experiencia real, no muy diferente de los Golden Clusters empleados antes de emprender un proyecto de actualización de red.

 Optimización prescriptiva de red

Mantenimiento predictivo y reducción de llamadas de cliente

Es muy común que los elementos en cualquier sistema muestren degradación antes de una incidencia, lo que puede ser obvio en algunos casos pero no tanto cuando esta degradación se extiende sutilmente a través de diferentes dominios. 

La analítica predictiva se basa en encontrar patrones en conjuntos complejos de datos. Los operadores saben que pueden aplicar estas técnicas al historial de indicadores de rendimiento y parámetros de configuración de los diferentes dominios durante los períodos previos a incidencias, y dar la señal de alarma cuando se detecta la ocurrencia de tales patrones.

IPTV es una buena aplicación para este caso porque su monitorización adecuada requiere datos de diversas fuentes: de uso de decodificadores (STB), datos de configuración y rendimiento, KPI de red, alarmas de red o tickets de servicio. Las técnicas de clustering en este dominio han demostrado su eficacia para describir los factores más importantes para la degradación del servicio.

Una aplicación muy interesante es el uso de llamadas de atención al cliente como proxy de una QoE deficiente. Al buscar rasgos comunes en sus datos y medir la ocurrencia de llamadas de atención al cliente, los operadores pueden descubrir hasta 10 clientes que podrían haber llamado pero no lo hicieron para cada uno que llamó, y de esta manera anticipar llamadas futuras, reducir la QoE negativa y el churn debido a razones técnicas

Análisis what-if

Los operadores a menudo encuentran la necesidad de evaluar, sin tiempo ni recursos para realizar pilotos, el impacto de escenarios que pueden ocurrir en el futuro cercano. Por ejemplo: una vez un operador español nos preguntó: “¿cómo cambiaría el patrón de consumo de datos de mis clientes de banda ancha fija si duplicase la velocidad de su servicio y cómo afectaría esto a mi red?”.

La respuesta a la pregunta no es obvia por dos razones: sabemos que el tráfico no sigue inmediatamente el ancho de banda disponible y que no todos los elementos de la red se verían igualmente afectados por un aumento del tráfico.

Análisis what-if

Las herramientas y técnicas de simulación se utilizan para construir réplicas digitales de sistemas complejos en el que podemos cambiar las condiciones de entrada (por ejemplo, la velocidad máxima permitida), observar la salida y comparar cuantitativamente los diferentes resultados de manera rápida y segura.

Gestión prescriptiva de incidencias

“Nuestro sistema de gestión de incidentes contiene todo el conocimiento de la empresa” nos dijo un operador. Estaban comenzando a emplear técnicas de agrupación de datos para aprovechar ese conocimiento y proporcionar al humano a cargo de la resolución de un problema la solución más adecuada.

La técnica se basa en el hecho de que los problemas suelen pasar de un equipo a otro hasta que son resueltos por el “último propietario”. Es cierto que los datos a menudo están sucios, incompletos o simplemente incorrectos, pero la combinación de técnicas de limpieza de datos seguidas de un análisis profundo de todos los pasos seguidos por cada ticket permite sugerir los caminos más cortos para resolver el problema.

 Gestión prescriptiva de incidencias

Administración de turnos de personal

Las tareas intensivas en mano de obra requieren una cuidadosa planificación y dimensionamiento para cumplir los objetivos y las expectativas del cliente. Los ingenieros de campo, por ejemplo, deben estar disponibles para realizar tanto trabajo planificado (una cita con el cliente o la puesta en marcha de un sitio), como el trabajo no planificado (un incidente con SLA asociado). Estos ingenieros a menudo son altamente especializados y una acumulación inesperada de trabajo, sin posibilidad de asignar otro ingeniero, les obligaría a abandonar una de las tareas y disgustar a un cliente.

Los operadores saben que en situaciones como ésta, la combinación de técnicas de predicción de demanda y de optimización de recursos proporcionadas por la analítica predictiva y la investigación operativa puede proporcionar una mejora de dos dígitos en los costes de asignación del personal a la demanda y reducir el tiempo que los encargados dedican a la programación de turnos.

 Administración de turnos de personal

La analítica predictiva analiza datos anteriores y encuentra patrones de demanda que pueden proyectarse en el futuro. Luego entra en juego la optimización para asignar los recursos necesarios en el intervalo de tiempo exacto que se necesitan, teniendo en cuenta todos los factores clave como la formación, las condiciones contractuales, las preferencias, el tiempo disponible, etc. Estas soluciones también permiten un ajuste rápido a cambios repentinos en condiciones, como solicitudes de última hora o cambios inesperados en la disponibilidad.

IoT y transformación digital

Los operadores de red están ampliando su cartera de servicios más allá de la conectividad para proporcionar soluciones integrales a sus clientes corporativos e industriales.

 IoT y transformación digital

El caso de uso de Smart Factory es un excelente ejemplo en el que los operadores no solo conectan todos los elementos de una fábrica al incluir sensores, plataforma IoT y servicios en la nube, sino que también incluyen Advanced Analytics para admitir aplicaciones como mantenimiento predictivo , gestión de la fuerza laboral, asignación de recursos, etc.

Monetización de datos

Los operadores se sientan sobre gran cantidad de datos de movilidad del cliente recopilados por sus redes. Están empleándolos para generar ingresos en verticales como el comercio minorista, el transporte y la publicidad proporcionando información altamente segmentada de flujos de tráfico que se puede utilizar para decidir sobre ubicación de nodos de distribución, dimensionamiento de tráfico o el impacto de publicidad urbana.

Por lo general, los operadores ofrecen conjuntos de datos agregados que los clientes corporativos usan en la toma de decisiones. Sin embargo, están encontrando cada vez más a menudo que sus clientes desean recibir respuestas a sus preguntas: ¿dónde necesito colocar mis carteles para maximizar mi ROI? ¿Dónde necesito abrir mis tiendas? Estos son ejemplos típicos de aplicaciones de analítica prescriptiva, donde se emplea un algoritmo para maximizar el retorno de un recurso limitado.

 Monetización de datos

Los proveedores de servicios se están asociando con firmas de analítica prescriptiva para llenar el hueco entre los datos y las soluciones. 

Conclusiones

Las previsiones son que el mercado de analítica prescriptiva crezca más del 25 % interanual hasta 2025. 5G, IoT y la presión a la baja de los precios están obligando a los operadores a optimizar los precios y costes, y encontrar nuevas fuentes de ingresos. Cuando los operadores consoliden sus organizaciones de CDO, veremos una explosión de aplicaciones basadas en análisis avanzados.

Baobab soluciones es una firma de consultoría líder en soluciones de analítica prescriptiva personalizado para organizaciones Fortune Global 500, con sede en Madrid. 

Para consultas comerciales contacte con info@baobabsoluciones.es

Cerrar menú