TM Forum and Big Data
Download as PPT, PDF0 likes1,587 views
Документ представляет собой руководство по аналитике больших данных на основе стандарта TM Forum. Он подчеркивает важность технологий big data для телекоммуникационного сектора, охватывая ключевые аспекты, такие как объем, скорость и разнообразие данных, а также описывает примеры использования и основные строительные блоки для аналитики. В конце документа приводится манифест big data, который акцентирует внимание на значимости сохранения данных и гибкости в подходах к их обработке.
TM Forum and Big Data
- 1. Бизнес-анализ, архитектура и проектирование ПО для BigData Стандарт TM Forum "Big Data Analytics Guidebook" Сушков Алексей Начальник группы "PCCM, RBSM“ 12.03.2014
- 3. billing.ru Gartner's 2013 Hype Cycle for Emerging Technologies 3
- 5. billing.ru Актуальность Big Data Дешевые хранилища данных Зрелость технологий Накоплено много данных OpenSource решения Особенно актуально для Телекома 5
- 6. billing.ru Определение Big Data Много V Volume объѐм Velocity скорость in/out Variety многообразие типов и источников Value доход Validity (Veracity, Verification) правдивость (достоверность, проверяемость) Volatility изменчивость, непостоянство 6
- 7. billing.ru Технологии: MapReduce и Hadoop 7
- 8. billing.ru Технологии: NoSQL DB Тип DB Примеры Key/Value store Dinamo, Redis, Tarantool Column store Cassandra, HBase Document store (Key/Document) MongoDB Graph DB (Key/Node + Key/ Relationship ) neo4j 8 В ПЕТЕР-СЕРВИСЕ: Реестр разрешенных технологий Критерии выбора NoSQL решения (PROD 41807) Все документы на узле ДРПО, раздел “Архитектура и технологии ПО”: https://intra.billing.ru/sites/DRSE/DocLib5/Forms/AllItems.aspx?RootFolder=%2Fsites%2FDRSE%2FDocLib5%2F%D0%A2%D0%B5%D1%85%D0% BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8&FolderCTID=0x0120009DEE72E6BD641C4A95BF9A3F8FF0F934&View=%7B75D346BE- 8299-4055-A7FC-A21FAC919DCF%7D
- 9. billing.ru TM Forum "Big Data Analytics Guidebook" Стандарт октябрь 2013: 34 Use-Case 21 Big Data Analytics Building Blocks (ABB) Big Data Analytics Reference Model Big Data Analytics Business Value Roadmap - отвечает на вопрос как использовать Big Data Analytics для генерации выручки 9
- 10. billing.ru ТАМ (Telecom Application Map) 10
- 12. billing.ru Cписок Use-Case (34) 12 ID Use-Case ID Use-Case S-MOM-T1 Real-time Personalized Offers while Browsing O-CRM- PC1 Proactive Care S-MOM-T2 Real-time Personalized Offers during Checkout O-CRM- PC2 Right Proactive Care Channel and Time S-MOM-T3 Real-time Personalized Offers during Life Interaction O-CRM- PC3 Proactive Care based on Poor Care Experience S-MOM-T4 Real-time Personalized Offers Based on Location O-CRM- PC4 Proactive Care During or After Network Fault S-MOM-T5 Real-time Personalized Offers Based on Usage O-CRM- PC5 Proactive Care based on Absence of Usage S-MOM-T6 Real-time Personalized Offers Based on Device O-CRM- CR1 Churn Risk Prediction for Customer Retention S-MOM-T7 Intelligent Advertising Based on Browsing History O-CRM- CR2 Churn Motivation Prediction for Customer Retention S-MOM-O1 Product Definition and development O-CRM- CR3 Personalized Offers for Customer Retention S-MOM-O2 Product Introduction Analytics O-CRM- CR4 Retention Offer Acceptance Propensity Analytics S-MOM-O3 Product Performance Optimization O-RMO1 Network Fault Location and Recovery S-MOM-O4 Purchase Propensity Analytics for Enhanced Targeting O-RMO2 Real-time Value-based Congestion Management S-SDM1 CSP Data Monetization O-RMO3 Real-time Customer Offload Management S-RDM1 Value-based Network Planning O-SPRM1 Partner Value Optimization S-RDM2 New Enterprise Order Impact Analysis O-BRM1 Revenue Assurance S-RDM3 Policy-based Capacity Management E-SEP1 Market Watch O-CRM-CC1 Personalization of Real-Time Interaction in Assisted Care E-EEM1 Business Process Optimization O-CRM-CC2 Increase Effectiveness of Customer Self Care E-FAM1 Fraud Management
- 13. billing.ru Cписок BDA Building Blocks (21) ID BDA Building Block ID BDA Building Block VT1 Voice Transcription OR1 Popularity Based Offer Recommendation VT2 Text Classification OR2 Hot Offer Recommendation VT3 Text Clustering OR3 Profile Based Offer Recommendation VT4 Concept Mining OR4 Community Based Offer Recommendation C1 Customer Influence Scoring CC-ID1 Care Issue Anomaly Detection C2 Customer Social Influence Scoring CC-ID2 Care Issue Root Cause Analysis CV1 Customer Value Scoring CC-ID1 Care Call Motivation Prediction CV2 Customer Lifetime Value Scoring and Prediction CC-SR1 Policy Based Care Solution Recommendation CL1 Geocoding CC-SR2 Success Based Care Solution Recommendation CL2 Customer Location Detection CL3 Customer Location Prediction CL4 Key Location Profiling 13
- 15. billing.ru BDA Business Value Roadmap 1. Выбрать Use-Case 2. Выбрать Building Blocks для Use-Case 3. Выбрать из Building Blocks все источники информации и технологии. 4. Для понимания наложить их на BDA Reference Model 5. Собрать все вместе и еще раз проверить Use-Case 6. На этом завершен первый шаг в BDA Business Value Roadmap 15
- 16. billing.ru Пример Use-Case S-MOM-T4 Real-time Personalized Offers Based on Location Horizontal Marketing and Offer Management Actors Customer Business Drivers Увеличение вероятности релевантности рекламных сообщений Business Metrics • Увеличение выручки • Увеличение числа принятия предложений Story Система управления маркетинговыми компаниями посылает предложения только абонентам находящимся в определенной географической зоне Data Sources • Offer Catalogue • Правила посылки сообщений • Location Information Optional Data Sources • Call Detailed Records • Social Media Records • Web Browsing History BDA Building Blocks • CL3 Customer Location Prediction • CL4 Key Location Profiling 16
- 17. billing.ru Пример BDA Building Blocks CL3 Customer Location Prediction Description Предсказывать где окажется абонент в определенное время или следующее местоположение Type Automatically Learned Underlying Data Набор местоположений абонента Input Data Текущее местоположение и время Output Data Следующее местоположение Related Use Cases • S-MOM-T4 • Сообщения о происшествиях • Сообщения о пробках Implementation Guide Data Source… Data Ingestion … Data Management… Data Analysis: • моделирование • Предсказание 17
- 18. billing.ru Пример BDA Building Blocks CL4 Key Location Profiling Description Получить ключевые местоположения Type Automatically Learned Underlying Data Набор местоположений абонента с историей Input Data Текущее местоположение и время Output Data Метка местоположения Related Use Cases • S-MOM-T4 • Контроль фрода по местоположению • Информация для приложений соц сетей Implementation Guide Data Source… Data Ingestion … Data Management… Data Analysis: • Кластеризация 18
- 19. billing.ru Пример Business Value Roadmap S-MOM-T4 Real-time Personalized Offers Based on Location Технологии • Алгоритм машинного обучения для анализа местоположения • Алгоритмы кластеризации Источники информации • Текущее и историческое местоположение абонента • Обогащение информации из социальных сетей 19
- 20. billing.ru Схема Big Data + Scrum 20 BigData Actionable Insights Планирование спринта Ретроспектива Показ заказчику Выполнение
- 21. billing.ru Big Data Manifesto 1. Сохранение всех данных важнее их структурирования; 2. Скорость сохранения важнее полноты данных; 3. Скорость реакции системы должна зависеть от реальных задач а не формальных цифр; 4. Сотрудничество по циклу с обратной связью с заказчиком важнее формальных сроков; 5. Сотрудничество с теми кто будет использовать результат обработки данных важнее чем с аналитиками и программистами 6. Предсказание событий важнее их описания; 7. Гибкая визуализация данных важнее исчерпывающих схем данных 8. Надо верить в то, что в данных скрыта прибыль; 9. Готовность к изменениям важнее следования первоначальному плану; 21
- 22. billing.ru Спасибо за внимание! Алексей Сушков Начальник группы "PCCM, RBSM" [email protected] www.billing.ru