Cursos de Inteligencia de Negocios Big Data para Proveedores de Servicios de Comunicaciones y Telecomunicaciones

Algunos de nuestros clientes

Código del Curso

bdbitcsp

Duration

35 hours (usualmente 5 días, incluidas las pausas)

Requerimientos

Debe tener conocimientos básicos de operación de negocios y sistemas de datos en Telecom en su dominio
Debe tener una comprensión básica de SQL / Oracle o base de datos relacional
Conocimientos básicos de Estadística (en Excel)

Overview

Los proveedores de servicios de comunicaciones (CSP) se enfrentan a presiones para reducir los costos y maximizar el ingreso promedio por usuario (ARPU), a la vez que garantizan una excelente experiencia del cliente, pero los volúmenes de datos siguen creciendo. El tráfico global de datos móviles crecerá a una tasa de crecimiento anual compuesta (CAGR) de 78 por ciento a 2016, alcanzando 10.8 exabytes al mes.

Mientras tanto, los CSP están generando grandes volúmenes de datos, incluyendo registros de detalle de llamadas (CDR), datos de red y datos de clientes. Las empresas que explotan plenamente estos datos ganan una ventaja competitiva. Según una encuesta reciente de The Economist Intelligence Unit, las empresas que utilizan la toma de decisiones orientada a datos disfrutan de un aumento de 5-6% en la productividad. Sin embargo, el 53% de las empresas aprovechan sólo la mitad de sus datos valiosos, y una cuarta parte de los encuestados señaló que gran cantidad de datos útiles no se explotan. Los volúmenes de datos son tan altos que el análisis manual es imposible, y la mayoría de los sistemas de software heredados no pueden mantenerse al día, lo que resulta en que los datos valiosos sean descartados o ignorados.

Con el software de datos grande y escalable de Big Data & Analytics, los CSP pueden extraer todos sus datos para una mejor toma de decisiones en menos tiempo. Diferentes productos y técnicas de Big Data proporcionan una plataforma de software de extremo a extremo para recopilar, preparar, analizar y presentar información sobre grandes datos. Las áreas de aplicación incluyen monitoreo del rendimiento de la red, detección de fraude, detección de churn del cliente y análisis de riesgo de crédito. Big Data & Analytics escala de productos para manejar terabytes de datos, pero la implementación de tales herramientas necesitan un nuevo tipo de sistema de base de datos basado en nube como Hadoop o procesador de cálculo paralelo a gran escala (KPU, etc.)

Este curso de trabajo sobre Big Data BI para Telco cubre todas las nuevas áreas emergentes en las que los CSP están invirtiendo para obtener ganancias de productividad y abrir nuevos flujos de ingresos empresariales. El curso proporcionará una visión completa de 360 ​​grados de Big Data BI en Telco para que los tomadores de decisiones y los gerentes puedan tener una visión muy amplia y completa de las posibilidades de Big Data BI en Telco para la productividad y la ganancia de ingresos.

Objetivos del Curso

El objetivo principal del curso es introducir nuevas técnicas de Business Intelligence de Big Data en 4 sectores de Telecom Business (Marketing / Ventas, Operación de Red, Operación Financiera y Gestión de Relaciones con Clientes). Los estudiantes serán presentados a:

  • Introducción a Big Data-lo que es 4Vs (volumen, velocidad, variedad y veracidad) en Big Data-Generation, extracción y gestión desde la perspectiva de Telco
  • Cómo el analista de Big Data difiere de los analistas de datos heredados
  • Justificación interna de Big Data - perspectiva de Tcco
  • Introducción al ecosistema de Hadoop - familiaridad con todas las herramientas de Hadoop como colmena, cerdo, SPARC - cuándo y cómo se utilizan para resolver el problema de Big Data
  • Cómo se extraen los datos grandes para analizar para la herramienta de análisis-cómo Business Analysis puede reducir sus puntos de dolor de la recopilación y el análisis de datos a través del enfoque de panel integrado de Hadoop
  • Introducción básica de análisis de Insight, análisis de visualización y análisis predictivo para Telco
  • Analítica de Churn de clientes y datos grandes: cómo Big Data analítico puede reducir el abandono de clientes y la insatisfacción de los clientes en los estudios de casos de Telco
  • Análisis de fracaso de la red y fallos de servicio de Metadatos de red e IPDR
  • Análisis financiero-fraude, desperdicio y estimación de ROI de ventas y datos operativos
  • Problema de adquisición de clientes: marketing objetivo, segmentación de clientes y ventas cruzadas a partir de datos de ventas
  • Introducción y resumen de todos los productos analíticos de Big Data y donde encajan en el espacio analítico de Telco
  • Conclusión: cómo tomar un enfoque paso a paso para introducir Big Data Business Intelligence en su organización

Público objetivo

  • Operaciones de red, Gerentes Financieros, Gerentes de CRM y altos gerentes de TI en la oficina de Telco CIO.
  • Analistas de Negocios en Telco
  • Gerentes / analistas de oficina de CFO
  • Gerentes operacionales
  • Gerentes de control de calidad

Programa del Curso

Desglose de temas diariamente: (Cada sesión es de 2 horas)

Día-1: Sesión -1: Visión general del negocio de Por qué Big Data Business Intelligence en Telco.

  • Estudios de casos de T-Mobile, Verizon, etc.
  • Gran tasa de adaptación de datos en Telco de Norteamérica y cómo están alineando su futuro modelo de negocio y operación alrededor de Big Data BI
  • Área de Aplicación a Escala Amplia
  • Gestión de redes y servicios
  • Gestión del cambio de clientes
  • Integración de datos y visualización de Dashboard
  • Gestión de fraude
  • Generación de Reglas de Negocio
  • Perfil del cliente
  • Emisión de anuncios localizados

Día-1: Sesión-2: Introducción de datos grandes-1

  • Características principales de Big Data: volumen, variedad, velocidad y veracidad. Arquitectura de MPP para el volumen.
  • Almacenes de datos - esquema estático, conjunto de datos que evoluciona lentamente
  • MPP Bases de datos como Greenplum, Exadata, Teradata, Netezza, Vertica, etc.
  • Soluciones basadas en Hadoop - no hay condiciones sobre la estructura del dataset.
  • Patrón típico: HDFS, MapReduce (crujido), recuperar de HDFS
  • Adecuado para análisis analítico / no interactivo
  • Volumen: datos de streaming de CEP
  • Opciones típicas - productos de CEP (por ejemplo, Infostreams, Apama, MarkLogic, etc.)
  • Menos producción lista - Storm / S4
  • Bases de datos NoSQL - (columnar y clave-valor): Mejor adaptado como adjunto analítico al almacén de datos / base de datos

Día-1: Sesión -3: Introducción a Big Data-2

Soluciones NoSQL

  • KV Store - Keyspace, Flare, SchemaFree, RAMCloud, base de datos Oracle NoSQL (OnDB)
  • Tienda KV - Dynamo, Voldemort, Dynomite, SubRecord, Mo8onDb, DovetailDB
  • Almacén KV (jerárquico) - GT.m, caché
  • KV Store (Pedido) - TokyoTyrant, Lightcloud, NMDB, Luxio, MemcacheDB, Actord
  • KV Cache - Memcached, Repcached, Coherencia, Infinispan, EXtremeScale, JBossCache, Velocity, Terracoqua
  • Tuple Store - Gigaspaces, Coord, Río Apache
  • Base de datos de objetos - ZopeDB, DB40, Shoal
  • Tienda de Documentos - CouchDB, Cloudant, Couchbase, MongoDB, Jackrabbit, XML-Bases de Datos, ThruDB, CloudKit, Prsevere, Riak-Basho, Scalaris
  • Tienda Columnar ancha - BigTable, HBase, Apache Cassandra, Hypertable, KAI, OpenNeptune, Qbase, KDI

Variedades de datos: Introducción al problema de limpieza de datos en Big Data

  • RDBMS - estructura estática / esquema, no promueve ágil, el ambiente exploratorio.
  • NoSQL - estructura semi estructurada, suficiente para almacenar datos sin esquema exacto antes de almacenar datos
  • Problemas de limpieza de datos

Día-1: Sesión-4: Introducción de grandes datos-3: Hadoop

  • Cuándo seleccionar Hadoop?
  • ESTRUCTURADO - Los almacenes / bases de datos de datos empresariales pueden almacenar datos masivos (a un costo) pero imponen estructura (no es bueno para la exploración activa)
  • Datos SEMI ESTRUCTURADOS - difíciles de hacer con soluciones tradicionales (DW / DB)
  • Almacenamiento de datos = ENORME esfuerzo y estática incluso después de la implementación
  • Por la variedad y el volumen de datos, crujido en el hardware de la materia - HADOOP
  • H / W de productos necesarios para crear un clúster Hadoop

Introducción a la reducción de mapa / HDFS

  • MapReduce - distribuye la computación en varios servidores
  • HDFS - hacer los datos disponibles localmente para el proceso de computación (con redundancia)
  • Datos - pueden ser no estructurados / sin esquema (a diferencia de RDBMS)
  • Responsabilidad del desarrollador para dar sentido a los datos
  • Programación MapReduce = trabajo con Java (pros / contras), carga manual de datos en HDFS

Día-2: Sesión 1.1: Base de datos distribuida Spark: In Memory

  • Qué es el procesamiento "En memoria"?
  • Spark SQL
  • Spark SDK
  • Spark API
  • RDD
  • Chispa de lib
  • Hanna
  • Cómo migrar un sistema Hadoop existente a Spark

Día-2 Sesión -1.2: Tormenta-Procesamiento de tiempo real en Big Data

  • Arroyos
  • Coles
  • Pernos
  • Topologías

Día-2: Sesión-2: Gran Sistema de Gestión de Datos

  • Partes móviles, los nodos de cálculo de inicio / error: ZooKeeper - Para la configuración / coordinación / servicios de nombres
  • Oleoducto / flujo de trabajo complejos: Oozie - gestionar flujo de trabajo, dependencias, conexión en cadena
  • Implementar, configurar, administrar el clúster, actualizar etc (sys admin): Ambari
  • En la nube: Whirr
  • Evolución de las herramientas de la plataforma Big Data para el seguimiento
  • Problemas de aplicación de la capa ETL

Día-2: Sesión-3: Análisis predictivo en Inteligencia de Negocios -1: Técnicas Fundamentales y Aprendizaje Automático basado en BI:

  • Introducción al aprendizaje automático
  • Técnicas de clasificación de aprendizaje
  • Bayesian Prediction-preparación del archivo de entrenamiento
  • Campo aleatorio de Markov
  • Aprendizaje supervisado y sin supervisión
  • Extracción de características
  • Máquinas de vectores soporte
  • Red Neural
  • Aprendizaje reforzado
  • Big Data problema variable grande -Random forest (RF)
  • Aprendizaje de representación
  • Aprendizaje profundo
  • Problema de Big Data Automation - Conjunto de múltiples modelos RF
  • Automatización a través de Soft10-M
  • LDA y modelado de temas
  • Aprendizaje Ágil
  • Aprendizaje basado en agentes - Ejemplo de operación de Telco
  • Aprendizaje distribuido - Ejemplo de operación de Telco
  • Introducción a Herramientas de código abierto para análisis predictivo: R, Rapidminer, Mahut
  • Más escalable Analítica-Apache Hama, Spark y CMU Graph lab

Día-2: Sesión-4 Análisis predictivo ecosistema-2: Problemas analíticos predictivos comunes en Telecom

  • Análisis analítico
  • Visualización analítica
  • Análisis predictivo estructurado
  • Análisis predictivo no estructurado
  • Perfil del cliente
  • Motor de recomendación
  • Detección de patrones
  • Descubrimiento de reglas / escenarios: falla, fraude, optimización
  • Descubrimiento de la causa raíz
  • Análisis de los sentimientos
  • Análisis de CRM
  • Analítica de red
  • Análisis de texto
  • Revisión asistida por tecnología
  • Analisis de fraude
  • Analítica en tiempo real

Día-3: Sesion-1: Análisis de la causa de la raíz analítica de la operación de la red de fallas de la red, interrupción del servicio de los metadatos, IPDR y CRM:

  • Uso de CPU
  • Uso de memoria
  • Uso de la cola QoS
  • Temperatura del dispositivo
  • Error de interfaz
  • Versiones IoS
  • Eventos de enrutamiento
  • Variaciones de latencia
  • Syslog analytics
  • Paquete perdido
  • Simulación de carga
  • Inferencia de topología
  • Umbral de rendimiento
  • Trampas del dispositivo
  • Recopilación y procesamiento de IPDR (registro detallado IP)
  • Uso de datos IPDR para el consumo de ancho de banda del suscriptor, utilización de la interfaz de red, estado del módem y diagnóstico
  • Información de HFC

Día-3: Sesión-2: Herramientas para el análisis de fallas del servicio de red:

  • Network Summary Dashboard: supervise las implementaciones globales de red y rastree los indicadores clave de rendimiento de su organización.
  • Peak Period Analysis Dashboard: entiende las tendencias de aplicación y de suscriptores que impulsan la utilización máxima, con granularidad específica de la ubicación
  • Routing Efficiency Dashboard: controla los costos de la red y crea casos de negocios para proyectos de capital con una comprensión completa de las relaciones de interconexión y tránsito
  • Real-Time Entertainment Dashboard: las métricas de acceso que importan, incluyendo las vistas de vídeo, la duración y la calidad de la experiencia de vídeo (QoE)
  • IPv6 Transition Dashboard: Investigue la adopción en curso de IPv6 en su red y compruebe las aplicaciones y dispositivos que impulsan las tendencias
  • Caso-Estudio-1: El Data Miner de Alcatel-Lucent Big Network Analytics (BNA)
  • Inteligencia móvil multidimensional (m.IQ6)

Día 3: Sesión 3: Big Data BI para Marketing / Ventas -Comprendiendo ventas / marketing de datos de ventas: (Todos ellos se mostrarán con una demostración analítica predictiva en vivo)

  • Para identificar clientes de mayor velocidad
  • Identificar clientes para un producto determinado
  • Para identificar el conjunto correcto de productos para un cliente (Recomendación de Motor)
  • Técnica de segmentación del mercado
  • Técnica de ventas cruzadas y upsale
  • Técnica de segmentación de clientes
  • Técnica de pronóstico de ingresos de ventas

Día 3: Sesión 4: BI necesario para la oficina de Telco CFO:

  • Descripción general de los trabajos de Business Analytics necesarios en una oficina de CFO
  • Análisis de riesgos de nuevas inversiones
  • Ingresos, previsión de beneficios
  • Nuevo pronóstico de adquisición de clientes
  • Predicción de pérdidas
  • Fraude analítico sobre las finanzas (detalles de la próxima sesión)

Día-4: Sesión-1: prevención del fraude BI de Big Data en analítica de Telco-Fraude:

  • Fuga de ancho de banda / fraude de ancho de banda
  • Fraude de proveedores / sobre facturación de proyectos
  • Devolución de clientes / reclamaciones de fraudes
  • Fraude de reembolso de viajes

Día-4: Sesión-2: De la predicción de agitación a la prevención de rechazo:

  • 3 Tipos de Churn: Activo / Deliberado, Rotacional / Incidental, Pasivo Involuntario
  • 3 clasificación de clientes batidos: Total, oculto, parcial
  • Comprender las variables de CRM para la rotación
  • Recopilación de datos de comportamiento del cliente
  • Colección de datos de percepción de clientes
  • Recopilación de datos demográficos de los clientes
  • Limpieza de datos CRM
  • Datos CRM no estructurados (llamada de cliente, tickets, correos electrónicos) y su conversión a datos estructurados para el análisis de Churn
  • Social Media CRM-nueva forma de extraer el índice de satisfacción del cliente
  • Estudio de Caso-1: T-Mobile USA: Reducción del Churn en un 50%

Día-4: Sesión-3: Cómo usar el análisis predictivo para el análisis de la causa raíz de la disconformidad del cliente:

  • Estudio de caso -1: vincular la insatisfacción con los problemas - Contabilidad, fallas de ingeniería como la interrupción del servicio, servicio de ancho de banda deficiente
  • Estudio de caso-2: Cuadro de control de QA de Big Data para realizar un seguimiento del índice de satisfacción del cliente desde varios parámetros, como escalaciones de llamadas, criticidad de problemas, eventos pendientes de interrupción del servicio, etc.

Día-4: Sesión-4: Big Data Dashboard para una rápida accesibilidad de diversos datos y visualización:

  • Integración de la plataforma de aplicaciones existente con Big Data Dashboard
  • Gestión de grandes datos
  • Estudio de caso de Big Data Dashboard: Tableau y Pentaho
  • Utilice la aplicación Big Data para impulsar el anuncio basado en la ubicación
  • Sistema de seguimiento y gestión

Día-5: Sesión-1: Cómo justificar la implementación de Big Data BI dentro de una organización:

  • Definición del ROI para la implementación de Big Data
  • Estudios de caso para el ahorro Analista Tiempo de recolección y preparación de datos - Aumento de la ganancia de productividad
  • Estudios de caso de la ganancia de ingresos de clientes churn
  • Ganancia de ingresos de anuncios basados en ubicaciones y otros anuncios orientados
  • Un enfoque de hoja de cálculo integrado para calcular aprox. Gasto vs. Ganancia / ahorro de ingresos de la implementación de Big Data.

Día 5: Sesión 2: Procedimiento paso a paso para reemplazar el sistema de datos heredados a Big Data System:

  • Entender la hoja de ruta práctica de Big Data Migration
  • Cuáles son la información importante necesaria antes de diseñar una implementación de Big Data
  • Cuáles son las diferentes formas de calcular el volumen, la velocidad, la variedad y la veracidad de los datos
  • Cómo estimar el crecimiento de los datos
  • Estudios de caso en 2 Telco

Día 5: Sesión 3 y 4: Revisión de los proveedores de Big Data y revisión de sus productos. Sesión de Q / A:

  • AccentureAlcatel-Lucent
  • Amazon -A9
  • APTEAN (Anteriormente CDC Software)
  • Cisco Systems
  • Cloudera
  • Dell
  • CEM
  • GoodData Corporation
  • Guavus
  • Hitachi Data Systems
  • Hortonworks
  • Huawei
  • HP
  • IBM
  • Informatica
  • Intel
  • Jaspersoft
  • Microsoft
  • MongoDB (Anteriormente 10Gen)
  • MU Sigma
  • Netapp
  • Soluciones Opera
  • Oráculo
  • Pentaho
  • Platfora
  • Qliktech
  • Cuántico
  • Espacio en bastidor
  • Revolution Analytics
  • Fuerza de ventas
  • SAVIA
  • Instituto SAS
  • Sisense
  • Software AG / Terracota
  • Automatización Soft10
  • Splunk
  • Cuadrado
  • Supermicro
  • Tabla Software
  • Teradata
  • Piensa en Big Analytics
  • Tidemark Sistemas
  • VMware (parte de EMC)

Testimonios

★★★★★
★★★★★

Categorías Relacionadas

Promociones

Descuentos en los Cursos

Respetamos la privacidad de su dirección de correo electrónico. No transmitiremos ni venderemos su dirección a otras personas.
En cualquier momento puede cambiar sus preferencias o cancelar su suscripción por completo.

is growing fast!

We are looking to expand our presence in Costa Rica!

As a Business Development Manager you will:

  • expand business in Costa Rica
  • recruit local talent (sales, agents, trainers, consultants)
  • recruit local trainers and consultants

We offer:

  • Artificial Intelligence and Big Data systems to support your local operation
  • high-tech automation
  • continuously upgraded course catalogue and content
  • good fun in international team

If you are interested in running a high-tech, high-quality training and consulting business.

Apply now!