TM Forum and Big Data

50 %
50 %
Information about TM Forum and Big Data
Technology

Published on March 25, 2014

Author: AlexeySushkov

Source: slideshare.net

Description

Техсовет компании Петер-Сервис

Бизнес-анализ, архитектура и проектирование ПО для BigData Стандарт TM Forum "Big Data Analytics Guidebook" Сушков Алексей Начальник группы "PCCM, RBSM“ 12.03.2014

billing.ru План презентации 2

billing.ru Gartner's 2013 Hype Cycle for Emerging Technologies 3

billing.ru Google trends 4

billing.ru Актуальность Big Data Дешевые хранилища данных Зрелость технологий Накоплено много данных OpenSource решения Особенно актуально для Телекома 5

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

billing.ru Технологии: MapReduce и Hadoop 7

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

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

billing.ru ТАМ (Telecom Application Map) 10

billing.ru Покрытие ТАМ Use-Case-ами 11

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

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

billing.ru BDA Reference Model 14

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

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

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

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

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

billing.ru Схема Big Data + Scrum 20 BigData Actionable Insights Планирование спринта Ретроспектива Показ заказчику Выполнение

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

billing.ru Спасибо за внимание! Алексей Сушков Начальник группы "PCCM, RBSM" Alexey.Sushkov@billing.ru www.billing.ru

Add a comment

Related presentations

Presentación que realice en el Evento Nacional de Gobierno Abierto, realizado los ...

In this presentation we will describe our experience developing with a highly dyna...

Presentation to the LITA Forum 7th November 2014 Albuquerque, NM

Un recorrido por los cambios que nos generará el wearabletech en el futuro

Um paralelo entre as novidades & mercado em Wearable Computing e Tecnologias Assis...

Microsoft finally joins the smartwatch and fitness tracker game by introducing the...

Related pages

TM Forum - Connecting Digital Ecosystems

Big Data Analytics; Customer Experience Management; Security & Privacy; Metrics; Open Digital Ecosystem; Vertical Markets & Connected ... TM Forum ...
Read more

Big Data Analytics - TM Forum

TM Forum is leading the digital industry in delivering business value from data analytics through best practices, collaboration projects and research.
Read more

big data Archives - TM Forum Inform

Big data drives an increasing number of daily decisions, from big businesses’ strategies to the books we buy. But could…
Read more

TM Forum Report - Big data: Big volume, big payback and ...

Big data: Big volume, big payback and big challenge Proper selection, deployment and use of analytics in decision-making processes can create big ...
Read more

Big data: Where’s the ROI? - TM Forum Inform

TM Forum is the global industry association for digital business, connecting talented individuals, leading companies, and diverse ecosystems to accelerate ...
Read more

TM Forum Catalyst: Big Data Driven OSS - YouTube

This Catalyst will show how open source big data technologies can be applied to aggregate and publish multiple data sources, enabling OSS ...
Read more

Download Presentations | TM Forum Live

ATTENDED TM FORUM LIVE!? DON’T FORGET TO COMPLETE THE SURVEY. ... Chair: Paul Morrissey, TM Forum Ambassador & Head of Big Data Analytics Group, TM Forum;
Read more

TM Forum Live: Big Data and KISS - wirelessweek.com

We’ve heard it time and time again: Keep it Simple Stupid (KISS). And now, after attending TM Forum this week, it looks like this applies to Big Data ...
Read more

TM Forum Live: Big Data and KISS | Jose Diaz | LinkedIn

We’ve heard it time and time again: Keep it Simple Stupid (KISS). And now, after attending TM Forum this week, it looks like this applies to Big Data ...
Read more

Ontology Systems Participates in TM Forum Big Data-Driven ...

Ontology Systems Participates in TM Forum Big Data-Driven OSS Catalyst to Demonstrate use of Big Data Approaches to Service Assurance
Read more