リアルタイム分析:デジタルトランスフォーメーションにおける半ば公然のソース

(原文: Real-Time Analytics: The Not-So-Secret Sauce in Digital Transformation)

AIベースの自動化は、チャットボットや音声認識からネットワークプロビジョニングまで、テレコムにほぼ無限の可能性を提供します。しかし、それが問題です。機会と落とし穴はほぼ無限です。

テレコムはあらゆる方向にお金を投資し、デジタル変換の良さを捉えようとしています。「自動化」は、それ自体は利益を生み出さないとらえどころのない目標であり続けているため、そのお金の多くは無駄になります。

利益を生み出すのは、自動化の使用方法であり、これらは各企業の目標、長所、短所によって異なります。そのため、RTAと呼ばれるリアルタイム分析が、自動化と変革のイニシアチブを最大限に活用するために不可欠なコンポーネントになるのです。

テレコムの自動化

では、「テレコムのオートメーション:ヘビーリーディング展望」業界アナリストヘビーリーディングは電気通信サービスのライフサイクル全体での自動化に投資している8通りノート:

  • コンタクトセンター–チャットボットとインタラクティブな音声応答システム。人間のコンタクトセンターの工作員の援助。
  • 注文とフルフィルメント-顧客向けのセルフサービス。現在、企業顧客よりも消費者向けに強力です。
  • 構成と制御-ネットワーク容量とサービス品質のオンデマンド制御を顧客に提供します。
  • セキュリティ-悪意のあるトラフィックのフィルタリング。
  • ポリシー-ネットワークリソースの帯域幅とトラフィックの優先順位を調整して、絶えず変化するネットワーク状況に直面した際に差別化されたサービスを提供します。
  • 保証-中断を回避するためのエラー検出、障害報告、および再ルーティングサービス。
  • パフォーマンス–品質の監視と容量分析。そして
  • 分析–エンドツーエンドのサービス、ネットワークコンポーネント、インフラストラクチャのリアルタイム監視と可視性。

実際、これらの例はそれぞれ、必要な高度さに応じて、ある程度の分析インテリジェンス、またはマシンレベルの思考の恩恵を受けることができます。

RPAとリアルタイム分析

実際、単純な自動化のAIとリアルタイム分析に必要なAI機能には大きな違いがあります。

ロボットプロセスオートメーション(RPA)は、低次の認知機能の例です。RPAは、繰り返しプロセスを自動化されたワークフローに変換する手段として、通信業界および業界全体で使用されています。

RPAの単純な意思決定機能は、注文検証、信用調査、サービスのアクティベーションなどのバックオフィスプロセスに最もよく適用され、人間のオペレータがより生産的なタスクを行えるようにします。ただし、通信事業者は、RPAをこれらのタスクの意思決定コンポーネントよりも、反復的な「トランザクション」タスクに適用する必要があることに留意する必要があります。

TMフォーラムのInformはこれを指摘しており、「手作業の多さ、大量、反復およびルールベース(タスク)などのパラメーターは、(トランザクション)プロセスステップを識別するのに理想的です。たとえば、ラストマイル構成のプロセスステップは、論理プロビジョニングなどのプロセスステップよりもスコープが狭い(RPAの場合)。

自動化の意思決定の側面については、テレコムはリアルタイム分析の高速思考の品質を必要とし、これらの品質は単純な自動化およびRPAからの主要なステップアップを表します。

迅速な分析

方程式の「高速」の部分は、5GLの採用が、たとえば、家庭やその他の場所へのギガビットデータストリームを意味するという事実から生じています。急成長しているモノのインターネットは、数十億のトランザクションデータを送信し、まだ始まったばかりです。

数十億のセンサーやその他の機器が高品質の情報をリスニングテレコムに配信できます。しかし、そのデータは、テレコムが最初に大量のデータをソートできる場合にのみ高品質になります。それが、高速なデータ取り込みの出番です。

たとえば、テレコム分析の最も重要な機能の1つである異常検出は、多数の誤報を生成する傾向があるため、価値があるよりも多くのトラブルを引き起こすリスクがあると言われています。そのデータの高速でリアルタイムの取り込みにより、分析エンジンはこれらのアラームを除外するための時間をより長く取ることができます。そして、そこから「高速思考」の2番目の部分が作用します。

分析をリアルタイムに

高次の機械思考では、分析エンジンが実際の異常とノイズを区別する意味のあるパターンを探す必要があります。これは、すでに存在する履歴データやその他のコンテキストデータを参照することにより行われます。次に、機械学習アルゴリズムを適用して、正しい答えをすばやく見つける方法を決定します。

そして、それはリアルタイム分析プロセスの始まりにすぎません。異常データの検索に加えて、RTAエンジンは顧客への影響に焦点を当て、障害のあるネットワークスイッチと他のコンポーネントが特定の顧客グループに影響を与えるためにどのように結合するかを見つけます。これは通常、ネットワーク運用管理者には見えないものです。

リアルタイム分析はさらに進むことができます。これらは、ネットワークの制御外のイベント、たとえばスマートフォンのサプライヤから送信されたオペレーティングシステムのアップグレードの影響を受ける可能性のある顧客または他のユーザーのグループを見つけるのに役立ちます。この情報を使用して、これらの顧客に事前に警告し、事前に修復または回避策を提案できます。また、リアルタイム分析インフラストラクチャは、障害が発生する前に予防的な機器修正を生成するために、ワークフローを自動的にトリガーしたり、トラブルチケットを作成したりできます。

これはすべて魔法のように聞こえるかもしれませんが、現代のRTAインフラストラクチャを使用すれば今日可能です。

このようなインフラストラクチャの最良の例は、クラウドベースです。これにより、オンプレミスの同等物に必要な計算機への多額の設備投資が回避されます。また、効果的なRTAインフラストラクチャには、ユーザーと開発者が特定のニーズに合わせてカスタマイズされるアプリケーションを作成するのに役立つさまざまな組み込みツールが備わっています。これらには、グラフィックベースの低コード開発環境とプロセステンプレートが含まれており、分析アプリケーションのジャンプスタートに役立ちます。

その結果、ニーズと機会の変化に適応できる、高性能で柔軟性の高いRTAインフラストラクチャが実現し、分析投資を最大限に活用できます。

関連記事

カテゴリー

アーカイブ