(原文:Tomorrow On Line Two: How Predictive Analytics Will Shape Telecom’s Future )
未来を予測することは常にリスクの高いビジネスでした。今日、ビッグデータ、クラウドコンピューティング、アクセスが増加している分析ソリューションの融合により、人間と機械の挙動を予測する能力は、未知のリスクを競争上の優位性を伴う非常に現実的なビジネス報酬に置き換えています。
今日のテレコムには、予測分析を適用する幅広い機会があります。顧客との関係では、コール量の予測、コールセンタールーティングの最適化、顧客の解約やその他の行動の予測が含まれます。運用において最も注目すべきは、動的障害予測と予測メンテナンスです。高度な分析により、問題のある機器のメンテナンスニーズを予測できます。
基本的に、予測分析は、漸進的に「よりスマートな」モデルの出力を処理することにより機能します。典型的な進歩は、履歴データ(たとえば、一連の顧客の使用および支払いパターン)を基本的な改良のための第1レベルのモデルに取り込むことから始まります。
そのモデルの結果は、新しいデータ(たとえば、差し迫った価格上昇)と組み合わされ、1つ以上の連続したモデルに入力されます。結果は予測的であり、たとえば、サービスをドロップする可能性のある顧客の数を示します。
動的障害予測では、分析コンポーネントはまず、資産またはプロセスの障害につながる履歴異常パターンを学習します。次に、新しい着信信号で予測モデルを使用して、最終的に停止を引き起こす障害シグネチャを見つけます。
次に、予測モデルは、起こりうる1つまたは複数の障害を予測します。分析により、予防的なメンテナンスワークフローを生成したり、予防的な修理のためのメンテナンス作業指示書を作成したりできます。同じシステムが、スペアパーツの在庫を追跡して潜在的な機器の障害を処理するのに十分であることを確認するなど、他の関連する業務も実行する場合があります。
変化の予測
別の例は、機器のアップグレードの結果として顧客ベースでどのような変更が発生する可能性があるかを予測することです。テレコムやその他の通信サービスプロバイダーは、5GLへの移行からスマートフォン機能の定期的なアップグレードに至るまで、ますます頻繁に混乱に直面しているため、これは今日特に重要です。
変更管理アプリケーションでは、ターゲット人口モデルを使用して、たとえば電話ベンダーによるオペレーティングシステムのアップグレードなど、変更の影響を受ける可能性があるユーザーまたはユーザーグループを特定します。
たとえば、通信サービスプロバイダーは分析を使用して、新しい電話オペレーティングシステムを受信するサブスクライバーのクラスターを検出し、通話の切断やその他の問題などの考えられる問題を分析および予測します。これを知っているCSPは、即時の修復応答を推奨したり、さらなる問題を回避するソリューションを提供したりできます。
価値の最大化
これらのソリューションは重要かもしれませんが、予測分析のより深い組織的価値と将来を示唆するものです。すべての組織にとって、変更の処理は、新しいネットワークのプロビジョニングであろうと、すべてデジタル操作への変換であろうと、必然です。予測分析機能は、変化を仲介して活用するための継続的なリソースになります。
しかし、それを行うには、注意して勤勉に実装する必要があります。Telcoサービス操作で高度な分析から値を最大化、」マッキンゼー・アンド・カンパニーは、成功につながることができます4つのステップをお勧めします。
- 通常のデータを超えて考える-これは、すぐには明らかではないかもしれない要因を考慮することを意味します。例:ネットワークアラームのクラスターの理由を判断するタスクを担当するモデルに天気情報を含める。
- 創造的なモデリングは優れたモデルにつながります-これには、一部の主題の専門家から意見を引き出す手段としてのデータの視覚化など、結果の品質に影響を与える可能性のあるモデルを負担する必要があります。
- モデルの結果をアクションに変換する–これにより、フィールドサービスチームやモデルの予測への応答を担当する他の人々の実際のニーズとモデルの出力を同期する最適な方法を評価する人間の判断が追加されます。
- 組織に洞察を埋め込みます-「素晴らしいモデルだけでは十分ではありません」とマッキンゼーのレポートは述べています。「思考を仕事のやり方に組み込むことは、真の報酬が実現する場所です。」これには、通常、モデルの出力とビジネス判断を組み合わせ、そのインテリジェンスを進行中のプロセスに組み込む必要があります。
ツールセットの評価
マッキンゼーの推奨事項は、予測分析のツールセットで価値のあるいくつかの品質へのポインターとして機能します。
大量のストリーミングデータを迅速に処理する機能は一例であり、新しいデータストリーム(天気など)を追加して、より完全な情報に基づいたモデルを構築するのに役立ちます。ここで必要なのは、予測分析インフラストラクチャの重要な属性である、構造化データと非構造化データの両方のリアルタイム取り込みです。
人間の判断を統合し、ビジネスプロセスと統合する能力は、ビジネスユーザー、データサイエンティスト、データエンジニア間の相互作用を促進できるアプリケーション開発ツールの価値をもたらします。ビジュアル開発ツールと低コード/コードなしの開発環境は、アプリケーションの開発中に人間のやり取りを促進し、モデルの動作と将来のニーズを完全に理解するのに役立ちます。
高度なリアルタイムパフォーマンスとビジネス全体の統合のニーズも、クラウドベースのエンドツーエンド分析インフラストラクチャの価値を示しています。クラウドの弾力的な性質は、通信リソースが不足しているためにテレコムがモデルのサイズやパフォーマンスを制限する必要がなく、コンピューターではなく、知識を最大限に活用できる分析チームに投資できることを意味します会社。
将来の予測分析では、これらの品質をより重視します。彼らはかつてないほど多くのストリーミングデータを処理し、製品レベルと運用のニーズに今日の知識をはるかに超えて対応します。オープンエンドの分析インフラストラクチャは、データサイエンティストや他の人たちが妨げられずに想像力を実現するのに役立つツールを提供するため、さらに重要になります。