کاربرد بیگ دیتا در شرکت‌های تلکام

بدون شک داده یکی از دارایی‌های استراتژیک شرکت‌های تلکام در عصرحاضر است. با گسترش تلفن‌های هوشمند و استفاده از آن جهت دستیابی به اینترنت، شرکت‌های تلکام به حجم انبوهی از منابع داده نظیر پروفایل مشتریان، داده دستگاه‌ها، الگوهای استفاده مشتری، داده مکانی دستیابی دارند. با وجود این حجم داده، شرکت‌های تلکام بر روی یک معدن طلا از داده نشسته اند و هم اینک در موقعیتی برجسته قرار دارند که می‌توانند بر روی داده‌های ارزشمند سرمایه گذاری نمایند.

شرکت‌های تلکام برای به‌دست آوردن بینش از داده‌ای که در اختیار دارند، به طور فزاینده‌ای به دنبال استفاده از راه حل‌های کلان داده و تجزیه و تحلیل هستند تا در عمل بتوانند داده را به بینش ارزشمند و قابل اقدام برای کسب و کار تبدیل کنند. این اعتقاد در شرکت‌های تلکام ایجاد شده است که کلان داده دارای پتانسیلی بالقوه است و می‌تواند به عنوان بازیگری مهم، نقشی حیاتی به منظور تامین اهداف کسب‌وکار، ارتقای رشد، بازدهی بیش‌تر و سودآوری در بین تمامی زنجیره ارزش تلکام را ایفا کند. امروزه ارایه دهندگان سرویس‌های ارتباطی یا CSPs برگرفته شده از ommunication Service Providersاز هدوپ به عنوان یک راه حل کلان داده در موارد کاری متعددی و جهت تامین اهداف کسب و کار استفاده می‌کنند.

برخی از شرکت‌های تلکام، از هدوپ صرفا به عنوان یک بانک اطلاعاتی عملیاتی و با هدف ارتقاء بازده عملیاتی در مواردی نظیر افزایش ظرفیت ذخیره سازی، بهبود عملکرد و کاهش هزینه‌ها استفاده می‌کنند. برخی دیگر، با ایجاد برنامه‌های داده و به‌خصوص بکارگیری توان هدوپ، به دنبال تجزیه و تحلیل بلادرنگ و بینش قابل اقدام می‌باشند. شرکت‌های تلکام برای استفاده موثر از ظرفیت کلان دادهها و تجزیه و تحلیل، به دنبال برنامه ریزی مطلوب جهت به‌کارگیری آن در حوزه‌های مختلفی می‌باشند.

کاربردهای مهم کلان داده در شرکت‌های تلکام

هم اینک در شرکت‌های تلکام از کلان داده‌ها در موارد متعددی نظیر کاهش نرخ ریزش مشتریان، بهبود تجربه مشتری و افزایش بازدهی عملیاتی استفاده می‌گردد. براساس نظرسنجی سایت Telecoms.com، کلان داده‌ها دارای ظرفیت بالقوه‌ای جهت حفظ و نگهداری مشتریان، شناسایی و مدیریت مشتریان، برنامه ریزی و بهینه سازی شبکه، ارایه فرصت‌های فروش upsell/cross به مشتریان می‌باشند. شکل ۱، نتایج نظرسنجی کاربرد و مزایای کلان دادهها برای ارایه دهندگان سرویس‌های ارتباطی را نشان می‌دهد.

شکل۱: نتایج نظرسنجی کاربرد کلان داده در شرکت‌های تلکام

کاربرد کلان دادهها در شرکت‌های تلکام محدود به موارد اشاره شده نمی‌گردد و متناسب با روند رشد فناوری، شاهد ابتکارات و نوآوری‌های بیش‌تر و جدیدتری در این رابطه هستیم. با وجود طیف گسترده‌ای از مزایا و کاربردهای فراوان کلان دادهها در شرکت‌های تلکام، می‌توان تمامی موارد کاری را به چهار گروه اساسی تقسیم کرد. در شکل۲، چهار گروه اساسی کاربرد کلان داده در شرکت‌های تلکام نشان داده شده است.

شکل۲: چهار گروه اساسی کاربرد کلان داده در شرکت‌های تلکام

 

۱٫ مدیریت تجربه مشتری ( Customer 360 ):

امروزه برای شرکت‌های تلکام، بهبود و بهینه سازی تجربه مشتری، کلید وجه تمایز آنها با سایر رقبا و کاهش نرخ ریزش مشتریان است. بسیاری از شرکت‌های تلکام با بکارگیری هدوپ و تجزیه و تحلیل کلان دادهها به دنبال کسب یک دید ۳۶۰ درجه‌ای درست از مشتریان خود در طول سفر مشتری و در تمامی کانال‌های متنوع تعاملی هستند. شرکت‌های تلکام بر اساس جزئیات پروفایل مشتریان، آنها را هدف گذاری می‌نمایند و پیشنهادات قانع کننده و کاملا شخصی شده بر اساس رفتار و تجریه مشتری را به مخاطبین خود ارایه می‌نمایند. پیش بینی و کاهش نرخ ریزش مشتریان از دیگر اهداف مهم شرکت‌های تلکام در مدیریت تجربه مشتری است. برخی از موارد کاری کلیدی در این حوزه عبارتند از:

  بازاریابی هدفمند و شخصی سازی

ارایه پیشنهاد محصولات سفارشی شده و یا ایجاد فرصت‌های تشویقی برای خرید بیش‌تر در دو بعد کمی و کیفی (Cross Sell و Upsell) به کمک مدل‌هایی متاثر از الگوهای استفاده مشتری، تنظیمات دستگاه، داده صورتحساب، درخواست‌های پشتیبانی مشتری، سوابق خرید، اولویت‌های خرید به همراه اطلاعات جمعیتی، مکان، اثرات اجتماعی و اقتصادی فراهم می‌گردد. هم اینک، شرکت‌های تلکام قادر به شناسایی مخاطبان هدف در ابعاد بسیار کوچک (micro-segments) جهت ارایه پیشنهادات شخصی سازی شده و کمپین‌های هدفمند می‌باشند. هدف اصلی، ارایه پیشنهاد درست در زمان درست با موضوعیت درست به افرادی است که بیش ترین احتمال جهت پذیرش پیشنهاد را دارند. توصیه‌های up-sell بر اساس داده استفاده شده، کمپین ارتقاء دستگاه براساس تنظیمات بخصوص مشتری، پیشنهادات تخفیف بر اساس خرید اخیر یا پرسش‌های مطرح شده با مرکز تماس، نمونه‌هایی در خصوص ارایه پیشنهادات به مشتریان هدف می‌باشند.

  تجزیه و تحلیل سفر مشتری

تجزیه و تحلیل بلادرنگ سفر مشتری و ایجاد بینش عملی، به شرکت‌های تلکام اجازه میدهد تا بتوانند به سرعت نسبت به ارایه بهترین پیشنهاد بعدی (next-best offer) به مشتری واکنش نشان داده و چیزی را که همسو با ذائقه و علاقه مشتری است به وی پیشنهاد نمایند. در این خصوص با جمع آوری و ترکیب اقلام داده‌ای مختلفی نظیر ترکیب جمعیتی مشتری، نوع رفتار خرید (جاری یا گذشته)، نحوه رفتار مشتری بر روی کانال‌های تعاملی نظیر روند کلیک بر روی صفحات یک وب‌سایت محصول و خدمات می توان بهترین پیشنهاد را براساس دادههای مختلف مربوط به مشتری ارایه داد.

بکارگیری مدل‌های تجزیه و تحلیل بلادرنگ سفر مشتری این امکان را در اختیار شرکت‌های تلکام قرار میدهد تا بتوانند در مراحل مختلف این سفر نظاره گر تمامی تعاملات مشتری باشند و در هر مرحله از این سفر و با استناد به دادههای معنی دار حاصل از تعاملات اخیر و چشم انداز با مشتری در تمامی طول چرخه حیات مشتری ارتباط برقرار کرده و پیشنهادات مناسبی را به آنها ارایه نمایند و یا آنها را مخاطب کمپین‌های هوشمند قرار دهند تا رضایت مشتری در هر یک از مراحل سفر مشتری، حاصل گردد. شکل ۳، زنجیره رضایت – سود را نشان میدهد. تحقیقات نشان میدهد که نتایج حاصل از رضایت مندی مشتری و وفاداری مشتری دارای یک رابطه معنی دار و مهم با عملکرد کسب‌وکار است.

شکل ۳: زنجیره رضایت – سود

بر اساس مطالعات انجام شده در شرکت‌های تلکام، با افزایش ۱۰ درصدی در رضایت مشتریان، شاهد ۲ درصد افزایش در حفظ مشتری(شاخص رفتاری وفاداری) و ۳ درصد افزایش درآمد خواهیم بود و اینگونه نتیجه گیری شده است که رضایت مشتری یک شاخص lead از حفظ مشتری، درآمد و رشد درآمد محسوب می‌گردد.

حرکت درست در مسیر زنجیره رضایت – سود و استفاده از تجزیه و تحلیل به عنوان یک عامل توانمندساز در ایجاد بینش و در نهایت تصمیم گیری درست و به موقع مستلزم وجود یک دیدگاه واحد از مشتریان یا SVOC(برگرفته شده از Single View Of Customer) است که در صورت عدم یکپارچه سازی داده مشتریان تحقق آن غیرممکن خواهد بود. این دیدگاه واحد به کاربران سیستم مدیریت ارتباط با مشتریان (CRM) کمک می‌کند تا بتوانند به سوابق تعاملات مشتری با کسب و کار از طریق فروش، بازاریابی، خدمات و بین تمامی کانال‌های تعاملی دستیابی داشته باشند. شکل ۴، مفهوم دیدگاه واحد از مشتری را نشان میدهد.

شکل ۴: یک دیدگاه واحد از مشتری(SVOC) صرف نظر از نوع کانال تعاملی

مشکل در یکپارچگی داده می‌تواند به ناکارآمدی عملیاتی پرهزینه، مدیریت ضعیف و مساله‌دار تجربه مشتری و اختلال در روابط با مشتری منتج شود. مشتریان ممکن است زمانی متوجه مدیریت ضعیف تجربه و یکپارچه سازی گردندکه از یک بنگاه کسب‌وکار کالا و یا خدماتی را به صورت آنلاین خریداری کرده باشند و در ادامه و از طریق یک کانال تعاملی دیگر همان محصول جهت خرید به آنها پیشنهاد گردد (خرید از طریق پرتال سازمانی، پیشنهاد مجدد خرید از طریق سرویس پیامک). یکپارچه سازی داده مشتری منوط به استاندارد کردن داده در تمامی بانک‌های اطلاعاتی است.

   مراقبت بلادرنگ

شرکت‌های تلکام با استفاده از کلان دادهها و بکارگیری ابزارهای تحلیلی قادر به شناسایی سریع و فعالانه مسائل و برطرف کردن آنها و یا ارایه راه حل مناسب قبل از تاثیرگذاری بر روی مشتری می‌باشند. رویکرد فوق از یک طرف باعث ارایه یک تجربه مشتری قانع کننده می‌گردد و از طرف دیگر باعث کاهش تماس با مراکز تماس خواهد شد که در نهایت     می‌تواند کاهش هزینه‌های پشتیبانی را دنبال داشته باشد. بر اساس نظر سنجی انجام شده با تمرکز بر روی صنایع تلکام، ۸۴ % مخاطبان به این پرسش که اگر ارایه دهنده سرویس قادر به شناسایی و برطرف کردن مسائل بالقوه در خصوص سرویس باشد، آیا حاضرید ارایه دهنده سرویس خود را به دیگران پیشنهاد نمایید؟ پاسخ مثبت داده‌اند. بر اساس تحقیقات انجام شده مشخص شده است که ۹۲% مشتریان به توصیه‌های دوستان و اعضاء خانواده خود بیش تر از هر نوع تبلیغات اعتماد می‌کنند. به همین دلیل است که ارایه دهندگان سرویس‌های ارتباطی تمایل دارند به صورت فعالانه و قبل از تاثیرگذاری منفی بر مشتری و ایجاد یک تجربه بد، نسبت به شناسایی و برطرف کردن مسائل در ارتباط با سرویس اقدام نمایند. بخاطر داشته باشیم که تجمیع تجارب منفی یک مشتری نسبت به یک ارایه دهنده سرویس در نهایت باعث ترک مشتری و کوچ به یک ارایه دهنده سرویس دیگر خواهد شد. درصورتی که مشتریان با درجه اهمیت بالا به بینش لازم برای کوچ به یک ارایه دهنده سرویس دیگر برسند، ضرر و زیان این نوع ارایه دهندگان سرویس مضاعف می‌گردد (هم یک مشتری خود را از دست داده اند و هم یک مشتری با سودآوری بالا را از دست داده‌اند). به دلیل اهمیت این موضوع است که هم اینک در بسیاری از شرکت‌های تلکام تدابیر خاصی برای حفظ مشتریان خصوصا مشتریان ارزشمند اتخاذ شده است. به عنوان نمونه، شرکت Telkomsel در اندونزی با ایجاد یک داشبورد فعالانه جهت سرویس‌های پهنای باند، اقدام به شناسایی مسائل مرتبط با تجربه مشتریانی که از درجه اعتبار و ارزش بیشتری برخوردار هستند می‌کند و به صورت فعال با این گونه مسائل برخورد می نماید و یا در صورت ضرورت با مشتریان تعامل مستمری را برقرار می نماید.

   تجزیه و تحلیل پیش بینی ریزش

بر اساس تحقیقات اخیر Ovum، اپراتورهای تلکام می‌توانند نسبت به نگهداری نیمی از مشتریان موجود خود در طی ۱۲ ماه آینده امیدوار باشند و حدود ۲۵ % تمامی مشتریان شرکت‌های تلکام در جهان عنوان کرده اند که قطعا ارایه دهنده سرویس خود را عوض خواهند کرد. با توجه به تاثیر ریزش مشتری در صنایع تلکام، ارایه دهندگان سرویس بطور موثر به دنبال تحلیل کلان دادهها به منظور پیش بینی و پیشگیری از ریزش مشتریان می‌باشند. برای نیل به خواسته فوق، می بایست دادههای مختلفی جمع آوری گردد . کیفیت سرویس، عملکرد شبکه، اطلاعات صورت حساب مشترک، جزئیات تماس با مراکز تماس و تحلیل‌های احساسات رسانه‌های اجتماعی نمونه‌هایی در این زمینه جهت ایجاد یک مدل موثر برای پیش بینی و پیشگیری ریزش مشتریان می باشد. به کمک مدل‌های پیش بینی ریزش مشتریان، شرکت‌های تلکام قادر به راه اندازی کمپین‌های نگهداری مشتریان و شناسایی و پاسخ به مشتریانی می‌باشند که در وضعیت ریسک قرار دارند.  به عنوان نمونه، شرکت‌های ارایه دهنده سرویس‌های ارتباطی می‌توانند بطور فعالانه مشتریان با ارزش بالا را که دارای مشکلات و مسائلی در خصوص کیفیت سرویس می‌باشند و یا آن دسته از مشتریانی که دیدگاه منفی خود را در رسانه‌های اجتماعی به اشتراک گذاشته اند، شناسایی نمایند و با ارایه بسته‌های ویژه و تخفیفات لازم و یا سرویس‌های اعتباری از کوچ آنها به سایر شرکت‌های ارایه دهنده سرویس‌های ارتباطی پیشگیری نمایند.

 

۲٫ تجزیه و تحلیل و بهینه سازی شبکه

شرکت‌های ارایه دهنده سرویس‌های ارتباطی برای برخورد با حجم انفجاری داده موبایل، نیازمند سرمایه گذاری گسترده‌ای بر روی شبکه خود می‌باشند و معمولا بین ۱۸ تا ۲۰ درصد از درآمد هر سال خود را صرف CAPEX می‌کنند. ظرفیت شبکه، یکی از منابع ارزشمند است و شرکت‌های تلکام به دنبال استفاده گسترده از کلان دادهها و تجزیه و تحلیل داده جهت مانیتورینگ موثر و مدیریت ظرفیت شبکه، ایجاد مدل‌های پیش بینی ظرفیت، اولویت بندی و تصمیم گیری در خصوص برنامه ریزی توسعه شبکه می‌باشند.

   بهینه سازی و برنامه ریزی ظرفیت شبکه

با تلفیق استفاده از شبکه، دانسیته مشترک به همراه داده مکان و ترافیک، شرکت‌های ارایه دهنده سرویس‌های ارتباطی قادر به مانیتورینگ با دقت بیش تر، مدیریت و پیش بینی ظرفیت شبکه و برنامه ریزی موثر برای قطعی احتمالی می‌باشند. با استفاده از داده وضعیت ظرفیت به صورت بلادرنگ، شرکت‌های ارایه دهنده خدمات ارتباطی قادر به بصری سازی و مشاهده مناطق با تراکم بالا در مواردی می‌باشند که با توجه به میزان ظرفیت پیش بینی شده، احتمال قطعی به شدت افزایش می یابد تا بتوانند اولویت بندی جهت توسعه ظرفیت جدید را انجام دهند. همچنین، برای مناطقی که دارای ظرفیت بیش از حدی می‌باشند، می‌توان با اجرای کمپین‌های خاص و یا تبلیغات اقدام به جذب مشتری جدید و یا بسته‌های تشویقی مختص مشترکین موجود به منظور استفاده حداکثری از ظرفیت شبکه کرد.

بهینه سازی و بکارگیری موثر ظرفیت شبکه باعث صرفه جویی میلیون‌ها دلار برای شرکت‌های تلکام طی سال می‌گردد. به کمک تجزیه و تحلیل‌های بلادرنگ و میزان ترافیک، شرکت‌های ارایه دهنده خدمات ارتباطی می‌توانند مدل‌های پیش بینی ظرفیت را ایجاد نمایند و با مانیتورینگ مستمر میزان واقعی ترافیک در مقابل ترافیک پیش بینی شده در گذشته، از بینش به دست آمده جهت بهینه سازی مدل و برنامه ریزی برای ظرفیت مکمل در مواردی که احتمال قطعی وجود دارد، استفاده نمایند.

   توسعه شبکه و برنامه ریزی جهت سرمایه گذاری

برنامه ریزی و اولویت بندی پروژه‌های توسعه شبکه همواره برای شرکت‌های ارایه دهنده خدمات ارتباطی مشکل است. با توجه به وجود وابستگی‌ها و ملاحظات متعدد، شرکت‌های ارایه دهنده خدمات ارتباطی می بایست دارای توانمندی لازم جهت برنامه ریزی موثر به منظور تعیین اولویت‌های سرمایه گذاری و منابع بر اساس نیازهای ارتباطی آینده، اهداف استراتژیک، برگشت سرمایه گذاری (ROI ) پیش بینی شده، ترافیک پیش بینی شده، تجریه مشتری و… باشند. در تمامی موارد فوق، می بایست به این نکته مهم توجه شود که بیش ترین منفعت حاصل از سرمایه گذاری می بایست نصیب مشتریان با ارزش بالا گردد. شرکت‌های ارایه دهنده خدمات ارتباطی می بایست قادر به ترکیب داده ترافیک شبکه، معیارهای تجربه مشتری، داده درآمدهای بالقوه و مکان به همراه داده ارزش مشتری باشند تا این اطمینان حاصل گردد که آنها سرمایه گذاری CAPEX را در نقاط درست انجام داده اند. تعدادی از شرکت‌های ارایه دهنده خدمات ارتباطی از هدوپ و ابزارهای تجزیه و تحلیل کلان دادهها به منظور کمک در توسعه شبکه و اهداف برنامه ریزی شده استفاده می‌کنند. به عنوان مثال شرکت BT از هدوپ و تجزیه و تحلیل کلان داده به منظور تشخیص این که چگونه وکجا خدمات پهن باند با سرعت بالا را در انگلستان توسعه دهد، استفاده می نماید.

   تجزیه و تحلیل بلادرنگ شبکه

شرکت‌های ارایه دهنده خدمات ارتباطی از کلان دادهها و ابزارهای تحلیل جهت ایجاد heat map  ظرفیت بلادرنگ استفاده می نمایند و با استناد به آن به طور مستمر کیفیت تجربه مشتری را اندازه گیری می نمایند تا در صورت تراکم شبکه و یا احتمال بروز قطعی، هشدارهای لازم به تیم‌های نگهداری و پشتیبانی داده شود. شرکت‌های ارایه دهنده خدمات ارتباطی قبلا از دادههای گذشته جهت مدیریت شبکه استفاده می کردند ولی با تجزیه و تحلیل‌های کلان دادهها و پردازش بلادرنگ داده شبکه می توان از یک طرف وضعیت شبکه را بطور مستمر مانیتور کرد و ازطرف دیگر فعالیت‌های شبکه را مدل سازی و نیازهای آینده را مدیریت کرد. در نتیجه، مهندسین شبکه می‌توانند یک دید کامل از رویدادهایی که در شبکه اتفاق می‌افتد را داشته باشند و بطور فعالانه به خرابی‌ها و قطعی‌های احتمالی شبکه پاسخ دهند تا در عمل میلیون‌ها دلار صرفه جویی گردد. مثلا، شرکت‌های ارایه دهنده خدمات ارتباطی می‌توانند تاثیرات بالقوه (احتمالی) را به صورت بلادرنگ برای یک سایت سلولی غیرفعال شده بر اساس تعداد مشترکین و ظرفیت سایت‌های همجوار، مدل سازی نمایند. همچنین، بر اساس داده جمع آوری شده بلادرنگ از برج‌های سلولی، مهندسین می‌توانند هر گونه افت عملکرد سرویس در یک مکان بخصوص را مانیتور نمایند و با اعزام تیم‌های فنی، در صورت نیاز، به صورت پیشگیرانه نسبت به حل مشکل اقدام نمایند.  

 

۳٫ تحلیل‌های عملیاتی تلکام

یکی دیگر از حوزه‌های کلیدی و کاربردی برای شرکت‌های ارایه دهنده خدمات ارتباطی ، استفاده از کلان داده جهت بهبود بازده داخلی، بهبود فرآیندها و صرفه جویی در هزینه‌ها در هسته عملیات شرکت‌های تلکام است. هم اینک، شرکت‌های تلکام از راه حل‌های کلان داده ارایه شده توسط هدوپ در موارد متعددی نظیر به حداقل رساندن نشت درآمد، مدیریت شبکه و امنیت سایبری، به حداقل رساندن زمان Lead به سفارش استفاده می نمایند تا بطور فعالانه مسائل مشتریان را شناسایی و نسبت به رفع آنها اقدام نمایند. برخی از مواردی کاری برجسته عبارتند از:

   نشت درآمد و تضمین درآمد

برآورد شده است شرکت‌های ارایه دهنده سرویس‌های ارتباطی حدود ۸ / ۲درصد از درآمد خود را هرسال به دلیل تقلب و یا نشت درآمد از دست می‌دهند که تقریبا معادل ۴۰ میلیارد دلار درآمد از تمامی صنعت تلکام است. این بدان معنی است که شرکت‌های تلکام می‌توانند بدون فروش محصولات و یا سرویس‌های اضافه، ۴۰ میلیارد دلار به درآمد خود اضافه نمایند، مشروط به این که بتوانند با بکارگیری فناوری‌های نوین با نشت درآمد مقابله نمایند. شرکت‌های تلکام می‌توانند با استفاده از راه حل‌های کلان داده، نقاط مستعدی که دارای پتانسیل بالقوه نشت درآمد می‌باشند را از طریق شبکه سیستم‌های در ارتباط مستقیم با مشتری تشخیص و قبل از ارسال اطلاعات به سیستم صورت حساب، داده مربوطه را تصحیح نمایند.

راه حل‌های مبتنی بر هدوپ می‌توانند به ارایه دهندگان سرویس‌های ارتباطی کمک کنند تا هم داده ساخت یافته و هم داده غیر ساخت یافته را پردازش و تحلیل نمایند و با بررسی اطلاعات در سال‌های گذشته در مقابل چندین ماه گذشته، درک بهتری از رفتار مشتریان داشته باشند. در حال حاضر با استفاده از راه حل‌های مبتنی بر هدوپ و بکارگیری روش‌هایی نظیر بازرسی عمیق بسته یا DPI (برگرفته شده ازDeep Packet Inspection) به منظور تشخیص تقلب و نشت درآمد و همچنین شناسایی فرصت‌های جدید درآمدی، این کار مقرون به صرفه شده است. فرآیند DPI، حجم بالایی از داده را تولید می‌کند و میلیون‌ها رکورد در هر ثانیه پردازش می شود، کاری که قبلا بدون استفاده از راه حل نوین کلان دادهها نظیر هدوپ امکان جمع آوری و تحلیل آنها وجود نداشت.

   مدیریت اطلاعات و امنیت سایبری

به موازات گسترش دستگاه‌ها، امنیت سایبری برای شرکت‌های تلکام در کانون توجه جدی قرار گرفته است. ایمن بودن شبکه و سیستم‌های مرتبط ارایه دهندگان سرویس‌های ارتباطی در مقابل حملات کدهای مخرب به یکی از جنبه‌های حیاتی کسب و کار آنها تبدیل شده است. قابلیت‌های مرسوم تشخیص رویدادها، قادر به جمع آوری و تحلیل تمامی منابع داده ضروری برای شناسایی و پاسخ گویی به تهدیدات پیشرفته با توجه به پیچیدگی و هزینه‌های مرتبط نمی‌باشند. کارشناسان حرفه ای به منظور کاهش ریسک، تشخیص رویدادها و پاسخ به رخنه‌ها و آسیب‌ها، لازم است به حجم بالایی داده (شامل لاگها، رویدادها، پکت‌ها، جریان داده، دادههای مهم، داده پیکربندی وغیره است) دستیابی و آنها را به صورت بلادرنگ تحلیل نمایند تا ضمن کاهش سطح خطرات، قدرت تشخیص به موقع وقایع امنیتی و رخنه‌های امنیتی و پاسخ مناسب به آنها را افزایش دهند. ارایه دهندگان سرویس‌های ارتباطی بطور فزاینده ای به سراغ راه حل‌های کلان داده رفته اند تا با بکارگیری آنها اقدام به جمع آوری و تحلیل لاگ‌های داده، یافتن موارد غیرطبیعی، هشدار نسبت به موارد غیرطبیعی و ایجاد یک رویداد برای یک تحلیل امنیتی نمایند.‌هاب‌های داده مبتنی بر هدوپ قادر به ارایه پلتفرم‌های مقرون به صرفه برای ذخیره سازی و قابلیت‌های تحلیل پیشرفته به منظور حمایت تحلیل‌های عمیق packet، تحلیل‌های رفتاری، پروفایلیگ و مدل سازی تهدیدات هستند.

 

۴٫ کسب درآمد از طریق داده

شرکت‌های ارایه دهنده سرویس‌های ارتباطی به دلیل دستیابی به حجم گسترده و ارزشمندی از منابع متنوع در حال رشد داده شامل جمعیت شناسی مشترکین، مکان مشترکین، استفاده شبکه، دستگاه، استفاده برنامه و… دارای مزایای منحصر به‌فردی می‌باشند. با توجه به وجود این حجم داده در شرکت‌های تلکام، آنها شروع به استخراج، مدل سازی، تجمیع و شناسایی این مجموعه‌های داده به منظور ارایه آمارهای قدرتمند شده اند که می‌تواند دارای ارزش مشهودی برای سایر کسب‌‌کارها باشد.

 

تجزیه و تحلیل به عنوان سرویس (DAaaS)

با ترکیب اطلاعات مکان مشتری با جمعیت شناسی و اولویت‌ها شرکت‌های ارایه دهنده سرویس‌های ارتباطی به دنبال ارایه تجزیه و تحلیل به عنوان یک سرویس (DAaaS ) به سایر کسب و کارها در حوزه‌های مختلف دیگری نظیر خرده فروشی‌ها، سرویس‌های مالی، تبلیغات، سلامت و درمان، سرویس‌های عمومی و سایر کسب و کارهای در ارتباط مستقیم به مشتری می‌باشند. مجموعه ای گسترده از کاربردها و موارد کاری برای تحلیل‌های داده محور وجود دارد. شناخت الگوهای ترافیک شهری و گلوگاه‌ها، کمک به شرکت‌های تدارکاتی جهت تنظیم دقیق فرآیندهای عرضه محصولات و کمک به شرکت‌های تبلیغاتی برای ارایه کمپین‌های هدفمند و تبلیغات برای بخش‌های خاص و کوچک تری از مشتریان، صرفا نمونه اندکی در این رابطه می‌باشند. برخی از شرکت‌های پیشرو ارایه دهنده سرویس‌های ارتباطی نظیر Verizon، Sprint و Telefonica در حال سرمایه گذاری بر روی این فرصت‌ها می‌باشند و موجودیت‌های کسب‌وکاری را ایجاد کرده‌اند که تمرکز آنها بر ارایه و عرضه سرویس‌های تحلیلی و کسب درآمد از طریق داده برای سایر کسب‌وکارها است.

با این که بازار فرصت‌های تحلیل داده همچنان نوپا و در ابتدای کار است، کشش قابل توجه و اشتیاق فراوانی در این فضای کسب و کار وجود دارد و شرکت‌های ارایه دهنده خدمات ارتباطی می‌توانند با شتاب مناسب به سمت افزایش سهم خود از این نوع سرویس‌های تحلیلی در آینده باشند. علی رغم موارد فوق ، شرکت‌های تلکام می‌بایست به مسائل حریم شخصی و اطلاعات و مسائل مرتبط با آنها نیز توجه کنند و با تجمیع و ناشناس کردن این اطلاعات (داده مشترک) مطمئن شوند اطلاعات محرمانه در خصوص مشتریان خود را فاش نکرده‌اند. علی‌رغم فرصت‌های طلایی اشاره شده، حفظ حریم خصوصی همچنان یک نگرانی جدی است و می بایست شرکت‌های ارایه دهنده سرویس‌های ارتباطی تجمیع و گمنام سازی داده مشتریان را با دقت و وسواس دنبال نمایند تا این اطمینان حاصل گردد که اطلاعات محرمانه مشتریان افشا نمی شود. به هر حال، حفظ حریم خصوصی مشتریان و محرمانگی یک نگرانی جدی است که اگر به درستی با آن برخورد شود، شرکت‌های ارایه دهنده سرویس‌های ارتباطی دارای این فرصت طلایی خواهند بود که از طریق فروش بینش مشتریان به سایر کسب و کار‌های مرتبط بدون به خطر انداختن حریم خصوصی و حقوق مشترکین منابع جدید درآمدی برای خود ایجاد نمایند .

 

تحلیل‌های IoT و M2M

براساس گفته منابع این صنعت، پیش بینی شده است که تعداد اشیاء متصل شده در اکوسیستم IoT، تا سال ۲۰۲۰ به مرز ۵۰ میلیارد می‌رسد. شرکت‌های ارایه دهنده خدمات ارتباطی علاوه بر این که دارای نقشی اساسی در مدیریت نیازهای ارتباطی این ۵۰ میلیارد دستگاه مرتبط شده به هم می‌باشند، می‌توانند با بهره برداری از فرصت‌های اینترنت اشیاء پا را از خدمات ارتباطی صرف فراتر گذاشته و به سمت ارایه راه حل‌های M2M، پلتفرم‌ها و سرویس‌های تحلیل‌های داده حرکت نمایند. به موازات افزایش حجم داده اینترنت اشیاء که انتظار است با یک شتاب مناسب روندی تصاعدی را دنبال نماید، شرکت‌های ارایه دهنده خدمات ارتباطی به دلیل ماهیت ذاتی خود در تولید داده می‌توانند یک بازیگر مهم در طول زنجیره ارزش باشند از جمع آوری جریان داده تا پردازش، ذخیره سازی، تحلیل و ارایه خدمات هوشمند به مشتریان نهایی خود. از همه مهم تر، شرکت‌های ارایه دهنده سرویس‌های ارتباطی دارای این توانمندی می‌باشند که با اضافه کردن عناصر مکانی و جغرافیایی به جریان داده، اقدام به غنی سازی بینش داده ورودی نمایند تا از این طریق بینش ارزشمندی را در اختیار سایر سازمان‌ها قرار دهند. همچنین، با توجه به این که اکثر جریان داده از حسگرها نیازمند رمزنگاری قبل از ارسال از طریق یک شبکه WAN می باشد، شرکت‌های ارایه دهنده خدمات ارتباطی در جایگاه ایده آلی برای جمع کنندگان داده و تجمیع کنندگان به منظور ارایه امنیت و تحلیل داده می‌باشند. با وجود پتابایت داده در قالب‌های مختلف و به صورت بلادرنگ از حسگرها در بین مناطق جغرافیایی مختلف، شرکت‌های ارایه دهنده سرویس‌های ارتباطی می‌توانند از راه حل‌های کلان داده نظیر هدوپ به منظور جمع آوری، ذخیره سازی، ایمن سای، مدیریت و تحلیل این حجم داده به صورت بلادرنگ استفاده می نمایند . امروزه شرکت‌های ارایه دهنده سرویس‌های ارتباطی در صف مقدم ایجاد تحولات گسترده جهانی درحوزه اینترنت اشیاء نظیر منازل متصل شده به هم، اتومبیل‌های متصل شده، شهرهای هوشمند و سلامت الکترونیکی می‌باشند و بدیهی است که تقاضا برای مدیریت داده و سرویس‌های تحلیل همزمان با افزایش سطح پختگی، کاربری و عملیاتی این گونه پیشنهادات همچنان شتابان به روند رشد خود ادامه خواهد داد.

 

 خلاصه

نظیر هر فناوری جدید، فناوری کلان دادهها نیز دارای برندگان و بازندگانی خواهد بود. شرکت‌های تلکام می‌توانند یکی از برندگان این فناوری باشند، چرا که بر روی یک گنج پنهان از داده نشسته اند که اگر به درستی و با بکارگیری راه حل‌های کلان داده به درستی مدیریت گردند، شاهد تحولات اساسی در شرکت‌های تلکام و در حوزه‌های مختلف عملیاتی آنها خواهیم بود. تحولاتی که نمونه‌های بارز آن را می توان در شرکت‌های تلکام پیش رو در سطح جهان مشاهده کرد. شرکت‌های تلکام به شدت درگیر تولید داده هستند. این موضوع می‌تواند فرصت‌های بی شماری را پیش روی آنها قرار دهد. در این مطلب به برخی از این فرصت‌ها اشاره گردید. همزمان با رشد صنعت ارتباطی بدیهی است که شاهد تاثیر آن در تولید داده و نیاز به مدیریت کلان آن از جمع آوری تا تجزیه و تحلیل باشیم. شرکت‌های تلکام می‌توانند با مدیریت صحیح کلان دادهها و فرصت‌های بی شماری که در این مسیر وجود دارد از آنها در جهت بهبود تجربه مشتری، ایجاد شبکه‌های کارآمدتر، پایین آوردن هزینه‌ها و فعال کردن موتورهای تولید درآمد جدید استفاده نمایند.

منبع: itiran

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

شما می‌توانید از این دستورات HTML استفاده کنید: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>