Статья

IBS: Отмена «мобильного рабства» заставит операторов применять Big Data

Big Data
мобильная версия

Переносимость мобильных номеров и построение LTE-сетей будут способствовать расширению применения Big Data в отечественной телекоммуникационной отрасли, считает Сергей Нестеренко, руководитель отделения интеграции дивизиона данных компании IBS. Абоненты первыми заметят эффект.

CNews: Расскажите, чем «дышит» сегодняшний телеком-рынок в России, в чем вы видите основные проблемы?

Сергей Нестеренко: Наш телеком-рынок сейчас заметно трансформируется. Все операторы большой тройки активно развивают сети 4G в стандарте LTE. И это меняет рынок в части потребления услуг. При таком широком канале сотовая связь становится не просто средством связи, а прежде всего средой доставки контента.

Мы видим, что выручка от традиционных услуг – голосовой связи, SMS, MMS – снижается. Аналитики прогнозируют, что эта тенденция сохранится. Чтобы удержать уровень прибыли, телеком-компании вынуждены искать способы увеличения выручки от других видов услуг и развивать новые сервисы.

Многие пользователи вместо отправки SMS используют Skype, WhatsApp, то есть потребляют не конкретную SMS или MMS-услугу, а трафик. Здесь возникает интересная задача разбора потребляемого трафика с помощью технологии DPI (Deep Packet Inspection – технология накопления статистических данных, проверки и фильтрации сетевых пакетов по их содержимому). Такой анализ делает возможным создание персонализированных предложений, которые позволят фокусно предложить услугу конкретному клиенту или попробовать его удержать, если он не доволен качеством предоставляемой услуги.

Есть еще один тренд. Посмотрите: акционеры «Мегафона» активно скупают соцсети – Mail.ru, «Одноклассники», «ВКонтакте». Я вижу в этом тенденцию к объединению двух областей: информации о профилях пользователей из соцсетей и данных об абоненте, что может оказаться колоссальной ценностью для оператора в части знаний о клиенте.

И третий тренд – это принятие так называемого закона об отмене мобильного рабства, вследствие чего острее встала проблема удержания абонента. Корпоративные клиенты заинтересованы в том, чтобы получить наилучшее предложение, и многим не важно, от какого оператора связи. Поэтому растет потребность в решениях, которые помогут построить гибкую программу лояльности.

В результате открывается широкое поле деятельности, как для самих операторов, так и для сервисных компаний, которые создают контент для потребителя и для интеграторов и могут в этих условиях предложить качественно новые услуги, в том числе на основе технологий Big Data.

CNews: В каких направлениях работы операторов применимы технологии больших данных?

Сергей Нестеренко: Технологии, задействованные в телекоме, можно условно разделить на несколько блоков: построение и эксплуатация сети, биллинг (учет оказанных услуг и выставление счета конкретному абоненту) и блок клиентских сервисов, маркетинга, продаж, брендинга. Для каждого блока есть свои решения и технологии в области больших данных, которые может использовать как оператор, так и контент-провайдер.

Сергей Нестеренко: Устранение ошибок и проблем в биллинге – это тоже предмет для анализа больших данных в телекоме

В блоке эксплуатации основная задача – это обеспечение высокой надежности и стабильности сети в условиях быстро растущих потребностей. Например, в Москве запущена сеть стандарта 4G (LTE), и абоненты, пользующиеся этой услугой, скоро привыкнут к скорости, к потреблению конкретного контента. Если где-то сеть не будет обеспечивать высокой скорости доступа, то абонент будет недоволен. Новые технологии анализа помогают вести онлайн-мониторинг сети, выявлять узкие места в надежности и стабильности сети и быстро устранять неисправности. Big Data также помогает обеспечить более гибкую тарификацию, способную адаптироваться к быстро меняющимся потребностям клиента.

В области маркетинга технологии помогают быстро выводить на рынок персонализированные продукты (time-to-market), адресованные конкретному абоненту с учетом конкурентного анализа продуктов и услуг других провайдеров.

CNews: Помогают ли Big Data закрыть «дыры» в биллинге?

Сергей Нестеренко: Да, устранение ошибок и проблем в биллинге – это тоже предмет для анализа больших данных в телекоме. Сбои в тарификации случаются, как правило, в результате технических сбоев. В любом случае, это потеря денег для оператора.

Решения Big Data также помогают бороться с мобильным мошенничеством, когда происходит подмена номеров и переброс трафика от одного абонента к другому. Это чаще происходит в IP-телефонии, где можно подобрать логин и пароль.

Еще с точки зрения биллинга стоят задачи реагирования на клиентские запросы, например, когда клиент не согласен с выставленным счетом. Некоторые компании берут таймаут для обработки сложных запросов. Им нужно обработать аналитику и данные в биллинге, и только потом они смогут дать ответ. Зачастую клиента это не устраивает. Он хочет сразу понять, в чем проблема со счетом или с оказанной услугой.

Чтобы эффективно взаимодействовать с клиентом, нужно иметь всю информацию о клиенте, начиная от звонков и заканчивая так называемым анализом пакетов интернет-трафика (DPI). Ускорить подготовку ответа помогают комплексные инструменты по связанному мониторингу работы call-центра и биллинга.

Решения в области больших данных на уровне биллинга покрывают сразу целый пул задач. Во-первых, Big Data обеспечивает быстрое реагирование на события и на изменение требований бизнеса. Во-вторых, технологии поддерживают непрерывный анализ данных на высокой скорости, быстро адаптируясь к изменениям форм и типов данных. И наконец, становятся возможными высокая доступность, управление неоднородными данными и реализация новой потоковой парадигмы.

CNews: Какой эффект решения Big Data могут принести в маркетинге?

Сергей Нестеренко: Маркетинг является ключевым подразделением в телеком-компаниях, которое решает, во что стоит вкладываться и сколько прибыли принесет вывод новых услуг, тарифов и опций. Для маркетологов стоит острая задача сегментирования клиентов по типам поведения и потребления услуг. Для этого необходимо анализировать все источники данных. Например, на уровне оборудования – принимать информацию о голосе, проводить с помощью DPI-систем анализ пакетов, в том числе голоса и трафика, и предоставлять конкретному абоненту пакетное предложение с индивидуальным сроком действия.

Мобильные операторы уже работают персонализировано. Я надеюсь, развитие сетей 4G позволит нашим операторам подойти комплексно к управлению маркетинговыми кампаниями и решать очень интересные задачи. Например, персонализировать маркетинговые акции в зависимости от поведения клиента или группы клиентов, предоставлять дополнительные сервисы в зависимости от местоположения клиента. При помощи комплексного анализа данных из CRM, биллинговых систем, сетевых коммутаторов и социальных сетей можно прогнозировать отток клиентов.

CNews: Какие решения позволяют это делать?

Сергей Нестеренко: Основные – Hadoop, DPI, IBM InfoSphere Streams. На мой взгляд, отдельного внимания заслуживают решения компании The Now Factory, купленной IBM. Эта компания, созданная выходцами из России, из стартапа превратилась в многомилионный бизнес, имеющий более 40 клиентов в 29 странах. Решениями компании пользуются Vodafone, T-Mobile и другие.

Этот инструмент для анализа больших данных в телеком-индустрии собирает данные и делает аналитическую обработку для различных групп пользователей: маркетологов, специалистов по развитию сети, биллингистов. Решения The Now Factory ищут закономерности: где произошел обрыв, почему, какие следует предпринять меры, что изменить в биллинге.

Особый интерес вызывают решения, помогающие генерировать следующее лучшее предложение (next best offer). Чтобы предложить абоненту пакет услуг, сводятся вместе разнообразные данные об абоненте. Самый простой пример: люди с iPhonе 5S после шести часов в конкретной точке, допустим, метро, читают статьи на определенных ресурсах. При этом соотношение женщин и мужчин такое-то, возраст такой-то. Мужчины, например, интересуются спортом, баней и рыбалкой, а женщины до 18 лет сидят во «ВКонтакте». С помощью решения The Now Factory мы можем проанализировать потребляемый контент и предложить конкретной категории тарифный план, который будет действовать, допустим, с 18.00 до 22.00 для владельцев iPhone, для женщин определенного возраста. При этом трафик на это время можно сделать дешевым, а SMS дорогими. Сейчас наши операторы большой тройки экспериментируют с этими инструментами.

CNews: Есть ли технологии больших данных для противодействия мошенничеству?

Сергей Нестеренко: Для противодействия мошенничеству у нас есть собственное решение на технологиях Microsoft, а также мы предлагаем решения от IBM и SAS. Наше решение комплексно закрывает весь блок, связанный с фрод-менеджментом, включая СОРМ (содействие оперативно-розыскным мероприятиям). При нештатной ситуации надо в короткий промежуток времени проанализировать все звонки и выявить потенциальные явные связи: кто кому звонил, через какого абонента, после каких событий и в каком месте телефон стал недоступен и где потом вдруг всплыл. Современная инфраструктура и технологии позволяют это сделать не постфактум, а практически в режиме реального времени.

CNews: Российские операторы этими возможностями пользуются?

Сергей Нестеренко: Запущен ряд проектов, в том числе, в «Билайне», «Мегафоне», МТС. С помощью МРР-технологий (массивно-параллельных обработок данных) формируется готовый отчет с анализом. Раньше по запросу конкретной службы выдавались данные, а службы сами их анализировали и искали связи, что занимало много времени, и преступники успевали скрыться.

Сергей Нестеренко: Мобильные операторы уже работают персонализировано

В Ростелекоме уже более пяти лет наше решение находится в продуктивной эксплуатации. Это решение IBS противодействия мошенничеству и гарантированности доходов, к которому подключено 440 источников, в базе 56 терабайт. Разработка выявляет нарушения условий присоединенными операторам, предоставление нелицензированных услуг, обеспечивает профилирование абонентов, видит потери на уровне оборудования.

CNews: В чем специфика решений Big Data в сравнении с традиционными аналитическими системами?

Сергей Нестеренко: На самом деле они дополняют друг друга. Специфика заключается в скорости обработки, в использовании всей информации в разнородной среде и возможностях ее анализа. Сейчас для корреляционного анализа не обязательно знать причину того или иного явления. Бизнес-результат можно получать просто из знания корреляций между показателями. Система согласно той модели, которую задал маркетолог или эксперт, сама сможет предложить гипотезы с неким процентом совпадений. Эти гипотезы можно заложить в основу маркетинговой акции или план развития. Например, можно создать кобрендинговое маркетинговое предложение для владельцев автомобилей определенной марки и предпочитающих для отдыха определенную страну, если данные показывают потенциальную доходность этого сегмента потребителей.

CNews: Big Data для телекома – это коробочные решения или уникальные разработки?

Сергей Нестеренко: Это платформа, которая имеет в себе ряд преднастроенных модулей. Если обобщать, процентов на 50 это – готовое решение, а все остальное зависит от задач и желаний конкретной компании.

CNews: Насколько сложно обосновать инвестиции в Big Data для операторов связи?

Сергей Нестеренко: При обосновании инвестиций мы всегда руководствуемся следующей методологией. Мы определяем типы задач, выявляем заинтересованные группы пользователей, далее делаем пилотный проект. После этого мы проводим замеры и анализ, что это даст бизнесу заказчика, поможет ли создать новый продукт, ускорит ли процедуру его вывода на рынок. В конечном итоге, выходим на внедрение.

Big Data не продашь, пока не покажешь, что это работает. Более того, ты сам начинаешь получать удовольствие, когда данные начинают с тобою «говорить» и приносят заказчикам выгоду.

CNews: Можно ли ожидать дополнительные эффекты от внедрения технологии Big Data в телекоммуникационной отрасли?

Сергей Нестеренко: Это и снижение оттока абонентов, выделение высокодоходного сегмента абонентов, учет обращений в call-центр не для групп, а для физлица. Кластерный анализ поведения абонентов помогает учитывать схожесть профиля на ранее отключившихся абонентах и открывает возможности прогнозного моделирования поведения абонентов.

В рамках управления лояльностью абонентов можно анализировать отклик абонентов на проводимые маркетинговые инициативы, введение новых тарифных планов и опций.

Анализ сообщений в социальных сетях позволяет выявить негативно настроенных лидеров мнений. Можно превентивно начать сотрудничать с таким абонентом, выяснив, чем он недоволен. Он может превратиться из врага в позитивно настроенного клиента, если удается понять, что ему не нравится, и сделать комплимент к его тарифу. Таким образом, все его окружение будет позитивно настроено.

Кластерный анализ и сегментация помогают тестировать потребление услуг при изменении тарифных планов в фокус-группах. Вовлеченность в процесс особенно позитивно отражается на «поколении Y». Его представители любят, когда их слышат и учитывают предложения. Они будут говорить: «О, я тариф разработал, я его протестировал!». Это тоже формирует лояльность.

Еще одна эффективная сфера применения этих технологий – анализ недополученной прибыли. Тут важно определить объемы не оказанных услуг из-за сбоев, отсутствия у абонентов подписки на запрашиваемые услуги, недоступности платформ и сервисов на определенном промежутке времени. Решения позволяют анализировать причины сбоев: может быть, нагрузка была настолько большая, что ее нужно было спрогнозировать и увеличить ширину канала в этот промежуток времени.

CNews: Вам приходилось сталкиваться со скептическим отношением к технологиям больших данных в телекоме?

Сергей Нестеренко: Скепсис, безусловно, есть. Нужно убедить заказчика, что Big Data действительно принесет прибыль. Но крупные сотовые операторы уже смотрят на эти технологии как на инструмент в цепочке добавленной стоимости. У них есть штат специалистов, идут инвестиции в Big Data как в R&D-проект. Проекты Big Data начинаются с простых задач объединения клиентской информации. Зачастую она очень разрозненная, ее надо собрать, очистить. Следующий шаг – это опыты с технологией DPI, чтобы сделать персонализированное предложение. Наши операторы пока делают эти первые простые шаги. До реальных внедрений дошли только в области анализа CDR (Call Detail Record – детализации звонка). Здесь мы продвинулись: технологии на основе Hadoop помогают анализировать конкретные звонки – кому звонил абонент, что он говорил, почему после этого конкретные абоненты ушли.

Например, один из крупных операторов ввел должность директора, отвечающего целенаправленно за развитие сети и маркетинг. В числе его задач – обеспечение актуальной информацией конкретного абонента и создание для него персонализированных предложений. Внутри этой компании достаточно серьезная экспертиза, так как они понимают все свои процессы и им нужны правильные инструменты для них.

Россия пока в самом начале пути. За рубежом коллеги из таких компаний, как Deutsche Telekom, Orange, Korea Telecom, China Mobile, NTT, T-Mobile, уже несколько лет применяют Big Data и получили измеримый эффект.

CNews: Технологии Big Data применяются для анализа содержания разговоров?

Сергей Нестеренко: Сегодня это обычно реализуется на уровне сентимент-анализа, когда по тону разговора абонента с call-центром определяют, доволен ли клиент. Сразу в профиле клиента появляется информация о последних звонках, расходах на связь в предыдущий месяц и начинается генерация кейса, почему он недоволен. Задача решается на стыке call-центра, CDR и IPDR (информация о трафике с мобильных устройств).

CNews: Как конечные пользователи ощутят работу технологий Big Data в телекоме?

Сергей Нестеренко: Всегда приятно получить индивидуальное предложение, живой отклик. Если что-то не устраивает, можно максимально быстро получить ответ, в чем дело, или комплимент – например, 10 SMS. Это недорого для провайдера, которому важно удержать абонента.

В западных телеком-компаниях решения Big Data стали уже стандартными. Они работают с контентом, конкретными клиентами. Достигается синергия с внешними партнерами – туроператорами, агентствами недвижимости, финансовыми институтами – когда мобильный телефон одновременно является мобильным кошельком. Анализ карточных транзакций в привязке к геотаргетингу и потреблению трафика позволяет формировать персонализированные маркетинговые рассылки. Там операторы на две ступеньки выше, если сравнивать с российским рынком.

Александра Кирьянова


Крупнейшие поставщики BI-решений в России 2017

№ 2016 Название организации Выручка по направлению BI с НДС в 2016 г., ₽тыс. Рост 2016/2015
1 Softline 1 661 471 14,2%
2 GlowByte Consulting 1 450 000 27,1%
3 AT Consulting 1 408 954 4,3%
4 Крок 1 308 708 22,9%
5 Сапран * 590 000 29,9%

смотреть полный рейтиг