Big Data Analytics von MapR
Datenschätze in der Telekommunikation heben
Massive Datenmengen schnell bewegen und auswerten – das sind klassische Aufgaben für Telekom-Anbieter. Big Data Analytics kann dabei helfen, das eigene Angebot zu verbessern.
Dank der schnellen Ausbreitung von Smartphones und vernetzten Mobilgeräten müssen Telekommunikations-Anbieter – auch Communications Service Provider (CSP) genannt – massive Datenmengen, die sich durch ihre Netze wälzen, schnell verarbeiten, speichern und zur Serviceverbesserung auswerten. CSPs können Big Data Analytics zu ihrem Vorteil nutzen: Die Datenanalyse hilft nicht nur dabei, die eigene Profitabilität zu steigern, indem sie ihre Netzwerkdienste und die Auslastung verbessern, sondern ist auch ein wichtiges Werkzeug für die Verbesserung der Kundenzufriedenheit und die Sicherheit der Netze.
Die Unternehmensberatung McKinsey nennt Big Data und die dahinterliegende Data Science “substanziell” im Bestreben der Anbieter, ihren Profit und ihre Servicequalität zu erhöhen. So können sie dank Big Data Analytics etwa maximale Auslastungsperioden vorhersagen und Netzwerkstaus vermeiden, unzufriedene Kunden identifizieren und zum Bleiben bewegen, sowie säumige Zahler identifizieren und die termingerechte Rechnungseinhaltung verbessern.
Telekom-Anbieter sammeln Daten wie die Weltmeister: Anrufdetails, Nutzungsdaten von Mobiltelefonen, Feedback vom eigenen Netzwerk-Equipment, Server-Logs, Informationen zur Rechnungsstellung oder Social-Media-Daten, um nur einige Quellen zu nennen. All diese Daten enthalten Informationen über die Kunden und das Netzwerk der Anbieter – aus Unternehmenssicht eine der wertvollsten Ressourcen. Doch wie lassen sich diese Daten nutzen, um das eigene Unternehmen besser aufzustellen? Die meisten Use Cases fallen in drei Kategorien: Kundenakquise und Kundenbindung, Netzwerkoptimierung oder Sicherheit.
- Kundenakquise und Bindung: Die Anforderungen der Telekom-Anbieter sind meist klar – sie wollen wissen, warum Kunden Abwandern und in welcher Stimmung die Kunden derzeit sind – ob sie etwa drohen, abzuwandern. Dazu kommen meist die Clickstream-Analyse sowie Pläne zur Verbesserung der Marketing-Anstrengungen, etwa durch bessere Profile der Kunden und ihrer individuellen Bedürfnisse, sowie die richtigen Empfehlungen. Am Ende kann der Telekom-Anbieter seine Angebote verbessern und seinen Kunden optimierte Verträge vorliegen. So gewinnen Anbieter und Kunde.
- Netzwerkoptimierung durch Datenanalyse: Die erste Aufgabe in diesem Use Case ist die Verbesserung der Netzwerkperformance. Darunter fallen etwa besseres Routing der Anrufe sowie die Analyse der Anrufdetail-Datensätze (CDR) in Echtzeit. Auch die Kapazität des Netzes soll verbessert werden. In diesem Fall hilft es, wenn der Anbieter die anfallende Last besser vorausplanen kann – eine klassische Aufgabe für Big Data Analytics. Durch die Datenauswertung lassen sich auch Anomalien besser ausfindig machen, was die Fähigkeit des Anbieters, Ausfälle vorherzusehen, deutlich verbessert.
- Sicherheit: Der dritte häufig nachgefragte Big-Data-Use-Case ist die Verbesserung der Sicherheit. Dies umfasst etwa die Erkennung und Prävention betrügerischer Aktivitäten (Fraud Detection). Wie lässt sich das angehen? Etwa durch die Fähigkeit, Anomalien sowie unübliche Anruflängen, sogenannte False Answers und nicht autorisierte Geräte im Netzwerk zu entdecken. Außerdem gehört die Verarbeitung der Bezahlvorgänge (Payment Processing) und Datenschutz sowie Compliance zu den wichtigsten Sicherheitsanforderungen von Telekom-Anbietern.
- Datenschätze in der Telekommunikation heben
- Datengestützte Verbesserungen des Angebots
- Den Kunden verstehen
- Beispiel aus der Praxis
Lesen Sie mehr zum Thema
