TM Forum and Big Data

Бизнес-анализ, архитектура и проектирование ПО для

BigData

Стандарт TM Forum "Big Data Analytics Guidebook"

Сушков АлексейНачальник группы "PCCM, RBSM“

12.03.2014

billing.ru

План презентации

2

billing.ru

Gartner's 2013 Hype Cycle for Emerging Technologies 

3

billing.ru

Google trends

4

billing.ru

Актуальность Big Data Дешевые хранилища данныхЗрелость технологийНакоплено много данныхOpenSource решенияОсобенно актуально для Телекома

5

billing.ru

Определение Big Data

Много V

Volume объём

Velocity скорость in/out

Variety многообразие типов и источников

Value доход

Validity (Veracity, Verification)

правдивость (достоверность, проверяемость)

Volatility изменчивость, непостоянство

6

billing.ru

Технологии: MapReduce и Hadoop

7

billing.ru

Технологии: NoSQL DBТип DB Примеры

Key/Value store Dinamo, Redis, Tarantool

Column store Cassandra, HBase

Document store (Key/Document) MongoDB

Graph DB (Key/Node + Key/ Relationship )

neo4j

8

В ПЕТЕР-СЕРВИСЕ:Реестр разрешенных технологийКритерии выбора NoSQL решения (PROD 41807)Все документы на узле ДРПО, раздел “Архитектура и технологии ПО”: https://intra.billing.ru/sites/DRSE/DocLib5/Forms/AllItems.aspx?RootFolder=%2Fsites%2FDRSE%2FDocLib5%2F%D0%A2%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8&FolderCTID=0x0120009DEE72E6BD641C4A95BF9A3F8FF0F934&View=%7B75D346BE-8299-4055-A7FC-A21FAC919DCF%7D

billing.ru

TM Forum "Big Data Analytics Guidebook"

Стандарт октябрь 2013:

34 Use-Case21 Big Data Analytics Building Blocks (ABB) Big Data Analytics Reference ModelBig Data Analytics Business Value Roadmap - отвечает на вопрос как использовать Big Data Analytics для генерации выручки

9

billing.ru

ТАМ (Telecom Application Map)

10

billing.ru

Покрытие ТАМ Use-Case-ами

11

billing.ru

Cписок Use-Case (34)

12

ID Use-Case ID Use-CaseS-MOM-T1 Real-time Personalized Offers while

BrowsingO-CRM-PC1

Proactive Care

S-MOM-T2 Real-time Personalized Offers during Checkout

O-CRM-PC2

Right Proactive Care Channel and Time

S-MOM-T3 Real-time Personalized Offers during Life Interaction

O-CRM-PC3

Proactive Care based on Poor Care Experience

S-MOM-T4 Real-time Personalized Offers Based on Location

O-CRM-PC4

Proactive Care During or After Network Fault

S-MOM-T5 Real-time Personalized Offers Based on Usage

O-CRM-PC5

Proactive Care based on Absence of Usage

S-MOM-T6 Real-time Personalized Offers Based on Device

O-CRM-CR1

Churn Risk Prediction for Customer Retention

S-MOM-T7 Intelligent Advertising Based on Browsing History

O-CRM-CR2

Churn Motivation Prediction for Customer Retention

S-MOM-O1 Product Definition and development O-CRM-CR3

Personalized Offers for Customer Retention

S-MOM-O2 Product Introduction Analytics O-CRM-CR4

Retention Offer Acceptance Propensity Analytics

S-MOM-O3 Product Performance Optimization O-RMO1 Network Fault Location and Recovery S-MOM-O4 Purchase Propensity Analytics for

Enhanced TargetingO-RMO2 Real-time Value-based Congestion

Management S-SDM1 CSP Data Monetization O-RMO3 Real-time Customer Offload

ManagementS-RDM1 Value-based Network Planning O-SPRM1 Partner Value OptimizationS-RDM2 New Enterprise Order Impact

AnalysisO-BRM1 Revenue Assurance

S-RDM3 Policy-based Capacity Management E-SEP1 Market WatchO-CRM-CC1 Personalization of Real-Time

Interaction in Assisted CareE-EEM1 Business Process Optimization

O-CRM-CC2 Increase Effectiveness of Customer Self Care

E-FAM1 Fraud Management

billing.ru

Cписок BDA Building Blocks (21)ID BDA Building Block ID BDA Building Block

VT1 Voice Transcription OR1 Popularity Based Offer Recommendation

VT2 Text Classification OR2 Hot Offer Recommendation

VT3 Text Clustering OR3 Profile Based Offer Recommendation

VT4 Concept Mining OR4 Community Based Offer Recommendation

C1 Customer Influence Scoring

CC-ID1 Care Issue Anomaly Detection

C2 Customer Social Influence Scoring

CC-ID2 Care Issue Root Cause Analysis

CV1

Customer Value Scoring CC-ID1 Care Call Motivation Prediction

CV2

Customer Lifetime Value Scoring and Prediction

CC-SR1 Policy Based Care Solution Recommendation

CL1 Geocoding CC-SR2 Success Based Care Solution Recommendation

CL2 Customer Location Detection

CL3 Customer Location Prediction

CL4 Key Location Profiling

13

billing.ru

BDA Reference Model

14

billing.ru

BDA Business Value Roadmap

1. Выбрать Use-Case2. Выбрать Building Blocks для Use-Case3. Выбрать из Building Blocks все

источники информации и технологии. 4. Для понимания наложить их на BDA

Reference Model5. Собрать все вместе и еще раз

проверить Use-Case6. На этом завершен первый шаг в BDA

Business Value Roadmap

15

billing.ru

Пример Use-Case S-MOM-T4 Real-time Personalized Offers Based on

Location

Horizontal Marketing and Offer Management

Actors Customer

Business Drivers Увеличение вероятности релевантности рекламных сообщений

Business Metrics • Увеличение выручки• Увеличение числа принятия предложений

Story Система управления маркетинговыми компаниями посылает предложения только абонентам находящимся в определенной географической зоне

Data Sources • Offer Catalogue• Правила посылки сообщений• Location Information

Optional Data Sources

• Call Detailed Records• Social Media Records• Web Browsing History

BDA Building Blocks

• CL3 Customer Location Prediction• CL4 Key Location Profiling

16

billing.ru

Пример BDA Building Blocks CL3 Customer Location Prediction

Description Предсказывать где окажется абонент в определенное время или следующее местоположение

Type Automatically Learned

Underlying Data Набор местоположений абонента

Input Data Текущее местоположение и время

Output Data Следующее местоположение

Related Use Cases • S-MOM-T4• Сообщения о происшествиях• Сообщения о пробках

Implementation Guide

Data Source…Data Ingestion …Data Management…Data Analysis: •моделирование •Предсказание

17

billing.ru

Пример BDA Building Blocks CL4 Key Location Profiling

Description Получить ключевые местоположения

Type Automatically Learned

Underlying Data Набор местоположений абонента с историей

Input Data Текущее местоположение и время

Output Data Метка местоположения

Related Use Cases • S-MOM-T4• Контроль фрода по местоположению• Информация для приложений соц сетей

Implementation Guide

Data Source…Data Ingestion …Data Management…Data Analysis: •Кластеризация

18

billing.ru

Пример Business Value Roadmap

S-MOM-T4 Real-time Personalized Offers Based on Location

Технологии • Алгоритм машинного обучения для анализа местоположения

• Алгоритмы кластеризации

Источники информации

• Текущее и историческое местоположение абонента

• Обогащение информации из социальных сетей

19

billing.ru

Схема Big Data + Scrum

20

BigDataBigData Actionable InsightsActionable Insights

Планирование спринтаПланирование спринта

РетроспективаРетроспектива

Показ заказчику

Показ заказчику

ВыполнениеВыполнение

billing.ru

Big Data Manifesto1. Сохранение всех данных важнее их структурирования;2. Скорость сохранения важнее полноты данных; 3. Скорость реакции системы должна зависеть от

реальных задач а не формальных цифр;4. Сотрудничество по циклу с обратной связью с

заказчиком важнее формальных сроков; 5. Сотрудничество с теми кто будет использовать

результат обработки данных важнее чем с аналитиками и программистами

6. Предсказание событий важнее их описания; 7. Гибкая визуализация данных важнее исчерпывающих

схем данных8. Надо верить в то, что в данных скрыта прибыль; 9. Готовность к изменениям важнее следования

первоначальному плану;

21

billing.ru

Спасибо за внимание!

Алексей СушковНачальник группы "PCCM, RBSM"

[email protected]