Kurzusleírás

1. 1. modul: Esettanulmányok arról, hogy Telecom a szabályozók hogyan használták Big Data az Analytics megfelelőséget:

  • TRAI (Telecom Indiai Szabályozó Hatóság)
  • török Telecom szabályozó : Telekomünikasyon Kurumu
  • FCC – Szövetségi Communication Bizottság
  • BTRC – Banglades Telecomkommunikációs szabályozó hatóság

2. 2. modul : A CSP-k és felhasználói közötti szerződések millióinak áttekintése strukturálatlan nagy adatelemzés segítségével

  • Element az NLP ( Natural Language Processing )
  • SLA (szolgáltatási szint megállapodások) kinyerése több millió szerződésből
  • Néhány ismert nyílt forráskódú és licencelt szerződéselemző eszköz (eBravia, IBM Watson, KIRA)
  • Szerződések és ütközések automatikus felfedezése strukturálatlan adatelemzésből

3. -3. modul: Strukturált információk kinyerése a strukturálatlan Ügyfélszerződésből, és leképezése az IPDR adatokból nyert Szolgáltatásminőséghez & Tömegből származó alkalmazásadatok. Megfelelőségi mérőszám. A megfelelőségi megsértések automatikus észlelése.

4. 4. modul: Az alkalmazás-megközelítés HASZNÁLATA a megfelelőségi és QoS-adatok gyűjtésére – adjon ki egy ingyenes, szabályozói mobilalkalmazást a felhasználóknak az automatikus nyomon követéshez és elemzéshez. Ebben a megközelítésben a szabályozó hatóság ingyenes alkalmazást fog kiadni és szétosztani a felhasználók között – az alkalmazás pedig adatokat gyűjt a QoS/Spamekről stb., és analitikus irányítópult formájában jelenti vissza azokat:

  • Intelligens spamészlelő motor (csak SMS-hez), amely segíti az előfizetőt a jelentéstételben
  • A jogsértő üzenetekkel és hívásokkal kapcsolatos adatok csoportos beszerzése a nem regisztrált telemarketingesek észlelésének felgyorsítása érdekében
  • Frissítések az alkalmazáson belüli panaszokkal kapcsolatos intézkedésekről
  • Automatikus jelentés a hanghívás minőségéről (hívásmegszakítás, egyirányú kapcsolat) azok számára, akiknek telepítve lesz a szabályozó alkalmazás
  • Az adatsebesség automatikus jelentése

5. 5. modul: Szabályozási alkalmazások adatainak feldolgozása az automatikus riasztórendszer generálásához (a riasztások generálása és e-mailben/sms-ben történő elküldése automatikusan történik az érdekelt feleknek):
Műszerfal és riasztó szolgáltatás megvalósítása

  • Microsoft Azure alapú műszerfal és SNS riasztási szolgáltatás
  • AWS Lambda Szolgáltatás alapú irányítópult és riasztó
  • AWS/Microsoft Analitikai csomag a riasztások generálásához szükséges adatok tördeléséhez
  • Riasztás generálási szabályok

6. 6. modul: IPDR-adatok használata a QoS és Compliance-IPDR Big data elemzéséhez:

  • Méréses számlázás szolgáltatás és előfizetői használat szerint
  • Hálózati kapacitás elemzése és tervezése
  • Edge erőforrás-kezelés
  • Hálózati leltár és vagyonkezelés
  • Szolgáltatási szintű célkitűzés (SLO) monitoring az üzleti szolgáltatásokhoz
  • A tapasztalat minőségének (QOE) monitorozása
  • Call Drops
  • Szolgáltatásoptimalizálás és termékfejlesztési elemzés

7. Modul-7: Ügyfélszolgálati tapasztalat & Big Data megközelítés a CSP CRM-hez:

  • A visszatérítési irányelvek betartása
  • Előfizetési díjak
  • Az SLA teljesítése és az előfizetési kedvezmény
  • Az SLA-k nem teljesítésének automatikus észlelése

8. Modul-8 : Big Data ETL a különböző QoS adatforrások integrálásához és egyetlen műszerfali riasztás alapú elemzéshez:

  • PAAS felhő használata, például AWS Lambda, Microsoft Azure
  • Hibrid felhőalapú megközelítés alkalmazása

Követelmények

A tanfolyamon való részvételhez nincs szükség speciális követelményekre.

  14 Hours
 

Résztvevők száma


Tanfolyam kezdete

Tanfolyam vége


Dates are subject to availability and take place between 09:30 and 16:30.

Ár per résztvevő
Open Training Courses require 5+ participants.

Vélemények (3)

Rokon tanfolyam

Unified Batch and Stream Processing with Apache Beam

  14 Hours

Rokon kategóriák