telecomunicaciones
Julin lvarez Menndez
Universidad Carlos III
NIA: 100084256
100084256@alumnos.uc3m.es
RESUMEN
A lo largo de este trabajo detallaremos cul es la utilidad de la
minera de datos en la industria de las telecomunicaciones
actualmente. Del mismo modo, se incorporarn casos prcticos
que nos permitirn un conocimiento ms profundo y cercano de la
aplicacin de estas herramientas.
Trminos generales
Algoritmos, Documentacin, Economa, Fiabilidad, Seguridad.
Palabras clave
Minera, datos, telecomunicaciones, segmentacin, prediccin,
1. INTRODUCCIN
Uno de los rasgos que caracterizan al sector de las
telecomunicaciones es la cantidad de informacin que generan y
almacenan sus empresas. Esta enorme fuente de datos puede
resultar imposible de abordar desde un punto de vista manual, por
lo que es necesaria la utilizacin de algn tipo de anlisis
automatizado para obtener algn rendimiento.
Podemos clasificar la informacin almacenada en:
2. OBJETIVOS
Como en cualquier otra industria, el objetivo principal de las
compaas del sector de las telecomunicaciones es la mejora de
sus resultados empresariales.
Sin embargo, esta mejora no tiene por qu significar un aumento
de clientes o de tarifas, sino que hay que entender cada negocio
como un gran sistema donde mltiples factores interactan. As,
cambios que impliquen un mejor trato hacia los clientes o un
aprovechamiento ms eficiente de los recursos pueden resultar
muy provechosos pese a no ser evidente la forma de conseguirlo.
Ante un entorno tan complejo y con una informacin disponible
de tal magnitud, la minera de datos constituye una herramienta
indispensable para conseguir un conocimiento ms profundo del
sistema y descubrir esas claves ocultas que pueden marcar la
diferencia.
Podemos dividir el uso de la minera de datos en las empresas de
telecomunicaciones en tres mbitos fundamentales: marketing,
deteccin de fraudes y control de calidad.
Registros de llamadas.
Se generan cada vez que se produce una llamada en una
red de telecomunicaciones, almacenndose en una base
de datos asociada. Cada uno de estos registros debe
guardar al menos el origen, destino, fecha, hora y
duracin de la comunicacin.
Informacin de la red.
3. APLICACIN
Una vez comentados los diferentes mbitos en los que la minera
de datos resulta de gran utilidad para las empresas de
telecomunicaciones, el paso siguiente ser estudiar cmo se llevan
a cabo esas aplicaciones.
El esquema general ser:
3.1.2 Desarrollo
El primer paso ser comprender la informacin que almacenamos
en la base de datos.
2.
3.
4.
% de llamadas diurnas
5.
6.
% de llamadas a mviles.
7.
8.
9.
% de llamadas internacionales.
Gnero.
Tipo de telfono.
Tipo de suscripcin.
Tamao de la compaa.
2.
3.
2.
3.
4.
4.
5.
6.
3.2.2 Desarrollo
El primer problema que debemos afrontar es la eleccin de las
variables. De un total de 152 variables disponibles en la base de
datos de la compaa, 47 fueron seleccionadas para el estudio.
El siguiente paso ser desarrollar un modelo no supervisado para
detectar las caractersticas ms significativas de los clientes
insolventes.
La norma escogida para definir un cliente como insolvente ser
que tenga un retraso en el pago mayor de 3 das.
Tras esto, ya se puede hacer el modelo no supervisado de
desarrollo usando los mapas de Kohonen.
3.1.3 Resultados
Una vez concluido el estudio, analizaremos los resultados.
A la hora de aplicar el clustering, fue imposible dictaminar cul de
los 2 algoritmos mejores era ptimo. Adems, resulta difcil
comparar ambos al tener distinto nmero de segmentos.
2.
3.
4.
5.
Tabla 3:
3.2.3 Resultados
Tras observar estos resultados, Brasil Telecom cambi alguna de
sus polticas.
Como ejemplo, sola mandar un aviso por carta a los insolventes a
los 15 das, pero hasta los 30 das no poda cortar el suministro.
Tras aplicar el modelo, se observ que al menos el 85% de los
clientes pagaran antes de alcanzar los 30 das por lo que todas las
cartas destinadas a ellos era un gasto innecesario.
Del mismo modo, la empresa pudo disminuir su presin fiscal.
Dado que segn la legislacin brasilea las compaas deben
pagar en impuestos el 25% de la factura (sea esta abonada o no
por el cliente), la no aceptacin de clientes potencialmente
insolventes con este sistema supuso unas ganancias de varios
millones de dlares con una tasa de error inferior al 5%.
cada
sub-clasificador,
3.3.2 Desarrollo
En los ltimos aos la bsqueda automatizada de regularidades en
grandes bases de datos se ha convertido en un campo de gran
inters.
Se aplican tcnicas de minera de datos y descubrimiento del
conocimiento para encontrar regularidades en las alarmas, por
ejemplo cmo las alarmas ocurren juntas.
El proceso puede dividirse en las siguientes tareas:
Figura 11 : Herramientas de exploracin
3.3.3 Resultados
Figura 10: proceso de descubrimiento del conocimiento
4. CONCLUSIN
En un mundo en el que las empresas se encuentran con enormes
volmenes de informacin almacenada, las compaas sienten la
necesidad de sacar el mayor partido posible a estos datos.
Ante esto, tcnicas como la minera de datos resultan de un valor
incuestionable por flexibilidad, potencia y eficiencia.
En un mundo globalizado en el que las diferencias geogrficas
empiezan a ser inapreciables, herramientas como el conocimiento
son las que marcan la diferencia y constituyen una autntica
ventaja competitiva para aquellas empresas capaces de sacarle
partido.
El sector de las telecomunicaciones no es ajeno a este fenmeno y
el uso de la minera de datos ya tiene una gran penetracin en el
sistema.
A lo largo de los tres ejemplos prcticos detallados hemos
comprobado cmo tres problemas completamente distintos
pueden abordarse desde la misma perspectiva.
Por un lado, una correcta segmentacin de la clientela permita
agruparla de acuerdo a unas caractersticas concretas y enfocar de
una manera completamente distinta cualquier decisin estratgica
o de marketing.
5. REFERENCIAS