Cursos de Inteligência de Negócios de Big Data para Provedores de Serviços de Telecomunicações e Comunicação

Divisão de tópicos diariamente: (Cada sessão dura 2 horas)

Dia 1: Sessão -1: Business Visão geral do porquê Big Data Business Inteligência em telecomunicações.

• Estudos de caso da T-Mobile, Verizon etc.
• Big Data taxa de adaptação nas empresas de telecomunicações norte-americanas e como elas estão alinhando seu futuro modelo de negócios e operação em torno de Big Data BI
• Área de aplicação em larga escala
• Gerenciamento de rede e serviços
• Rotatividade de clientes Management
• Data Integration e visualização do painel
• Gestão de fraude
• Business Geração de regras
• Perfil do cliente
• Envio de anúncios localizados

Dia 1: Sessão 2: Introdução de Big Data-1

• Principais características de Big Data-volume, variedade, velocidade e veracidade. Arquitetura MPP para volume.
• Data Warehouses – esquema estático, conjunto de dados em evolução lenta
• MPP Database como Greenplum, Exadata, Teradata, Netezza, Vertica etc.
• Hadoop Soluções Baseadas – sem condições na estrutura do conjunto de dados.
• Padrão típico: HDFS, MapReduce (crunch), recuperação do HDFS
• Lote adequado para análises/não interativas
• Volume: dados de streaming CEP
• Escolhas típicas – produtos CEP (por exemplo, Infostreams, Apama, MarkLogic etc.)
• Menos produção pronta – Storm/S4
• NoSQL Databases – (colunar e valor-chave): Mais adequado como complemento analítico para data warehouse/banco de dados

Dia 1: Sessão -3: Introdução a Big Data-2

NoSQL soluções

• Armazenamento KV - Keyspace, Flare, SchemaFree, RAMCloud, Oracle NoSQL Database (OnDB)
• Loja KV - Dynamo, Voldemort, Dynomite, SubRecord, Mo8onDb, DovetailDB
• Loja KV (hierárquica) - GT.m, Cache
• Loja KV (encomendada) - TokyoTyrant, Lightcloud, NMDB, Luxio, MemcacheDB, Accord
• Cache KV - Memcached, Repcached, Coerência, Infinispan, EXtremeScale, JBossCache, Velocidade, Terracoqua
• Loja Tupla - Gigaspaces, Coord, Rio Apache
• Objeto Database - ZopeDB, DB40, Shoal
• Armazenamento de documentos - CouchDB, Cloudant, Couchbase, MongoDB, Jackrabbit, XML-Databases, ThruDB, CloudKit, Prsevere, Riak-Basho, Scalaris
• Amplo armazenamento colunar - BigTable, HBase, Apache Cassandra, Hypertable, KAI, OpenNeptune, Qbase, KDI

Variedades de dados: introdução ao problema Data Cleaning em Big Data

• RDBMS – estrutura/esquema estático, não promove ambiente ágil e exploratório.
• NoSQL – estrutura semiestruturada, suficiente para armazenar dados sem esquema exato antes de armazenar os dados
• Problemas de limpeza de dados

Dia 1: Sessão 4: Big Data Introdução-3: Hadoop

• Quando selecionar Hadoop?
• ESTRUTURADO - Data warehouses/bancos de dados corporativos podem armazenar dados massivos (a um custo), mas impor estrutura (não é bom para exploração ativa)
• Dados SEMI ESTRUTURADOS – difíceis de fazer com soluções tradicionais (DW/DB)
• Dados de armazenamento = ENORME esforço e estática mesmo após a implementação
• Para variedade e volume de dados, processados em hardware comum – HADOOP
• H/W de commodities necessário para criar um Hadoop Cluster

Introdução à redução de mapa/HDFS

• MapReduce – distribua computação em vários servidores
• HDFS – disponibiliza dados localmente para o processo de computação (com redundância)
• Dados – podem ser não estruturados/sem esquema (ao contrário do RDBMS)
• Responsabilidade do desenvolvedor em dar sentido aos dados
• Programming MapReduce = trabalhando com Java (prós/contras), carregando dados manualmente no HDFS

Dia 2: Sessão 1.1: Spark: banco de dados distribuído na memória

• O que é processamento “na memória”?
• Faísca SQL
• Faísca SDK
• API Spark
• RDD
• Faísca Lib
• Hanna
• Como migrar um sistema Hadoop existente para Spark

Sessão do dia 2 -1.2: Tempestade - Processamento em tempo real em Big Data

• Fluxos
• Brotos
• Parafusos
• Topologias

Dia 2: Sessão 2: Big Data Management Sistema

• Partes móveis, nós de computação iniciam/falham: ZooKeeper - Para serviços de configuração/coordenação/nomeação
• Pipeline/fluxo de trabalho complexo: Oozie – gerencie fluxo de trabalho, dependências, ligação em série
• Implantar, configurar, gerenciamento de cluster, atualizar etc (administrador de sistema): Ambari
• Na nuvem: Whirr
• Evolução de Big Data ferramentas de plataforma para rastreamento
• Problemas de aplicação da camada ETL

Dia 2: Sessão 3: Análise preditiva em Business Inteligência -1: Técnicas fundamentais e BI baseado em aprendizado de máquina:

• Introdução ao aprendizado de máquina
• Aprendendo técnicas de classificação
• Arquivo de treinamento de preparação de previsão bayesiana
• Campo aleatório de Markov
• Aprendizagem supervisionada e não supervisionada
• Extração de recursos
• Máquina de vetores de suporte
• Rede neural
• Aprendizagem por reforço
• Big Data problema de grande variável -Floresta aleatória (RF)
• Aprendizagem de representação
• Aprendizado profundo
• Big Data Problema de automação – conjunto multimodelo RF
• Automação através do Soft10-M
• LDA e modelagem de tópicos
• Agile aprendendo
• Aprendizagem baseada em agente - Exemplo de operação de telecomunicações
• Aprendizagem distribuída – Exemplo de operação de telecomunicações
• Introdução às ferramentas de código aberto para análise preditiva: R, Rapidminer, Mahut
• Laboratório Analítico-Apache Hama, Spark e CMU Graph mais escalável

Dia 2: Sessão 4 Ecossistema de análise preditiva-2: Problemas comuns de análise preditiva em Telecom

• Análise de insights
• Análise de visualização
• Análise preditiva estruturada
• Análise preditiva não estruturada
• Perfil do cliente
• Mecanismo de recomendação
• Detecção de padrões
• Descoberta de regras/cenários – falha, fraude, otimização
• Descoberta da causa raiz
• Análise de sentimentos
• Análise de CRM
• Análise de rede
• Análise de texto
• Revisão assistida por tecnologia
• Análise de fraude
• Análise em tempo real

Dia 3: Sessão 1: Análise de operação de rede - análise de causa raiz de falhas de rede, interrupção de serviço de metadados, IPDR e CRM:

• Utilização do CPU
• Uso de memória
• Uso da fila de QoS
• Temperatura do dispositivo
• Erro de interface
• Versões iOS
• Eventos de roteamento
• Variações de latência
• Análise de syslog
• Perda de pacotes
• Simulação de carga
• Inferência de topologia
• Limite de desempenho
• Armadilhas de dispositivos
• Coleta e processamento de IPDR (registro detalhado de IP)
• Uso de dados IPDR para consumo de largura de banda do assinante, utilização da interface de rede, status do modem e diagnóstico
• Informações sobre HFC

Dia 3: Sessão 2: Ferramentas para análise de falhas de serviço de rede:

• Painel de resumo da rede: monitore implantações gerais de rede e acompanhe os principais indicadores de desempenho da sua organização
• Painel de análise de período de pico: entenda as tendências de aplicativos e assinantes que impulsionam a utilização de pico, com granularidade específica do local
• Painel de eficiência de roteamento: controle os custos da rede e crie casos de negócios para projetos de capital com um entendimento completo das relações de interconexão e trânsito
• Painel de entretenimento em tempo real: acesse métricas importantes, incluindo visualizações de vídeo, duração e qualidade da experiência de vídeo (QoE)
• Painel de transição IPv6: investigue a adoção contínua do IPv6 em sua rede e obtenha insights sobre os aplicativos e dispositivos que impulsionam as tendências
• Estudo de caso 1: O minerador de dados Alcatel-Lucent Big Network Analytics (BNA)
• Inteligência móvel multidimensional (m.IQ6)

Dia 3: Sessão 3: Big Data BI para Marketing/Vendas – Compreendendo vendas/marketing a partir de dados de vendas: (todos eles serão mostrados com uma demonstração de análise preditiva ao vivo)

• Para identificar clientes de maior velocidade
• Para identificar clientes para um determinado produto
• Para identificar o conjunto certo de produtos para um cliente (mecanismo de recomendação)
• Técnica de segmentação de mercado
• Técnica de venda cruzada e upsale
• Técnica de segmentação de clientes
• Técnica de previsão de receita de vendas

Dia 3: Sessão 4: BI necessário para o escritório CFO da Telco:

• Visão geral de Business trabalhos analíticos necessários em um escritório de CFO
• Análise de risco em novos investimentos
• Receita, previsão de lucro
• Previsão de aquisição de novos clientes
• Previsão de perdas
• Análise de fraude em finanças (detalhes na próxima sessão)

Dia 4: Sessão 1: BI de prevenção de fraude de Big Data na análise de Telco-Fraud:

• Vazamento de largura de banda/fraude de largura de banda
• Fraude de fornecedor/cobrança excessiva de projetos
• Fraudes de reembolso/reclamações de clientes
• Fraudes de reembolso de viagens

Dia 4: Sessão 2: Da previsão de rotatividade à prevenção de rotatividade:

• 3 tipos de rotatividade: ativa/deliberada, rotacional/incidental, passiva involuntária
• 3 classificação de clientes cancelados: Total, Oculto, Parcial
• Compreendendo as variáveis de CRM para rotatividade
• Coleta de dados de comportamento do cliente
• Coleta de dados de percepção do cliente
• Coleta de dados demográficos do cliente
• Limpeza de dados de CRM
• Dados não estruturados de CRM (chamadas de clientes, tickets, e-mails) e sua conversão em dados estruturados para análise de Churn
• Social Media Nova forma de CRM para extrair índice de satisfação do cliente
• Estudo de caso 1: T-Mobile USA: redução de rotatividade em 50%

Dia 4: Sessão 3: Como usar a análise preditiva para análise de causa raiz da insatisfação do cliente:

• Estudo de caso -1: Vinculando a insatisfação a problemas – Falhas de contabilidade, engenharia, como interrupção de serviço, serviço de largura de banda ruim
• Estudo de caso-2: Big Data Painel de controle de qualidade para rastrear o índice de satisfação do cliente a partir de vários parâmetros, como escalonamento de chamadas, criticidade de problemas, eventos pendentes de interrupção de serviço, etc.

Dia 4: Sessão 4: Big Data Painel para acessibilidade rápida de diversos dados e exibição:

• Integração da plataforma de aplicativos existente com Big Data Dashboard
• Big Data gestão
• Estudo de caso do Big Data Painel: Tableau e Pentaho
• Use o aplicativo Big Data para enviar anúncios baseados em localização
• Sistema de rastreamento e gerenciamento

Dia 5: Sessão 1: Como justificar Big Data a implementação de BI dentro de uma organização:

• Definindo ROI para Big Data implementação
• Estudos de caso para economizar tempo do analista na coleta e preparação de dados – aumento no ganho de produtividade
• Estudos de caso de ganho de receita com rotatividade de clientes
• Ganho de receita com anúncios baseados em localização e outros anúncios direcionados
• Uma abordagem de planilha integrada para calcular aprox. despesa vs. ganho/economia de receita da implementação Big Data.

Dia 5: Sessão 2: Procedimento passo a passo para substituir o sistema de dados legado para Big Data Sistema:

• Compreendendo a prática Big Data Roteiro de migração
• Quais são as informações importantes necessárias antes de arquitetar uma implementação Big Data
• Quais são as diferentes formas de calcular volume, velocidade, variedade e veracidade dos dados
• Como estimar o crescimento dos dados
• Estudos de caso em 2 Telco

Dia 5: Sessão 3 e 4: Revisão de Big Data Fornecedores e revisão de seus produtos. Sessão de perguntas/respostas:

• AccentureAlcatel-Lucent
• Amazônia –A9
• APTEAN (anteriormente CDC Software)
• Cisco Sistemas
• Cloudera
• Dell
• EMC
• GoodData Corporation
• Guavus
• Sistemas de dados Hitachi
• Hortonworks
• Huawei
• HP
• IBM
• informática
• Informações
• Jaspersoft
• Microsoft
• MongoDB (Anteriormente 10Gen)
• MU Sigma
• Netapp
• Soluções Ópera
• Oracle
• Pentaho
• Plataforma
• Qliktech
• Quântico
• Rackspace
• Análise da Revolução
• Salesforce
• SAP
• SAS Instituto
• Sisense
• Software AG/Terracota
• Automação Soft10
• Splunk
• Sqrrl
• Supermicro
• Tableau Programas
• Teradata
• Pense em grandes análises
• Sistemas de Marca de Maré
• VMware (Parte da EMC)