)
Data driven
cognitive networks
Le aziende Telco & Enterprise possono sfruttare un tesoro nascosto: i dati. La trasformazione dei dati di rete in informazioni è uno strumento efficace per supportare l’attività di decision-making nei processi aziendali. Reply, grazie alla Network Data Analytics, può aiutare gli operatori di Telco a sviluppare le proprie strategie e decisioni aziendali.
La sfida delle telecomunicazioni
Come raccogliere e analizzare grandi quantità di dati, identificando le informazioni utili e alimentando un processo di decision-making aggiornato ed efficace?
Abilità e tecnologie necessarie
Per sfruttare i dati raccolti, le aziende hanno bisogno di abilità e tecnologie in grado di garantire risultati in termini di vantaggi operativi e di business. Inoltre, use case basati su Machine Learning e AI hanno mostrato un grande potenziale in termini di rilevamento delle anomalie, root cause analysis, servizi gestiti e ottimizzazione della rete. Nuove tecnologie quali il deep learning e il reinforcement learning possono essere utilizzate per automatizzare il processo di progettazione della rete e ottimizzare le prestazioni di rete in tempo reale.
Tuttavia, per lavorare efficacemente, tutte queste applicazioni hanno bisogno di una specifica infrastruttura di calcolo, pipeline e supporto. Ciò si può ottenere grazie a infrastrutture di dati che garantiscono scalabilità, rapidità, sicurezza e flessibilità e agiscono come fondamento dell’intero ecosistema di dati. L’obiettivo è innescare un processo virtuoso: ottenere maggiore valore dai dati, identificare le informazioni veramente utili per avviare azioni tempestive e proattive sulle reti.
La soluzione
Su questa base, può essere implementato un Data Management efficace per diversi tipi di dati, qualitativi e quantitativi, su cui costruire modelli personalizzati capaci di adattarsi ai bisogni variabili del business. Tali dati verranno immessi in database distribuiti o pipeline di dati in streaming: sulla pipeline end-to-end sarà salvata la cronologia delle versioni dei dati, avverrà il loro tracciamento e la loro convalida.
Analogamente, svariate versioni di modelli di ML saranno implementate e gestite da un registro di modelli e un workflow di gestione dei modelli. Per utilizzare i modelli in diversi ambienti, saranno impiegati strumenti di gestione del workflow per gestire l’intero flusso end-to-end. Queste pipeline possono essere implementate anche grazie a carichi di lavoro di ML cloud-native, utilizzati come microservizi basati su container, e il loro impatto infrastrutturale può variare da un singolo nodo eseguito su Docker a un insieme di nodi gestiti da un sistema di orchestrazione di container, come Kubernetes.
Processi qualitativi dei dati di rete
Organizzazioni complesse come le aziende di Telco coesistono con applicazioni e sistemi dedicati a funzioni specifiche, dove i database sono "isolati" tra loro, la ridondanza è elevata e i dati sono spesso disallineati. La Network Data Governance è un insieme di strategie, processi e regole per gestire e migliorare i dati, al fine di aumentare il valore dei dati aziendali dei business data-driven. L’obiettivo di un sistema di Data Governance è utilizzare e migliorare processi per impedire e correggere i problemi con i dati, migliorando così la qualità dei dati disponibile per il decision-making. Esiste quindi la necessità di una visione complessiva semplificata, unitaria e certificata dei dati rispetto alle varie sorgenti che costituiscono gli asset di informazione di un’azienda.
Un sistema di Network Analytics Data Governance può rappresentare uno strumento utile per supportare la competitività aziendale a lungo termine degli operatori di Telco e può fornire:
- monitoraggio centralizzato e governance generale dei flussi di dati
- efficienza migliorata e controllo efficace dei dati
- interfaccia unica per proprietario di sistema, linea utenti e gruppi di gestione delle applicazioni
- controlli standard in tempo reale per ciascun tipo di flusso di dati
- controlli avanzati personalizzabili
- aggiornamento facilitato (nuovi stream, time shift, ecc.)
- dimostrazione immediata sui problemi di flussi di dati
Casi d’uso
Focalizzandoci sulle esigenze dei nostri clienti e sui trend di mercato, Reply ha esplorato diverse aree di applicazione per tecniche di Advanced Analytics, ML e AI.
Perché Reply?
Reply è impegnata in un processo continuo di ricerca, selezione e promozione di soluzioni innovative sul mercato, in grado di supportare la creazione di valore all’interno delle organizzazioni.
Negli ultimi anni è aumentata la consapevolezza delle ampie possibilità derivanti dallo sfruttamento dei dati della rete. Per i nostri clienti Telco, miriamo a combinare abilità tecnologiche di analisi dei dati, modellazione e riprogettazione dei processi, al fine di favorire l’attivazione di un percorso concreto di cambio culturale e introdurre un nuovo approccio per la questione della gestione dei dati, siano essi interni all’azienda o derivanti da agenti esterni.