La gestión de endpoints puede garantizar la seguridad, la organización y la eficacia de una empresa al proporcionar una visión global de la salud, la ubicación y el estado de los endpoints. Descárgate esta guía con donde encontrarás las principales tendencias en gestión de endpoints, los principales retos y mucho más.

crm y erp facturación electrónica retos tecnológicosdatisa presupuestos factura electrónica

La analítica como respuesta a los nuevos retos de negocio en el sector Telco

Los retos tecnológicos que suponen la llegada de IoT, 5G o la virtualización impiden seguir gestionando las redes y los servicios de telecomunicaciones de forma tradicional. La creciente complejidad de los entornos y la necesidad de alcanzar mayores eficiencias imponen diseños de sistemas mucho más automáticos e inteligentes. En este escenario, la aplicación de herramientas de analítica avanzada de datos resulta crucial.

Aunque en los últimos años ya se habían identificado distintos casos de uso en los que la analítica avanzada de datos tenía un papel protagonista, las organizaciones de telecomunicaciones se han venido encontrando con dos frenos principales que han retrasado su aplicación práctica. El primero relacionado con la estructuración y accesibilidad de los datos. El segundo, quizá más importante, con la preparación tanto técnica como cultural de la organización a la hora de abordar proyectos de este tipo. Además, las dudas sobre si este tipo de proyectos iba a aportar resultados tangibles al negocio a corto plazo tampoco han ayudado.

El sector ha madurado

Poco a poco todas esas barreras se han ido superando. Últimamente, los operadores han trabajado para organizar sus datos de forma que puedan resultar útiles a la hora de desplegar soluciones de analítica. Es en esta fase donde han surgido nuevos roles como la del Chief Data Officer, al frente de una nueva área que se responsabiliza de definir la adecuada organización, seguridad y políticas de acceso a la información de la compañía para su correcta explotación. De forma complementaria o alternativa, también para empresas que carecen de esa figura, puede resultar útil recurrir a consultores expertos en analítica de datos y con experiencia real y contrastada en el sector Telco. En Blue Telecom Consulting, por ejemplo, llevamos desde 2014 trabajando en proyectos y casos de uso de Data Analytics en entornos de redes telco. A lo largo de este tiempo, uno de nuestros activos principales ha sido la creación de nuestra propia metodología en proyectos de Data Analytics, basada en el modelo Data Maturity Model.

Los retos tecnológicos que suponen la llegada de IoT, 5G o la virtualización impiden seguir gestionando las redesde forma tradicional.

Este modelo se centra en auditar y asegurar que los datos (información, semántica, calidad, repositorios, accesos, seguridad, histórico, etc.) necesarios para poder implementar o resolver el caso de uso del cliente cumplen las condiciones mínimas para que sea factible abordar el proyecto. Otro aspecto importante de esta metodología es asegurar que los impactos en los procesos operativos o de negocio estén correctamente identificados y que sus responsables sean capaces de gestionar los resultados.

Una vez esas bases estén bien sentadas, y cuando se haya identificado una necesidad clara tanto en áreas de negocio como en otras más técnicas, es cuando más probabilidades de éxito existen. Nuestra recomendación es elegir proyectos pequeños (Quick Wins) y bien delimitados, con responsables claros y visibles en la organización, y cuyos resultados se espera que tengan un alto grado de impacto en los negocios y/o las operaciones del cliente. La organización interna de datos, sus procesos a nivel organizativo y objetivos de cada organización van a influir en qué técnicas y herramientas se elijan para cada proyecto.

A través de los proyectos ejecutados, Blue Telecom Consulting ha identificado una serie de áreas en las que abordar este tipo de proyectos puede ser especialmente valioso para los operadores. Son dos bloques principales, el primero se centra en el área de operaciones de red en tiempo real. Dentro de ese apartado hemos desarrollado casos de uso de predicción y anticipación de alarmas en ventanas de 6-12h, análisis de causa raíz de problemas en tiempo real y reducción de los tiempos de resolución de incidencias. Por otro lado, existe la posibilidad de trabajar con casos de uso offline, tanto con las redes tradicionales como en entornos virtuales o híbridos. Aquí se han identificado casos de uso para retos como la planificación de recursos de red, el benchmarking de tecnologías, soluciones o proveedores y otros análisis respecto al rendimiento de red y análisis forenses de problemas graves. Se abre un amplio abanico de posibilidades en esa área, ya que es posible evaluar una gran cantidad de variables aplicando las herramientas y metodologías adecuadas. El resultado es la optimización de la planificación, configuración y operación de recursos.

Dos casos de uso: garantizar la continuidad y la calidad del servicio

El aseguramiento de la continuidad del servicio de la red es una prioridad constante para cualquier operador. La complejidad creciente de las redes requiere de técnicas nuevas para afrontar la multitud de eventos que se producen en la red en cada momento. La aplicación de técnicas de analítica avanzada permite a los administradores del sistema adelantarse a las posibles complicaciones que se van a producir en la red en un futuro próximo con un porcentaje de acierto muy elevado. Eso permite que el operador se pueda anticipar en aquellos problemas donde el mantenimiento preventivo pueda minimizar el impacto de las incidencias. De esta forma, será posible aislar y minimizar dicho impacto, logrando que la organización opere de forma preventiva y no correctiva o reactiva.

El segundo caso se centra en la identificación de eventos que ya están influyendo negativamente en la calidad del servicio de la red. Hay ocasiones en las que los administradores del sistema tienen dificultades en descubrir el origen de una incidencia importante (proceso de RCA: Root Cause Analysis), lo que retrasa la solución del problema. Mediante algoritmos de correlación masiva de variables adecuadamente definidos y optimizados, es posible identificar estadísticamente los tres o cuatro eventos, entre los cientos o miles que se estén dando, que están teniendo un mayor impacto negativo sobre el KPI. De esa forma, atacando directamente a la raíz del problema se reduce el tiempo de resolución de la incidencia considerablemente, consiguiendo incrementar la eficiencia y optimizar el trabajo de los técnicos.

Una transición hacía sistemas autónomos

Estos casos de uso son ejemplos claros de la etapa de transición que atravesamos en cuanto a la aplicación real de la analítica de datos en Telco, y que nos sitúa entre la operativa tradicional y otra futura que vendrá definida por la digitalización y posterior automatización de la gestión de las operaciones de red. En la próxima generación no será necesaria la intervención de una persona para resolver una incidencia o para validar una acción, sino que el mismo algoritmo estará capacitado para llegar a la raíz del problema y resolver la incidencia. Con esos avances técnicos será posible disponer de sistemas preparados para resolver situaciones cada vez más complejas de forma autónoma. Estos sistemas van a estar basados en ese gran mar (Data Lake) de datos bien estructurados y con calidad, al que se accederá para poder generar algoritmos con la ayuda de herramientas de inteligencia artificial.

En cuanto a la metodología de implantación, con toda seguridad va a predominar una corriente híbrida, en la que las unidades centralizadas de analítica creadas por cada operador se complementen con el conocimiento de expertos externos, que puedan aportar su experiencia con las prácticas llevadas a cabo en otras organizaciones y que sirvan para agilizar los proyectos y aumentar su impacto positivo. Es clave que, sea cual sea el nivel de innovación y adopción de la analítica de datos -y con el tiempo de la inteligencia artificial-, ésta siempre responda a necesidades y usos que la empresa asuma como suyos. La analítica de datos y su evolución nunca debe ser un fin en sí mismo, sino, más bien, la respuesta a los nuevos retos a los que la organización y sus recursos se ven expuesto en la evolución de sus negocios.

Deja un comentario

Scroll al inicio