Mulțumim pentru trimiterea solicitării! Un membru al echipei noastre vă va contacta în curând.
Mulțumim pentru trimiterea rezervării! Un membru al echipei noastre vă va contacta în curând.
Schița de curs
Defalcarea subiectelor zilnic: (Fiecare sesiune este de 2 ore)
Ziua 1: Sesiunea -1: Business Prezentare generală a motivului Big Data Business Inteligența în Telco.
- Studii de caz de la T-Mobile, Verizon etc.
- Big Data rata de adaptare în telecomunicații nord-americane și modul în care își aliniază viitorul model de afaceri și operațiunile în jurul Big Data BI
- Zona de aplicare la scară largă
- Managementul rețelelor și serviciilor
- Renunțare la clienți Management
- Data Integration și Vizualizare tablou de bord
- Managementul fraudei
- Business Generarea regulilor
- Profilarea clienților
- Impingerea anunțurilor localizate
Ziua 1: Sesiunea-2: Introducere a Big Data-1
- Principalele caracteristici ale Big Data-volum, varietate, viteză și veridicitate. Arhitectură MPP pentru volum.
- Data Warehouses – schemă statică, set de date care evoluează lent
- MPP Database precum Greenplum, Exadata, Teradata, Netezza, Vertica etc.
- Hadoop Soluții bazate – nu există condiții privind structura setului de date.
- Model tipic: HDFS, MapReduce (crunch), preluare din HDFS
- Lot - potrivit pentru analitice/non-interactive
- Volum: date în flux CEP
- Alegeri tipice – produse CEP (de exemplu, Infostreams, Apama, MarkLogic etc.)
- Mai puțin gata de producție – Storm/S4
- NoSQL Databases – (columnar și cheie-valoare): Cel mai potrivit ca adjuvant analitic la depozitul de date/baza de date
Ziua-1: Sesiunea -3: Introducere în Big Data-2
NoSQL soluții
- KV Store - Keyspace, Flare, SchemaFree, RAMCloud, Oracle NoSQL Database (OnDB)
- KV Store - Dynamo, Voldemort, Dynomite, SubRecord, Mo8onDb, DovetailDB
- Magazin KV (ierarhic) - GT.m, Cache
- Magazin KV (comandat) - TokyoTyrant, Lightcloud, NMDB, Luxio, MemcacheDB, Actord
- KV Cache - Memcached, Repcached, Coherence, Infinispan, EXtremeScale, JBossCache, Velocity, Terracoqua
- Magazin Tuple - Gigaspaces, Coord, Apache River
- Obiect Database - ZopeDB, DB40, Shoal
- Magazin de documente - CouchDB, Cloudant, Couchbase, MongoDB, Jackrabbit, XML-Databases, ThruDB, CloudKit, Prsevere, Riak-Basho, Scalaris
- Wide Columnar Store - BigTable, HBase, Apache Cassandra, Hypertable, KAI, OpenNeptune, Qbase, KDI
Varietăți de date: Introducere la Data Cleaning problema în Big Data
- RDBMS – structură/schemă statică, nu promovează mediul agil, explorator.
- NoSQL – semistructurat, structură suficientă pentru a stoca date fără schema exactă înainte de stocarea datelor
- Probleme de curățare a datelor
Ziua-1: Sesiunea-4: Big Data Introducere-3: Hadoop
- Când să selectați Hadoop?
- STRUCTURAT - Depozitele/bazele de date ale întreprinderii pot stoca date masive (cu un cost), dar impun o structură (nu este bună pentru explorarea activă)
- Date SEMI STRUCTURATE – greu de făcut cu soluțiile tradiționale (DW/DB)
- Datele de depozitare = efort URIAȘ și statice chiar și după implementare
- Pentru varietate și volum de date, bazate pe hardware-ul de bază – HADOOP
- H/W mărfurilor necesare pentru a crea un Hadoop Cluster
Introducere în Map Reduce /HDFS
- MapReduce – distribuiți calcularea pe mai multe servere
- HDFS – pune datele disponibile local pentru procesul de calcul (cu redundanță)
- Date – pot fi nestructurate/fără schemă (spre deosebire de RDBMS)
- Responsabilitatea dezvoltatorului de a da sens datelor
- Programming MapReduce = lucrul cu Java (pro/contra), încărcarea manuală a datelor în HDFS
Ziua 2: Sesiunea-1.1: Spark: În baza de date distribuită în memorie
- Ce este procesarea „În memorie”?
- Spark SQL
- Spark SDK
- Spark API
- RDD
- Spark Lib
- Hanna
- Cum să migrați un sistem Hadoop existent la Spark
Ziua 2 Sesiunea -1.2: Furtuna -Procesare în timp real în Big Data
- Fluxuri
- Germeni
- Șuruburi
- Topologii
Ziua 2: Sesiunea 2: Big Data Management Sistem
- Piese în mișcare, nodurile de calcul pornesc/eșuează :ZooKeeper - Pentru servicii de configurare/coordonare/denumire
- Conductă/flux de lucru complex: Oozie – gestionați fluxul de lucru, dependențele, lanțul în margaretă
- Implementează, configura, gestionează cluster, upgrade etc (administrator de sistem): Ambari
- În cloud: Whirr
- Evoluție Big Data instrumente de platformă pentru urmărire
- Probleme de aplicare a stratului ETL
Ziua 2: Sesiunea 3: Analiza predictivă în Business Inteligență -1: Tehnici fundamentale și BI bazat pe învățarea automată:
- Introducere în învățarea automată
- Învățarea tehnicilor de clasificare
- Fișier de antrenament de pregătire Bayesian Prediction
- Câmp aleatoriu Markov
- Învățare supravegheată și nesupravegheată
- Extragerea caracteristicilor
- Suport Vector Machine
- Retea neurala
- Consolidarea învățării
- Big Data problemă cu variabile mari - Pădure aleatoare (RF)
- Învățarea reprezentării
- Invatare profunda
- Big Data Problemă de automatizare – Ansamblu multimodel RF
- Automatizare prin Soft10-M
- LDA și modelarea subiectelor
- Agile învăţare
- Învățare bazată pe agenți - Exemplu din operațiunea Telco
- Învățare distribuită – Exemplu de operare Telco
- Introducere în instrumente open source pentru analiză predictivă: R, Rapidminer, Mahut
- Laborator mai scalabil analitic-Apache Hama, Spark și CMU Graph
Ziua-2: Sesiunea-4 Ecosistemul de analiză predictivă-2: Probleme comune de analiză predictivă în Telecom
- Insight analitic
- Analiza vizualizării
- Analitică predictivă structurată
- Analiză predictivă nestructurată
- Profilarea clienților
- Motor de recomandare
- Detectarea modelelor
- Descoperirea regulilor/scenariului – eșec, fraudă, optimizare
- Descoperirea cauzei fundamentale
- Analiza sentimentelor
- CRM analitic
- Analiza rețelei
- Analiza textului
- Analiza asistată de tehnologie
- Analiza fraudelor
- Analitică în timp real
Ziua 3: Sesiunea 1: Analiza operațiunii rețelei - analiza cauzei principale a defecțiunilor rețelei, întreruperea serviciului din metadate, IPDR și CRM:
- Utilizarea CPU
- Folosirea memoriei
- Utilizarea cozii QoS
- Temperatura dispozitivului
- Eroare de interfață
- versiuni IoS
- Rutarea evenimentelor
- Variații de latență
- Analiza Syslog
- Pierdere de pachete
- Simulare de încărcare
- Inferența topologică
- Pragul de performanță
- Capcane pentru dispozitive
- Colectarea și procesarea IPDR (înregistrare detaliată IP).
- Utilizarea datelor IPDR pentru consumul de lățime de bandă a abonaților, utilizarea interfeței de rețea, starea modemului și diagnosticare
- informații HFC
Ziua 3: Sesiunea 2: Instrumente pentru analiza defecțiunilor serviciului de rețea:
- Tabloul de bord cu rezumatul rețelei: monitorizați implementările generale ale rețelei și urmăriți indicatorii cheie de performanță ai organizației dvs
- Tabloul de bord pentru analiza perioadei de vârf: înțelegeți tendințele aplicațiilor și ale abonaților care conduc la utilizarea maximă, cu granularitate specifică locației
- Tabloul de bord al eficienței de rutare: controlați costurile rețelei și construiți cazuri de afaceri pentru proiectele de capital, cu o înțelegere completă a relațiilor de interconectare și tranzit
- Tabloul de bord pentru divertisment în timp real: accesați valorile care contează, inclusiv vizionările video, durata și calitatea experienței video (QoE)
- Tabloul de bord pentru tranziția IPv6: investigați adoptarea în curs de desfășurare a IPv6 în rețeaua dvs. și obțineți informații despre aplicațiile și dispozitivele care conduc tendințele
- Studiu de caz-1: Minerul de date Alcatel-Lucent Big Network Analytics (BNA).
- Inteligență mobilă multidimensională (m.IQ6)
Ziua 3: Sesiunea 3: Big Data BI pentru Marketing/Vânzări – Înțelegerea vânzărilor/marketingului din datele de vânzări: (Toate acestea vor fi afișate cu o demonstrație analitică predictivă live)
- Pentru a identifica clienții cu cea mai mare viteză
- Pentru a identifica clienții pentru un anumit produs
- Pentru a identifica setul potrivit de produse pentru un client (Recommendation Engine)
- Tehnica segmentării pieței
- Tehnica de vânzare încrucișată și upsale
- Tehnica de segmentare a clienților
- Tehnica de prognoză a veniturilor din vânzări
Ziua 3: Sesiunea 4: BI necesară pentru biroul Telco CFO:
- Prezentare generală a Business Analytics funcționează necesare într-un birou CFO
- Analiza de risc la investiții noi
- Venituri, prognoza profitului
- Prognoza de achizitie de clienti noi
- Prognoza pierderilor
- Analiza fraudelor în domeniul financiar ( detalii sesiunea următoare )
Ziua 4: Sesiunea 1: BI pentru prevenirea fraudei de la Big Data în analitica Telco-Fraud:
- Scurgeri de lățime de bandă / fraudă de lățime de bandă
- Frauda de la furnizor/supra taxare pentru proiecte
- Fraude de rambursare/revendicare client
- Fraude de rambursare de călătorie
Ziua 4: Sesiunea 2: De la Predicția de renuntare la Prevenirea renunțării:
- 3 tipuri de abandon: activ/deliberat, rotațional/incident, pasiv involuntar
- 3 clasificare a clienților renunțăți: total, ascuns, parțial
- Înțelegerea variabilelor CRM pentru abandon
- Colectarea datelor despre comportamentul clienților
- Colectarea datelor despre percepția clienților
- Colectarea datelor demografice ale clienților
- Curățarea datelor CRM
- Date CRM nestructurate (apelul clientului, bilete, e-mailuri) și conversia acestora în date structurate pentru analiza Churn
- Social Media CRM-noua modalitate de a extrage indicele de satisfacție a clienților
- Studiu de caz-1: T-Mobile SUA: Reducere a pierderii cu 50%
Ziua 4: Sesiunea 3: Cum să utilizați analiza predictivă pentru analiza cauzei principale a nemulțumirii clienților:
- Studiu de caz -1: Legarea nemulțumirii cu probleme – Contabilitate, Eșecuri de inginerie cum ar fi întreruperea serviciului, serviciul de lățime de bandă slabă
- Studiu de caz-2: Big Data Tabloul de bord QA pentru a urmări indicele de satisfacție a clienților din diverși parametri, cum ar fi escaladarea apelurilor, criticitatea problemelor, evenimentele de întrerupere a serviciului în așteptare etc.
Ziua 4: Sesiunea 4: Big Data Tabloul de bord pentru acces rapid la diverse date și afișare:
- Integrarea platformei de aplicații existente cu Big Data Dashboard
- Big Data management
- Studiu de caz pentru Big Data Tabloul de bord: Tableau și Pentaho
- Folosiți aplicația Big Data pentru a transmite reclame bazate pe locație
- Sistem de urmărire și management
Ziua 5: Sesiunea 1: Cum se justifică Big Data implementarea BI în cadrul unei organizații:
- Definirea ROI pentru implementarea Big Data.
- Studii de caz pentru economisirea timpului analistului pentru colectarea și pregătirea datelor – creșterea creșterii productivității
- Studii de caz privind câștigul de venituri din retragerea clienților
- Câștig de venituri din anunțuri bazate pe locație și alte anunțuri direcționate
- O abordare integrată a foii de calcul pentru a calcula cca. Cheltuieli vs. Câștig/economii de venituri din implementarea Big Data.
Ziua-5: Sesiunea-2: Procedura pas cu pas pentru a înlocui sistemul de date vechi cu Big Data Sistem:
- Înțelegerea practicii Big Data Foaia de parcurs pentru migrație
- Care sunt informațiile importante necesare înainte de a proiecta o implementare Big Data.
- Care sunt diferitele moduri de a calcula volumul, viteza, varietatea și veridicitatea datelor
- Cum se estimează creșterea datelor
- Studii de caz în 2 Telco
Ziua 5: Sesiunea 3 și 4: Revizuirea Big Data furnizorilor și revizuirea produselor lor. Sesiune Q/A:
- AccentureAlcatel-Lucent
- Amazon – A9
- APTEAN (fost CDC Software)
- Cisco Sisteme
- Cloudera
- Dell
- EMC
- GoodData Corporation
- Guavus
- Hitachi Data Systems
- Hortonworks
- Huawei
- HP
- IBM
- Informatica
- Intel
- Jaspersoft
- Microsoft
- MongoDB (Anterior 10Gen)
- MU Sigma
- Netapp
- Opera Solutions
- Oracle
- Pentaho
- Platfora
- Qliktech
- Cuantic
- Rackspace
- Revoluție Analytics
- Salesforce
- SAP
- SAS Institutul
- Sisense
- Software AG/Terracotta
- Soft10 Automation
- Splunk
- Sqrrl
- Supermicro
- Tableau Software
- Teradata
- Gândiți-vă la Big Analytics
- Sisteme Tidemark
- VMware (parte a EMC)
Cerințe
- Ar trebui să aibă cunoștințe de bază despre funcționarea afacerii și sistemele de date în Telecom în domeniul lor .
- Trebuie să aibă cunoștințe de bază despre SQL/Oracle sau baze de date relaționale
- Cunoașterea de bază a statisticilor (la nivel de Excel) .
35 ore
Mărturii (3)
Toate exemplele folosite și stilul de predare erau perfect adaptați chiar pentru un începător, fiind capabil să înțeleg, iar instruirea a fost atât de pașnică cât și tot timpul dispusă să facă milea extra atunci când aveam nevoie de ajutor.
Mathipa Chepape - Vodacom
Curs - Big Data Business Intelligence for Telecom and Communication Service Providers
Tradus de catre o masina
Toate exemplele folosite și stilul de predare erau perfect chiar pentru un începător. Am reușit să înțeleg și instruirea a fost atât de pașnică, întotdeauna dispusă să facă milea extra atunci când aveam nevoie de ajutor.
Mathipa Chepape - Vodacom
Curs - Big Data Business Intelligence for Telecom and Communication Service Providers
Tradus de catre o masina
Comprehanderea mai bine a datelor mari
Shaune Dennis - Vodacom
Curs - Big Data Business Intelligence for Telecom and Communication Service Providers
Tradus de catre o masina
