Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Plan du cours
1. Module-1 : Études de cas sur la façon dont les Telecom régulateurs ont utilisé Big Data l'analytique pour imposer la conformité :
- TRAI (Telecom Autorité de régulation de l'Inde)
- Régulateur Telecom turc : Telekomünikasyon Kurumu
- FCC - Commission fédérale Communication
- BTRC - Autorité de régulation des Telecom communications du Bangladesh
2. Module-2 : Examen des millions de contrats conclus entre les FSC et leurs utilisateurs à l'aide d'analyses de données non structurées (Big Data Analytics)
- [Traitement du langage naturel (NLP)
- Extraction des accords de niveau de service (SLA) à partir de millions de contrats.
- Certains des outils open source et sous licence connus pour l'analyse des contrats ( eBravia, IBM Watson, KIRA)
- Découverte automatique de contrats et de conflits à partir de l'analyse de données non structurées
3. Module -3 : Extraction d'informations structurées à partir de contrats clients non structurés et mise en correspondance avec la qualité de service obtenue à partir de données IPDR & ; Crowd Sourced app data. Mesure de la conformité. Détection automatique des violations de conformité.
4. Module- 4 : Utiliser l'approche de l'application pour collecter les données de conformité et de qualité de service - publier une application mobile réglementaire gratuite pour les utilisateurs afin de suivre et d'analyser automatiquement. Dans cette approche, l'autorité de régulation publiera une application gratuite et la distribuera aux utilisateurs. L'application recueillera des données sur la qualité de service, les spams, etc. et les communiquera sous la forme d'un tableau de bord analytique :
- Moteur intelligent de détection des spams (pour les SMS uniquement) pour aider l'abonné à faire son rapport.
- Collecte de données sur les messages et les appels incriminés afin d'accélérer la détection des télévendeurs non enregistrés.
- Mise à jour des mesures prises en cas de plainte dans l'application
- Rapport automatique sur la qualité des appels vocaux (perte d'appel, connexion unidirectionnelle) pour ceux qui auront installé l'application réglementaire.
- Rapport automatique sur la vitesse de transmission des données
5. Module-5 : Traitement des données de l'application réglementaire pour la génération automatique d'un système d'alarme (les alarmes seront générées et envoyées automatiquement par e-mail/sms aux parties prenantes) :
Mise en œuvre d'un tableau de bord et d'un service d'alarme
- Microsoft Azure Tableau de bord et service d'alarme basé sur SNS
- AWS Lambda Tableau de bord et service d'alarme basés sur le service
- AWS/Microsoft Suite analytique pour traiter les données pour la génération d'alarmes
- Règles de génération d'alarmes
6. Module-6 : Utilisation des données IPDR pour la qualité de service et la conformité-IPDR Big data analytics :
- Facturation au compteur par service et utilisation de l'abonné
- Analyse et planification de la capacité du réseau
- Gestion des ressources en périphérie
- Inventaire du réseau et gestion des actifs
- Surveillance des objectifs de niveau de service (SLO) pour les services commerciaux
- Contrôle de la qualité de l'expérience (QOE)
- Chutes d'appels
- Analyse de l'optimisation des services et du développement des produits
7. Module-7 : Expérience du service client & ; Big Data approche du CSP CRM :
- Conformité des politiques de remboursement
- Frais d'abonnement
- Respect des SLA et réduction de l'abonnement
- Détection automatique du non-respect des SLA
8. Module-8 : Big Data ETL pour l'intégration de différentes sources de données QoS et la combinaison dans un tableau de bord unique d'analyses basées sur des alarmes :
- Utilisation d'un nuage PAAS comme AWS Lambda, Microsoft Azure
- Utilisation d'une approche cloud hybride
Pré requis
Aucune condition particulière n'est requise pour participer à ce cours.
14 heures
Nos Clients témoignent (4)
how the trainor shows his knowledge in the subject he's teachign
john ernesto ii fernandez - Philippine AXA Life Insurance Corporation
Formation - Data Vault: Building a Scalable Data Warehouse
I liked that it was practical. Loved to apply the theoretical knowledge with practical examples.
Aurelia-Adriana - Allianz Services Romania
Formation - Python and Spark for Big Data (PySpark)
This is one of the best hands-on with exercises programming courses I have ever taken.
Laura Kahn
Formation - Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Beaucoup d'exemples pratiques, différentes façons d'aborder le même problème, et parfois des astuces pas si évidentes pour améliorer la solution actuelle.
Rafał - Nordea
Formation - Apache Spark MLlib
Traduction automatique