الإمكانيات الكامنة في البيانات الكبيرة “Big Data” لحل مشاكل شركات الاتصالات

0 80

الحافز لاستخدام البيانات الكبيرة Big Data:

مع الانتشار الكبير لتكنولوجيا الهواتف المحمولة و وسائل الاتصال المختلفة، يعمل مزودي خدمة الاتصالات CSPs على معالجة بياناتها بشكل سريع بالإضافة لتخزين و لتوجيه الكمية الهائلة من البيانات التي تنتقل عبر شبكتها

استخدام البيانات الكبيرة من الممكن أن يساعد مزودي خدمة  الاتصالات عن طريق تحسين أرباحها  ب بتنظيم خدمات الشبكة، تحسين تجربة المستخدم وتحسين الأمان ضمن شبكة الاتصالات

بعض الأمثلة عن استخدام البيانات الكبيرة Big Data:

  1. توقع الأوقات التي تتعرض فيها الشبكه لأكبر كمية ازدحام  وإعادة توجيه الحزم لتفادي حصول تصادمات ضمن الشبكة
  2. تحديد العملاء الأكثر احتمالا للأخطاء وإيجاد الطرق  لمنع حالات الاختناق ضمن الشبكة
  3.  تحديد العملاء الأكثر عرضة لمواجهة مشاكل  في عمليات الدفع وإيجاد الحلول المناسبة لتحسين استرداد المدفوعاتحالات استخدام البيانات الكبيرة Big Data في عمليات الاتصالات :شركات الاتصالات تقوم بتجميع كمية ضخمة من البيانات من سجلات المكالمة واستخدام الهاتف المحمول ومعدات الشبكة  و سجلات الخادم والفواتير والشبكات الاجتماعيةبالتالي يكون لديها معلومات مفصلة عن عملائها وعن شبكتها , لكن كيف يمكن للشركات  استخدام هذه البيانات لتحسين وتطوير  أعمالها ؟معظم استخدامات البيانات الكبيرة Big Data في مجال الاتصالات تتركز في ثلاث فئات أساسية : إرضاء المستخدمين والمحافظة عليهم  تحسين خدمات الشبكة  بالإضافة لأمن الشبكة

    مثال عن استخدام البيانات الكبيرة Big Data في مجال الاتصالات :

    تحسين الخدمات أو المنتجات

    شركات الاتصالات تحتاج لتبادل البيانات بين أبراج التغطية من جهة والمستخدمين ومراكز معالجة البيانات من جهة أخرى وبسبب الحجم الهائل لهذه البيانات لذلك من الضروري معالجة هذه البيانات بالقرب من مصدرها ومن ثم نقلها إلى مراكز تجميع البيانات من أجل الاستفادة منها مستقبلا

    MapR Streams :  

     هو عبارة عن نظام جديد للرسائل الموزعة  فهو فعال بشكل كبير لنقل كميات كبيرة من البيانات وجعل هذه البيانات متوفر عبر عدة مراكز بيانات مختلفة في التوزيع الجغرافي  فعن طريق هذا النظام يمكن إجراء نسخ متماثلة للبيانات ضمن الشبكة على شكل

    بين آلاف من القطاعات(المراكز ) الموزعة جغرافيا master-slave,many-to-one,multi-master 

    فيقوم عميل MapR  واحد بتجميع البيانات بالزمن الحقيقي من جميع مراكز البيانات الإقليمية المحيطة به  وتوجيهها الى مقر البيانات المركزي

     

    قبل استخدام ال MapR:

    كان العميل يستخدم بروتوكول FTP لنقل البيانات من هوائيات الإرسال إلى مراكز البيانات المحلية ومن ثم الى مقر البيانات المركزي لكن استخدام بروتوكول ال FTP  يسبب تأخير زمني كبير على خطوط البياناتScreen Shot 2016-10-04 at 11.23.50 AM.png

    بعد استخدام ال MapR :

    أصبحت البيانات تجمع من مراكز البيانات المحلية عن طريق ال MapR Stream وبعدها يتم إتاحتها بالوقت الحقيقي لوحدات القيادة المحلية

    يتم استخدام ال لنقل البيانات من المراكز المحلية بطريقة many-to-one الى مقر البيانات المركزي مما يجعل الاحداث متوفر بالزمن الحقيقي لوحدات القيادة المركزية

    مما يعني إمكانية مراقبة أداء الشبكة العالمية والاستجابة بشكل سريع للأحداث من أجل تحسين خدمات العملاء

    إمكانية معالجة كمية كبيرة من البيانات الموزعة جغرافيا بالزمن الحقيقي  يمكن عده اشياء منها :

    1. فهم المشاكل الخدمية بشكل افضل وكيفية تأثيرها على المستخدم
    2. Crowd-based antenna optimization : مراقبه تغيير أنماط استخدام الشبكة بسرعة ، وإعادة تكوين دعم الشبكة لمعالجة الأحداث   القصيرة الأجل ، مثل الاستخدام المكثف بالقرب من الاستاد أثناء حدث رياضي
    3. تحسين الخدمات مع مراقبة المعدات ، وتخطيط القدرات ، والصيانة الوقائية
    • المكالمات غير المكتملة
    • ضعف تغطية الشبكة مما يسبب مشاكل لخدمة العملاء
    • مشاكل النطاق الترددي للاتصالات
    • ضعف سرعة التحميل
    • أوقات انتظار خدمة طويلة
    • عملية تهيئة وتبديل الترددات المستخدمة

    تحليل هذه الأحداث بالزمن الحقيقي هو المفتاح الأساسي لتحسين تجربة وخدمات المستخدم

    العميل 360:

    إن استخدام علم البيانات من أجل فهم وتنبؤ أفضل لسلوك العملاء هو عملية تكرارية وتضمن الخطوات التالية  :

    1. اكتشاف البيانات وإنشاء نماذج خاصة بها
    2. تحليل البيانات القديمة
    3. تحديد مصادر جديدة للبيانات والتي تكون بالعادة مجموعة من قواعد البيانات الغير مستخدمة بسبب الصيغة او الحجم او البنية
    4. جمع ,  ربط ,  تحليل البيانات عبر مصادر بيانات متعددة
    5. معرفة وتطبيق النوع المناسب من خوارزميات التعلم الآلي للحصول على الفائدة من البيانات
    6. الاعتماد على النماذج قيد الاستخدام حاليا للحصول على التنبؤات المطلوبة
    7. اكتشاف البيانات وتحديث النماذج الموجودة بالبيانات الجديدة

    من أجل فهم العميل بشكل كامل يجب تحليل عدد من العوامل مثل :

    • البيانات الديموغرافية للعميل ( العمر , الحالة الاجتماعية , الخ …
    • تحليل الآراء ووجهات النظر عبر وسائل الإعلام
    • أنماط الاستخدام الخاصة بالعملاء وبيانات الاستخدام عبر القطاعات الجغرافية
    • بيانات شبكات الاتصال
    • سلوك التصفح الخاص بالعملاء من سجلات النقر
    • الاحصائيات الخاصة بمراكز الاتصالات
    • البيانات القديمة التي تظهر أنماط السلوك التي تشير عن رضا المستخدمين Churn rate

    بتحليل هذه البيانات يصبح لشركات الاتصالات رؤية مستقبلية بالإضافة لتعزيز تجربة المستخدم,وتصميم الحملات التسويقية  

    اكتشاف التهديدات الأمنية:

    Solutionary وهي شركة تابعة لمجموعة NTT وهي شركة رائدة في مجال خدمات الحماية الامنية ,تعمل على تقديم المعلومات عن التهديدات الأمنية , الاستجابة للأحداث الأمنية , VCM(Vulnerability and Compliance Management) كخدمات لعملائها , حيث تعمل هذه المنصة على تجميع وربط كمية هائلة من البيانات من السجلات و وجدران الحماية بالإضافة لجميع اجهزة الشبكة

    كانت هذه الشركة بحاجة إلى تحسين قابلية التوسع مع نمو حجم البيانات لكنها عملية مكلفة بوجود Oracle  قاعدة بيانات مستخدمة ,الحل القديم المستخدم لم يتمكن من معالجة بيانات السجلات الغير مهيأة للنطاق الواسع   بالإضافة لوجود مشكلات كبيرة في الأداء

    لذلك عملو على استبدال نظام قواعد البيانات المستخدمة RDBMS ب منصة البيانات الخاصة ب MapR لتحقيق قابلية التوسيع في حين لاتزال  متطلبات الموثوقية  محققة

    فهذا الحل الجديد  يجمع بين خوارزميات التعلم الآلي، ومعالجة الأحداث المعقدة، والتحليلات التنبؤية للكشف عن التهديدات الأمنية في الوقت الحقيقي.

    raud detection software stack
    كل عناصر ال المعمارية السابقة يمكن أن تعمل مع بعضها على نفس القطاع بمنصة البيانات الخاصة ب MapR والتي توفر مجموعة من المزايا مثل :

    • أقل تعقيدا، وعدد أقل من الأجزاء المتحركة، وأشياء أقل لإدارة : دمج وتقارب مجموعة من القطاعات Streams/HBase/Spark/Hadoop في قطاع واحد
    • جمع مصادر البيانات في منصة واحدة للبيانات الأساسية بحيث يصبح الوصول للبيانات من قبل التطبيقات أسهل
    • الأمن الموحد :  لأن جميع العناصر تعمل في قطاع واحد
    • موثوقية وتوافر عاليتان , النسخ المتماثل من مركز البيانات إلى مركز البيانات
    • Multi-tenancy : لديها القدرة على تخديم عدد لانهائي من المستخدمين ذو الصلاحيات المشتركة

    ان الاتصالات هي مثال واضح عن المشاكل التي تواجه البيانات الكبيرة Big Data مثل حجم البيانات الكبير وسرعه تدفق  البيانات , لكن مزودي خدمة الاتصالات CSPs  لديهم متطلبات عالية على سرعة الاستجابة للأحداث بالإضافة لمتطلبات عن الأمان والموثوقية

    الحالات السابقة في هذه المقالة توضح أن شركات الاتصالات لا يمكنها فقط معالجة هذه المتطلبات , لكن الاستفاد من الكمية الهائلة للمعلومات لتحسين أعمالها

    ترجمة : Ali AL Jend

المصدر

 

Comments
Loading...