Opportunités en télécommunications avec apprentissage automatique

L'intelligence artificielle (IA) et l'apprentissage automatique (ML) stimulent l'innovation dans chaque industrie, offrant des opportunités pour de nouvelles idées qui accélèrent la transformation numérique.

Dans l'industrie des télécommunications, AI et ML peuvent être les technologies de base

Pour en savoir plus sur l'impact de ces technologies sur les opérateurs télécoms, nous les avons interrogés lors du Mobile World Congress et nous leur avons demandé comment AI et MI affecteraient leurs activités dans un futur proche. Pour 93% des personnes interrogées, ces technologies changeront la donne, et dans les trois ans ou moins, 76% auront incorporé l'IA et la ML dans leurs entreprises. Il y a des précurseurs qui ont déjà adopté l'IA (12%) et plusieurs qui sont proactifs dans les phases exploratoires et de discussion (62%) pour étudier comment appliquer les technologies.

Pourquoi les compagnies de téléphone adoptent-elles si rapidement l'IA et le ML? ] Voici un bref aperçu de ce que ces technologies peuvent faire pour les entreprises de télécommunications:

• Par le passé, alors que le volume croissant de données est un atout pour les entreprises de télécommunications, le traitement lent de l'information représentait encore un défi. Maintenant, avec AI et ML, les opérateurs peuvent analyser des données plus grandes et plus complexes et fournir des résultats plus rapides et plus précis, même à grande échelle. Cela permet aux opérateurs télécoms d'identifier les opportunités rentables et d'éviter les risques inconnus.

• AI et ML sont considérées comme des technologies de base dans la transformation numérique, ce que beaucoup de sociétés de télécommunications connaissent aujourd'hui. Ils peuvent être intégrés dans divers domaines d'activité, tels que l'expérience client, l'automatisation des réseaux, les processus métier et les nouveaux services numériques pour aider les opérateurs télécoms à créer de nouveaux modèles commerciaux et à améliorer leurs opérations.

• Ils permettent de réduire les coûts opérationnels et d'optimiser l'expérience client en réduisant les frictions entre les clients, en personnalisant les expériences et en permettant aux entreprises d'obtenir des marges plus élevées et plus efficaces.

-1 telcos – comme Vodafone, NTT, Telefonica, Orange, SK telecom, et AT & T – ont déjà reconnu la puissance de ces technologies et ont lancé ou ont prévu de lancer leur propre plate-forme AI

Comment les opérateurs télécoms peuvent-ils libérer la puissance? AI et ML?

Pour voir comment ces technologies peuvent aider les opérateurs télécoms et les fournisseurs de services de communication (CSP), je vais partager quelques applications potentielles:

Cas d'utilisation # 1: Amélioration des marges

Les DSP passent de la croissance des revenus à la protection et à l'amélioration des marges et, à mesure que ce changement se produit, ils doivent non seulement tenir compte des marges des entreprises, mais aussi des clients individuels. Cela a été un défi pour beaucoup parce que les données clients sont réparties parmi une variété de sources de données hétérogènes.

Mais avec AI et ML, les compagnies de téléphone peuvent tirer parti des Big Data actuelles et historiques telles que l'utilisation des clients, les habitudes d'achat et les liens sociaux. Et ils peuvent le combiner avec les données des systèmes BSS, OSS et ERP pour créer des informations multidimensionnelles et granulaires sur les marges client potentielles. Ils peuvent ensuite appliquer des algorithmes ML pour créer des plans d'action pour chaque individu, recommandant des moyens qui optimisent et augmentent les marges tout en améliorant l'expérience client. Ces plans peuvent ensuite être intégrés aux systèmes CRM pour que le personnel des ventes et des services puisse les offrir aux clients lorsqu'ils visitent les magasins ou les centres d'appels

Cas d'utilisation n ° 2: Optimisation des tours mobiles

pour les CSP, car ils nécessitent des inspections sur site fréquentes et longues pour s'assurer que toutes les infrastructures, y compris les équipements passifs tels que les groupes électrogènes et les climatiseurs, fonctionnent correctement. En outre, les CSP sont préoccupés par les intrus qui veulent voler l'équipement de valeur dans une tour.

Pour surmonter ces difficultés, les CSP pourraient utiliser l'analyse vidéo et l'imagerie AI avec des caméras de surveillance dans les tours. Avec l'utilisation de l'IA, des événements irréguliers tels que l'intrusion, le feu et la fumée peuvent être détectés automatiquement et le personnel peut être alerté en temps réel. Les capteurs IoT pourraient être installés dans les tours et les algorithmes ML pourraient analyser les données et les combiner avec les données des caméras de surveillance pour une surveillance continue et des alertes à 360 degrés. Toutes ces données pourraient également être intégrées aux systèmes de répartition de la main-d'œuvre et aux grands livres de matériel pour déterminer quand la maintenance sur place ou le remplacement des pièces de rechange sont nécessaires, réduisant le nombre d'inspections et les temps d'arrêt inutiles. Et les informations de configuration réseau actives peuvent être recoupées avec des systèmes de gestion d'actifs pour optimiser l'utilisation du réseau et améliorer la couverture.

Cas d'utilisation n ° 3: Améliorer le service client

Enfin, voyons comment AI et ML peuvent améliorer / 7 interaction et résolution grâce à l'automatisation du service client. Les compagnies de téléphone obtiennent souvent des plaintes au sujet de la connectivité des équipements d'abonné (CPE), tels que les modems à large bande et les boîtiers de télévision à protocole Internet (IPTV). Dispatcher des techniciens pour résoudre ces problèmes peut générer un grand nombre de visites sur site qui sont souvent inutiles car les problèmes peuvent être résolus avec une simple réinitialisation.

En déployant un chatbot 24/7, les clients peuvent recevoir des réponses instantanées et une résolution à de nombreux problèmes grâce à l'automatisation de la billetterie assistée par ML et aux systèmes pertinents tels que l'exécution et l'assurance. Les algorithmes ML peuvent reconnaître des modèles de défaillance basés sur des informations historiques, y compris des données de journal réseau et de ticket de service. Le chatbot peut alors détecter et identifier des solutions communes pour les problèmes de connectivité, résolvant les problèmes des clients rapidement et facilement. Les chatbots peuvent également identifier quels modèles de défaillance ont besoin de dépêches de techniciens et lesquels n'en ont pas besoin. Lorsqu'elles sont intégrées au service client et aux systèmes OSS, les résolutions automatiques et les instructions telles qu'une réinitialisation CSP ou Telco peuvent aider à éviter la maintenance sur site, réduire le nombre de dépêches de techniciens et de rouleaux de camions inutiles et économiser considérablement. les scénarios ne sont pas des stratégies futuristes – ce sont des tactiques pratiques déjà utilisées aujourd'hui. Pour en savoir plus sur eux et sur la façon dont les opérateurs de télécommunication et les CSP profitent de l'IA et du ML, lisez ce livre électronique gratuit: Tournez la réflexion en faisant, SAP Machine Learning for Telco . Commentaires ->