«Спутник» и Департамент венчурных продуктов «Ростелекома» стали технологическим центром в области big data — они займутся интеграцией решений для обработки и анализа больших данных с целью повышения эффективности бизнеса телекоммуникационной компании.
«Ростелеком» обладает значительным массивом данных, которые можно применять для анализа качества предоставляемых услуг и выявления потребностей абонента, повышения ARPU. Анализ данных об использовании интернета, метрик канала передачи данных и биллинга позволит прогнозировать отток клиентов или потенциал расширения тарифной линейки, оптимизировать услуги, создавать аналитические инструменты.
В рамках начала работы технологического центра в 2015 году в макрорегиональных филиалах «Ростелекома» стартовал ряд пилотных проектов по обработке данных и моделированию увеличения ARPU в целях таргетированного предложения сервисов и услуг выделенным группам абонентов. Позитивные результаты бета-тестов позволяют планировать на 2016 год масштабирование работ на все региональные филиалы «Ростелеком», подключение сторонних партнёров по обработке, анализу и обогащению данных.
«„Спутник“ займётся интеграцией в бизнес-процессы „Ростелеком“ сторонних и собственных решений для работы с большими данными, агрегацией данных, созданием инструментария и интерфейсов для принятия решений на базе анализа. Сегодня „Спутник“ обладает портфелем технологий информационного поиска, обработки больших данных и распределённого хранения, которые находят применение не только для разработки портала и веб-сервисов, но и для модернизации бизнеса компании, создания системы таргетированных продуктов и услуг», — рассказал Алексей Басов, вице-президент «Ростелеком».
Подробнее о пилотах 2015 года, проводимых в сибирском макрорегиональном филиале «Ростелеком», на форуме «Big Data: Технологии и бизнес» рассказал директор по развитию продуктов «Спутника» Михаил Козлов: «В ходе пилотных проектов в Сибири этим летом были обкатаны возможности интеграции „Спутника“ в процессы взаимодействия с абонентами, построены эффективные модели предсказания спроса на базе более 60 млрд записей в логах активности абонентов. Наложив результат анализа на географическую карту, мы получили наглядный инструмент для мониторинга абонентской базы. Также построена и опробована модель формирования персонализированных предложений клиентам на базе статистических данных платежей, потребляемого трафика, перехода по тарифам и услугам. Это дополнительный канал upsale, который позволяет налету подготовить для каждого конкретного абонента страницу с предложением услуг или рекомендацией по способам оплаты, расширения возможностей тарифа и тому подобное».
