В рубрику "Решения операторского класса" | К списку рубрик | К списку авторов | К списку публикаций
В последнее время термин Big Data вызывает все больший интерес. Это оправдано непрерывным ростом данных практически во всех отраслях, услуги связи – не исключение. Рынок услуг связи растет – возникают все большие массивы информации, которые требуется обрабатывать – обеспечивать хранение и структурирование, необходимые корреляции, наконец, их безопасность.
Для того, чтобы уточнить термин Big Data, часто говорят про характеристики, названные 3V, то есть дело не просто в большом размере, а, скорее, в совокупности факторов:
Таким образом, технологии обработки Big Data обязаны решать три основных задачи: хранение больших объемов, структурирование разрозненных данных, быстрый и точный анализ. В этом же и заключается специфика их отличия от традиционных аналитических систем. На отечественном рынке существует уже целый пласт решений Big Data, успешно позволяющих реализовывать подобные задачи. Это скорее платформы, состоящие из множества настраиваемых модулей, индивидуальных для каждого конкретного бизнес-процесса. При этом практически экспоненциально увеличивается сам состав обрабатываемых операторами данных, появляется и множество дополнительных целей их обработки, таких как маркетинг, оказание отдельных услуг, обеспечение безопасности сервисов клиента. В информационных системах операторов связи крайне велика доля неструктурированных и разнородных данных, поступающих от телеком-оборудования, из служб мониторинга и поддержки, служб по работе с клиентами, различных социальных сетей и так далее. Получается, что в настоящий момент расширение Big Data и ускорение темпа роста становится объективной реальностью, а их корректная обработка – глобальной потребностью рынка в целом, отрасль телекома – не исключение.
Одной из наиболее приоритетных задач для каждого телеком-оператора является обеспечение надежной и стабильной работы его сервисов. Это стало особенно актуальным в связи с принятием так называемого закона "Об отмене мобильного рабства": если клиента что-то не устраивает, например качество предоставляемого в совокупности сервиса и/или же его стоимость, клиент может уйти, ничего при этом не теряя, ни собственного абонентского номера, ни собственных контактов.
Технологии обработки Big Data позволяют в режиме реального времени осуществлять мониторинг и анализ загруженности сети, выявлять нестабильную работу оборудования и различного рода неисправности. При этом обработка поступающих из систем мониторинга состояния телеком-оборудования данных позволяет заранее прогнозировать необходимое обслуживание, ремонт или замену данного оборудования, таким образом обеспечивая непрерывность процесса. Другое немаловажное преимущество использования Big Data – это возможность экономии. Во-первых, на ремонте и замене оборудования за счет прогнозирования его выхода из строя и возможности принятия запланированных превентивных мер, во-вторых, за счет возможности построения собственных индивидуальных графиков обслуживания и замены, исходя из фактического износа, а не из рекомендаций поставщиков, которые имеют свой собственный интерес в данном вопросе.
Другая задача обеспечения качества услуг операторов сотовой связи, решаемая с применением технологий анализа Big Data, – это прогнозирование нагрузки на базовые станции операторов в конкретный момент времени за счет анализа информации о потоках и перемещении их абонентов, то есть их геолокационных данных и активности использования сервисов. В результате определяются проблемные участки, требующие соответствующей модернизации с целью улучшения качества сети.
Помимо отслеживания и обеспечения должного уровня качества услуг, практически все без исключения операторы связи используют Big Data с целью создания и продвижения новых услуг, разработки таргетированных клиентских предложений. Для этого анализируются геолокационные данные клиентов, типы мобильных телефонов, профили потребления интернет-трафика, используемые сервисы, совершаемые покупки, круг общения и многое другое. Подобный анализ помогает обеспечить максимально быструю адаптацию услуг связи к постоянно меняющимся потребностям клиентов, разработать и предложить клиентам наиболее гибкие тарифные планы и условия.
Выходит, что основная сфера использования Big Data с целью увеличения прибыли – это маркетинг. Маркетинговые исследования являются в телеком-компаниях ключевыми, по их результатам принимаются решения, во что именно стоит вкладывать средства, также прогнозируется информация, сколько прибыли принесет вывод на рынок тех или иных новых сервисов. Подобное использование Big Data крайне широко распространено, ведь чтобы маркетинговая кампания прошла максимально эффективно, необходимо не ошибиться с "портретом" клиента. Технологии Big Data обеспечивают выделение, проведение анализа и структурирование профилей клиентов, тем самым позволяя проводить целевой маркетинг без ошибок и предлагая конечным клиентам в первую очередь именно то, что максимально могло бы их заинтересовать.
Применение решений Big Data интересно и "наоборот": не только с целью маркетинговых исследований, но и для выявления и анализа недополученной прибыли – это еще одна достаточно эффективная сфера использования подобных технологий. Здесь становится важным определить объемы неоказанных услуг из-за недоступности сервисов в определенный момент времени, отсутствия у клиентов подключения к запрашиваемым услугам, фиксировать отток клиентов и так далее. Технологии Big Data позволяют анализировать и коррелировать причины подобных событий, будь то уход клиентов или сбой конкретного сервиса, и помогать планировать мероприятия с целью не допустить реализации данных неблагоприятных для компании факторов впредь – предложить новый тарифный план, увеличить качество покрытия сети в данной конкретной области и так далее.
В последнее время Big Data активно используются и как инструмент управления лояльностью клиентов операторов связи. Для этого конечные операторы связи стремятся расширить доступ к профилям своих клиентов в социальных сетях, получить сведения о других посещаемых ими ресурсах. Анализ сообщений в сети Интернет позволяет выявлять очаги негативного распространения мнений о компании. Далее для выявления причин недовольства с нелояльным клиентом проводятся определенные коммуникации, итогом которых могут стать предложение тарифа на более выгодных условиях, предоставление бонусов и подарков и так далее. В результате недовольный детрактор может превратиться в промоутера, заразив позитивным отношением к компании и свой круг общения.
Поступающие от операторов связи Big Data уже несколько лет успешно используются различными банками и другими финансовыми организациями с целью обеспечения для своих клиентов защиты от кражи денежных средств и других способов мошенничества. Как это происходит? Большинство банковских сервисов дистанционного банковского обслуживания используют SMS- или Push-сообщения как дополнительный канал подтверждения платежа, перевода или же восстановления доступа к интернет-банку или же мобильному банку. Вследствие этого до сих пор остается популярной следующая мошенническая схема – сторонними лицами по сговору или же по подложным документам в салоне связи выпускается дубликат SIM-карты какого-либо абонента, причем настоящий владелец, как правило, даже не подозревает о таком действии. Конечно, в момент перевыпуска SIM-карты старая автоматически отключается, но переставший находить сотовую сеть мобильный телефон редко для кого из граждан является экстренной причиной для беспокойства. В это же самое время злоумышленник уже получил доступ к номеру абонента – и, как следствие, к возможности подтвердить все нелегально совершаемые операции – ведь коды подтверждения приходят на данный абонентский номер, а он по факту уже находится у мошенников. Операторы связи же умеют отслеживать момент замены SIM-карты (у SIM-карт, как и у телефонных аппаратов, есть уникальный идентификатор) и делятся данной информацией с банками, таким образом обогащая банковские системы защиты от мошенничества дополнительными сведениями и способствуя предотвращению кражи денежных средств. При этом надо отметить, что никаких личных сведений о своих клиентах оператор связи банку не передает. Обычно передается только сам факт замены.
Другой пример касается использования в целях защиты от мошенничества геолокационных данных, которыми также в полном объеме владеют операторы связи. Например, когда на стороне банка возникает сомнение в легитимности осуществляемого снятия денег в банкомате, находящемся в городе N., банк может запросить у оператора связи: "А действительно ли абонент с таким-то номером находится в городе N.?". Оператор связи получает разрешение у своего абонента отправить такие сведения банку. Если согласие получено, банк получает ответ "Да" или "Нет". Если владелец номера находится в абсолютно другом месте – это тоже повод для подозрения на мошенничество и совершения дополнительных проверок в отношении запрашиваемой транзакции.
Ни для кого уже не секрет, что Big Data операторов связи давно уже используются в других, отличных от непосредственного предоставления услуг связи целях. Это могут быть социальные задачи, такие как изучение потоков населения, суточной локальной миграции, образа жизни граждан, их увлечений с целью строительства каких-либо социальных объектов или новых транспортных объектов (дорог, развязок и т.п.), или же это могут быть прямые коммерческие выгоды: продажа агрегированных обезличенных данных для их использования в бизнес-целях, таких как целевая реклама, таргетированный набор услуг по запросам в сети Интернет или же организация пространства в розничном магазине на основании анализа профиля посетителей – пол, возраст, чем интересуются, в какое время бывают, что предпочитают покупать, – и многое другое.
Очень любопытным является применение Big Data операторов связи данных своих абонентов для скоринга с целью выдачи банками кредитов и предоставления других требующих таких проверок услуг. На основании поведенческой модели абонента, в которую могут входить сведения о количестве и суммах пополнения баланса телефонного номера, сведения о задолженностях и блокировках номера, используемых услугах, платежах и так далее, рассчитывается скоринговый балл, он может быть передан в банк.
Другая сторона вопроса – этичность использования. Можно ли считать таргетированные предложения, создаваемые на основе анализа данных о конкретном клиенте либо о группе клиентов, на самом деле обычными манипуляциями? В настоящий момент высказывается множество опасений в разрезе того, что грамотное использование данных о клиенте с учетом его психологических особенностей – это прямая манипуляция. Клиент заходит в магазин, автосалон, к туроператору, а там про него уже все известно – информация в онлайн-режиме поступила из большого массива собранных и скоррелированных для конкретных целей данных, выдаваемых, например, на основании только что сделанного фото клиента камерами слежения: ФИО, пол, возраст, где работает, сколько зарабатывает, семейное положение, где бывает, его хобби, мечты, друзья. Из этой информации составляется предложение, от которого клиент не сможет отказаться, готовы ответы и аргументы на все вопросы, сомнения и возможные попытки отказа. Опасно ли это? В приведенном выше примере особо внушаемый человек просто купит ненужную в настоящий момент времени вещь или услугу. Основной вопрос – как далеко все зайдет? Ведь с помощью манипуляций можно реализовывать и незаконные цели…
Сфера применения Big Data в современном мире практически не имеет границ. Эксперты в области информационной безопасности и защиты личных данных (все, что называется privacy: любые конфиденциальные данные о личности) крайне обеспокоены вопросами защиты Big Data. Уже сейчас в мире существует так называемый "черный" рынок данных, куда из разных источников (открытых, закрытых или же коммерческих) поступает информация о каждом конкретном человеке. Это могут быть данные о перемещении, поступающие от операторов связи, данные о состоянии здоровья, собранные с фитнес-браслетов, данные о покупках, поступающие из различных агрегаторов и платежных шлюзов, данные о личной жизни. Используемая отдельно и обезличенно, информация подобного рода вряд ли сможет принести конечному субъекту какой-либо вред. Однако риск несет осознанное применение привязанных к конкретному лицу данных. Помимо острых манипуляций, это могут быть шантаж и вымогательство, применение сведений в других противоправных целях, например раскрытие тайны о личной жизни в случае конкурентной или политической борьбы, кража денежных средств со счетов и так далее. В целом криминальная область применения Big Data также крайне велика.
Что же делать? В обязательном порядке необходимо усиливать защиту Big Data при их хранении, передаче и обработке за счет внедрения и использования процедур и технологических решений в области защиты информации. На государственном уровне нужно усилить контроль использования Big Data пользователей (речь идет не только о персональных данных, но и о privacy в целом), предъявить требования по их защите и ни в коем случае не допускать открытой продажи недостаточно обезличенных данных третьим лицам.
Помимо этого, важно развивать культуру использования гражданами сведений подобного уровня о себе – сейчас практически всю информацию о лице можно получить из социальных сетей и других похожих ресурсов. На мой взгляд, должна быть какая-то грань между общедоступным и личным, и наших граждан нужно научить эту грань различать, объяснив возможные риски и последствия от выкладывания в общий доступ абсолютно всей информации о себе.
В условиях высокой конкурентной борьбы на рынке связи борьба сейчас идет практически за каждого конкретного клиента. И в современном мире выигрывает тот, кто владеет информацией, а в контексте нашей темы – технологиями обработки Big Data, правильно их использует и умеет обеспечить должный уровень защиты Big Data.
Литература
Опубликовано: Журнал "Технологии и средства связи" #1, 2016
Посещений: 6372
Автор
| |||
В рубрику "Решения операторского класса" | К списку рубрик | К списку авторов | К списку публикаций
