Author: admin

  • Calificación y descuento: una forma granular de redefinir el asentamiento

    Calificación y descuento: una forma granular de redefinir el asentamiento

    Los CSP buscan regularmente nuevas formas de impulsar la adquisición de usuarios y el crecimiento de los ingresos. A medida que el ecosistema avanza hacia modelos basados ​​en asociaciones para el lanzamiento de nuevos servicios, los proveedores de servicios de comunicación se están asociando con nativos digitales de la nueva era para combinar sus servicios con los suyos y crear un valor integral para los consumidores finales. Pero la verdadera pregunta es: ¿es suficiente traer nuevos socios sin improvisar sus modelos de suscripción y liquidación? Este artículo intenta dar respuesta a esta pregunta.

    Demos un paso atrás y veamos dónde está el problema real con los modelos de asentamiento actuales. El primer problema radica en el choque de la oferta digital de Partner con la forma tradicional de liquidación de los CSP. Aunque los socios vienen con sus servicios de suscripción o modulares, los CSP siguen dependiendo de la liquidación de ingresos basada en porcentajes o del tipo de liquidación de ingresos fijos. Tomemos un ejemplo para obtener más claridad, los servicios lambda de AWS se cargan con funciones de tiempo de ejecución o utilización de recursos. Si AWS y CSP deciden asociarse en un escenario B2B2X para ofrecer servicio en la nube en una región, donde los CSP tendrán múltiples socios directos o revendedores en el mercado para vender el servicio, la única forma en que los CSP pueden llegar a un acuerdo con un socio de canal en el mercado es por reparto de ingresos o por tarifas fijas.

    El segundo problema es el sistema heredado de CSP, que no ha evolucionado para cumplir con los requisitos de los nuevos modelos de liquidación B2B. Los CSP aún confían en su sistema de facturación, diseñado en función de las necesidades de sus clientes finales. Sin embargo, ignoran por completo el hecho de que necesitan construir modelos similares para sus socios. Los modelos de clientes finales han evolucionado tanto que los operadores pueden agrupar su oferta según el gusto del cliente, la tasa de penetración en una región, la lealtad del cliente y más. Mientras que para un socio que brinda estos servicios, existe un modelo de participación en los ingresos plana, independientemente de si un socio pudiese tener un mejor desempeño que el otro socio.

    La solución radica en cambiar la perspectiva de la mirada de CSP en el modelo de asentamiento de Partner o B2B2X. Veamos la imagen a continuación del modelo de revendedor para obtener una descripción general del modelo de liquidación B2B.

    Figura 1: Escenario de muestra de liquidación B2B2X

    En el escenario anterior, el socio de contenido proporciona varios servicios de contenido a los clientes finales a través de la plataforma CSP. Si bien la oferta de los socios de contenido es modular, no hay forma de que CSP también puedan llegar a un acuerdo modular con sus socios que dependa exclusivamente de modelos basados ​​en ingresos sin tener en cuenta la dinámica del mercado, como la tasa de penetración de un servicio en una región.

    Aquí es donde los CSP necesitan construir sus modelos (BYI), lo que puede ayudarlos a definir los modelos económicos para la liquidación, no solo en función de los ingresos fijos. Un modelo de liquidación, diseñado con base en la dinámica del mercado como la tasa de penetración de suscriptores en la región, la hora del día, el volumen del tráfico, penalizaciones, modelos basados ​​en niveles, etc.

    En conclusión, echemos un vistazo al escenario de liquidación B2B2X con estos modelos económicos implementados

    Figura 2: Modos económicos en el escenario B2B2X

    Estos modelos económicos dan a los CSP y a su equipo de marketing la libertad de granularizar sus modelos de liquidación en diferentes capas de la cadena de valor. Por ejemplo, los CSP pueden elegir diferentes modelos de liquidación económica para sus socios de contenido, mientras que en el diagrama anterior se indica un modelo diferente para sus socios DCB. Esto asegurará que los operadores tengan múltiples modelos con los que jugar para maximizar sus ingresos y proporcionar un modelo de liquidación diferente para diferentes socios que utilizan el mismo sistema.

    Para resumir, con la creciente necesidad y demanda de la oferta de paquete, CSP no debe estar solo buscando traer nuevos socios a su ecosistema y asegurarse de que los socios correctos sean recompensados, al mismo tiempo que se mantienen enfocados en la maximización de ingresos.

    ¿Quiere saber cómo nuestra facturación y aseguramiento de socios de interconexión mejorarán la visibilidad de su negocio?

    ¡Solicite una demostración ahora!

  • Five key reasons why telcos need to focus on Margin Assurance

    Five key reasons why telcos need to focus on Margin Assurance

    Digital disruption, technology innovation, and the hyper-evolving telecommunication market influence a CSP’s ability to maintain long-term profitability.

    Margin assurance is a field that draws on many streams to balance costs and spends. It includes handling a complex mix of service offerings, defining a holistic view for cost allocation, enabling real-time visibility, margin automation, etc.

    What makes margin assurance a key ask for CSPs today? Here are five reasons:

    1. Unidentified contributory costs in a multi-partner ecosystem 

    With the rise in debt collection, depreciation, and other activity costs, it is becoming increasingly difficult to optimize gross regulated margins. The proportion of different direct and indirect expenses increases as the number of partner systems increase. Improper cost allocation models, in addition to the bundling of network and business costs, increase the complexity of costing.

    2. Deficient view of capacity, utilization, and profitability across network elements 

    While operators dedicate significant spend on planning and capacity optimization, they also need to keep an eye on profitability. Profits, too, must grow along the network value chain. This is done by analyzing multi-channel provisioning behaviour to determine the best way to improve margins and optimize utilization.

    3. Absence of granular level visibility into costs and revenue parameters 

    Technology advances are encouraging product innovation for next-gen communication needs. CSPs must identify different product costs and map them to revenue to fully understand the total cost for each product, customer, and business segment. With limited insights into the cost and revenue segments, CSPs struggle with cost allocation parameters. Telecom employees need the right skillsets in cost accounting and telecom knowledge to map the cost of individual products or bundled segments of voice and data traffic. Discrepancies in profit increase with the inability to determine the accurate price of a particular product or technology.

    4. Lack of real-time insights into new-age product profitability, pricing, and performance 

    With data on the rise, CSPs must bridge the gap in data reconciliation across various sources such as networks, partners, and products. Dearth of insights into the real-time performance of products can negatively impact the organization’s profit and loss. Strong data management increases efficiency in identifying and tracking the profitability of services, devices, and other entities, cementing the need for margin assurance.

    5. Bundled Products & technologies results in complex cost allocation models 

    Operators are trying to merge/bundle multiple services and technologies, resulting in the creation of complex cost allocation models. This leads further product complexity and revenue differentiation due to the bundling of multiple products and technologies. It is important to give a strong consideration to the product line and build cost allocation models in line with industry-leading practices support to arrive at near real cost allocations for profitability computation.

    Margin assurance enlists the metrics to handle the bottom-line complex mix of service offerings defining the holistic view for cost allocation, real-time assurance, margin automation, etc. This helps to achieve the benefits in terms of ‘profit computation,’ ‘flexible cost allocation,’ and ‘effortless cost modelling,’ which further lead the operator to widen its scope of work with a massive increase in the number of cost line items

    Margin Assurance To Ensure Profitability For New-age Telcos

    Download The Point Of View

  • Enfrentando el fraude de bypass: piense más allá de los límites

    Enfrentando el fraude de bypass: piense más allá de los límites

    En medio de la feroz competencia que enfrenta la industria de las telecomunicaciones, a veces escuchamos historias sobre cómo la falta de previsión de una Telco genera tráfico ilegal en la red. Esto tiene serias implicaciones, como pérdida de ingresos y acusaciones injustificadas entre los operadores afectados por el fraude.

    El fraude de Interconnect Bypass es una estafa de telecomunicaciones que le cuesta a la industria varios miles de millones de dólares cada año. Trae daños colaterales a las redes involucradas, junto con un impacto masivo en su rentabilidad. A las empresas de telecomunicaciones se les podría imponer una fuerte sanción por no detectar y resolver el problema a tiempo. Además, podría traer serias implicaciones comerciales para todas las empresas de telecomunicaciones participantes. En el proceso de bloqueo desenfrenado del tráfico sospechoso, a veces el tráfico de clientes genuinos podría bloquearse, lo que provocaría disonancia e insatisfacción del cliente junto con la pérdida de otras oportunidades comerciales.

    A continuación, se muestra un ejemplo de una empresa de telecomunicaciones que sufrió enormemente debido al fraude de Bypass.

    ¿Por qué pasó esto?

    La empresa de telecomunicaciones se había visto enormemente afectada por el fraude de Bypass fuera de la red, en el que se utilizaba indebidamente la red del operador para realizar llamadas fraudulentas en el sistema de la competencia. Con el tiempo, el problema se volvió tan grave que la Autoridad Reguladora del país tuvo que intervenir y hacerse cargo de las cosas. Esto finalmente terminó con los competidores bloqueando tanto el tráfico fraudulento como el genuino de la Telco afectada por el fraude de interconexión.

    Las investigaciones realizadas confirmaron que las enormes diferencias entre las tarifas de terminación internacionales y locales hicieron que el entorno fuera adecuado para que los estafadores ejecuten sus esquemas. Además, también se identificó que no había suficientes controles KYC en el país para facilitar ciertos controles de incorporación que distinguen a un cliente genuino de uno fraudulento.

    Las Repercusiones

    Hubo múltiples advertencias y memorandos emitidos al operador por parte del Regulador, lo que indica que el operador tendría que enfrentar sanciones si las enmiendas no se realizan a tiempo.

    Los clientes inundaron al operador con quejas diciendo que sus llamadas fuera de la red estaban prohibidas sin previo aviso y por causas ajenas a ellos. También amenazaron con salir de la red si no se restauraban sus servicios.

    La atmósfera se volvió tan tensa que en lugar de cooperar, los operadores se volvieron más agresivos y se entregaron a una carrera de ratas al tratar de demostrarle al Regulador cuán mejores y eficientes eran de los rivales en términos de detección de casos de fraude de Bypass.

    La solución

    Con el entendimiento de que los fraudes de Bypass son rampantes, las empresas de telecomunicaciones deben dirigir sus esfuerzos hacia la incorporación de tecnologías avanzadas como IA / ML en sus sistemas de gestión de fraudes. Esto ayudaría a las empresas de telecomunicaciones con la detección temprana de fraudes, tan rápido como dentro de los 10 minutos de uso. Además, esto permitiría a las empresas de telecomunicaciones identificar los diversos patrones complejos ocultos que, de otro modo, podrían pasar desapercibidos utilizando métodos tradicionales basados ​​en reglas. Estas tecnologías también pueden ayudar a monitorear el comportamiento cambiante sin intervención manual.

    Además, las empresas de telecomunicaciones deben generar conocimiento en términos de comportamiento fraudulento y las ubicaciones desde donde se generan. Las empresas de telecomunicaciones deben comprender qué tipo de productos tienden a ser mal utilizados por estos estafadores. Esto ayudaría a las empresas de telecomunicaciones a cortar las cosas de raíz, ahorrando así millones y manteniendo intacta su imagen de marca.

    Seminario web On-Demand: Abordar el fraude de bypass a través de la inteligencia artificial

    Ver ahora

  • Automated Revenue Assurance: Helping CSPs Do More

    Automated Revenue Assurance: Helping CSPs Do More

    Revenue assurance (RA) is a common business activity for telecommunication service providers. It utilizes data quality and process improvement methods to increase profits, revenues and cash flows without influencing demand.

    In 2008, when I began my career journey in the telecom industry, I observed that telecom service providers mostly focused on the aspect of revenue enhancement with the aim of gaining strong revenue market share (RMS) and customer market share (CMS). This was done to augment their coverage in almost all the circles across India. ‘Circles’ refer to service areas, largely divided according to states/population index by the Telecom Regulatory Authority India (TRAI). The point to note is that there was not much of a focus on cost reduction as an objective.

    At this time, most organizations did not possess any specific tool for revenue assurance either. Even if they did, it was rarely geared to the enterprise needs, leading to sub-optimal performance. For some, revenue assurance fell under the sole purview of finance departments.

    Without a focused RA tool, risk assurance teams (or people like me in my earlier days) used to sit for half a day to manually execute revenue assurance activities in MS Excel or Access!

    In some cases, performing control activities, reconciliations and analysis of exception needed a few more hours, meaning the day was almost over by the time the reports were prepared and the final consolidated dashboard was circulated to other teams like network, marketing, service provisioning, etc., for taking the necessary corrective actions. One dismaying effect on such delays was that case closure would get pushed to another day. A study by TM Forum underscores this inefficiency: it showed that 1% of the gross revenues are lost due to open cases pushed to the next day. Significantly, this excludes losses due to fraud.

    Thus, lengthy turnaround time for case management impacts the entire organization.

    Compared to the relatively nascent field of revenue assurance among small and large telcos in India, the area of fraud management was well understood. This here was a mature field that was seeing significant growth with many telcos outsourcing fraud management tasks to external vendors like Subex.

    Fast forward to more than a decade later, CSPs are now always in a hurry to release modern features and keep pace with what’s new in the market. But while they do this, they must also ensure profitability. Having worked with some of the leading telecom operators across India, I believe the industry needs revenue assurance systems or tools that save manual effort by performing automatic reconciliations across a gamut of technologies, services and products. Armed with these tools, revenue assurance experts can focus solely on analytics and close cases with timely corrective actions.

    AI/ML-based Revenue Assurance solution helps telecom operators get revenue assurance automated and data driven capabilities at low latency. Apart from automated reconciliations, the solution also delivers output across all revenue streams such as prepaid, postpaid, interconnect, data, VAS, roaming, etc., giving risk assurance managers a holistic and accurate picture of revenues.

    Most important capabilities of an AI/ML-based Revenue Assurance solution include:

    • Data gathering from all sources
    • Reconciliation/auditing
    • KPI dashboard
    • Leakage analysis
    • Operational workflow management
    • Problem correction
    • Business reporting

    This solution generates tremendous value for customers by bridging the gaps and addressing the challenges of traditional revenue assurance processes.

    Automated reconciliation truly gives telcos a sharper edge for cost reduction as well as revenue enhancement.

    GCC operator leverages Subex ROC Revenue Assurance to improve margins and profitability

    Download Case Study

  • Why ML-based fraud detection is the way forward for Telco Fraud Management?

    Why ML-based fraud detection is the way forward for Telco Fraud Management?

    The telecoms industry has always suffered from the malicious impacts of fraudsters. In this digital era, traditional telecom services are replaced with new services, giving rise to new fraud types. Therefore, technology to support fraud management operations has changed significantly, with an increased reliance on Artificial Intelligence and Machine Learning as a means for uncovering and identifying fraud. In one of its recent reports, Gartner estimated that by 2022, new implementations of ML within CSP fraud management would reduce fraud losses by 10%.

    Will AI/ML be the future for Fraud detection & prevention?

    To help us understand this further, it gives us immense pleasure to have interviewed Joseph Nderitu

    How has the telco fraud landscape changed in recent years?

    There has been significant evolution into new technologies, different access methods, and the proliferation of IP technologies. This means the fraudster may be seated inside the telco premises or half-way around the world and has the flexibility to “hit” the telco in any number of ways. For operators who are offering mobile money, they have suddenly found themselves running a bank on top of their IP network, something that was not in their corporate DNA, so to speak. To cap it all, as we move into the 5G and IoT landscape, the volume of data will be very high whilst the response time to fraud and leakages will be expected to be faster.

    Why do telcos need to continuously innovate and invest in newer technologies to address the risks?

    The pressure to address risks is higher than ever. Customer expectations are high, and with rising competition, failure to address risk means a reduction in market share. Shareholder value thus gets eroded if risks are not well managed. Regulators are also keeping a keen eye on service providers. This essentially means the challenges are increasing on the one hand, and the service providers’ responsiveness is expected to increase amidst reduced budgets for tools. Innovation is the only way out. We need better tools and methods, which help us to manage risks better.

    Do you think AI/ML is the way forward for telco fraud management? And why?

    Certainly – if you look at telcos, they are a goldmine of data, always have been. The trends and patterns are there, but we have not been doing a great job of detecting them because the human capacity to see trends is limited. AI/ML technologies remove that limitation – or, at the very least, reduce is significantly. Thus, we are at a sweet spot of sorts – a confluence of rich data, superior ways of looking at the data, and telco businesses that are hungry for insights that will help them manage risks better. As we place everything on IP technologies, it also means we are at a point where the greying of lines between revenue assurance, fraud management, and cybersecurity is happening much faster. The interplay between these areas is a good area for AI/ML.

    What are some of the critical fraud areas, which can be covered to a larger extent with AI/ML?

    There is a pattern to each fraud. The fact that we do not always do a good job of spotting it with our traditional systems (which are very much rule-based) does not mean the pattern is not there. With that in mind, it means one can apply supervised and unsupervised learning in a lot of areas. There are operators, in Africa, for example, deploying basic learning models on mobile money frauds and using them to identify commission frauds perpetrated in the distribution chain. The features used in such a model would combine the pattern of records obtained from both the GSM systems and the mobile money systems – something that was quite unwieldy to do using conventional FMS. Thus, there is no problem that is too small or too big to be addressed in this new mode of fraud management. 

    Likewise, with IoT, smarter devices do not mean less fraud, for example – it might just mean an expanded landscape where we (operators and customers) can be hit from any angle.

    Does the introduction of AI/ML mean reducing team size, more focus on other areas, and complementing the team with other teams?

    There will always be a need for warm bodies. Proper use of AI/ML means we can free human beings to do things that machines still cannot do, or at least cannot do so well. For example, resolving issues still calls for people to talk to each other, negotiate, agree, implement, and track progress. There will always be room for that, so in a sense, and we just need to let the machines do what machines do best and leave humans to do what only humans can do(for now).

    While there is a need, are telcos really investing in these technologies?

    As always, some will move faster than others. However, regardless of the speed of implementation (which is a function of budgets, organizational politics, and other organizational peculiarities), by and large, this is the direction the telcos are taking. Some are approaching vendors to update tools; others are doing their in-house experiments using freely available resources such as python. All in all, I doubt there is anybody who is sitting with their arms crossed, hoping that the advent of AI/ML is a fad that will pass. The technology is and will keep on evolving, whether we keep up or not.

    On-demand Webinar: AI Master Class for Fraud Management

    Watch Now!

  • 10 Points to consider before rolling out a Fraud Management RFP

    10 Points to consider before rolling out a Fraud Management RFP

    Telecom fraud is increasing at an alarming rate globally and is one of the most significant sources of revenue erosion for every telecom operator. With bottom lines under tremendous pressure, it is now time for CSPs to invest in advanced technologies to strengthen their fraud management systems. This would enable them to stay ahead of fraudsters and prevent frauds before they occur, and reduce the impact on revenues. In its report on “Market Trends: Maximizing the Value of Analytics, Artificial Intelligence and Automation in CSP Fraud Management,” Gartner estimated that by 2022, new implementations of ML within CSP fraud management would reduce fraud losses by 10%.

    If a Fraud Management team is planning to integrate AI/ML capabilities into their FMS and is considering rolling out an RFP, here are the 10 key points they need to consider while drafting an RFP for AI/ML-based fraud detection service provider.

    1. Assessment of Maturity Level 

    Approach to fraud detection using AI/ML technologies could significantly transform from the current controls that CSP might be currently doing. Hence, it would be good to conduct a maturity assessment to understand the maturity of their existing fraud management function and how bringing AI/ML capabilities can enhance this maturity level and lead to more automation.

    2. In-house or Outsource  

    This might be a critical decision that CSP’s might have to take early in the game to go with in-house data scientists or external platforms and vendors. It’s a fact that many of the AI/ML techniques are available in open source worlds, and internal teams can be used to bootstrap and try out various techniques. However, various aspects need to be taken into account before a decision could be made; some of the critical question would be

    • What is the right use case?
    • How will it scale to meet the increasing data load requirements?
    • What algorithms and hyperparameters to be used for solving the business problem?
    • What data sets to be used to build the model?
    • What should be the best practices in deploying the model in production?
    Source: https://www.forbes.com/sites/gilpress/2016/03/23/data-preparation-most-time-consuming-least-enjoyable-data-science-task-survey-says/?sh=5ac1369d6f63

    It is a known fact that acquiring clean data engineering itself might take considerable effort in model building. CSPs should explore data engineering and feature store platforms that can cohesively stitch different facets to enable the organization to bring out the required AI transformation.

    3. Auto adaptive learning for AI/ML Models  

    CSPs live in a world of changing data patterns. A data pattern that was learned last month might not be valid this month. Hence it is essential to keep in mind how these changing data patterns can be quickly fed to ML algorithms. Auto adaptive learning systems are a type of online or feedback learning system that can adjust to changing patterns and provide better predictions in the long term.  It is essential to have such a framework to re-engineer the data features or re-learn the data trends as and when the business scenarios change.

    4. Desired Architecture of AI/ML Model 

    While deciding upon the AI/ML model, it is recommended to choose a flexible architecture that is scalable horizontally and vertically to adapt to the changing business load scenarios.  Increasingly CSPs are adopting cloud architectures with Kubernetes backed nodes to do processing. Such architecture will ensure planet-scale reliability as well as on-demand elastic scalability if business use cases demand.

    5. Metrics for measuring success 

    CSPs must have clear metrics to measure the success of the AI/ML models combating fraud. Some of the key metrics that need to be measured are:

    • The accuracy of the AI/ML model
    • The efficiency of the AI/ML model
    • Coverage provided by the AI/ML model
    • Finding the unknown unknowns

    To achieve the above, fraud management teams need to ensure that the models are trained and tuned accordingly.

    6. Pilot use case 

    CSPs need to prioritize which fraud types they need to tackle first. First, it would be ideal to choose a use case that is highly prevalent in the existing business scenario rather than the one with a very low probability of occurrence. It is also important to note that while considering this use case, the model should have enough past historical data to learn from to generate accurate results. Considering such a use case would help assess the efficiency of the model compared to how a traditional FMS model would respond to a similar scenario.

    7. Open-source community integration 

    With a rise in the number of open source communities, various open-source algorithms are readily available along with their libraries, which can be adopted for the model that is being built. It is critical to then fine-tune the micro characteristics of these algorithms to meet the business requirements. Readily adapting the models can help CSPs reduce the time that needs to be invested in building the model and be upscaled easily.

    8. Support of different models 

    One of the key aspects to cover while drafting the RFP is to look at what kind of machine learning models can be supported. To start with, CSPs can consider a supervised machine learning model. Further down the line, they can move into exploring the unsupervised, semi-supervised, and deep learning models. Deep learning models can effectively deal with image processing business requirements, such as Contracts monitoring or P.O.S fraud detection.

    9. Latency and scalability 

    Considering a large amount of data CSPs have access to, it is recommended to have low latency and highly scalable models to deal with the large datasets much faster without consuming ever-growing amounts of resources like memory. Also, it is essential to be mindful that the impact of latency on the business scenario can be different for different use cases.

    10. Roadmap & Vision

    It is suggested that CSPs should have a roadmap and vision in place for achieving the next 3-5 use cases aligned with their business goals. This needs to be done with a specific time frame in mind. The automation procedures would also free up critical analyst resources that are currently stuck up in mundane tasks, which could increase the coverage of the fraud management function to newer digital products.

    The above factors are an indicative list, highlighting the key considerations while drafting an RFP. If CSPs wish to augment their fraud management strategy and are looking to roll out an RFP that aligns with the modern-day needs of a Proactive Fraud Management Solution that can optimize and accelerate the digitalization path, now is the time to act. This will enable CSPs to fight against fraud by providing adequate protection that is needed to tackle issues upfront in a preventative manner to avoid loss impacts.

    Planning to roll out an RFP any time soon? What are your thoughts about the above points?

    Let us know here

  • Aseguramiento de socios de telecomunicaciones a través de la Gestión de socios convergentes

    Aseguramiento de socios de telecomunicaciones a través de la Gestión de socios convergentes

    La industria de las telecomunicaciones ha experimentado una gran cantidad de cambios. Desde ofrecer servicios básicos de comunicación a las personas, ahora cuenta con una variedad de servicios digitales junto con un servicio básico de voz y SMS. El segmento B2C o minorista ha experimentado un aumento en las asociaciones de telecomunicaciones tanto del dominio de telecomunicaciones como de otros sectores a medida que el consumo de datos se multiplica. Hay agregadores de contenido, productores de contenido, socios de medios y entretenimiento, industria del fitness, finanzas, salud y muchos más. Las asociaciones B2B también están creciendo a medida que 5G ocupa un lugar central en las regiones desarrolladas. Los expertos estiman alrededor de 31 mil millones de dispositivos conectados a IoT para fines de 2020. Habrá más socios empresariales de otras verticales de la industria.

    A medida que aumenta el número de socios de un operador de telecomunicaciones, se vuelve más crucial mantener la transparencia en todo el ecosistema de socios. Hacer facturas y liquidaciones oportunas se convierte en una tarea difícil con tantos socios para administrar. Y garantizar un proceso sin errores se vuelve más desafiante dada la variedad de socios de las verticales de múltiples industrias.

    ¿Cuál es la necesidad de la hora?

    Para una sociedad sana, las transacciones deben gestionarse, clasificarse y liquidarse con precisión. Los retrasos en el proceso de liquidación son una de las mayores preocupaciones de las empresas de telecomunicaciones y sus socios. Las facturas incorrectas y la falta de coincidencia de la información pueden dar lugar a disputas, ingresos bloqueados y asociaciones ineficientes. Además, administrar manualmente las facturas de tantos socios para identificar discrepancias, plantear disputas y concluir las mismas puede ser muy pesado para el OPEX.

    Aseguramiento de socios para asociaciones exitosas

    Partner Assurance permite a los operadores de telecomunicaciones tener un ecosistema de socios transparente con facturación y liquidación eficientes. La función Partner Assurance de la solución Subex ROC Partner Management ofrece un proceso automatizado completo para ingerir facturas, conciliar, resaltar discrepancias y plantear disputas automáticamente. Tiene un proceso de ingestión de facturas basado en plantillas directamente desde correos electrónicos o ubicaciones FTP. Puede configurar los valores de umbral para las discrepancias de tasa y volumen, por lo que convierte automáticamente las discrepancias calificadas en disputas.

    Qué beneficios puede ofrecer

    • Conciliación de facturas sin intervención para identificar y gestionar las disputas de facturación.
    • Permitir la mitigación de fraudes al por mayor, como los cortos y el FAS inteligente, utilizando comunicaciones casi en tiempo real y recopilar pruebas para tener una relación transparente.
    • Garantice la transparencia y la confianza a través de informes, alertas y notificaciones.
    • Asociaciones exitosas a largo plazo

    Conozca las 3 formas de consolidar y optimizar su negocio mayorista

    Leer Blog

  • Top 3 Blockchain Use Cases That Telco’s can Adapt in Quick Time

    Top 3 Blockchain Use Cases That Telco’s can Adapt in Quick Time

    Blockchain as a technology comes with its own advantages and disadvantage. But using its advantages at right place and on right use case can be of huge benefit. Place where we need transparency, traceability, quick revenue recognitions, Operational efficiency and an environment with zero discrepancies. An environment where the result or actions are dependent on multiple transactions by multiple parties, where correlation of multiple transaction is important for E2E authenticity. And that is were Distributed Ledger Technology (DLT) often termed as Blockchain (as information/transactions are chained together), comes handy.

    And the Smart contracts running on top of this chained data which is nothing but business rules or we can call it check points.

    There are many ways blockchain can be used to make most out of above-mentioned benefits, few of them I am narrating below but the list is bigger and does not stop here. These use cases will only need private DLT instead of public DLT with controlled access, not a large-scale setup and simple.

     1.Blockchain based Dealer Management

    Telco’s are surrounded and dependent on dealer ecosystem. These dealers play the role of resellers for telco’s services and solutions. These indirect sales channels are more in volume as compared to direct sales channels and this is true in most of the telco’s. Dealer ecosystem value chain starts with onboarding, contracting, inventory tracking, sales and related settlements & payments.

    Key areas in this value chain where blockchain based ecosystem can play a role can be:

    • To build a transparent & trusted dealer management ecosystem
    • Fraud alerts across the value chain
    • Discrepancy free settlements and payments

    Blockchain can help track & deliver:

    • Dealer Onboarding Checks
    • Dealer contract tracking
    • Dealer Inventory allocation & tracking
    • Dealer sales verification (Claimed to be sold, but is it activated & delivered or not?)

    Blockchain can establish an ecosystem between a telco and its dealers for a transparent business and trusted financial transactions.

    2. Blockchain based Margin Management

    Overall Margin is very simple to identify i.e. Cash Out vs Cash In or we can say Cost vs Price. If it sounds so simple, then why getting perfect margins analysis is so difficult and many organizations are still struggling to figure out the exact margin on different solutions, products and services?

    Reason is also simple, it’s difficult to find and track each component that contributes to cost and then compare it with final price. There can be direct cost, indirect cost, hidden cost and we can have random cost in-between which is difficult to track.

    DLT can be used for calculation of accurate margin, but more important use of DLT in this case is to track and ensure good margin and raise red flags if margins are going down. Near real-time tracking on margin impacting factors and alerts on margin thresholds is the most important benefit we can get out of DLT based margin management solution. I am not talking about high transactions like XDR’s for margin calculation, rather we can use summary XDR’s and only final transaction in case of enterprise services. We must offload heavy transactions outside the blockchain and only register the results and key information into the blockchain.

    The key is, near real time capturing of immutable cost transaction, link them to overall service and compare it with pricing.

    3. Blockchain based Data Governance

    Data integrity across different systems and teams is utmost important when there is a data movement across organization and many key decisions are taken based on that. Any Data discrepancy in such scenario can have:

    • Direct impact on customer experience,
    • Impact on business decisions,
    • Operational inefficiency in identifying and solving the issue.

    Take an example of a typical value chain where: A Product/Offering is designed, then installed/implemented, then customer orders it, then the order is delivered, then the order is billed. Different teams and systems get involved in this value chain. If we want to ensure E2E Data integrity a governance should be setup to ensure:

    • As Designed vs As Installed
    • As Ordered vs As Implemented
    • As Ordered vs As Billed

    Feeding key data into blockchain consortium made across these systems, setting up smart contracts to implement key check points and take timely actions to solve problems in near real time.

    As stated earlier, the use cases does not stop here. Please provide your comments on more possible use cases and lets explore together.

    DLT is a technology and just DLT at core of these use cases is not enough, we need these use case solutions to be wrapped up with additional aspects which completes solution. As described below but not limited to:

    1. Onboarding
    2. Dynamic Economic models between partners and Telco’s
    3. Running analytics on the available data to achieve predictive and perspective outcomes
    4. Reports and interactive business dashboards for visualization
    5. Configurable platform to build new business use cases

    In short, what we need is Blockchain as a Service (BaaS)

    The Digital Trust portfolio at Subex can help in both existing uses cases developed at Subex Blockchain Labs and development of new use cases using blockchain expertise and these use cases comes along with required additional aspects delivered via Partner Ecosystem Management.

  • Tenga cuidado con el Handset Fraud (fraude de teléfonos): una amenaza creciente

    Tenga cuidado con el Handset Fraud (fraude de teléfonos): una amenaza creciente

    Las empresas de telecomunicaciones están innovando y evolucionando continuamente sus modelos comerciales para contrarrestar la disminución de los ingresos de los servicios tradicionales. Uno de esos modelos de negocio en el que vemos un aumento constante de los ingresos en los últimos años es la venta de teléfonos. Las ventas de dispositivos (móviles) en la industria de las telecomunicaciones se refieren a la venta de teléfonos móviles, dispositivos de línea fija, enrutadores, etc. Con la llegada de los dispositivos inteligentes, la gama de dispositivos se extiende a relojes inteligentes, auriculares y cascos, y ha llevado a el uso del término más amplio, Ventas de dispositivos, para cubrir la creciente gama y diversidad de productos. Un operador de primer nivel en el mercado desarrollado informó recientemente que el 22% de sus ingresos proviene de la venta de dispositivos en su informe financiero reciente. Si bien las ventas de dispositivos contribuyen a los ingresos de las empresas de telecomunicaciones, los estafadores han identificado rápidamente una oportunidad para adquirir dispositivos de alto valor con tarifas iniciales casi nulas y sin intención de pagar en el futuro. Esto da como resultado una pérdida significativa por fraude para los operadores de telecomunicaciones y, a diferencia del fraude de uso tradicional, la pérdida en estos casos se puede calcular directamente.

    Veamos algunos de los métodos de fraude utilizados por los estafadores para cometer fraudes de dispositivos / teléfonos, especialmente para pedidos digitales o basados ​​en la web.

    • Fraude de suscripción por robo de identidad: en este método, los estafadores utilizan la identidad real de una persona sin su conocimiento para comprar bienes o servicios sin intención de pagar. Los estafadores utilizan varios métodos para obtener información de identidad, como ingeniería social, phishing, smishing, navegación lateral, etc.
    • Fraude de suscripción mediante la falsificación de datos: en este método, los estafadores crean documentos de identidad falsos / falsos (identificación sintética) para comprar teléfonos / dispositivos sin ninguna intención de pagar.
    • Adquisición de cuenta: en este método, los estafadores utilizan los datos robados de un cliente genuino mediante la ingeniería social, el phishing u otras técnicas para apoderarse o manipular la cuenta del cliente para solicitar teléfonos / dispositivos y
    • Recíbelos en una dirección diferente y / o
    • Cambie el número de contacto para la entrega a su número y / o
    • Actualice los detalles para elegir la recogida en un centro de almacenamiento utilizando un número de token enviado al número de contacto actualizado.
    • Fraude de pago: en este método, los estafadores utilizan tarjetas de crédito o débito robadas o, en algunos casos, tarjetas falsificadas para realizar pedidos o comprar teléfonos / dispositivos.
    • Fraude crediticio / proxy: este método implica principalmente la colusión entre un individuo genuino que usa su propia identidad para comprar bienes o servicios y el defraudador. El individuo compra los bienes o servicios al operador sin intención de pagar y pasa los bienes o servicios al defraudador. En algunos casos, existen acuerdos financieros entre el defraudador y el individuo, y en otros casos, el individuo cumple debido a amenazas o intimidación forzada.

    Junto con los métodos mencionados anteriormente, los estafadores también intentarán explotar cualquier laguna en los procesos comerciales existentes para facilitar el fraude, por ejemplo,  utilizar brechas en los procesos de investigación para evitar controles de verificación avanzados y / o manipular los procesos de entrega de mensajería para cambiar los detalles de la dirección o simplificar la interceptación del dispositivo.

    En los últimos años, hemos visto un fuerte aumento en el número de casos de fraude de dispositivos con fraudes organizados que juegan un papel importante en estos delitos. Por ejemplo, en junio de 2019, los miembros de una pandilla de fraude con sede en EE. UU. fueron acusados ​​de su participación en un fraude de $ 19 millones relacionado con teléfonos y dispositivos robados. Otro caso del Reino Unido vio a un grupo de 7 personas arrestadas por su papel en un fraude de teléfonos móviles de £ 2 millones, dirigido a la comunidad estudiantil. Estos ejemplos son parte de una tendencia más amplia con la encuesta de CFCA que estima que las empresas de telecomunicaciones están incurriendo en pérdidas por fraude de $ 3,25 mil millones debido al robo y la reventa de dispositivos. Además de la pérdida por fraude, la apropiación de cuentas y el robo de identidad impactan en la experiencia del cliente de telecomunicaciones, lo que lleva a la pérdida de clientes, lo que afecta negativamente la imagen de marca de la compañía.

    En resumen, los ingresos por ventas de dispositivos / teléfonos están aumentando y son un factor esencial para los ingresos generales de los operadores. Debido a esto, es un imperativo comercial que las empresas de telecomunicaciones cuenten con procesos comerciales sólidos y sistemas inteligentes para prevenir el fraude de teléfonos sin afectar los procesos de incorporación o actualización de suscriptores genuinos.

    ¿Quiere saber cómo puede proteger sus ingresos por ventas de teléfonos con la puntuación de riesgo basada en ML en tiempo real?

    Programe una demostración

  • Las 3 dimensiones principales en la evolución de los riesgos en 5G

    Las 3 dimensiones principales en la evolución de los riesgos en 5G

    A medida que el mundo se prepara para ver que la promesa de 5G se hace realidad a escala, también tiene sentido que los profesionales de la gestión de riesgos piensen “out of the box” (fuera de la caja). No es una hipérbole llamar al 5G un punto de inflexión en la historia de las telecomunicaciones. Con capacidades técnicas sin precedentes, 5G también permite la realización de modelos comerciales muy innovadores.

    Pero junto con estas capacidades sin precedentes, conlleva un riesgo significativo. En un mundo hiperconectado impulsado por identidades digitales, algunas de estas nuevas ofertas introducen vulnerabilidades significativas que pueden traducirse en pérdidas directas o pérdidas de oportunidades. En Subex, algunas de las dimensiones clave que estamos rastreando para construir la matriz de riesgo para 5G son:

    Socios digitales

    Una gran cantidad de nuevas ofertas en el universo 5G están impulsadas por múltiples socios (por ejemplo, deportes virtuales, videojuegos, paquetes de realidad aumentada, estudios virtuales, etc.). Si bien estas ofertas pueden cambiar las reglas del juego en la combinación de ingresos de un operador, los puntos de integración de los entornos heredados a los digitales y de múltiples pilas han mostrado tradicionalmente un gran potencial de fugas. Es importante señalar que en la industria de las telecomunicaciones, específicamente en Revenue Assurance, los problemas de integración del sistema siempre se han identificado como una razón crítica para las fugas.

    Ofertas empresariales

    No sería un error llamar a 5G la primera “generación centrada en la empresa”. Si dividimos la promesa de 5G en sus conceptos básicos (banda ancha móvil mejorada, comunicaciones de tipo de máquina masiva y comunicaciones ultra confiables y de baja latencia), será más fácil imaginar los posibles casos de uso empresarial de 5G. Sin embargo, la empresa siempre ha sido un área de telecomunicaciones, que tiene importantes desafíos relacionados con la garantía. Problemas como el inventario dinámico, las modificaciones manuales del contrato, el servicio de verificación de facturación, el margen de cuenta y el análisis de rentabilidad, etc., solo se agravarán en el mundo 5G.

    Gestión y aprovisionamiento de pedidos digitales

    Si bien esto puede parecer un área relativamente fácil, es importante recordar que los nuevos modelos comerciales se basarían en el acceso y no en el uso. Las empresas impulsadas por Internet ya siguen este modelo (p. Ej., Netflix), y es lógico suponer que con un gran paquete de productos, los operadores podrían pasar a modelos similares basados ​​en niveles de paquetes de múltiples servicios. Por ejemplo, podría estar pagando $ 30 / mes por el paquete de comunicaciones básico (VoLTE, aplicaciones OTT) o $ 50 / mes por el paquete de medios (Video Conferencing + Basic) y así sucesivamente. En tales modelos, podríamos estar aprovisionando API de socios, activando perfiles basados ​​en la incorporación digital, verificando identidades digitales, etc. Además, las capacidades de “autoservicio” proyectadas para los suscriptores de todas las empresas de telecomunicaciones crearán la necesidad de controles de garantía de tiempo, que mitigarían las fallas sistémicas.

    Por supuesto, la matriz de riesgo real se extiende mucho más allá de las tres áreas de control enumeradas anteriormente con nuevas complejidades que surgen en términos de administración de datos, acceso a tablas de configuración dinámica, movimiento de CDR al análisis de señales, plataformas de caja negra y volumen y velocidad de datos. En Subex, estamos renovando tanto nuestro dominio como nuestras capacidades técnicas para estar listos para “Más allá de 5G”. Con un marco de riesgo completamente nuevo que aprovecha nuestro enfoque de “Inteligencia de riesgo activo” complementado con una plataforma de próxima generación (NGP) preparada para Big Data y habilitada para inteligencia de máquinas, Subex sería su socio ideal tanto para la garantía empresarial como para la protección efectiva para el futuro.

    ¿Quiere analizar cómo puede impulsar un negocio rentable en la era 5G?

    Solicite una demostración ahora