Blog

Creación de un caso de Advance Analytics en el proceso de Planificación de la capacidad
Ha habido un crecimiento significativo de datos en el mundo de las telecomunicaciones durante la era moderna de las tecnologías móviles, es decir, 4G y 5G. Si bien el crecimiento de los datos a menudo se ha comercializado como una enorme ventana de oportunidad, en realidad, los volúmenes de datos en constante expansión son abrumadores para los sistemas existentes, lo que indirectamente genera problemas relacionados con la eficiencia operativa y el rendimiento de la red. Para utilizar el vasto volumen de datos estructurados y no estructurados, las organizaciones deben tener las soluciones adecuadas impulsadas por la innovación para maximizar su potencial de ingresos.

Como parte del equipo de gestión de la capacidad de la red, me gustaría profundizar en lo anterior desde la perspectiva de la planificación de la capacidad. En la planificación de la capacidad de la red, es esencial identificar las posibles deficiencias o, en otras palabras, los factores que pueden afectar la eficiencia y el rendimiento de la red. Algunos de estos factores incluyen la necesidad de expansión de capacidad debido a la falta de disponibilidad de recursos de red adecuados para manejar la demanda de tráfico, o un requisito de optimización en el plan de inversión de la red para una mejor utilización de los recursos existentes. Tradicionalmente, la mayoría de estas decisiones se toman manualmente, lo que todos estamos de acuerdo, no es práctico, eficiente o incluso a prueba de errores. Un sistema de gestión de capacidad basado en IA es la necesidad actual para aprovechar todo el potencial de los recursos y los datos de la red.

Cómo la IA (Inteligencia Artificial) puede mejorar la Gestión de capacidad

La inteligencia artificial y la analítica avanzada son términos que se utilizan mucho en todas las industrias, especialmente en los equipos de marketing. Sin embargo, más allá de la “palabra de moda”, estas tecnologías tienen un papel esencial que desempeñar para permitir mejoras de los procesos tradicionales actuales. Las soluciones de gestión de capacidad impulsadas por Advanced Analytics o Análisis Avanzados pueden ayudar a los usuarios a descifrar información relevante para obtener información útil mediante la aplicación de análisis de datos, análisis predictivo, predicciones y modelos de optimización. Estos conocimientos, respaldados por datos y ajustados a través del aprendizaje automático, pueden ayudar a las organizaciones a tomar las mejores decisiones posibles al anticipar e implementar los cambios de red necesarios antes de la curva de demanda.

Un componente importante para proporcionar recomendaciones confiables de planificación de inversiones en red (NIP en adelante) hacia la mejora / optimización de la capacidad es a través de la previsión precisa de los KPI de capacidad. La previsión es la base sobre la que se basan las recomendaciones de NIP.

Se puede utilizar un conjunto de modelos de pronóstico para predecir el rendimiento de la red. Estos modelos pueden clasificarse ampliamente como métodos cualitativos y métodos cuantitativos. Los métodos cualitativos se utilizan cuando los datos históricos no están disponibles o cuando los datos son ruidosos. Los métodos cuantitativos, por otro lado, hacen pronósticos basados en modelos matemáticos en lugar de juicios subjetivos. La elección del modelo de pronóstico adecuado depende de muchos factores, como el contexto del pronóstico, la relevancia, la disponibilidad de datos históricos y el nivel deseado de precisión.

¿Cuál es el modelo de pronóstico adecuado para adoptar en su negocio?

Los diferentes métodos de pronóstico tienen distintas ventajas y desventajas. Por lo tanto, seleccionar el método de pronóstico correcto es de vital importancia para todos los tomadores de decisiones.

Mi equipo de ciencia de datos en Subex y yo hemos creado un modelo de aprendizaje automático patentado para el forecast llamado CapMan4C. Durante esta experiencia, también colaboramos con un equipo de expertos en el dominio para tener claridad sobre el problema que las empresas están tratando de resolver y para comprender los datos específicos del dominio de la red.

Traigo esta experiencia para resaltar que los pensamientos involucrados detrás de la construcción de un marco propietario para la previsión se basan en dos criterios:
- ¿Qué nos dice nuestra experiencia en el ámbito de las telecomunicaciones?
- ¿Qué dicen nuestros clientes?
Con base en estos conocimientos, es evidente que se observa que los modelos tradicionales de series de tiempo de pronóstico no funcionan bien en los datos de la red. Utilizando mi experiencia previa en ciencia de datos en la industria de la salud, apliqué diferentes modelos de aprendizaje automático como árbol de decisiones, bosque aleatorio, etc., para pronosticar datos de redes de telecomunicaciones. Observé que conectar estos modelos existentes no proporciona el nivel deseado de precisión. El enfoque de aprovechar un modelo impulsado por dominios elimina los problemas mencionados anteriormente. Su marco está diseñado para que la selección de un modelo base para el pronóstico no dependa únicamente de los modelos tradicionales de series de tiempo.

Para mejorar aún más la precisión del modelo, este tipo de marco también debe incluir tres componentes clave:

1. Factor de actualidad: el supuesto general al trabajar con datos de series de tiempo es que todos los puntos de datos históricos tienen el mismo peso. Sin embargo, cuando se tiene en cuenta el evento “actualidad”, esta noción no siempre es válida. En teoría, un evento que ha tenido lugar más recientemente es más indicativo de la situación actual que un pasado lejano.

2. Ingeniería de características: la ingeniería de características es un proceso creativo en el que experimentamos y extraemos características que pueden ser útiles para mejorar el modelo. Varias características, si se extraen a nivel granular de los datos (incluidos los datos de fuentes externas), pueden ayudar a identificar tendencias ocultas y estacionalidad en los datos y hacer pronósticos más profundos a partir del modelo de aprendizaje automático.

3. Ajuste automático de hiperparámetros: los hiperparámetros son parámetros de modelos de machine learning (ML) especificados “manualmente” en función de la experiencia y la experiencia del dominio. Estos parámetros se pueden utilizar para controlar el proceso de aprendizaje, lo que puede tener un impacto significativo en el rendimiento del modelo entrenado. Cuanto más flexible y potente sea un algoritmo, más decisiones de diseño e hiperparámetros ajustables tendrá. Tradicionalmente, la búsqueda en cuadrícula o la búsqueda aleatoria se utiliza para realizar la optimización de hiperparámetros. Grid Search funciona buscando exhaustivamente a través de un subconjunto específico de hiperparámetros. Esto puede llevar mucho tiempo y resultar computacionalmente costoso. La búsqueda aleatoria es un poco mejor, pero es similar a la búsqueda en cuadrícula porque no presta atención a evaluaciones anteriores. Como resultado, los equipos de red suelen dedicar una cantidad significativa de tiempo a evaluar hiperparámetros “malos”.

En resumen, operar una red es una tarea complicada y, independientemente de cuánta planificación se lleve a cabo, se producen problemas. Identificar el tipo correcto de enfoque impulsado por IA para la gestión de la capacidad proporciona a los planificadores de red la capacidad de analizar “escenarios hipotéticos” basados en pronósticos de modelos ML. Les ayuda a tomar decisiones calculadas sobre la planificación de inversiones en redes basadas en recomendaciones basadas en inteligencia artificial (IA). Esto les ayudará a mitigar los riesgos de forma proactiva y maximizar su potencial de ingresos.

Una manera inteligente de gestionar contratos de red

Descarga este punto de vista
March 1, 2021
Infraestructura de red: adoptando la disrupción a través de la innovación

Hay pocas coyunturas críticas en las que la industria cambia su curso, se transforma y se prepara para el crecimiento futuro. Tales coyunturas a menudo coinciden con interrupciones tecnológicas, seguidas de un largo período de adopción orgánica. En esta publicación, veremos las interrupciones clave que están metamorfoseando constantemente la industria de las telecomunicaciones en la modernización de su infraestructura de red.

El abismo de la virtualización

Hace casi una década, las iniciativas de la industria generaron las tecnologías prometedoras de Redes definidas por software (SDN) y Virtualización de funciones de red (NFV). Estas tecnologías permiten la gestión de redes impulsada por software desde las redes centrales hasta la agregación para acceder a las redes. Las cargas de trabajo de red ya no residen en hardware propietario proporcionado por OEM. En cambio, se empaquetan en funciones de red virtual (VNF) y se alojan en entornos virtuales. Con el tiempo, el concepto de virtualización ha ido tomando diferentes formas y se ha ido adaptando lentamente a las necesidades del mercado. Como en cualquier ciclo de adopción de tecnología, la adopción de SDN / NFV ha encontrado un “abismo” para lograr un alcance más amplio. El abismo, en este caso, se debe a desafíos de transformación, casos de éxito no comprobados, desafíos de procesos y sistemas internos, negocios

Sin embargo, el abismo no ha impedido que la mayoría de las empresas de telecomunicaciones adopten los principios de virtualización para satisfacer sus necesidades actuales. Uno de los desarrollos clave que ocurrieron durante la última década es la virtualización de cargas de trabajo de red “de bajo costo” como firewalls, sistemas OSS / BSS, DNS, DHCP, IMS, etc. Las empresas de telecomunicaciones comenzaron a adoptar “nubes privadas”, es decir, virtualización. infraestructura y comenzó a alojar cargas de trabajo de red (VNF) en máquinas virtuales. Esto le ha dado a las empresas de telecomunicaciones una enorme capacidad para optimizar costos, controlar las políticas de seguridad y escalar hacia arriba o hacia abajo la infraestructura según sea necesario.

Si bien algunos operadores han comenzado a trabajar en plataformas ágiles, controladas por software y de orquestación de servicios, la adopción más amplia aún tiene mucho camino por recorrer. Persisten los desafíos de manejar tanto las funciones de red física (PNF) como las funciones de red virtual (VNF) en la misma plataforma, con la complejidad adicional de interactuar con redes heredadas. Aquí es donde una asociación de colaboración con proveedores como Subex podría aportar la experiencia que enriquece dichos programas de transformación.

La siguiente Nube

Pasemos de las cargas de trabajo de red a la infraestructura de aplicaciones fuera de la red. La noticia reciente del acuerdo de nube de $ 2 mil millones de Microsoft con AT&T ha creado un gran revuelo en el mundo de las telecomunicaciones. El cambio de AT&T para migrar todas las cargas de trabajo de OSS / BSS que no pertenecen a la red a las nubes públicas dará lugar a beneficios de la nube a hiperescala, como un menor costo total de propiedad, mayor agilidad, tiempo de comercialización más rápido y escalabilidad. Esperamos que algunas empresas de telecomunicaciones importantes también sigan su ejemplo en el corto plazo. Pero aquí está la estadística interesante del estudio de TMForum: solo un segmento menor de jugadores ya está en la nube pública o está listo para migrar OSS / BSS a la nube pública. Como era de esperar, un gran porcentaje de operadores son cautelosos o han decidido no pasar a la nube pública.

¿Los proveedores comenzarán a admitir arquitecturas nativas de la nube de inmediato? La respuesta es sí y no. Hay un pequeño grupo de proveedores como Subex que ya están en este camino y podrán apoyar a los operadores en su búsqueda hacia una estrategia de nube primero. Al mismo tiempo, hay un número más significativo de proveedores que confían en la estrategia de “levantar y cambiar” a corto o mediano plazo y esperan hacer sus ofertas verdaderamente nativas de la nube a largo plazo. Este es un desarrollo interesante a tener en cuenta.

Open RAN

Hace unos años, los grandes fabricantes de equipos originales introdujeron en el mercado productos RAN únicos o vRAN patentados, que no lograron captar el verdadero espíritu de interfaz abierta que las empresas de telecomunicaciones estaban buscando. Esto motivó a algunas nuevas empresas a trabajar en colaboración en una idea novedosa: ejecutar sus productos en servidores básicos, habilitar el control del software a través de protocolos de interfaz abiertos y realizar actualizaciones futuras sin problemas con solo introducir parches de software. El resultado de este ejercicio es el modelo de red desagregado Open RAN del foro Telecom Infra Project (TIP). El objetivo principal es optimizar el enorme Capex / Opex que se destina a la construcción de redes RAN en entornos brownfield. Pasar del acceso a la virtualización de redes centrales y de agregación, orquestación de servicios, contenedorización de cargas de trabajo y aprovisionamiento sin intervención se está convirtiendo lentamente en una realidad y es una de las áreas clave de interés para los equipos de tecnología en Telcos.

Tiempos emocionantes

Durante la última década, la infraestructura de red se ha visto realmente interrumpida. La tendencia se ha acelerado en los últimos años con la adopción de SDN WAN, infraestructura NFVi, nube pública, Open RAN, etc. Los administradores de red necesitarán tomar decisiones de transformación de tecnología basadas en factores clave como agilidad de red, arquitectura escalable, tiempo más rápido para mercado, experiencia superior del cliente, operaciones adaptativas, reducción de Capex / Opex y simplemente estar preparado para el futuro. El ecosistema de la industria ya está presenciando los brotes verdes de la virtualización y la transición a la nube. Es un momento emocionante para ser parte de este desarrollo.

Explore más sobre la solución de infraestructura de red de Subex.

¡Haga clic aquí!

March 1, 2021
Cinco razones clave por las que las Telco deben centrarse en el Aseguramiento de margen

La disrupción digital, la innovación tecnológica y el mercado de las telecomunicaciones en constante evolución influyen en la capacidad de un CSP para mantener la rentabilidad a largo plazo.

El Margin Assurance o Aseguramiento de margen es un campo que se basa en muchas corrientes para equilibrar los costos y los gastos. Incluye manejar una combinación compleja de ofertas de servicios, definir una vista holística para la asignación de costos, permitir visibilidad en tiempo real, automatización de márgenes, etc.

¿Qué hace que el Aseguramiento de márgenes sea una solicitud clave para los CSP en la actualidad? Aquí hay cinco razones:

1. Costos contributivos no identificados en un ecosistema de socios múltiples

Con el aumento del cobro de deudas, la depreciación y otros costos de la actividad, se hace cada vez más difícil optimizar los márgenes brutos regulados. La proporción de diferentes gastos directos e indirectos aumenta a medida que aumenta el número de sistemas asociados. Los modelos de asignación de costos inadecuados, además de la agrupación de costos de red y comerciales, aumentan la complejidad del cálculo de costos.

2. Visión deficiente de la capacidad, la utilización y la rentabilidad en todos los elementos de la red

Si bien los operadores dedican un gasto significativo a la planificación y optimización de la capacidad, también deben estar atentos a la rentabilidad. Las ganancias también deben crecer a lo largo de la cadena de valor de la red. Esto se hace analizando el comportamiento de aprovisionamiento multicanal para determinar la mejor manera de mejorar los márgenes y optimizar la utilización.

3. Ausencia de visibilidad a nivel granular de los parámetros de costos e ingresos

Los avances tecnológicos están fomentando la innovación de productos para las necesidades de comunicación de próxima generación. Los CSP deben identificar los diferentes costos de productos y asignarlos a los ingresos para comprender completamente el costo total de cada producto, cliente y segmento comercial. Con conocimientos limitados sobre los segmentos de costos e ingresos, los CSP luchan con los parámetros de asignación de costos. Los empleados de telecomunicaciones necesitan las habilidades adecuadas en contabilidad de costos y conocimiento de telecomunicaciones para mapear el costo de productos individuales o segmentos agrupados de tráfico de voz y datos. Las discrepancias en las ganancias aumentan con la incapacidad de determinar el precio exacto de un producto o tecnología en particular.

4. Falta de información en tiempo real sobre la rentabilidad, los precios y el rendimiento de los productos de la nueva era.

Con el aumento de los datos, los CSP deben cerrar la brecha en la conciliación de datos entre diversas fuentes, como redes, socios y productos. La escasez de conocimientos sobre el rendimiento en tiempo real de los productos puede afectar negativamente a las pérdidas y ganancias de la organización. Una sólida gestión de datos aumenta la eficiencia en la identificación y seguimiento de la rentabilidad de los servicios, dispositivos y otras entidades, lo que consolida la necesidad de garantía de márgenes.

5. Los productos y tecnologías agrupados dan como resultado modelos de asignación de costos complejos

Los operadores están tratando de fusionar / agrupar múltiples servicios y tecnologías, lo que resulta en la creación de modelos complejos de asignación de costos. Esto conduce a una mayor complejidad del producto y diferenciación de los ingresos debido a la combinación de múltiples productos y tecnologías. Es importante tener muy en cuenta la línea de productos y crear modelos de asignación de costos en línea con el soporte de prácticas líderes en la industria para llegar a asignaciones de costos casi reales para el cálculo de la rentabilidad.

La garantía de margen incluye las métricas para manejar la combinación compleja de resultados finales de ofertas de servicios que definen la visión holística para la asignación de costos, la garantía en tiempo real, la automatización de márgenes, etc. Esto ayuda a lograr los beneficios en términos de ‘cálculo de ganancias’, ‘flexible asignación de costos ‘y’ modelado de costos sin esfuerzo ‘, que llevan al operador a ampliar su alcance de trabajo con un aumento masivo en el número de elementos de línea de costos.

Identificar el enfoque correcto para un eficaz Aseguramiento Contable de Ingresos

Descarga el punto de vista

February 17, 2021
How does Augmented Analytics aids in promoting new roles?
From our personal data to the unfathomable depths of data sources, we are surrounded by a humongous amount of data. Every organization, starting from small to big organization, make use of the data which helps in achieving business outcomes. Some organizations use forecasting techniques based on traditional mathematical and statistical models, while others use predictive analytics that uses AI/ML techniques and other advanced analytics to predict/forecast the future. One such example is the prediction and prevention of driver churn in the company. So there is a need for a specialized predictive analytical solution to help companies run their business better. But these solutions require expert data scientists, who are expensive to hire and are scarce in supply. Thus, this has led to the emergence of citizen data scientists.

The emergence of Citizen Data Scientists

The emergence of citizen data scientists is happening for two reasons. First, they are proving to be a strong-complement-and cost-effective to expert data scientists, who are typically scarce in supply and expensive to hire. Second, data science is getting simple with Augmented Analytics. According to Gartner, “the use of new analytics and business intelligence tools are extending further into the enterprise.” Nowadays, many organizations have started using Augmented Analytics. It democratizes insights from analytics, including AI, to all business roles. It makes data science and ML/AI model building accessible to new citizen data science roles (business analysts, developers, and others). It will make existing expert data scientists more productive, freeing them for high-value tasks.

By 2020, the number of citizen data scientists will grow five times faster than the number of expert data scientists. Gartner predicts that, by 2020, more than 40% of data science tasks will be automated, resulting in increased productivity. Gartner also predicts that by 2024, a scarcity of data scientists will no longer hinder the adoption of data science and machine learning in an organization.

Who are Citizen Data Scientists??

Gartner defines the citizen data scientists as a person with emerging capabilities, who creates or generates models that use advanced diagnostic analytics or predictive and prescriptive capabilities, but whose primary job function is outside the field of statistics and analytics. They are “power users” who can perform both simple and moderately sophisticated analytical tasks that would previously have required more expertise. Citizen data scientists provide a complementary role to expert data scientists.

Typically, citizen data scientists do not have coding skills but need to develop strong domain expertise to understand the data. They can also build models using drag-and-drop tools, run pre-built data pipelines and models. They do not replace expert data scientists, as they do not have specific advanced data science expertise to do so. But they certainly bring their own business expertise and unique skills.

The citizen data scientist is a role that has evolved as an “extension” from the other roles within the organization. Their role will vary based on their skills, domain, and interest in data science and machine learning. Roles that filter into the citizen scientist category include:
- Business Analysts
- BI Analysts/Developers
- Data Analysts
- Data Engineers
- Application Engineers
- Business line manager
Developer data scientists, a type of citizen data scientist, is a significant development driven by augmented analytics. These are application developers armed with augmented data science tools, who can build ML and AI models to embed in their application. This will relieve the intense demand for expert data science skills and offer opportunities to upskill existing application developers.

Empowering the Citizen Data Scientist

As there are not enough qualified data scientists to meet the demand for data science and machine learning skills, citizen data scientists emerged to provide their unique capabilities to extract predictive and prescriptive insights from the data. This growth enabled by augmented analytics, will complement, and extend existing enterprise applications. It is also available to a broad range of users such as business analysts, decision-makers, etc. across the organization. This will drive new sources of business value. Citizen Data Scientists must collaborate with a specialist data scientist to gain necessary skillsets. Also, the organization must implement an upskilling program for developing citizen data scientists from existing roles. In addition to that, it is also important to ensure a data-driven culture across the company to increase their acceptance and bring about change amongst employees.

Citizen Data Scientist will change the workflows

As mentioned before, citizen data scientists are empowered to do their own data analysis, build models using drag-and-drop, and without any prior coding experience. This will allow them to make decisions based on what they find. Citizen data science eases the burden on existing expert data scientists and analysts, making them more productive and collaborative and freeing them for high-value tasks such as model building, validation, testing, delivery, and operationalization. Business roles can get quick returns on their data-based questions which increases efficiency.

The rise of citizen data scientists is enabled by augmented analytics. It is designed for business users instead of a technical audience. Advancements, like natural language processing (NLP), is one of the most important factors for a non-technical user. Instead of writing SQL queries to extract the data, NLP uses a natural language query (NLQ) to ask a query in plain text and generates the results in a natural language.

Embracing augmented analytics in an organization as a part of digital transformation strategy helps in building trust and delivering advanced insights to a broad range of users including citizen data scientists and, ultimately, operational workers without expanding the use of data scientists. And by incorporating the necessary tools & solutions and extending resources & efforts, enterprises can empower citizen data scientists!

Are you leveraging Citizen Data Scientists within your organization? If yes, who are they according to you, what are their titles, and what do they do? I’d like to hear your stories in the comment section.

Learn how augmented analytics can help transform your approach to enterprise AI

Schedule a demo
February 10, 2021
El Business Assurance es un marco que agrega disciplinas de aseguramiento y riesgo nuevas y tradicionales
Las empresas de telecomunicaciones han utilizado tradicionalmente Revenue Assurance para encontrar fugas y realizar un seguimiento de los flujos de ingresos. Sin embargo, el espacio de aseguramiento de las telecomunicaciones que cambia rápidamente requiere más. Con la digitalización aumentando en gran medida los riesgos generales para las empresas de telecomunicaciones y, la urgente necesidad de tener éxito en el mundo actual de servicios multidisciplinarios y multiservicio, existe una necesidad imperiosa de que el aseguramiento de telecomunicaciones vaya más allá del aseguramiento de ingresos únicamente (cuyo enfoque principal es el énfasis en EBITDA) a Business Assurance.

El aseguramiento empresarial integra disciplinas de aseguramiento y gestión de riesgos en un marco de aseguramiento proactivo general centrado en datos, con la intención de proteger y mejorar continuamente la integridad financiera, al tiempo que mejora el valor empresarial y la experiencia del cliente.

Adopción de Business Assurance: una necesidad urgente de empresas de telecomunicaciones

Se estima que el crecimiento de Business Assurance aumentará a $ 64,4 mil millones para 2025 en comparación con el crecimiento de Revenue Assurance que fue de $ 2,9 mil millones en 2019. En el ecosistema actual, con una economía digital compleja que consta de socios y jugadores OTT, las empresas de telecomunicaciones se han expandido al ámbito de proveedores de contenido que ofrecen transmisión de entretenimiento, consumo de temas de actualidad, compras y muchas más opciones.

En este contexto, incorporar Business Assurance puede jugar un papel vital por varias razones: un mayor crecimiento del mercado que conduce a un aumento de los factores de riesgo; la necesidad obligatoria de controles en tiempo real; riesgos clave que surgen de la falta de controles adecuados de procesos comerciales de los procesos comerciales; requisitos de control adicionales debido al mayor énfasis en la privacidad, la seguridad y el cumplimiento normativo; el alcance de la Aseguramiento de ingresos está restringido a los silos de pequeñas empresas; y los productos multiservicio cada vez más complejos que ofrecen las empresas de telecomunicaciones.

Todo lo anterior apunta a una necesidad urgente de un marco que funcione de manera proactiva en la cadena de valor. También ayuda a garantizar la agilidad en los proyectos de transformación digital y fomenta la responsabilidad. Para las empresas de telecomunicaciones que actualmente se encuentran en un viaje de transformación digital, Business Assurance garantiza sistemas de monitoreo de extremo a extremo y sirve como una segunda línea de seguridad activa para un entorno digital muy complicado.

Business Assurance puede transformar la facturación y la gestión de ingresos y el rendimiento del producto.

Business Assurance permite a las empresas de telecomunicaciones aportar una diferencia significativa a la facturación y la gestión de ingresos y el rendimiento del producto.

El papel de la facturación es cada vez más importante a medida que los proveedores de servicios de comunicación (CSP) intentan generar mayor valor y lealtad a través de asociaciones y relaciones con los clientes. La feroz competencia entre los CSP y el desafío de los proveedores de servicios digitales over-the-top (OTT) significa que la oportunidad de ofrecer paquetes de servicios múltiples con promociones y recompensas de productos cruzados, todo en una sola factura, es ahora un factor de éxito vital.

De manera similar, el rendimiento óptimo del producto es vital para que las empresas de telecomunicaciones compitan de manera efectiva. Mejorar el servicio al cliente requiere una mejor gestión de la eficiencia de las telecomunicaciones a través de una recopilación y un seguimiento eficientes de las métricas de la red. Además, los responsables de la toma de decisiones requieren una supervisión eficaz para ayudar a tomar decisiones de inversión en redes estratégicas con éxito. El tráfico creciente y la introducción de tecnologías de monitoreo avanzadas significan que existe una necesidad inmediata de procesar grandes cantidades de datos casi en tiempo real.

Business Assurance asegura múltiples beneficios

La adopción de una estrategia de aseguramiento de negocios produciría resultados comerciales tangibles para los proveedores de servicios de comunicaciones (CSP) a corto y largo plazo. Las empresas de telecomunicaciones pueden beneficiarse de:
- Brindar un servicio al cliente más amplio: expandiendo la cobertura de aseguramiento a todo el recorrido de la experiencia del consumidor. Este nuevo enfoque de “atención empresarial” tendrá un impacto positivo en la “atención al cliente” al garantizar una mayor coherencia en las interacciones de CSP con sus clientes.
- Alcanzar nuevos niveles de madurez digital: la introducción de Business Assurance coloca los activos físicos y lógicos bajo un mismo paraguas que es fundamental para el éxito en la era del Internet de las cosas (IoT) y los servicios digitales, donde la integración de un extremo a otro es fundamental.
- Aumento de la confianza: la implementación de Business Assurance genera fe al brindar resultados reales a los consumidores y socios. A su vez, ayuda a los CSP a gestionar los riesgos y amenazas de su empresa en un entorno ampliado al concentrarse en la integridad financiera.
- Generar impulso dentro de la comunidad interna: aumentar la moral del equipo y mejorar el éxito en diferentes áreas al establecer metas más altas.
- Lograr ganancias económicas reales y mensurables: finalmente, Business Assurance permite a los CSP cuantificar su éxito a través de las ganancias.
Business Assurance es el camino a seguir

Los CSP han estado a la vanguardia en la incorporación de tecnologías emergentes en sus hojas de ruta y están listos para ofrecer soluciones de garantía innovadoras a medida que las nuevas tecnologías lo permitan. Si bien es cierto que se necesitará tiempo para crear un sistema de Business Assurance rico y confiable, la incorporación de dicho sistema es definitivamente el camino a seguir.

Identificar el enfoque correcto para un eficaz Aseguramiento Contable de Ingresos

Descarga el punto de vista
January 27, 2021
2021: el año de la transformación acelerada de la red
“El secreto del cambio es concentrar toda tu energía, no en luchar contra lo viejo, sino en construir lo nuevo”.

– Sócrates

El 2020, fue un año que redefinió muchos aspectos de nuestras vidas y desafió a cada individuo, industria y nación a repensar, replantear estrategias, re-innovar y revivir el impacto brutal de una de las pandemias más espantosas en la historia de la humanidad. Por un lado, la pandemia provocó pérdidas en diversas formas. Por otro lado, nos llevó a cambiar el enfoque hacia la construcción de algo nuevo, que nos equiparía mejor en tiempos desafiantes.

Mientras miramos hacia el 2021, es esencial tener en cuenta que, si bien COVID-19 aceleró las iniciativas de transformación digital, la pandemia también reiteró que la verdadera transformación digital en la industria de las comunicaciones móviles solo podría suceder a través de una ejecución integral de la estrategia de transformación de la red.

A medida que avancemos, las redes de todo el mundo serán testigos de una aceleración en la transición de implementaciones LTE a LTE-advanced / pro, 5G-NSA (no autónomo) a 5G-SA (autónomo). La etapa puede variar de un CSP a otro, pero una cosa es evidente: la adopción de 5G está ganando impulso y está dando forma a las perspectivas del sector de las telecomunicaciones como nunca.

En muchos sentidos, el 2021 verá algunos hitos importantes de 5G que redefinirán la búsqueda de un CSP para alterar la economía digital. No importa dónde se encuentre o estará en su viaje de transformación de red; Las siguientes tendencias críticas impulsarán innovaciones para ayudar a los CSP a darse cuenta del verdadero valor digital derivado de la red. Redefinirá el viaje de un CSP para las décadas, no solo los años venideros.

Tendencias clave hacia la transformación de la red de LTE a 5G SA

1. Adopción de la nube: una inversión centrada en la nube en dominios de negocios y tecnología donde las plataformas en la nube pueden permitir mayores ingresos y mejores márgenes será un paso obligatorio hacia el viaje 5G. Una empresa de telecomunicaciones puede adoptar una nube pública o una nube privada o una nube híbrida para transitar desde su infraestructura local existente. Las empresas que adopten bien la nube traerán nuevas capacidades al mercado más rápidamente, innovarán más fácilmente, reducirán los riesgos de manera efectiva y escalarán de manera más eficiente.

Uno no puede darse cuenta del verdadero potencial de 5G sin pasar a la nube. Algunos de los significados y relevancia de la nube en el 5G son:
- Computación de borde 5G: la tecnología 5G abre un nuevo segmento comercial para CSP, es decir, empresas. La informática de borde 5G será esencial para aprovechar estas oportunidades, ya que proporcionará recursos de infraestructura de nube distribuidos más cerca de una ubicación donde se requiera y ayudará a los CSP a aprovechar nuevas oportunidades comerciales al respaldar una variedad de casos de uso en un entorno de nube distribuida.
- Núcleo 5G: según los nuevos estándares 3GPP para el núcleo 5G, la mayoría de las funciones serán nativas de la nube y basadas en contenedores. Nativo de la nube, un enfoque moderno para la creación y ejecución de aplicaciones que aprovechan al máximo las ventajas del modelo de computación en la nube, requerirá una infraestructura de nube robusta para una implementación independiente 5G exitosa. El enfoque nativo de la nube del desarrollo de aplicaciones para admitir funciones 5G se establecerá en contenedores, microservicios y orquestación dinámica y aprovechará las características de escalabilidad y alta disponibilidad de la nube.
- Experiencia 5G: para ofrecer una experiencia 5G superior a consumidores y empresas, los CSP deben considerar el crecimiento exponencial de la red, los dispositivos y el volumen de datos, lo que resultará en enormes complejidades que pueden simplificarse y administrarse significativamente mediante la adopción de la nube. Esto ayudará a los CSP a implementar nuevos servicios rápidamente, innovar y escalar más rápido para satisfacer las demandas de los clientes en el menor tiempo posible.
A continuación, se muestra un recorrido de adopción de la nube recomendado:

“Para ser nativo de la nube, primero debe sumergirse completamente en la nube”

2. Evolución del Open RAN: “Open RAN”, que se considera una revolución en la industria de las comunicaciones móviles, desagrega hardware y software y crea interfaces abiertas entre ellos, creando nuevas vías para la innovación, lo que eventualmente resulta en eficiencias de Capex y Opex. Antes de entrar en “por qué” la RAN abierta es una tendencia crucial para la transformación de la red, analicemos las siguientes predicciones clave de algunas de las empresas establecidas:

GSMA:
- A nivel mundial, se prevé que los CSP gasten el 80% del Capex del sector ($ 890 mil millones) en redes 5G durante los próximos cinco años.
- El 57% de los CSP tienen la intención de introducir nuevos proveedores en su lista de proveedores de red.
Omdia:
- En 2021, las inversiones de 5G RAN superarán a las de LTE RAN, y predice que 5G representará más de la mitad de todas las inversiones de RAN durante el año.
Deloitte:
- Actualmente hay 35 implementaciones de RAN abiertas activas en todo el mundo.
- Muchos de estos involucran a operadores de redes móviles que prueban el RAN abierto en mercados nuevos, rurales y emergentes.
- Las implementaciones de Open RAN podrían duplicarse fácilmente en 2021.
RAN (Radio Access Network) siempre ha sido un dominio de inversión intensiva, que consume más del 70% de las inversiones totales de la red. Para garantizar la rentabilidad, ha llegado el momento de que los CSP busquen una opción alternativa e innovadora. Los CSP ven abierta como una forma de acelerar la introducción de servicios y potencialmente impulsar nuevas combinaciones de servicios. Open RAN podría, a su vez, desbloquear nuevas oportunidades comerciales al permitir nuevas formas de construir redes.

Según la encuesta de operadores Open RAN 2020 de Heavy Reading, el 20% de los operadores con ingresos superiores a $ 5 mil millones tendrán más de 1000 sitios macro al aire libre Open RAN para fines de 2023.

De cara al futuro, Open RAN ya no es simplemente un concepto; ahora es una realidad. A partir de 2021, la mayoría de las implementaciones comerciales de Open RAN se centrarán en RU (Unidades de radio) y DU (Unidades distribuidas). A partir de 2022, se espera que comiencen las implementaciones comerciales de RIC (RAN Intelligent Controller).

“Revolucionemos la parte más compleja y costosa de la red: la RAN”.

3. Automatización de circuito cerrado impulsada por AI / ML: a medida que los CSP planean pasar de 5G NSA a 5G SA, la gestión de segmentos de red de extremo a extremo (e2e) será obligatoria. La complejidad del segmento de red será extremadamente alta, ya que consta de subredes de segmento de red central, transporte y RAN. Cada una de estas subredes posiblemente consta de más subredes. Por ejemplo, la subred RAN se puede descomponer aún más en funciones de red fronthaul, midhaul y RAN. La gestión manual de un entorno de segmento de red tan complejo no será una opción viable; requerirá un gran nivel de automatización.

La automatización de la red ha evolucionado significativamente en las últimas décadas. A continuación, se muestra una vista simplificada de esta evolución:

“Es hora de llevar inteligencia en automatización en cada parte de la red”.

La automatización de circuito cerrado impulsada por máquinas y modelos de aprendizaje profundo es una etapa emergente y prometedora de la automatización. Redefinirá el ecosistema general de gestión y orquestación de redes.

El proyecto Open Network Automation Platform (ONAP), un proyecto de código abierto, proporciona una plataforma para diseñar, implementar y administrar diferentes servicios de red. La última versión de ONAP (versión de Guilin) ha dado un paso significativo al implementar los aspectos fundamentales de la NSSMF (función de administración de subred de segmento de red) especificada por 3GPP para las subredes de RAN, transporte y núcleo, y también se conecta a una NSSMF de RAN externa para la subred RAN. También se realizaron mejoras en la funcionalidad NSMF (función de administración de cortes de red) al unir un corte de extremo a extremo.

Se han implementado un par de escenarios básicos de circuito cerrado (uno con aprendizaje automático realizado fuera de línea) que involucran la subred RAN y los pasos iniciales para monitorear los KPI por parte del operador / inquilino del segmento.

Veremos mejoras significativas en los próximos lanzamientos, y ONAP, al ser un proyecto de código abierto, será un campo abierto para la innovación, no solo para los titulares sino también para las empresas emergentes.

La pandemia de COVID-19 ha cambiado tanto la trayectoria como el ritmo de la transformación digital y probablemente continuará haciéndolo en 2021. Las tendencias clave asociadas con la transformación de la red son una invitación abierta a innovar e interrumpir. Verá a muchas organizaciones tratando de resolver algunos de los desafíos comerciales críticos y ayudando a los CSP a darse cuenta del verdadero potencial de 5G. Ofrece una oportunidad única de traer un nuevo cambio en la industria de las telecomunicaciones mediante la construcción de algo nuevo, algo nunca antes probado, algo radical y revolucionario.

Para comprender los pilares clave y desbloquear todo el potencial de su red

Leer el documento técnico
January 25, 2021
The Benefits and Challenges of Augmented Analytics
Augmented analytics uses AI/ML techniques to automate the tedious manual data preparation processes, insight data discovery, and sharing. It also automates data science tasks such as ML model development, management, and deployment. Traditional BI tools have supported basic capabilities for joining, manipulating, and transforming the structured data. While augmented data preparation streamlines processes for data profiling, manage quality, cleaning data, modeling, and labeling metadata in a manner that supports reuse and governance.

Augmented Analytics includes Natural Language Processing (NLP) and conversational analytics, which enables less technical experts such as citizen data scientists to interact with the data and insights to give recommendations for the business. By 2020, 50% of analytical queries will automatically be generated via NLP or voice. This ease of access promises many benefits, but the organization faces several challenges in making it work well in practice.

Benefits of Augmented Analytics

1. Faster Data Preparation

Data Scientists and data engineers spent around 80% of their time on manual data preparation. Augmented Data Preparation uses AI/ML automation to bring data together from disparate sources much faster. Algorithms replace manual processes and automate the data cleaning process in a fraction of time. It is also used to detect schemas, joins, repetitive transformations, and automatically recommend associations between disparate data sources, enhancing productivity and efficiency.

2. Improved Data Literacy

As organizations continue to collect a massive amount of data, it is essential that everyone, regardless of expert analytical skills, can gain value from the data. Democratizing AI across the data value chain promotes data literacy by automatically surfacing and explaining insights using natural language, making a recommendation, and empowering all users to confidently take action. This assists in fostering a data-led culture that benefits the organization for the long term.

3. Reduced Analytical Bias

Analysts always make assumptions for finding answers when they do not know where to start. Often those assumptions could lead to the use of specific data to support it. Augmented analytics can help minimize potential bias by performing automated analysis across a large dataset of statistical importance. It reduces the risk of missing important insights.

4. Reduced Time to Insights

With augmented analytics, instead of an analyst manually testing all the combinations of variables in the data, ML algorithms for detecting correlations, segments, clusters, outliers, and relationships are automatically applied to the data. Only the most statistically relevant results are presented quickly via smart visualizations, which are optimized for the user’s interpretation and action.

5. Democratization of Analytics

Augmented Analytics will democratize insights from analytics, including AI to all business roles. It will make data science and AI/ML model building accessible to new citizen data science roles such as business analysts, developers, and others, etc., while making expert data scientists more productive and collaborative and freeing them for high-value tasks.

Companies that have implemented augmented analytics has seen positive business outcomes such as an increase in decision making by 51%, an increase in efficiency by 50%, and an increase in effectiveness by 48%. Although not all companies have realized these benefits yet, over 90% of decision-makers expect to realize these benefits as analytics capabilities continue to improve.

Challenges of Augmented Analytics

Augmented Analytics is the next wave of disruption in the data and analytics market and must be adopted to build and sustain a competitive advantage. But it requires the right balance and alignment of strategy, people, process, data, and technology components. However, efforts to incorporate it will likely encounter resistance as follows:

Adoption

One of the adoption challenges faced by the organization is the outcome associated with it. The organization expects favorable and quick results. But augmented analytics has a lifecycle of its own. It uses AI techniques to do any form of computation, analytics, and automation. Once implemented, it will take time to mature, improve its analysis and outcomes over a period. The other potentially damaging challenges are as follows:
- The prevalent “black box” image of augmented analytics is not transparent in terms of decision making.
- There is a lack of trust in the displayed recommendation and insights unless a specific explanation is provided.
- There is a dependency on legacy analytics platforms that act as a barrier to adopt Augmented Analytics.
- There is a threat to job security because of automation in every aspect of analytical operations and the revamping of workloads and work processes.
- There is a resistance from the business leaders to adapt to changing scenarios and rely more on intuition and traditional decision-making practices.
- There is a misconception that augmented analytics maturity is linearly progressive and implemented once a robust foundation is established.
AI Governance

Another important challenge is the need to emphasize AI and analytics governance and collaboration between analysts and data scientists. The adoption of Augmented Analytics will require existing organizational models to evolve and support a growing footprint of citizen data scientists embedded within the business units. It will not only yield sizable returns but, if left unchecked, will also have adverse effects. Therefore, data and analytics leaders must outline the rules to govern the use of analytic content and insights created as outputs of augmented analytics as well as data science tasks to ensure the accuracy, validity, and bias levels of findings and recommendations.

The innovative functionalities of augmented analytics demonstrate a variety of applications across all sectors of the economy and promise to transform the digital landscape by streamlining business operations and increasing access to useful data.

Is your organization planning to adopt Augmented Analytics? If yes, then what are the challenges your organization is facing? Feel free to share your thoughts in the comments section.

Learn how augmented analytics can help transform your approach to enterprise AI

Schedule a demo
January 22, 2021
¿Cómo puede Blockchain ayudar a las empresas de telecomunicaciones a ofrecer más valor?

Durante la última década, la industria de las telecomunicaciones ha experimentado un crecimiento de usuarios del 1239% y ha agregado más de 483,3 millones de usuarios. Esto abre nuevas vías para que los operadores de telecomunicaciones moneticen nuevas oportunidades, como contenido con un mejor alcance a los consumidores a través de negocios inalámbricos y cableados. También les ayuda a comprender mejor las preferencias dinámicas y cambiantes de los consumidores. Con la pandemia que obliga a las personas a trabajar desde casa, el negocio de los contenidos ha experimentado un fuerte aumento a medida que las personas dedican más tiempo a los servicios OTT. Por tanto, el “contenido” es una de las líneas de negocio favoritas para expandirse. Pero monetizar las asociaciones de contenido no es tan fácil como las asociaciones de interconexión tradicionales. Los modelos de liquidación de contenido son dinámicos y complejos, y cada socio puede tener un modelo de liquidación diferente, lo que dificulta a los operadores lograr la eficiencia.

Se trata de contenido, contenido y contenido …

Con las restricciones de bloqueo vigentes, se ha restringido el acceso a conciertos, espectáculos en vivo, teatros y otras fuentes de entretenimiento, lo que brinda un amplio margen para que las empresas de telecomunicaciones satisfagan el hambre de entretenimiento de los clientes al permitir el acceso a través de Internet. Un gran aumento para los servicios OTT ha llevado a un gran aumento en los ingresos de las plataformas de transmisión de video como Netflix, Amazon Prime Video, HULU, Disney +, HBO +. Los modelos de asociación con canales de televisión como Vodafone Play con 300 canales en vivo y servicios VoD han hecho que el contenido sea más accesible, especialmente para los clientes de economías en crecimiento como India.

Pero esta oportunidad ha llegado con sus complejidades: las empresas de telecomunicaciones, ahora, no pueden darse el lujo de ser laxas cuando se trata de administrar múltiples soluciones para una infinidad de combinaciones para sus clientes en evolución. Necesita ir más allá de su asociación de contenido tradicional basada en agregadores hacia un compromiso más directo, incluidos sus clientes, para crear contenido innovador y vender en la plataforma de telecomunicaciones. La siguiente imagen cubre algunos de los modelos de asociación conocidos y algunos futuros de una empresa de telecomunicaciones:

Con las Telco (como proveedor de servicios digitales) como una asociación directa con los creadores de contenido (individuales o empresas), puede hacerse cargo de algunos de los principales desafíos de los creadores de contenido (en cualquier forma) como el tiempo dedicado a un contrato de distribución exclusiva, reparto de ingresos (del agregador de contenido aprox. 40% de margen) y tiempo de comercialización.

Por otro lado, las Telcos quieren eliminar la dependencia de intermediarios o plataformas de agregación de contenido. Además, las Telco pueden usar su posición para convertir a algunos de sus consumidores / suscriptores en socios como un desarrollador de aplicaciones en Play Store o aprovechar esta oportunidad para convertir a sus suscriptores para proporcionar contenido innovador o revisión de contenido.

Además, las Telco pueden tallar Values Adds para su categoría de nicho para acceder a salas de chat con celebridades y personalidades, y más oportunidades de mercado en vivo con precios premium. Esto genera lealtad e ingresos para las empresas de telecomunicaciones y mantiene a sus consumidores comprometidos a través de la red. Y mencionar un arreglo WIN-WIN para Content Creator y las Telco.

La buena colaboración conduce a todas partes

Blockchain, como usted puede saber y ver ahora, ayudará a la empresa de telecomunicaciones a monetizar la plataforma de contenido. Puede ayudar a deshacerse de los agregadores intermediarios, poniendo sobre la mesa las propuestas más importantes y valiosas: negocios sin complicaciones, buen gobierno y confianza. Desde los contratos inteligentes hasta la reconciliación, Blockchain complementa e impulsa los objetivos comunes. Aquí, la idea es monetizar la tecnología blockchain para lograr una plataforma simple, gobernada y segura para implementar un ecosistema completo de contenido, administrando a sus socios de contenido hasta la resolución y disputa sobre una solución unificada.

Descubra cómo nuestra solución de acuerdos basada en Blockchain puede ayudar a su organización

¡Programe una demostración!

January 21, 2021
La Confianza digital en la era del IoT
En el mundo pospandémico, un habilitador tecnológico que será testigo del mayor nivel de adopción es Internet de las cosas. Hemos alcanzado un punto de inflexión en el viaje de adopción de IoT y ahora estamos mirando una curva de crecimiento de palo de hockey en términos de la cantidad de puntos finales y diversidad de casos de uso. Entonces, ¿será un viaje tranquilo a partir de ahora? Lamentablemente, la respuesta es un no.

Seguridad: la base de la confianza digital y el crecimiento exponencial

Para capitalizar la demanda de datos habilitados para IoT, varias partes interesadas a menudo pasan por alto la seguridad. Esto crea un entorno atractivo para que los piratas informáticos exploten, lo que genera múltiples problemas en áreas como el retorno de la inversión y la acumulación de valor. Los dispositivos de IoT operan en la cúspide de los mundos real y virtual y, dado que la seguridad tiene poca o ninguna prioridad, estos dispositivos se convierten en conductos para que los piratas informáticos entren, exploten y salgan a voluntad. Los piratas informáticos también pueden utilizar estos dispositivos para lanzar ataques de denegación de servicio en la infraestructura de terceros, lo que causa más daño y genera ramificaciones legales.

La investigación de Subex ha demostrado cómo los piratas informáticos se adhieren a los proyectos de IoT en una etapa muy temprana, como una prueba de concepto o un piloto, y se quedan para monitorear las redes esperando pacientemente que aparezcan datos o activos de interés en la red o la infraestructura conectada. También implementan una variedad de malware y troyanos para mantener la red bajo vigilancia durante períodos prolongados.

Dichos desafíos pueden generar preocupaciones de confianza para varias partes interesadas, incluidos usuarios finales, inversores, empleados y proveedores. Por lo tanto, las preocupaciones de seguridad deben abordarse no solo de acuerdo con las normas de cumplimiento, sino también de acuerdo con el entorno de amenazas predominante y los cambios proyectados en este entorno a corto plazo y en el futuro. Crear un entorno de confianza digital en un proyecto de IoT requiere inversiones y una comprensión profunda del entorno de amenazas y sus implicaciones.

Mejorar la confianza digital en el mundo de IoT puede generar una serie de beneficios. Para empezar, los proyectos en varias etapas se beneficiarán enormemente, ya que la posición de seguridad mejorada ayudará a garantizar operaciones sin interrupciones y, por lo tanto, mejorará la confianza de las partes interesadas. Las empresas emergentes pueden esperar un mayor acceso a las opciones de financiación y los proyectos innovadores en las empresas establecidas pueden esperar movilizar más fondos de fuentes internas.

En general, la economía digital de una nación en sí misma puede beneficiarse de una atención tan granular a la seguridad de IoT y la confianza digital. Hoy en día, muchas corrientes comerciales vitales y sectores de infraestructura dependen en cierta medida de IoT y esta dependencia aumentará en los próximos días. Las inversiones en seguridad de IoT ayudarán a orientar mejores resultados para estas corrientes y sectores, lo que tendrá un efecto en cascada en la economía.

Consideraciones importantes para mejorar los resultados de seguridad de IoT y la confianza digital:
- Alinear las necesidades de seguridad con los más altos estándares internos
- Invierta en dispositivos y otros componentes de infraestructura para obtener valor en lugar de ahorrar costos
- La seguridad de IoT debe verse como un conducto para permitir la confianza digital.
- Todas las partes interesadas deben estar sensibilizadas sobre los mandatos y consideraciones de seguridad.
- La generación de confianza digital debe ser un ejercicio continuo con inversiones, recursos y atención provenientes de todas las partes interesadas en todo momento.
- Las oportunidades para mejorar la postura de seguridad deben ser un área clave de atención.
Adiós 2020 … 2021, ¡no puedes venir lo suficientemente pronto!

Leer Blog
January 21, 2021
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!

January 15, 2021