{"id":26106,"date":"2021-03-01T18:06:39","date_gmt":"2021-03-01T12:36:39","guid":{"rendered":"https:\/\/www.subex.com\/?p=26106"},"modified":"2021-03-01T18:06:39","modified_gmt":"2021-03-01T12:36:39","slug":"creacion-de-un-caso-de-advance-analytics-en-el-proceso-de-planificacion-de-la-capacidad","status":"publish","type":"post","link":"https:\/\/dev.enki.studio\/test\/?p=26106","title":{"rendered":"Creaci\u00f3n de un caso de Advance Analytics en el proceso de Planificaci\u00f3n de la capacidad"},"content":{"rendered":"

Ha habido un crecimiento significativo de datos en el mundo de las telecomunicaciones durante la era moderna de las tecnolog\u00edas m\u00f3viles, 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 vol\u00famenes de datos en constante expansi\u00f3n 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 innovaci\u00f3n para maximizar su potencial de ingresos.<\/p>\n

Como parte del equipo de gesti\u00f3n de la capacidad de la red, me gustar\u00eda profundizar en lo anterior desde la perspectiva de la planificaci\u00f3n de la capacidad<\/strong><\/a>. En la planificaci\u00f3n 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 expansi\u00f3n de capacidad debido a la falta de disponibilidad de recursos de red adecuados para manejar la demanda de tr\u00e1fico, o un requisito de optimizaci\u00f3n en el plan de inversi\u00f3n de la red para una mejor utilizaci\u00f3n de los recursos existentes. Tradicionalmente, la mayor\u00eda de estas decisiones se toman manualmente, lo que todos estamos de acuerdo, no es pr\u00e1ctico, eficiente o incluso a prueba de errores. Un sistema de gesti\u00f3n de capacidad basado en IA es la necesidad actual para aprovechar todo el potencial de los recursos y los datos de la red.<\/p>\n

C\u00f3mo la IA (Inteligencia Artificial) puede mejorar la Gesti\u00f3n de capacidad<\/strong><\/p>\n

La inteligencia artificial y la anal\u00edtica avanzada son t\u00e9rminos que se utilizan mucho en todas las industrias, especialmente en los equipos de marketing. Sin embargo, m\u00e1s all\u00e1 de la “palabra de moda”, estas tecnolog\u00edas tienen un papel esencial que desempe\u00f1ar para permitir mejoras de los procesos tradicionales actuales. Las soluciones de gesti\u00f3n de capacidad<\/strong><\/a> impulsadas por Advanced Analytics o An\u00e1lisis Avanzados pueden ayudar a los usuarios a descifrar informaci\u00f3n relevante para obtener informaci\u00f3n \u00fatil mediante la aplicaci\u00f3n de an\u00e1lisis de datos, an\u00e1lisis predictivo, predicciones y modelos de optimizaci\u00f3n. Estos conocimientos, respaldados por datos y ajustados a trav\u00e9s del aprendizaje autom\u00e1tico, 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.<\/p>\n

Un componente importante para proporcionar recomendaciones confiables de planificaci\u00f3n de inversiones en red<\/strong><\/a> (NIP en adelante) hacia la mejora \/ optimizaci\u00f3n de la capacidad es a trav\u00e9s de la previsi\u00f3n precisa de los KPI de capacidad. La previsi\u00f3n es la base sobre la que se basan las recomendaciones de NIP.<\/p>\n

Se puede utilizar un conjunto de modelos de pron\u00f3stico para predecir el rendimiento de la red. Estos modelos pueden clasificarse ampliamente como m\u00e9todos cualitativos y m\u00e9todos cuantitativos. Los m\u00e9todos cualitativos se utilizan cuando los datos hist\u00f3ricos no est\u00e1n disponibles o cuando los datos son ruidosos. Los m\u00e9todos cuantitativos, por otro lado, hacen pron\u00f3sticos basados \u200b\u200ben modelos matem\u00e1ticos en lugar de juicios subjetivos. La elecci\u00f3n del modelo de pron\u00f3stico adecuado depende de muchos factores, como el contexto del pron\u00f3stico, la relevancia, la disponibilidad de datos hist\u00f3ricos y el nivel deseado de precisi\u00f3n.<\/p>\n

\u00bfCu\u00e1l es el modelo de pron\u00f3stico adecuado para adoptar en su negocio?<\/strong><\/p>\n

Los diferentes m\u00e9todos de pron\u00f3stico tienen distintas ventajas y desventajas. Por lo tanto, seleccionar el m\u00e9todo de pron\u00f3stico correcto es de vital importancia para todos los tomadores de decisiones.<\/p>\n

Mi equipo de ciencia de datos en Subex y yo hemos creado un modelo de aprendizaje autom\u00e1tico patentado para el forecast \u00a0llamado CapMan4C. Durante esta experiencia, tambi\u00e9n colaboramos con un equipo de expertos en el dominio para tener claridad sobre el problema que las empresas est\u00e1n tratando de resolver y para comprender los datos espec\u00edficos del dominio de la red.<\/p>\n

Traigo esta experiencia para resaltar que los pensamientos involucrados detr\u00e1s de la construcci\u00f3n de un marco propietario para la previsi\u00f3n se basan en dos criterios:<\/p>\n