Сотовая связь, как информационная технология

    Интеграция  биллинговой системы с системой CRM

    Сегодня уже очевидно, что автоматизированные системы расчётов перестают быть простой "машиной для расчёта", не способной обеспечить требуемый качественный уровень обслуживания клиентов и внутренних потребностей оператора связи, а развиваются в направлении расширения их функций. Операторским компаниям необходима такая система, которая сможет поддержать все бизнес-процессы по оказанию услуг и обеспечить работу всех подсистем комплексной автоматизации связи в едином информационном пространстве.

      Любая АСР имеет обширную и многомерную базу данных по всем клиентам, а также записи, отражающие всю историю взаимоотношений оператора с абонентом, поэтому соответствующая доработка модуля отвечающего за работу с клиентами может превратить биллинговую систему в полноценное решение класса CRM , позволив осуществлять целый спектр задач, способствующих повышению эффективности общения поставщика услуги и клиента.

      В современных биллинговых системах уже сегодня реализованы такие элементы CRM как информирование абонентов о задолженности, автоматическое информационное обслуживание, рассылка информационных сообщений по е-mail, оплата услуг с помощью карт предоплаты, управление услугами с помощью Web -интерфейса и т.п.. Иными словами, АСР становится мощным инструментом в руках отдела маркетинга предприятия и фактически приобретает функции систем класса CRM.

      Однако, даже с помощью такого  широкого спектра систем Customer Care реализация полноценной концепции CRM невозможна в силу отсутствия аналитической компоненты, без которой невозможно дифференцировать клиентов на определённые группы, невозможно в полной мере анализировать различные данные, относящиеся как к самому клиенту, так и к деятельности фирмы и т.д.

    Поэтому, с развёртыванием сетей следующего поколения можно прогнозировать бурный рост потребности операторов в решениях, обеспечивающих интеграцию бэк-офиса и фронт-офиса (т.е. Биллинг- CRM ), и позволяющих в кратчайшие сроки обеспечить возврат инвестиций.

      Введение в коммерческую эксплуатацию  сетей нового поколения сотовой связи поставит перед провайдерами задачу, связанную с сохранением и повышением доходности. Источники повышения и сохранения доходности давно определены и очевидны - это предложение большого количества дополнительных услуг, привлечение новых категорий абонентов и снижение оттока уже существующих, путём укрепления их лояльности.

      Можно с уверенностью утверждать, что для решения всех этих  задач операторам потребуются  более сложные системы биллинга, которые позволят своевременно решать любые проблемы, связанные с введением новых услуг связи и сделают возможным оперирование информацией, как о реальных, так и о потенциальных клиентах, их требованиях и запросах. Расширение функционала системы и внедрение принципиально новой компоненты аналитики и учёта, свойственной системам управления взаимоотношениями с клиентами позволят создать мультифункциональную АСР класса CRM . В результате подобных преобразований, оператор получит биллинговую систему нового поколения, с помощью которой он сможет не только повысить эффективность работы с клиентами, привлечь новые группы абонентов, но и увеличить свои доходы. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

2. Кластерный  анализ данных и его  роль в интеллектуальных информационных технологиях.

    Термин  кластерный анализ (впервые ввел Tryon, 1939) в действительности включает в себя набор различных алгоритмов классификации. Общий вопрос, задаваемый исследователями во многих областях, состоит в том, как организовать наблюдаемые данные в наглядные структуры, т.е. развернуть таксономии. Например, биологи ставят цель разбить животных на различные виды, чтобы содержательно описать различия между ними. В соответствии с современной системой, принятой в биологии, человек принадлежит к приматам, млекопитающим, амниотам, позвоночным и животным. Заметьте, что в этой классификации, чем выше уровень агрегации, тем меньше сходства между членами в соответствующем классе. Человек имеет больше сходства с другими приматами (т.е. с обезьянами), чем с "отдаленными" членами семейства млекопитающих (например, собаками) и т.д.

      Кластерный анализ данных предназначен для выявления закономерностей, зависимостей и практически полезных знаний в базах департаментов по производству, продажам, маркетингу, финансам, взаимодействию с клиентами.

    Результаты  анализа собранной информации необходимы для принятия оптимальных решений  в бизнесе, либо в др. областях. Традиционно анализ данных осуществляется аналитиками при помощи статических методов. Однако, человек не способен улавливать более двух-трех закономерностей даже в небольших объемах данных, а математическая статистика оперирует только усредненными характеристиками выборки и не может помочь в действительной подготовке выводов.

    Современные технологии обработки информации, используемые при коастеризации данных, обрабатывают информацию с целью автоматического поиска закономерностей и зависимостей. В выявление скрытых правил и закономерностей переложено с человека на компьютер.

    Кластерный  анализ данных предназначен для решения задач из различных областей деятельности: бизнеса, финансов, науки, медицины.

    Задачи, решаемые при помощи кластризации:

• розничная торговля (анализ покупательской корзины, прогнозирование потребностей различных категорий клиентов с определенным поведением, исследование периодичности приобретения тех или иных товаров);
• маркетинг (поиск рыночных сегментов, тенденций покупательского поведения);
• финансы (выявление правил экспертных систем для андеррайтинга; классификация дебиторских задолженностей по возможностям взыскания, прогноз изменений на валютных рынках);
• банковское дело (выявление мошенничества с кредитными картами, сегментация клиентов, прогнозирование изменений клиентуры, определение кредитоспособности клиента);
• здравоохранение (определение результатов лечения пациентов, анализ контрактов);
• страхование (определение рентабельности страховых договоров, разработка новых схем страхования, анализ рынка);
• сотовые операторы (разработка новых тарифов, выявление лояльных клиентов);
• авиакомпании (формирование эффективной программы лояльности клиентов);
• промышленное производство (диагноз неисправностей, выявление причин перебоев в производственном процессе) и другие виды бизнеса.

    Кластеризация служит для объединения больших  объемов данных в группы (кластеры), элементы внутри этих групп имеют  больше «сходства» между собой, чем  между элементами соседних кластеров.

    Применение  кластеризации в интеллектуальных информационных технологиях:

1. Группирование результатов поиска: Кластеризация используется для «интеллектуального» группирования результатов при поиске файлов, веб-сайтов, других объектов, предоставляя пользователю возможность быстрой навигации, выбора заведомо более релевантного подмножества и исключения заведомо менее релевантного — что может повысить юзабилити интерфейса по сравнению с выводом в виде простого сортированного по релевантности списка.

Clusty — кластеризующая поисковая машина компании Vivísimo

Nigma — российская поисковая система с автоматической кластеризацией результатов

Quintura — визуальная кластеризация в виде облака ключевых слов

2. Сегментация изображений (image segmentation): Кластеризация может быть использована для разбиения цифрового изображения на отдельные области с целью обнаружения границ (edge detection) или распознавания объектов.
3. Интеллектуальный анализ данных (data mining): Кластеризация в Data Mining приобретает ценность тогда, когда она выступает одним из этапов анализа данных, построения законченного аналитического решения. Аналитику часто легче выделить группы схожих объектов, изучить их особенности и построить для каждой группы отдельную модель, чем создавать одну общую модель для всех данных. Таким приемом постоянно пользуются в маркетинге, выделяя группы клиентов, покупателей, товаров и разрабатывая для каждой из них отдельную стратегию.

    Кластерный  анализ позволяет открыть в данных ранее неизвестные закономерности, которые практически невозможно исследовать другими способами, и представить их в удобной для пользователя форме. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

3. Автоматизированные  измерительные системы

    Измерительная техника - один из важнейших факторов ускорения научно-технического прогресса практически во всех отраслях народного хозяйства.

    Установление  числового значения физической величины осуществляется путем измерения. Результатом измерения является количественная характеристика в виде именованного числа с одновременной оценкой степени приближения полученного значения измеряемой величины к истинному значению физической величины. Укажем, что нахождение числового значения измеряемой величины возможно лишь опытным путем, т. е. в процессе физического эксперимента.

    Технические средства и различные методы измерений  составляют основу измерительной техники. Любой производственный процесс характеризуется большим числом параметров, изменяющихся в широких пределах. Для поддержания требуемого режима технологической установки необходимо измерение указанных параметров. При этом, чем достовернее осуществляется измерение технологических параметров, тем лучше качество целевого выходного продукта. Современные предприятия, например нефтехимического профиля с непрерывным характером производства, для поддержания качества выпускаемой продукции используют измерение различных физических параметров, таких, как температура, объемный и массовый расход веществ, давление, уровень и количество вещества, время, состав вещества (плотность, влажность, содержание механических примесей и др.), напряжение, сила тока, скорость и др. При этом число требуемых для измерения параметров достигает нескольких тысяч. Например, в атомной энергетике число требуемых для измерения параметров процессов достигает десятков тысяч.

    Получение и обработка измерительной информации предназначены не только для достижения требуемого качества продукции, но и  организации производства, учета  и составления баланса количества вещества и энергии. В настоящее  время важной областью применения измерительной  техники является автоматизация научно-технических экспериментов. Для повышения экономичности проектируемых объектов, механизмов и машин большое значение имеют экспериментальные исследования, проводимые на их физических моделях. При этом задача получения и обработки измерительной информации усложняется настолько, что ее эффективное решение становится возможным лишь на основе применения специализированных измерительно-вычислительных средств.

    Широкие возможности открылись перед  измерительной техникой в связи с появлением микропроцессоров (МП) и микроЭВМ. Благодаря им значительно расширились области применения средств измерительной техники, улучшились их технические характеристики, повысились надежность и быстродействие, открылись пути реализации задач, которые ранее не могли быть решены.

    По  широте и эффективности применения МП одно из первых мест занимает измерительная техника, причем все более широко применяются МП в системах управления. Трудно переоценить значение МП и микроЭВМ при создании автоматизированных средств измерений, предназначенных для управления, исследования, контроля и испытаний сложных объектов.

    Развитие  науки и техники требует постоянного  совершенствования средств измерительной  техники, роль которой неуклонно  возрастает.

    Средство  измерений - это техническое устройство, используемое в измерительном эксперименте и имеющее нормированные характеристики точности.

    Для измерительных систем характерны:

    ·     более высокие по отношению к  системам другого вида требования к  метрологическим характеристикам;

    ·     более широкий спектр измеряемых физических величин и в особенности их количество (число измерительных каналов);

    ·     необходимость в средствах представления  информации; это связано с тем, что основной массив информации с  выхода систем передается человеку для принятия им решения об изменении условий проведения эксперимента, его продолжении или прекращении. Поэтому определяющим требованием является неискаженное, наглядное и оперативное представление текущей информации с учетом динамики ее обновления и быстродействия системы, обеспечивающее удобство восприятия и анализа человеком;