Améliorer la qualité réseau Télécom grâce au Big Data

Maintenir la qualité d’un réseau Télécom : enjeux et méthodes

 

 

Dans le secteur très concurrentiel des Télécoms, un opérateur a l’obligation de sans cesse améliorer l’expérience client tout en gardant des coûts de production et d’exploitation soutenables. A ce titre, il doit :

 

 

La mise en commun de ces trois points de vue est donc indispensable pour prioriser les stratégies de déploiement.

Pour cela, un opérateur s’appuie sur des données internes (sondes en temps réel, données clients) et externes (application participatives, référentiel cartographique, données publiques). La plupart de ces données sont déjà structurées (ou semi-structurées)  mais représentent des volumes conséquents de l’ordre de plusieurs centaines de Go par jour et par technologie)

 

Méthodologie Data Science utilisée

La plupart de ces données sont de nature spatio-temporelle, et les méthodes utilisées très variées selon les sujets.

Des méthodes de série temporelle (type de série, détection des différents types d’outlier, modélisation, analyse des chocs) sont ainsi couplées avec des méthodes de classification supervisée (arbre de décision) et du clustering non supervisé.

D’autres sujets se focalisent plus spécifiquement sur l’analyse spatiale (ARP, zone blanche) à partir de données très volumineuses, subdivisées puis agrégées (modification des objets géographiques, mise en mémoire tampon, intersection, estimation linéaire garantissant le minium de variance). Voir notre article sur la puissance des Géo-Data

Les différents résultats obtenus sont amenés à communiquer entre eux que ce soit indirectement, comme la prise de décision après analyse des différents points de vue, ou directement par l’intermédiaire d’une dernière étape de modélisation par classification supervisée.

 

Type de sujet

Certains sujets sont amenés à perdurer dans le temps comme les sujets de prévision de trafic radio pour l’ensemble des sites mobiles ou encore la classification des sites basés sur l’évolution de la valeur et de la consommation data.

L’expérience client est par nature versatile et nécessite surtout d’être réactif sur les problèmes détectés ou remontés. Le pré-traitement est en revanche automatisé (analyse des outliers, sélection des variables, enrichissement des données réseau et spatiales)

Entre les deux se situent les besoins de connaissance en termes de couverture dont l’évolution est plus lente.

 

Bénéfice

Le dispositif Data sur le suivi de l’expérience client a entraîné un gain net de 8% sur le volume des débits par seconde, une réduction de 10% sur la latence et une amélioration tendancielle par la suite.

Ainsi, l’analytique et l’IA jouent un rôle important dans l’aide à la décision des opérateurs télécoms sur des problématiques telles que:

  • La priorisation des déploiements du réseau télécom existant comme l’installation de nouvelles antennes.
  • L’amélioration de la qualité des communications et de l’expérience client.
  • La stratégie de déploiement du réseau 5G en 2021.

L’expertise Data a contribué à réduire la saturation du réseau début 2020 dont le taux est régulièrement à 4%.

 

Romain.D