Branża telekomunikacyjna jest jednym z najdynamiczniej rozwijających się sektorów współczesnej gospodarki. Zakres usług oferowanych przez firmy telekomunikacyjne nieustannie się rozszerza, nieustannie zmieniają się również zachowania i preferencje klientów.

By jak najlepiej spełniać oczekiwania klientów konieczne staje się dogłębne zrozumienie ich potrzeb. Podstawą w zrozumieniu zachowania klientów jest analiza danych zgromadzonych w wyniku codziennej działalności firm telekomunikacyjnych. STATISTICA Data Miner pomaga odkryć ogromny potencjał informacji ukryty w tych danych umożliwiając podejmowanie efektywnych działań rynkowych.

Oto niektóre zastosowania STATISTICA Data Miner w telekomunikacji:

• Zapewnienie lojalności klientów
• Zapobieganie odejściom (churn)
• Optymalizacja ofert i stawek abonamentowych
• Segmentacja rynku
• Akcje sprzedaży krzyżowej i rozszerzonej (cross-selling i up-selling)
• Wykrywanie nadużyć i innych nieprawidłowości w korzystaniu z usług telekomunikacyjnych

Oprócz tych zastosowań STATISTICA Data Miner może znaleźć również szereg zastosowań technologicznych. W szczególności może być wykorzystywany do:

• Analizy niezawodności i czasu uszkodzeń urządzeń (np. elementów przesyłowych), jako wsparcie w podejmowaniu decyzji o wymianie danego urządzenia
• Identyfikacji przyczyn awarii sieci np. określenie rodzaju problemu i przyczyny zakłóceń

Zapobieganie odejściom (churn)

Odejścia (churn) klientów stanowią poważny problem dla firm telekomunikacyjnych, gdyż rynek ten charakteryzuje z jednej strony wysoki koszt pozyskania nowych klientów, z drugiej strony klient łatwo może odejść do konkurencji, ponosząc przy tym minimalne koszty. Wykorzystanie zaawansowanych metod data mining zawartych w systemie STATISTICA Data Miner może odpowiedzieć na pytania dotyczące przyczyn odejść oraz wskazać klientów najbardziej zagrożonych odejściem. Może to pozwolić na zaplanowanie odpowiednich działań ograniczających skalę tego zjawiska. Istnieje również druga grupa klientów, wobec których dostawca usług telekomunikacyjnych sam będzie chciał podjąć decyzję o rozwiązaniu umowy abonenckiej. Przyczyną może być na przykład fakt niewywiązywania się klienta z zawartej umowy. Do budowy modeli tego typu można wykorzystać wiele metod zawartych w STATISTICA Data Miner np. drzewa klasyfikacyjne, sieci neuronowe czy MARSplines.

Przeczytaj o wdrożenu w Netia S.A.

Segmentacja

STATISTICA Data Miner może pomóc zidentyfikować grupy podobnych do siebie klientów, innymi słowy dokonać segmentacji rynku. Tego typu analiza może być przydatna do optymalizowania naszych działań i bardziej indywidualnego traktowania naszych klientów. Do segmentacji odpowiednie mogą być zawarte w systemie techniki służące do analizy skupień oraz sieci Kohonena. Dodatkowo do opisu segmentów można wykorzystać bogaty zestaw różnego rodzaju technik wizualizacyjnych.

Optymalizacja taryf

STATISTICA Data Miner znakomicie sprawdza się w zadaniach mających na celu optymalizowanie ofert i stawek abonamentowych. Więcej informacji na temat takiego wykorzystania programu można znaleźć w studium przypadku opisującym zastosowanie STATISTICA Data Miner w telekomunikacji.

Techniki i narzędzia STATISTICA Data Miner

Procedury modelowania systemu STATISTICA Data Miner pozwalają na szereg innych zastosowań, np. wykrycie, którzy klienci są najbardziej dochodowi, najbardziej lojalni, a w przypadku których występuje największe ryzyko niewypłacalności. W systemie zaimplementowano najnowocześniejsze techniki modeli liniowych, nieliniowych, drzew, a także sieci neuronowych.

Częścią systemu STATISTICA Data Miner jest moduł General Neural Networks Explorer dający użytkownikowi do dyspozycji narzędzia do klasyfikacji, prognozowania i wykrywania ukrytych struktur, połączony z Automatycznym projektantem, dzięki któremu łatwiej rozwiązywać nawet bardzo skomplikowane zadania i wykonywać złożone analizy.

Do wyboru istotnych cech badanych obiektów (np. klientów, transakcji) spośród nawet tysięcy potencjalnie użytecznych zmiennych służy moduł systemu STATISTICA Data Miner o nazwie Dobór i eliminacja zmiennych (Feature Selection and Variable Filtering). W skład systemu wchodzą również inne techniki zmniejszania liczby zmiennych branych pod uwagę w modelowaniu, w tym analiza składowych głównych i metoda cząstkowych najmniejszych kwadratów (Partial Least Squares).

Artykuły z przykładami analizy i opisami najczęściej stosowanych metod