Documente Academic
Documente Profesional
Documente Cultură
1
Nombre genrico utilizado para designar a una gran empresa de telecomunicaciones.
5.1 Antecedentes
La historia del telfono mvil o telfono celular se remonta a los inicios de la Segunda
Guerra Mundial, donde ya se vea que era necesaria la comunicacin, es por eso que la
compaa Motorola cre un equipo llamado handie talkie H12-16 que es un equipo que
permite el contacto con las tropas va ondas de radio cuya banda de frecuencias en ese tiempo
no superaban los 600 kHz.
Los sistemas de telefona mvil civil empezaron a desarrollarse a partir de finales de los aos
40 en los Estados Unidos. Eran sistemas de radio analgicos que utilizaban en el primer
momento modulacin en amplitud (AM) y posteriormente modulacin en frecuencia (FM).
Se populariz el uso de sistemas FM gracias a su superior calidad de audio y resistencia a las
interferencias. El servicio se daba en las bandas de HF y VHF.
Los primeros equipos eran enormes y pesados, por lo que estaban destinados casi
exclusivamente a su uso a bordo de vehculos. Generalmente se instalaba el equipo de radio
en el maletero y se pasaba un cable con el telfono hasta el salpicadero del coche.
A finales de los aos 50 del siglo XX el cientfico sovitico Leonid Ivanovich Kupriyanovich
desarroll un sistema de comunicacin mvil que culmina en el modelo KL-1 que utiliza
ondas de radio y es capaz alcanzar una distancia de 30 km pudiendo servir a varios clientes.
Este telfono mvil fue patentado el 11 de enero de 1957 con el Certificado de Patente
115494. Est fue la base para la investigacin que Leonid Ivanovich Kupriyanovich comenz
el ao siguiente en el Instituto de Investigacin Cientfica de Voronezh. De esta investigacin
y desarrollo surgi el "Altay" que fue distribuido comercialmente en 1963 llegando a estar
presente en ms de 114 ciudades de la Unin Sovitica, dando servicio a hospitales y
mdicos. El sistema se extendi por otros pases de Europa del Este como Bulgaria quien lo
mostrara en la exposicin internacional Inforga-65. En 1961 Kupriyanovich dise un
terminal pequeo, que caba en la palma de la mano y tena un alcance de ms de 30 km.
Una de las compaas pioneras que se dedicaron a la explotacin de este servicio fue la
estadounidense Bell. Su servicio mvil fue llamado System Service. No era un servicio
2
Next Generation Mobile Networks Alliance.
3
Internet of Things
Este trabajo estar centrado principalmente en los OTTs y Connectivity o tambin llamados
Telcos. Los OTTs son en general empresas de internet que brindan servicios mediante
plataformas a clientes a travs de aplicaciones que pueden ser descargada de un App Store
desde cualquier dispositivo con conectividad a internet con bajas barreras de entrada,
teniendo de alcance global independientemente de las redes de los operadores. Por otro lado,
estn las Telcos que son las empresas de telecomunicaciones que tienen infraestructura de red
de alcance local o regional para brindar conectividad a clientes que acceden a servicios de
voz, servicios de valor agregado brindado por las mismas Telcos cmo SMSs y conectividad
a internet (MBB4); y, tambin, servicios y contenidos a travs de las empresas de internet
mediante Apps5.
5.4 FODA
En la Figura 3 se describe la matriz FODA6 desde la perspectiva de un operador mvil.
4
Mobile BroadBand
5
Abreviacin de aplicacin de ingls (applications)
6
Fortalezas, Oportunidades, Debilidades y Amenazas.
Las Telcos se ven cada vez ms amenazadas debido a que los servicios de los OTTs son ms
innovadores, tiempo de lanzamiento anticipado, con GUI7 amigables y, si bien estn en silos
debido a que no son interoperables con servicios de otras apps, se viralizan rpidamente en
las comunidades por el efecto de red.
7
Guide User Interfaces
Los servicios de las empresas de internet han ido desplazando al servicio brindado por las
empresas de telecomunicaciones. Esto se debe principalmente a que los nuevos actores
brindan servicios innovadores para mercado global utilizando modelos de negocios no
convencionales llamados Free (Chris Anderson, 2009) los cuales se detallaran ms adelante
en la Seccin 8. Estos modelos la caracterstica principal que tienen es que estn compuestos
por mltiples mercados, conocidos como Multi-sided Market. En general son gratuitos para
los usuarios pero obtienen rentabilidad por terceras partes, por ejemplo a travs de la
publicidad como es el caso de Google y Facebook.
La pregunta a resolver es si este tipo de modelo es sustentable en el contexto competitivo,
regulado y mercado satura que actualmente se encuentran las empresas las empresas de
telecomunicaciones mviles.
8
El churn es la tasa de prdida de clientes a partir de una base de clientes de una compaa
9
Bussisnes Intelligent
Estrategia Top-Down:
La arquitectura de BI tradicional Top-Down incorpora todas las fuentes de datos y, luego del
proceso ETL, su almacenamiento en un EDW en un formato basado en un modelo relacional
y, luego del proceso ETL, la construccin de Data Marts con informacin y dimensiones en
la parte superior de la EDW, para el anlisis y presentacin de informes enfocados a cada
departamento especfico de la compaa.
o Ventajas:
1. Mantiene la autenticidad y pureza de los datos por mantenerlos almacenados
cerca de la fuente donde se genera los mismos.
2. Proporciona una nica visin de la verdad de la empresa debido a que todos
los datos estn almacenados en forma centralizada en el EDW.
o Desventajas:
Este tipo de arquitecturas pueden fracasar debido al largo ciclo de implementacin y
por no ser amigable en el anlisis on the fly en empresas donde el negocio es
dinmico.
1. Requiera dos etapas de procesos ETLs y el mantenimiento del EDW ms Data
Marts.
2. Poner a disposicin los datos a travs de toda la compaa es complejo.
3. El tiempo de implementacin es lento y la demora en generar resultados no
acompaa la necesidad del negocio.
4. Las necesidades del negocio pueden cambiar durante el largo periodo de
implementacin.
Estrategia Button-Up:
Una arquitectura de BI tradicional Button-Up incorpora datos de las fuentes en forma similar
a la Top-Down pero, luego del proceso ETL, almacena los datos en modelos
La eleccin entre una estrategia Top-Down o una Button-Up, por lo general, se basa
puramente en las necesidades del negocio. De hecho, la mayora de las organizaciones
adoptan un modelo hbrido, una solucin de compromiso que cubre parcialmente a ambos
estrategias.
BI Tradicional
BDL Top-Down Top-Down
(EDW) (EDW)
Datos Datos
Procesamiento Todos los datos
Estructurados Estructurados
Almacenamiento Costo Bajo Alto Medio
Esfuerzo Bajo Alto Bajo
Mltiples fuentes Mltiples fuentes
Todas las fuentes de
Procesamiento de datos de datos
datos
estructurados estructurados
Alto, debido al Medio, debido al
Costo Bajo
Ingestin esfuerzo esfuerzo
Medio, debido a la
Alto, debido a la
preparacin de los
Esfuerzo Bajo preparacin de los
datos para los Data
datos para EDW
Marts
Realizado on demand
basado en las
Ya depurados
necesidades del negocio, Ya depurados y
estructurado y
permitiendo la estructurado los
agregados los
Depuracin identificacin de datos, no permitir
datos, no permitir
patrones y relaciones una mayor
una mayor
existentes en los datos. depuracin
destilacin
Este proceso es un
diferenciador
Capaz de administrar los
anlisis de datos en el No es posible No es posible
Procesamiento BDL. directamente en el directamente en
Este proceso es un EDW los Data Marts
diferenciador
Capacidad para analizar
Los anlisis Los anlisis
los datos segn sea
necesitan ser necesitan ser
necesario. Permite la
definidos por definidos por
exploracin de datos y
Insigths adelantado y por lo adelantado y por lo
por lo tanto permite el
tanto es rgido tanto es rgido
descubrimiento de
para la necesidad para la necesidad
nuevas ideas que no eran
del negocio del negocio
directamente visibles
Un BDL es un enfoque simple pero de gran alcance para resolver problemas de negocios.
Est dirigido a necesidades de negocios cambiantes porque permite el almacenamiento de
todos los datos y proporcionar la capacidad de derivar informacin procesable de cualquier
tipo de datos, permitiendo trabajar de manera transparente en un ambiente que permite una
visin integrada de toda la empresa.
7.1.1 Volumen
El trfico de datos mviles est creciendo exponencialmente alcanzando volmenes sin
precedentes. Esto se debe principalmente al creciente nmero de dispositivos mviles, a la
evolucin tecnolgica de dichos dispositivos y las redes mviles (descripto en la Seccin
5.2), y la creciente cantidad aplicaciones en el mercado:
Dispositivos Mviles
Ms de quinientos mil millones de nuevos dispositivos y conexiones se aadieron en el 2013.
Los dispositivos mviles y las conexiones globales crecieron, en 2013, a 7 mil millones,
frente a los 6,5 mil millones en el 2012. A nivel mundial, los dispositivos mviles y las
Evolucin Tecnolgica
Como se muestra en la
Figura 17, un solo telfono inteligente puede generar tanto trfico como 49 telfonos de
caracterstica bsica; una tableta de tanto trfico como 127 telfonos de la caracterstica
bsica; y una sola computadora porttil puede generar tanto trfico como 227 telfonos de
caractersticas bsicas.
Aplicaciones
o iPhone: Segn Mobile Statistics (2014), el lanzamiento del iPhone de Apple inici un
mercado altamente competitivo que actualmente cuenta con un 18% de la cuota de
mercado de telfonos inteligentes en todo el mundo, alcanzando el primer lugar en
cantidad de unas 900.000 aplicaciones disponibles para descargar del App Store cmo
puede observarse en la Figura 18.
o Android: Poco ms de un ao despus de que Apple haba demostrado el xito de una
nueva generacin de telfonos inteligentes, Google se uni a la lucha con su sistema
operativo Android. A finales de 2010, se llevaron el primer lugar como la plataforma
lder para smartphones y hoy cuentan con la mayor cuota de mercado mvil 76%
alcanzando el segundo lugar en cantidad de apps con un total de 800.000. A
diferencia de hardware y software integrado de Apple, Android es un sistema
operativo de cdigo abierto utilizado por diferentes proveedores de smartphones
(Samsung, HTC, Sony, etc.) y gratuito para desarrolladores de aplicaciones mviles.
10
Compound Annual Growth Rate
7.1.2 Variedad
Cmo se mencion en la Seccin 6.1, los datos de una organizacin pueden ser tanto
estructurados cmo no estructurados y obtenidos de mltiples fuentes de informacin que,
por lo general, corresponden a fuentes internas o externa a la organizacin. Segn IT Flux
(2014), se estima que los datos no estructurados, tanto internos como externos a la compaa,
representan el 80% de la informacin de los datos de una compaa.
En la Figura 20, se pueden observar ejemplos de los tipos de fuentes y la variedad de datos
que un operador de telecomunicaciones. En particular, las Telcos tienen vastas fuentes de
datos consideradas externas tales como redes sociales, video streaming, audio streaming,
chatting, calls, GPS, etc. pero son esencialmente todos los datos de los clientes pasa a travs
de sus pipes para acceder a servicios brindados por distintas aplicaciones mediante sus
dispositivos mviles, es decir, es el trfico de datos de los clientes que atraviesan las redes de
los operadores para acceder el servicio brindado por las OTTs.
En estos datos se puede extraer toda la informacin y tener una visin 360 del cliente como puede verse
puede verse en la
Figura 21. Un operador mvil puede conocer la ubicacin del cliente, los dispositivos que
utiliza, el segmento el cliente pertenece, que servicios y aplicaciones utiliza, que calidad
experimenta, la experiencia de uso percibida, los elementos de red intervinientes en el
servicio y, sobre todo, poder determinar el comportamiento en distintos momentos.
11
Cifrado o codificado destinadas a alterar las representaciones lingsticas de ciertos mensajes con el fin de
hacerlos ininteligibles a receptores no autorizados.
7.1.3 Velocidad
Cmo se pude ver en la Figura 22, cuanto ms rpido y cerca al real-time se analizan los
datos ms valor tienen. Esto es algo que, a diferencia de las soluciones de Big Data que
analizan los datos en near real-time, el BI tradicional no pudo resolver cmo vimos
anteriormente.
Estos KPIs permiten la deteccin proactiva y preventiva del desempeo de los servicios o
aplicaciones de los clientes segmentados por ejemplo por ARPU12, tendencias de consumo,
problemas en los dispositivos mviles, impacto de aplicaciones OTTs en la red permitiendo
optimizar el CAPEX13 y OPEX14. En la Figura 23 se pude ver un ejemplo de dashboards de
los KPIs por usuario, dispositivos, celdas, servicios propios o aplicaciones OTTs en casi
tiempo real.
12
Average Revenue Per User
13
CAPital EXpenditures
14
OPerational EXpenditures
De esta forma, Telenor Group (Congreso de IBM Insight 2014) identifica los KPIs ms
relevantes para la percepcin del cliente, la correlacin entre lo percibido y la calidad real del
servicio en tiempo casi real. Mediante esta informacin, establecer el punto de inflexin del
mercado a partir de la cual la calidad percibida por los clientes es satisfactoria o no y, de esta
forma, utilizar este umbral como input para la optimizacin de los parmetros de la red mvil
y la planificacin de la misma en forma proactiva, cmo puede verse en los ejemplos de la
Figura 24:
a) Experiencia de usuario en un trayecto determinado.
b) Mapa de cobertura.
c) Optimizacin de celdas vecinas para 2G/3G/4G.
d) Mapa de Calor.
Esta informacin calidad del servicio puede ser georreferenciada en mapas a partir de la
geolocalizacin de los eventos de un determinado periodo o en tiempo casi real, y visualizar
las zonas que cumplen o no cumplen con dicho criterio por ejemplo para el segmento de
clientes de mayor ARPU. Esto puede verse en la Figura 25 (Telefnica Argentina, IBM
Insight 2014).
Vodafone India (Congreso de IBM Insight 2014) utiliza soluciones de Big Data que le
permite entender el comportamiento de las aplicaciones OTTs que utilizan sus clientes
permitindoles:
Identificar y realizar un seguimiento de los usuarios OTT existentes y nuevos en
tiempo real.
Identificar aplicaciones OTTs utilizadas y el volumen de datos que consumen.
Alerta en tiempo real en los nuevos clientes la descarga de aplicaciones OTT.
Comprender las preferencias de uso de Msica, Social, Vdeo, Chat, descargas,
transmisin, etc.
Esta informacin la utilizan para conocer el target de los clientes y ofrecer mejores paquetes
de datos, ofertas de SMS, paquetes de bonificacin en tiempo real para mantener el uso.
De esta forma es posible monitorear la real experiencia del servicio que tuvo un usuario
basado en la correlacin de los KPIs de red y el umbral del servicio respectivo, actuar sobre
incidentes por servicio, dispositivo, cliente, locacin, etc., y priorizar la resolucin de
problemas con gran impacto en el negocio. En la Figura 28, se puede ver un ejemplo de
CEM, donde en color rojo se identifica una pobre experiencia de usuario, celeste una
intermedia y color verde una muy buena.
El operador Telenor Group (Congreso de IBM Insight 2014), utiliza CEM para detectar en
tiempo casi real una pobre experiencia de usuario sobre la conexin de datos mviles, enva
un aviso por SMS pidiendo disculpas al cliente siendo este evento almacenado en el BDL y,
una vez que haya sido solucionado el problema, le enva otro aviso por SMS al cliente que ha
sido solucionado el mismo.
Amazon utiliza tcnicas de Machine Learning para identificar los clientes con alta
probabilidad de abandono, lo que le permite interactuar con ellos proactivamente a travs de
promociones o contactos de atencin al cliente.
Los modelos de churn tradicionales tratan a los clientes como entidades aisladas. Pero los
clientes individuales no son entidades aisladas. Por el contrario, los clientes se ven influidos
por los amigos, amigos de amigos, y otras personas dentro de su red, pudiendo inclusive
producir efecto viral del cambio de compaa por parte de los clientes. Dasgupta (2008)
demostr que este problema podra resolverse mediante el uso de informacin de la red
social.
Varios estudios de redes sociales se han llevado a cabo mediante la utilizacin de grafo de
datos de llamadas mviles para examinar la estructura y evolucin de las redes sociales.
Dasgupta (2012) analizan la influencia del impacto de vecinos que dejaron al operador
mediante la aplicacin de una tcnica basa propagacin. Utilizando los datos del grafo de
llamadas, fueron capaces de demostrar que el churn se puede propagar a travs de una red
social. Aunque el estudio est limitado a utilizar informacin de slo vnculos, la exactitud
de prediccin es razonable pero an se podra mejorar. El anlisis identifica que la
propensin al churn de un abonado se correlaciona positivamente con el nmero de vecinos
que hicieron churn.
Kawale (2009) realiz un estudio similar usando la red social, utilizando datos de una
comunidad de juegos online popular. Proponen una nueva vuelta de tuerca al modelo de
propagacin de la rotacin existente propuesto por Dasgupta (2012) mediante la combinacin
de influencia social y engagement de los usuarios en el juego. El engagement de los usuarios,
que se refiere a la duracin de la sesin de juego durante el perodo de observacin, puede ser
clasificado como una variable intrnseca. La investigacin muestra que los modelos
entrenados usando una combinacin de factores sociales y el engagement de los usuarios
muestra un mejor desempeo que los modelos de propagacin tradicionales.
Kusuma & Otros (2013) aplican ideas similares de las obras antes mencionadas. La decisin
de un cliente para hacer churn no slo puede depender de las influencias sociales, sino
tambin en cmo se perciben los productos y servicios. En su trabajo se encontr que la tasa
de vecinos que hicieron churn produjo a vecinos adyacentes que se correlacionara
positivamente con el comportamiento prdida de clientes. Cuando la mitad de los vecinos han
Segn Pablo Rodriguez (TEDxBarcelona, 2012) a travs de una prueba en Mxico con 800
voluntarios donde psiclogos clasificaron su personalidad durante 6 meses y lo contrastaron
contra la utilizacin de tcnicas de SNA con datos provistos de los CDRs de Telefnica.
Result que esta modelizacin tuvo un 87% probabilidad de xito de detallar los rasgos
psicolgicos con la misma precisin que los psiclogos haban hecho.
El operador mvil Vodafone India (Congreso de IBM Insight 2014) utiliza tcnicas de SNA
para entender el comportamiento de los clientes y utilizarlo para reducir el churn
permitiendo:
Ahorro en costos, dando prioridad ofertas de retencin y esfuerzos adquisiciones
incrementales
Los resultados muestran que los modelos de redes sociales en combinacin con modelos
tradicionales son la mejor forma en que los operadores mviles pueden capitalizar los datos
de sus redes debido a que detectan otros tipos de usuarios que abandonan en comparacin con
los modelos tradicionales solos. Los clientes estn influenciados por amigos dentro de la red
y por los amigos de los amigos, y la incorporacin del peso de los vnculos conduce a
mejores predictores y ganancias.
8.1.3 e-Advertising
Existen mltiples modelos de precios para las campaas de publicidad online. Los ms
frecuentes son:
CPM (Costo por mil)
CPC (Coste por clic)
CPL (Coste por lead)
CPA (Coste por adquisicin)
Los gestores de publicidad online presumen de su bajo costo y alta efectividad. Por supuesto,
la principal ventaja de la publicidad online es el costo, sensiblemente ms econmica que
otro tipo de medios. Pero no es esta la nica, tambin tiene la ventaja de la inmediatez, el
destinatario del anuncio puede acceder al producto o servicio al instante (haciendo clic en el
link). Por su parte, el anunciante paga (en la mayor parte de las ocasiones) por cada visita que
recibe. De esta forma limita el coste de la campaa y se asegura la rentabilidad de la misma.
Precisamente el hecho de pagar por clic exige de los gestores de publicidad un estricto
control de la veracidad de todos los clics para as no generar desconfianza en los anunciantes.
Todas las entidades tratan de perseguir dicho fraude pero, con todo se siguen produciendo
clics fraudulentos. Se estima entre un mnimo del 2% que reconocen las propias empresas de
publicidad como AdSense y un 20% que apuntan algunos analistas independientes. El rango
es muy poco preciso porque la informacin que dan los gestores de publicidad es poca.
Un ejemplo de este modelo de compra uno y conseguir uno gratis o con descuento es el caso
en el que operador de telecomunicaciones mviles subvenciona un dispositivo mvil
ofrecindole cuando el cliente adquiere un alta de planes de telefona.
La tecnologa est dando empresas una mayor flexibilidad en la forma en trminos generales
que definen sus mercados, lo que permite ms libertad para regalar algunos productos para
promover otros.
Este es el modelo de negocio free ms comn existente. Es la base de casi todos los medios
de comunicacin, especialmente de revistas, peridicos y televisin. Los anunciantes
compran el espacio de publicidad al productor por lo que puede entonces vender lo que tienen
que ofrecer a la los consumidores que leen las revistas o ver los programas de televisin.
En un sentido, la Web representa la extensin del modelo de negocio de los medios a las
industrias de todo tipo. Los ejemplos ms conocidos son el caso de Google y Facebook, los
cuales ofrecen servicios de bsqueda de contenidos y redes sociales respectivamente,
obteniendo la rentabilidad de terceras partes mediante la publicidad de los productos.
8.2.3 Freemium
Freemium procede de la fusin de las palabras Free y Premium. Ese juego de palabras
queda muy ingls, pero al pasarlo al espaol suena algo peor, algo as como Gratis-Pago.
Tras la lectura completa del libro he llegado a la conclusin de que el autor desarrolla con
ms coherencia los posibles modelos de negocio basados en el concepto de gratis-pago que
los supuestos modelos de gratuidad en Internet.
Esta es la razn por Wikipedia tiene millones de artculos y por qu Freecycle ofertas
millones de artculos de segunda mano. La gente escribe artculos para Wikipedia con el fin
de llegar a ser reconocido en lugar de que estn siendo pagados. Del mismo modo, Freecycle
permite a las personas limpian a cabo su el desorden de una manera socialmente aceptable.
Los incentivos para compartir pueden ir desde la reputacin, diversin, buen karma, la
satisfaccin y simplemente el inters propio.
En primer lugar, est la etapa de generacin de datos (Data Generation). Para cualquier flujo
de datos que existe en absoluto, alguna entidad tiene que recoger los datos en que se