Daten, Automatisierung und KI für optimierte Abläufe in der Telekommunikationsbranche

Telekommunikationsunternehmen sitzen auf einer wahren Goldmine an Daten, mit denen sie neue Potenziale nutzen, das Erlebnis ihrer Kundinnen und Kunden verbessern und die Effizienz steigern können. Es gibt derart viele Daten, sodass die effiziente Datenaufnahme, -verarbeitung, -verfeinerung und -verwendung zu einer echten Herausforderung wird, wenn es darum geht, so schnell wie möglich (und oft nahezu in Echtzeit) fundierte Entscheidungen treffen zu können.

Einer neuen Studie von Analysys Mason zufolge nimmt das Datenvolumen weltweit um 20 % (CAGR) zu. Der Netzwerktraffic wird bis 2025 voraussichtlich 13 Zettabytes erreichen. Um mit der Entwicklung der Branche Schritt halten zu können, müssen Kommunikationsdienstleister (Communications Service Provider, kurz CSP) ihre Daten auf effizientere Weise verwalten und monetarisieren. Nur dann können sie Folgendes erreichen:

• Neue Erfahrungen für Nutzerinnen und Nutzer und B2B2X-Dienste bereitstellen (das „X“ steht für Kundinnen und Kunden sowie und juristische Personen in zuvor unerschlossenen Branchen) und neue Einnahmequellen erschließen.

• Geschäftsabläufe transformieren, indem mithilfe von Daten, Automatisierung, Künstlicher Intelligenz (KI) und Machine Learning (ML) die Effizienz erhöht, die Netzwerkleistung verbessert und CAPEX/OPEX im gesamten Unternehmen gesenkt werden.

Es gibt vier wichtige Herausforderungen bei der Datenverwaltung und bei Analysen, mit denen Kommunikationsdienstleister konfrontiert sind, und bei denen Cloud-Lösungen helfen können. 

1. Datenanalysen in Echtzeit durchführen

Stellen Sie sich vor, Sie könnten Ihren Kundinnen und Kunden Angebote am richtigen Ort und zum richtigen Zeitpunkt auf Grundlage ihrer jeweiligen Interaktionen vorschlagen. Oder stellen Sie sich vor, Sie könnten Ihre Umsätze maximieren, indem Sie Angebote an Makro- und Mikrozielgruppen auf dynamische Weise anpassen – auf Grundlage von Trends, die sie während einer Kampagne entdeckt haben. Diese Arten von Programmen, die die Abwanderungsquote reduzieren und die Chancen für Up-Selling und Cross-Selling erhöhen, sind möglich, wenn Sie Ihre Daten systemübergreifend korrelieren und umsetzbare Informationen nahezu in Echtzeit erhalten.

Wenn es um effektive Entscheidungsfindung nahezu in Echtzeit geht, ist Geschwindigkeit entscheidend. Für Anwendungsfälle wie die Bereitstellung standortbasierter Angebote, während die Kundinnen und Kunden noch vor Ort sind, oder das schnelle Erkennen eines Betrugs während einer Transaktion, um Verluste zu minimieren, sind niedrige Latenzen erforderlich.

Cloud-Anbieter können die Geschwindigkeit und Skalierbarkeit bieten, die für das Streaming von Daten bei der Datenverarbeitung nahezu in Echtzeit benötigt werden. Bei Google sind wir uns diesen Anforderungen bewusst, da sie den Kern unseres Geschäftsmodells bilden. Dementsprechend haben wir die Technologien entwickelt, mit denen diese Herausforderungen in großem Maßstab bewältigt werden können. BigQuery von Google Cloud ist beispielsweise ein serverloses und in hohem Maße skalierbares Cloud Data Warehouse, das die Aufnahme von Streamingdaten und extrem schnelle Abfragen auf Petabyte-Ebene unterstützt. Die BigQuery zugrunde liegenden Infrastrukturtechnologien von Google wie Dremel, Colossus, Jupiter und Borg wurden dafür entwickelt, um die Herausforderungen von Google hinsichtlich der globalen Skalierbarkeit von Daten zu meistern. Die umfassende Google Cloud-Lösung für die Streamanalyse basiert auf Pub/Sub und Dataflow und unterstützt die Aufnahme, Verarbeitung und Analyse fluktuierender Datenvolumen für die Gewinnung geschäftsrelevanter Informationen nahezu in Echtzeit. 

Darüber hinaus können Kommunikationsdienstleister die Vorteile von Anthos nutzen. Hierzu zählt die Fähigkeit, Workloads näher an den Kundinnen und Kunden zu platzieren, sei es innerhalb des Rechenzentrums eines Betreibers, über Clouds hinweg oder sogar auf Edge-Geräten, um die für latenzabhängige Anwendungsfälle benötigte Geschwindigkeit zu erreichen.

Und was noch wichtiger ist: Nach Aussage von Justin van der Lande, Principal Analyst bei Analysys Mason, erfordern Anwendungen in Echtzeit, dass „eine Aktion auf Grundlage von Änderungen der Streamingdaten erfolgt, die wiederum eine neue Aktion vorhersagen oder bewirken“. Außerdem setzen solche Anwendungsfälle eine durchgehende Modellvalidierung und -optimierung voraus. Aus diesem Grund kann der Einsatz von ML-Tools wie TensorFlow in der Cloud dabei helfen, Modelle zu verbessern und auf dem aktuellen Stand zu halten. Cloudbasierte Dienste geben Entwickler*innen bei Kommunikationsdienstleistern außerdem die Möglichkeit, ML-Modelle zu entwerfen, bereitzustellen und über APIs oder eine Verwaltungsplattform zu trainieren, sodass die Modelle schnell und mit angemessener Validierung, entsprechenden Tests und erforderlicher Governance implementiert werden können. Google Cloud AutoML ermöglicht es Nutzerinnen und Nutzern, die über wenig ML-Erfahrung verfügen, hochwertige Modelle zu trainieren, die speziell auf ihre Geschäftsanforderungen zugeschnitten sind. 

2. Steigerung der operativen Effizienz

Im Laufe der Zeit haben viele Kommunikationsdienstleister in hohem Maße fragmentierte und komplexe Softwaretools, Plattformen und Integrationen für die Datenverwaltung und Analysen erstellt. Die Fusionen und Übernahmen im Laufe der Jahre sind ein Hinweis darauf, dass verschiedene Abteilungen oder Betreiber über ihre eigenen Tools verfügen, was zusätzlich zur Komplexität bei der Beschaffung und Verwaltung dieser Tools beiträgt – und sogar die Fähigkeit eines Betreibers beeinträchtigen kann, schnell neue Funktionen bereitzustellen.

Cloud-Anbieter ermöglichen Kommunikationsdienstleistern Zugriff auf erweiterte Daten- und Analysetools mit umfassenden Funktionen, die ständig aktualisiert werden. Google Cloud bietet beispielsweise Looker, eine Plattform, mit der Unternehmen Daten über Google Cloud, Azure, AWS oder andere lokale Datenbanken hinweg vernetzen, analysieren und visualisieren können. Die Lösung ist ideal für Streaminganwendungen. Darüber hinaus arbeiten Hyperscale-Cloud-Anbieter mit einem großen Netz an Technologiepartnern zusammen. Dadurch sind Betreiber in der Lage, mehr standardisierte Datentools zu nutzen, die eine größere Bandbreite an Anwendungsfällen unterstützen und besser an neue Anforderungen angepasst werden können. 

So hat sich z. B. Google Cloud mit Amdocs zusammengetan, um Kommunikationsdienstleistern dabei zu unterstützen, Daten auf effektivere Weise in der Cloud zusammenzuführen, zu organisieren und zu verwalten. Auf diese Weise können die Erlebnisse von Kundinnen und Kunden verbessert und neue Potenziale ermöglicht werden. Amdocs DataONE extrahiert, transformiert und organisiert Daten mithilfe eines telekommunikationsspezifischen und TM Forum-kompatiblen Amdocs Logical Data Model (aLDM). Die Lösung wird auf Google Cloud SQL, einer vollständig verwalteten und skalierbaren relationalen Datenbanklösung, ausgeführt. Diese ermöglicht es, Verfügbarkeit und Sichtbarkeit Ihrer operativen und analytischen Daten sowie den entsprechenden Zugriff auf effizientere Weise zu organisieren und zu verbessern. Die Amdocs-Datenlösung kann auch in BigQuery eingebunden werden, sodass die vorhandenen ML-Funktionen genutzt werden können. Nicht zuletzt bietet Amdocs Cloud Services Kommunikationsdienstleistern die Möglichkeit, ihre Daten so zu migrieren, zu verwalten und zu organisieren, dass sie strategische Informationen gewinnen und auf diese Weise ihre Effizienz maximieren können.

3. Kosteneinsparungen durch Automatisierung und die Cloud

Einer der wichtigsten Beweggründe, aus denen sich Kommunikationsdienstleister für eine cloudbasierte Dateninfrastruktur entscheiden, ist wahrscheinlich die Aussicht auf niedrigere Betriebs- und Kapitalkosten. Prognosen von Analysys Mason zufolge wird sich der Kapitalaufwand für den IT- und Softwarebereich bei Kommunikationsdienstleistern bis zum Jahr 2025 auf 45 Milliarden $ belaufen; die Ausgaben für den IT-Betrieb werden mehr als doppelt so hoch ausfallen. In dem Maße, wie Betreiber neue digitale Dienste und wachsende Datenvolumen unterstützen, werden diese Kosten weiter ansteigen. Bei Cloud-Diensten zahlen Sie für die genutzten Kapazitäten, nicht für Ihre Server. Dies führt nicht nur zu Einsparungen bei den infrastrukturbezogenen Kapitalausgaben, sondern bietet auch Vorteile wie gesteigerte Effizienz durch Skalierungsmöglichkeiten beim Cloud-Computing. Außerdem sind sämtliche Kosten für Wartungen und Updates in einer kalkulierbaren monatlichen Rechnung enthalten.

Darüber hinaus haben Kommunikationsdienstleister täglich und auf das Jahr gesehen mit Höhen und Tiefen bei der Nachfrage zu kämpfen, wozu auch Phasen mit viel Internettraffic sowie beliebte Events wie beispielsweise der Super Bowl in den Vereinigten Staaten mit seinen Zuschauerzahlen gehören. Der Aufbau einer Infrastruktur, die diesen Spitzen gerecht wird, vergeudet jedoch Ressourcen und verringert den Ertrag. Die Nachfrage kann auch außerhalb der zu erwartenden Zyklen schwanken. Außerdem erschweren große Workloads wie Big Data-Abfragen oder Ad-hoc-Analysen und -Berichte, die genaue Vorhersage von Kapazitätsanforderungen. Cloud-Computing ermöglicht jedoch schnelles Herauf- und Herunterskalieren (oder sogar Autoscaling), was bei lokalen Systemen nicht immer einfach zu bewerkstelligen ist. 

4. Erhöhung des Customer Lifetime Value

Schließlich müssen Kommunikationsdienstleister Daten und Analysen dazu verwenden, ihre Interaktionen mit Kundinnen und Kunden besser zu verstehen und ansprechendere, stärker personalisierte Dienste bereitzustellen – um den Customer Lifetime Value insgesamt zu erhöhen. Dazu sollten sie in der Lage sein, schnell auf Grundlage von aussagekräftigen Daten zu agieren, um fundierte Entscheidungen zu fällen. Ein Beispiel: Ohne hochwertige, zeitnahe Daten zu Ihren wichtigsten Kundinnen und Kunden sind Sie möglicherweise nicht in der Lage, zu erkennen, wer abzuwandern droht, oder Sie würden möglicherweise Kundinnen und Kunden Rabatte anbieten, die gar nicht ihren Anbieter wechseln möchten. 

Nach Ansicht von van der Lande gibt es fünf Hauptmerkmale eines guten Datensatzes: Datenqualität, Governance, Geschwindigkeit, Vollständigkeit und Teilbarkeit (siehe Diagramm 1). Anders ausgedrückt: Ihre Daten sind nur so gut wie die Geschwindigkeit, mit der Sie diese von ihren unzähligen Back-End- und Front-End-Systemen sowie Netzwerken erfassen, transformieren und laden können. Außerdem zählt, wie vollständig die Daten sind und ob Sie diese problemlos und mit 360-Grad-Blick mit den richtigen Entscheidungsträger*innen teilen können. Es ist auch wichtig zu berücksichtigen, wie gut die Governance der Daten ist. Aspekte wie Datenherkunft, Datenquelle, Kategorisierung von personenbezogenen Daten und regulatorische Auflagen sind sehr wichtig, wenn Sie daran arbeiten, Vertrauen in die Qualität der Daten und die aus ihnen gewonnenen Informationen aufzubauen. Und was noch wichtiger ist: In dem Maß, wie das Datenvolumen zunimmt, wird es immer schwieriger, Qualität, Governance und Vollständigkeit sicherzustellen.

Betreiber können einen einzigen operativen Datenspeicher in der Cloud erstellen und ML-basierte Vorbereitungstools verwenden, um die Qualität und Vollständigkeit von Daten zu verbessern. Auch können Cloud-Anbieter professionelle Sicherheitstools bereitstellen, um Zugriffsberechtigungen zu verwalten und eine automatisierte Verwaltung zu ermöglichen, um wiederum eine angemessene Governance zu ermöglichen. Die Cloud unterstützt durchgängige Streaming-Pipelines für Big Data-Analysen nahezu in Echtzeit, die andernfalls schnell die internen Systeme überlasten würden. Darüber hinaus bieten Lösungen wie Google Cloud BigQuery Omni, basierend auf Anthos, Kommunikationsdienstleistern eine durchgängige Möglichkeit für Datenanalysen und Infrastrukturverwaltung, unabhängig von ihrer jeweiligen Bereitstellungsumgebung.

Der Telekommunikationsbranche bietet sich die einzigartige Gelegenheit, die enorme Menge an Daten zu nutzen, die ihre Systeme generieren, um Kundenerlebnisse zu verbessern, effizientere Abläufe zu schaffen, innovative neue Produkte zu erstellen und Anwendungsfälle aufzuzeigen, bei denen schneller neue Umsatzmöglichkeiten generiert werden können. Doch so lange weiter starre lokale Infrastrukturen verwendet werden, ist es unwahrscheinlich, dass sie von den Datenmengen als wichtige Ressource profitieren können. In einer Welt, in der Entscheidungen nahezu in Echtzeit ausschlaggebender sind als jemals zuvor, kann die Cloud helfen, die Agilität, Skalierbarkeit und Flexibilität zu bieten, die nötig sind, um die wachsenden Datenmengen zu verarbeiten und zu analysieren. Auf diese Weise bleiben Unternehmen nicht nur relevant, sondern auch wettbewerbsfähig.