Big Data no está confinada a las ventas – es una herramienta clave para las empresas de telecomunicaciones

Opinión: Big Data no es sólo para los vendedores. Para las empresas de telecomunicaciones se trata de reducir los gastos operativos, mejorar la calidad del servicio – y desplegar servicios con mayor rapidez.

Big Data ha ganado reconocimiento – y con razón – al ayudar a los encargados de marketing a mejorar la eficiencia de sus campañas, ayudar a los médicos a elaborar diagnósticos, facilitar la lucha contra el fraude, mejorar la detección de ataques de hackers, e incluso mejorar las predicciones en los mercados financieros. Si bien la mayor parte de la atención se ha concentrado en las aplicaciones de consumo, la analítica y técnicas de Big Data también pueden ser aplicadas a las telecomunicaciones y las redes de carriers. En este artículo vamos a discutir cómo las técnicas de Orquestación Servicios del Ciclo de Vida pueden ser utilizadas para reducir los costos de operación de las redes de carriers, mejorar la calidad de los servicios prestados, y proporcionar un aprovisionamiento más rápido de nuevos servicios de red.

 

En primer lugar, revisemos el origen de Big Data en una red. Dependiendo de la arquitectura de la red y cómo esta ha sido instrumentada, los datos sin formato pueden ser extraídos a un nivel muy granular: origen y destino de los paquetes individuales, ruta tomada, y tiempo transcurrido para atravesar la ruta. En un nivel superior, los datos pueden incluir a los clientes, los servicios, el tipo de información, así como la naturaleza de la conexión para cada enlace (enlace de fibra metro, los datos de celulares, LAN empresarial). No todos los datos en tiempo real pueden estar disponibles para todas las rutas y enlaces, pero cuanto más información haya, más verosímil es la imagen que surge de la red, sobre su capacidad y utilización, así como el desempeño de sus servicios de red.

 

¿Qué se puede hacer con estos datos? Un buen comienzo es entender la propia red, que abarca tanto su topología física, así como los servicios que se ejecutan en ella. Mientras que las herramientas de gestión de red han sido capaces, por años, de descubrir y mapear la topología estática de una red, la capacidad de comprender realmente los servicios es algo mucho más complicado.  En parte esto se debe a que requiere el análisis de todos los datos sin formato, y en parte debido a que el modelo de información de servicio está en constante cambio en tiempo real, en la medida que los usuarios cambian su quehacer, las direcciones IP cambian sus puntos de acceso (léase: usuarios móviles), los balanceadores de carga se adaptan a la demanda dinámica, y las rutas de red son actualizadas para mejorar el rendimiento.

 

Es ahí donde las técnicas modernas de analítica de Big Data adquieren su verdadera dimensión.  En primer lugar, hay que dar sentido a los datos sin formato provenientes de una gran variedad de sistemas de operaciones, y de la propia red, para construir un modelo -en tiempo real, y en el mundo real- de información de servicio de la red.  Este paso crítico requiere de técnicas de aprendizaje computarizado para determinar cómo están interconectados los elementos de la red y cómo son suministrados los servicios a través de esa infraestructura.  En segundo lugar, el modelo de información de servicios –preciso y actualizado –  constituye la base para la analítica predictiva sofisticada basada ​​en mediciones que se reciben de la red en tiempo real. Esto ayuda a los operadores a entender donde el desempeño se está degradando en su red, qué recursos son sobreutilizados, y donde podrían surgir futuros problemas de tráfico, lo que hace posible elaborar planes para fortalecer o reasignar recursos.

 

Con el fin de hacer que la analítica de Big Data sea consumible, se requiere la presencia de avanzadas interfaces gráficas de usuario (GUI). Los equipos de operaciones de red a continuación pueden ver, en una sola pantalla, una representación exacta de su red y servicios, cómo se está utilizando su infraestructura y capacidad de red, utilización y análisis de rendimiento.  Al completar el ciclo completo, el software de Orquestación de Servicios del Ciclo de Vida automatiza las acciones necesarias para mantener la calidad del servicio al más alto nivel posible.

 

En otras palabras, Big Data y la analítica predictiva se combinan para hacer más resistentes las redes de los grandes operadores. Con grandes redes que escalan a millones de rutas de red y terabytes de mediciones de la red por día, sólo las técnicas de Big Data pueden proporcionar la orientación proactiva que los operadores requieren para anticipar y satisfacer la futura demanda de los clientes.

 

Si bien hay una serie de áreas donde la analítica de Big Data  y el aprendizaje automático se pueden beneficiar de la Orquestación de Servicios del Ciclo de Vida, volvamos a los tres puntos mencionados anteriormente: reducción de gastos de operación de las redes de operadores, mejora de la calidad de los servicios prestados, y habilitación de un aprovisionamiento más rápido de nuevos servicios de red – al transportar estos servicios indistintamente por elementos físicos de red o funciones virtualizadas de la red (VNFs).

 

Reducción de los costes operativos: El OPEX puede reducirse al evitar los problemas antes de que ocurran. Al proporcionar a los equipos de operaciones de red un modelo de información de servicio en capas, colocado en la parte superior de la topología física, proporciona información útil sobre el rendimiento, la capacidad y la utilización, que pueden permitir una asignación más proactiva de los recursos – no sólo reduciendo potenciales incidencias de emergencia, sino al hacer posible la asignación de recursos menos costosos (o más eficientes).

 

Mejorar la calidad del servicio: El modelo de información de servicio no sólo entiende las rutas, sino también la naturaleza de los servicios. Por ejemplo, al saber que los servicios de VoIP o de vídeo deben permanecer dentro de parámetros específicos, los algoritmos de Big Data pueden determinar cuándo y qué problemas son dables de ocurrir. Así es posible tomar medidas proactivas para asegurar que la calidad se cumple, satisfaciendo así, o excediendo, los requisitos del cliente para ese tráfico.

 

Aprovisionamiento más rápido de los servicios: En el caso de una solicitud de servicio para añadir o actualizar la conectividad entre las ubicaciones, en una red portadora masiva, puede ser difícil determinar si la capacidad ya está presente, o si es necesario instalar actualizaciones en la red para acomodar los nuevos requisitos del cliente. Además, los pasos necesarios para el despliegue podrían ser meticulosamente manuales.  Gracias a la Orquestación de Servicios del Ciclo de Vida utilizando Big Data, los nuevos servicios para clientes pueden ser implementados en un día – en lugar de semanas.

 

Dado el alcance amplio, escala y complejidad de las redes de proveedores de servicios de hoy en día, que abarca IP VPNs, MPLS, Carrier Ethernet, Ethernet sobre SONET, y las tecnologías móviles, la Orquestación Servicios del Ciclo de Vida se está convirtiendo en un factor clave de la agilidad de la red. Los carriers deben ser capaces de responder rápidamente a la demanda del cliente y de cambiar la utilización de la red – la Orquestación Servicios del Ciclo de Vida, incrementada por  la analítica de Big Data, será el “ingrediente secreto” que permitirá a los operadores ser cada vez más competitivos y sensibles. El mercado está creciendo rápidamente, y las nuevas tecnologías como SDN y NFV aportarán aún más Big Data a la red. Es esencial, por lo tanto, ser capaz de comprender la red en tiempo real, y responder en tiempo real.

 

Las herramientas como Cortx Service Orchestrator de CENX, demuestran los beneficios que traen la analítica y el aprendizaje automático a los operadores, contribuyendo a reducir el OPEX, mejorar el suministro de servicios y habilitando el rápido despliegue de nuevos servicios. Mediante el uso de datos en tiempo real para elaborar y mantener un modelo de información de servicio, y luego capas de análisis predictivo y capacidades de búsqueda basadas en GUI en la parte superior de ese modelo, el proveedor de servicios, por primera vez, puede comprender verdaderamente toda la red – y hacia donde la red está encaminada.

 

En muchos sentidos, la forma en Big Data es utilizada en segundo plano es similar a las aplicaciones de Big Data de las que oímos hablar de sectores como comercio minorista, atención de salud, científicos y la industria de las finanzas. La analítica de Big Data conecta millones – o miles de millones – de pequeñas porciones de información para llegar a una conclusión, hacer predicciones, resolver problemas, crear oportunidades y mejorar el servicio al cliente. Está en la NASA, está en Wall Street, y ahora está en la red.

Por CENX

Fotografía: Marie Fiala Timlin y Martin Singer, de CENX, en animada conversación durante MEF GEN14, Washington, noviembre de 2014 (Fotografía: Diario TI)


Únase a la conversación

Contacto | Diario TI es una publicación de MPA Publishing International Ltd., Reino Unido. © Copyright 1997-2022