Nuevos Modelos de Negocios Basados en Big Data para Operadores Móviles
•
2 gostaram•1,423 visualizações
En esta tesis se realiza una descripción de la problemática del modelo de negocios actual de los operadores de telecomunicaciones móviles y la industria. Se introduce los conceptos básicos a nivel ejecutivo de las soluciones de Big Data, como estas pueden satisfacer necesidades que el BI (Business Inteligent) tradicional no puede y se presentan casos de uso de operadores móviles líderes. Finalmente, se analizan los modelos de negocios de internet y las formas de monetización free como base de la propuesta de un nuevo modelo de negocio basado en la explotación de los datos de los operadores móviles.
Recomendados
Recomendados
Mais conteúdo relacionado
Destaque
Destaque (20)
Último
Último (20)
Nuevos Modelos de Negocios Basados en Big Data para Operadores Móviles
- 1. Autor: Mg. Ing. Fernando Manso Tutor: Dr. Ing. Enrique Hoffman Tesis de Maestría, MGSTT, 2015 BIG DATA EN OPERADORES MOVILES Nuevos Modelos de Negocios Basados en Big Data para Operadores Móviles
- 2. INTRODUCCIÓN
- 3. Introducción Hipótesis de Trabajo • Las soluciones de Big Data pueden ayudar a mejorar el modelo de negocio actual. • Los operadores móviles pueden explotar los datos del tráfico de los usuarios mediante soluciones de Big Data para agregar valor y generar nuevos modelos de negocios que permitan recuperar la competitividad frente a otros jugadores de la industria. Metodología de investigación • Paradigma cualitativo. • Metodología de investigación analítica-descriptiva. • Estudio de casos para ratificar la hipótesis y contrastar la viabilidad del modelo teórico propuesto con los resultados conseguidos en las entrevistas a expertos de la industria. 3 Objetivo General • Analizar los modelos de negocios para operadores móviles basados en Big Data y generar un marco referencial que integre las mejores prácticas que lleven a maximizar la generación de valor en el ecosistema.
- 5. Evolución de las Telecomunicaciones Móviles . 5
- 6. Cadena de Valor de la Industria Kearney (2010). A Viable Future Model for the Internet. 6 Over The Top (OTT) Operadores de Redes
- 7. Modelo de Negocio Actual de los Operadores One-Sided Market Poggio (2014). Tecnología de las Telecomunicaciones. 7 Regulación
- 8. Problema de Sustentabilidad del Modelo Actual Tráfico Vs Ingresos Causas: • Pérdida Competitiva frente a los OTTs: • Problema Estructural en el Precio: • Altas Inversiones en Infraestructura • “Comoditización” de la BAM • Factores RegulatoriosOvum (2013). Telecoms Regulation Forum. 8
- 9. TELCOS Vs OTTs: Comparación Global Global Scale Comparision Revenues Growth Forecast (€Bn) TIM & Net Consulting (2013). Telecoms Regulation Forum. 9
- 10. INTRODUCCIÓN A BIG DATA
- 11. Gartner Hype Cycle . 11Gartner (2014). Gartner Hype Cycle.
- 12. Definiciones Big Data Data Mining Leventhal (2010). An introduction to data mining and other techniques for advanced analytics.12 Advanced Analytics
- 13. Actividad en la Red Móvil durante un Terremoto Fuente: www.enriquefrias-martinez.info 13
- 14. BI Tradicional Vs Business Data Lake (BDL) Capgemini (2014). Traditional BI vs. Business Data Lake. 14
- 15. Protección de Datos Personales USA • Sección 2015 de la Ley Patriótica de 2001. • Recolección de datos debido a las políticas antiterrorista. • Nueva norma que restringirá el almacenamiento de datos que lleva a cabo la NSA (06/15). UE (Alemania y España) • Ley Orgánica de Protección de Datos (LODP) • Cruzamientos de datos sólo a nivel estadístico y anónimos. • Los datos tienen límites geográficos. 15 Datos Personales • Servicio Primario • Servicio Secundario
- 16. BIG DATA EN LOS OPERADORES DE TELECOMUNICACIONES MÓVILES
- 17. Por qué Big Data en un Operador Móvil? 17 • Dispositivos Móviles (1) • Evolución Tecnológica(4)• Aplicaciones (3) (1) Cisco VNI Mobile (2014), (2) IT Flux (2014), (3) Mobile Statistics (2015), (4) NSN (2013). 61% CAGR (1) 80% No estructurado (2)
- 18. Casos de Uso: Mejora del Modelo de Negocio Actual CEM (Telenor Group) Churn Prediction (Vodafone India) 18 Social Media (Vodafone India) Voice Analytics (Deutsche Telekom) IBM Insight (2014), Big Data e Innovación. IIC (2013)
- 19. Casos de Uso: Nuevos Modelos de Negocios Smart Steps (Telefonica UK) JetSetMe (Telefonica UK) 19 musicload (Deutsche Telekom) bitplaces (Deutsche Telekom) Big Data Monetization Congress (2014).
- 20. PROPUESTA DE MODELO DE NEGOCIO BASADO EN BIG DATA
- 21. Cadena de Valor de los Datos Gustafson & Dan Fink (2013). Strategy & Innovation. 21 Ventaja Competitiva de los Operadores Socios Estratégicos por Industria
- 22. Tipos de Modelos y Formas de Monetización Direct Cross- Subsidies Three-Party Market Anderson (2013). Free: The Future of a Radical Price 22 Freemium Non-Monetary Market
- 23. Modelo Propuesto: Free - Three-Party Market e-Marketplace B2B de Datos Agregados y Servicios Vertical por Industria 23 Confianza + Incentivos Anderson (2013). Free: The Future of a Radical Price
- 24. Big Data Opportunities Big Data Opportunities in Vertical Industries Más Fuentes de Datos con IoT, más oportunidades … . 24 Gartner (2012), Market Trends: Big Data Opportunities in Vertical Industries BR (2011), M2M Sector Maps
- 26. Conclusiones y Recomendaciones • A los operadores móviles se les presenta el gran desafío de revertir la situación en los próximos años debiendo realizar un cambio estratégico para no perder rentabilidad a largo plazo frente a los OTTs. • El tráfico de datos móviles (estructurados y no estructurados) está creciendo exponencialmente alcanzando volúmenes sin precedentes teniendo los operadores la oportunidad de explotar los mismos mediantes soluciones de Big Data en tiempo casi real permitiendo: – Mejorar el Modelo de Negocio Actual: CEM, Reducción de Churn, Social Media y Voice Analytics. – Nuevos Modelos de Negocio: e-Marketplace B2B de Datos Agregados y Servicios Vertical por Industria (Bancos y Seguridad, Gobierno, Salud, Transporte, etc). – Futuras oportunidades: IoT, Smart Cities, etc. • Para que este cambio de paradigma sea exitoso, los operadores deben realizar un cambio de diseño organizacional y cultural que permita integrar en forma centralizada mediante un Chief Data Officer (CDO) las áreas de ingeniería, IT y servicio al cliente que actualmente trabajan en forma de silos. • Las empresas deben ayudar a reducir los miedos de la sociedad a compartir datos mediante reglas de juego claras y transparentes. 26
- 27. Mg. Ing. Fernando Manso e-mail: ing.fernandomanso@gmail.com http://ar.linkedin.com/in/fmanso/ Versión Completa: http://www.amazon.es/dp/B014OM4Z6O Buenos Aires, Agosto, 2015 CONTACTO
Notas do Editor
- Y el objetivo de esta presentación es contarles el desarrollo de la tesis sobre modelos de negocios basados en Big Data para operadores móviles. Lo que me motivó a seleccionar este tema fue comprender cómo el complejo ecosistema conformado por los jugadores de internet y operadores móviles se ha tornado altamente competitivo, convirtiéndose en una lucha de poder que presenta grandes interrogantes sobre su futuro.
- En las telecomunicaciones se utiliza las siglas 2G, 3G, etc para referirse a la generación de tecnologías de telefonía móvil: 1G: Sistema utilizaba canales de radio analógicos para servicios de voz 2G: Se digitalizó las redes para Voz de mayor calidad y para servicios de SMS. 3G: Necesidad de aumentar la capacidad de transmisión de datos. En el 2007 se inició la era del Smartphone con el lanzamiento del iPhone generando la proliferación de aplicaciones. 4G (La actualidad): Mediante la tecnología LTE se aumenta la velocidad de trasmisión de datos para poder ver contenido en HD mediante video streaming. 5G (Futuro): Se está definiendo el estándar con el objetivo principal de dar una eficiente conectividad a la alta cantidad de dispositivos conectados del tipo sensores que se espera que haya a media que evoluciones el IoT. Los principales servicios son Voz, SMSs y conectividad a internet con velocidades crecientes.
- Kerny” identificó los diferentes jugadores de la industria de telecomunicaciones móviles y analizó cómo estos generan valor a los clientes cómo puede observarse en la figura. Este trabajo estará centrado principalmente en los OTTs y los operadores de redes móviles: Los proveedores de conectividad operan redes de alcance nacional o regional para brindar principalmente servicios de Voz, SMSs y Banda Ancha Móvil (MBB). Mientras que, los OTTs son empresas de internet que brindan servicios innovadores mediante plataformas teniendo de alcance global independientemente de las redes de los operadores.
- Los operadores utilizan modelos de negocios tradicionales (One-sided Market) donde los ingresos provienen principalmente de servicios contratado por los clientes (consumidores, pequeñas y medianas empresas, grandes empresas, etc) y las erogación a proveedores (infraestructura de red, dispositivos, interconexiones, etc) como puede verse en figura. Generalmente operan bajo un marco regulatorio con diferentes exigencias que dependen de cada país, como por ejemplo: Regulación de los precios del servicio, La adquisición de espectro electromagnético, Costo de interconexión, etc.
- En el actual modelo diferentes factores atentan contra la sustentabilidad del mismo: Pérdida de competitividad frente a los OTTs: Esto se debe a que los OTTs brindan servicios innovadores para mercado global donde la percepción del cliente es que es un servicio gratis debido a que utilizan modelos de negocios no convencionales llamados Free los cuales se verán más adelante. Problema Estructural en el Precio: El tráfico de la Banda Ancha Móvil crece exponencialmente pero sus ingresos tienden a estancarse provocando un gap cada vez mayor entre ambos. Este desajuste se debe a que inicialmente los operadores lanzaron planes ilimitados a tarifa plana para impulsar los el uso de datos móviles y no están pudiendo revertir la situación. Altas inversiones en infraestructura de red para brindar capacidad para satisfacer la demanda exponencial de tráfico de datos móviles y poder brindar un servicio de calidad aceptable para mantener controlado el churn. La Banda Ancha Móvil se están convirtiendo en un commodities donde la única diferenciación frente a la competencia de otros operadores es la calidad. Factores Regulatorios: Los operadores tienen exigencias regulatorias que varían de un país a otro. Por ej, en el caso de Argentina, el servicio universal obligado a efectuar el aporte de inversión equivalente al UNO POR CIENTO (1%) de la totalidad de sus ingresos.
- Comparando las estructuras de los estados de resultados de Telcos vs OTTs, se desprende que si bien los ingresos son un 23% superior en las operadoras móviles las inversiones más de 3 veces superiores a las empresas de internet. En consecuencia, los operadores se encuentran frente al gran el desafío de revertir la situación ya que de no hacerlo perderán la pulseada frente a los OTTs como puede verse en la figura. En consecuencia, los operadores se encuentran frente al gran el desafío de revertir la situación ya que de no hacerlo perderán la pulseada frente a los OTTs como puede verse en la figura.
- BIG DATA: Es el término general que se utiliza para describir la tendencia creciente de datos que excede a la capacidad de los métodos tradicionales de BI. Se caracteriza por las 3 Vs: Volumen: Más información de lo que es económicamente factible almacenar Variedad: Datos en múltiples formatos tales cómo estructurado, semi-estructurado, no estructurado Velocidad: Análisis en tiempo casi real para permitir la toma de decisiones en fracciones de segundos. ADVANCED ANALYTICS: es proceso que permite la identificación patrones y correlaciones significativas entre variables complejas, datos estructurados y no estructurados, históricos, predicción de eventos y evaluación de efectos futuros de las acciones tomadas de grandes volumen de datos para la resolución de problemas de negocios. Para esto, suelen utilizarse técnicas de MINERIA DE DATOS que se basan en algoritmos que provienen de la inteligencia artificial y la estadística. Consta de dos etapas: Modelización: Se busca encontrar un modelo predictivo que permita tomar acciones basados en el entendimiento del negocio, el análisis y los datos históricos. Implementación: Se implementa el modelo obtenido en el paso anterior con datos en tiempo casi real de forma tal de predecir el comportamiento basados en la información histórica de forma tal que permita accionar en base a la velocidad que el negocio lo requiera.
- Las principales diferencias entre los repositorios de datos que ofrece las soluciones de BI tradicional frente a un BDL es que resuelve la problemática que trae el Big Data: Puede manejar grandes volúmenes de datos en sistemas de almacenamiento de bajo costo por ser un commodity. Manejar variedad de datos (estructurados, semi-estructurados y no estructurados) en su forma cruda dando flexibilidad en la incorporación de múltiples fuentes de datos. El BI tradicional utiliza EDW que son bases de datos relacionales para almacenar grandes volúmenes de datos estructurados. Los datos se cargan mediante complejos y largos procesos de ingestión de datos llamados ETLs (Extract, Transform and Load). Proporciona la capacidad de utilizar los datos para los beneficios empresariales en tiempo casi real, con la capacidad de mostrar información rápidamente. Está dirigido a necesidades de negocios cambiantes porque permite el almacenamiento. Data Mart es como un EDWs pero está pensado para cubrir las necesidades de un de un determinado departamento dentro de la organización. En cambio, el ámbito del EDWs es la organización en su conjunto.
- El único propósito en que los datos se pueden utilizar individualizados con toda su riqueza de detalle es para el servicio primario que el cliente contrató. Normativa de UE: Solo se puede usar para servicios secundarios si se aplica en forma anónima y agregada con fin estadístico (ej. banco y aerolínea). Los datos personales identificables no se pueden sacar del territorio de la Comunidad Europea. Normativa de USA: Normativas más abierta y menos exigente que la UE por las políticas antiterrorismo. Proyecto de cambio de normativa más restrictiva en lo que respecta al almacenamiento de datos.
- Los operadores móviles están sentados en un enorme montón de datos: VOLUMEN: El volumen de datos móviles está creciendo exponencialmente alcanzando volúmenes sin precedentes a una TASA anual del 61%. Esto se debe principalmente al creciente a: Número de dispositivos móviles conectados crecerán a una tasa anual del 8%. Creciente cantidad aplicaciones en el mercado (Apple: 900.000 y Android 800.000) Evolución Tecnológica: un Smartphone genera un tráfico de casi 50 veces teléfonos de característica básica. VARIEDAD: los operadores tienen vastas fuentes de datos que son esencialmente todos los datos de los clientes pasa a través de sus pipes. Si bien la mayoría de estos datos están encriptados generalmente por los mismos OTTs, mediante soluciones de BD el operador puede saber a qué aplicación corresponde el tráfico de datos cursado por un cliente. VELOCIDAD: Cuanto más rápido y cerca al real-time se analizan los datos más valor tienen. Esto es fundamental debido a que por ejemplo no tiene el mismo valor saber que un cliente tuvo una mala experiencia de usuario antes o después que dejo la compañía, ya que en la primera opción se podría haber tomado acciones en forma proactiva para retener y fidelizar al cliente, impactando directamente en el churn de la compañía En estos datos se puede extraer toda la información y tener una visión 360° del cliente permitiendo conocer: la ubicación del cliente. los dispositivos que utiliza. segmento el cliente pertenece. que servicios y aplicaciones utiliza. la experiencia de uso percibe. los elementos de red intervinientes en el servicio. y, sobre todo, poder determinar el comportamiento en distintos momentos.
- CEM: Las sol de BD permiten determinar en casi tiempo real la "excelente" o "pobre” experiencia de servicio de servicio que tuvo un cliente, mediante la ponderación de los KPIs del servicio o aplicación respectiva y mediante la determinación de valores umbrales. 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. Telenor Group, utiliza CEM para detectar en tiempo casi real una pobre experiencia de usuario sobre la conexión de datos móviles, envía 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 envía otro aviso por SMS al cliente que ha sido solucionado el mismo. CHURN: Los operadores tienen como objetivo identificar el riesgo de churn de sus clientes más valiosos en una etapa temprana y dirigirse a los clientes de manera eficiente con actividades de captación y retención de clientes para evitar que dejen la compañía. Las redes sociales, que se ilustran típicamente a través de un grafo constituido por una serie de nodos y vínculos que muestran que la gente están conectados. Los vínculos o lazos también pueden ser ponderados para mostrar la fuerza de la conexión de forma tal de descubrir los clientes más influyeron en la red y poder ofrecer más servicios para poder retenerlos. El peso de los vínculos se determina de datos obtenidos de los Call Detail Records (CDRs) del operador: cantidad, frecuencia, duración de llamadas, SMS y envío de datos entre nodos vecinos. El operador móvil Vodafone India utiliza técnicas de SNA para entender el comportamiento de los clientes y utilizarlo para reducir el churn permitiendo. Identificar influenciadores, líderes y seguidores Asignar puntuaciones y evaluar el impacto económico en el churn identificando el ARPU por usuario Adquirir clientes de la competencia mediante llamadas salientes hacia otro operador SOCIAL MEDIA: Mediante el monitoreo de redes sociales (Facebook, Twiter, flickr, etc), Vodafone India busca patrones en el comportamiento de sus clientes permitiéndoles: Identificar los problemas antes que se viralicen Aumento de adquisición de nuevos clientes antes que la competencia Identificar clientes potenciales disconformes con el servicio de la competencia Seguimientos de opiniones sobre el operador, su red, servicio, marca, etc, así como para la competencia Voice Analytics: El Deutsche Telekom utiliza técnica de Voice Analytics en su centro de atención al cliente para obtener información relevante del usuario mediante la identificación del mismo por el patrón de la voz. De esta forma, logra mejorar los procesos, la CEM y reducir costos.
- Smart Steps (2012): Marketplace de datos que muestra la afluencia de gente por tiempo, sexo y edad lanzado por telefónica en UK. De esta forma se puede obtener la información de la afluencia en sus tiendas, realizar promociones de productos a medida, determinar las mejores ubicaciones y formatos de sus nuevas tiendas y medir el impacto de la actividad de marketing sobre la afluencia de público. No se revela la información personal, no se realiza un seguimiento de las personas y nunca se podrá identificar a los clientes JetSetME (2013): Piloto en Reino Unido y probado con un banco internacional. Permite que Telefónica le mande un mensaje al banco conforme el usuario enciende su móvil en otro país, y el propio banco, a su vez, le pide consentimiento al usuario para activar la tarjeta en el país donde está automáticamente, a la recepción de estos mensajes. Musiload: Deutsche Telekom utiliza recomendaciones cruzadas de dominios para incrementar sus ventas en sus portales de música, video y juegos. Técnica utilizada también por Amazon, logrando incrementos del 35% en sus ventas. Bitplaces: Servicio de marketing directo llamado bitplaces, el cual está dirigido al segmento de ventas minoristas para realizar campañas. Este permite enviar notificaciones de promociones y ofertas para usuarios de smartphones que visitan el local del cliente conociendo la geolocalización, con el objetivo de atraerlos a la tienda cuando el interés está en su pico. Consta también del servicio de Analytics para la comprensión del comportamiento de los clientes finales, combinando los datos de las campañas en exterior e interior del local en tiempo casi real.
- Al nivel más simple, hay cuatro etapas principales a tener en cuenta para cada cadena de valor de los datos: Generación de datos: Para cualquier flujo de datos que existe en absoluto, alguna entidad tiene que recoger los datos en que se origina. Repositorio de datos: En esta etapa, los datos en bruto se almacenan en un BDL y se combina con datos de otras fuentes para prepararse para la interpretación futuro. Motor de inteligencia: se aplica a los datos mediante Advanced Analytics & Data Mining que proporciona la utilidad de los datos. Uso de datos: Las salidas del motor de inteligencia se convierten en un valor tangible. La primera etapa (generación de datos) de la cadena es estratégica debido a que, como vimos, los operadores tienen múltiples fuentes de generación de grandes volúmenes de datos valiosos. La segunda etapa se podría cubrir con una inversión de un BDL sin mayores inconvenientes a cualquier proveedor de estas soluciones (IBM, Oracle, EMC, Teradata, etc). Mientras que la tercera y cuarta etapas creo que los operadores móviles tienen su fortaleza en la generación de valor solamente en su misma industria donde conocen la problemática del negocio y las regulaciones de los países donde operan. De esta forma, los operadores se podrá utilizar para mejorar el revenue del modelo de negocio actual. los operadores tienen la ventaja competitiva de agregar valor en forma diferencial en las dos primeras etapas a otras industrias. Como aprovechar esta ventaja competitiva? Las dos etapas restantes (inteligencia y uso de los datos) deberían desarrollarlo mediante socios (partners) de cada industria respectiva. Los operadores se deberían apoyar en un vertical diferente bajo las reglas existentes de la industria correspondiente (financiera, transporte, retail, bancario, salud, seguridad, etc). Por ejemplo, en el entorno bancario no se podría hacer nada sin previamente realizar acuerdos con entidades bancarias e instituciones de pago.
- Una de las principales ventajas competitividad de los OTTs es que los usuarios perciben que el servicio es gratis. Esto se debe a que utilizan modelos de negocio Free. Por tal motivo, mi propuesta de modelo de negocio e-Marketplace B2B de servicios y datos vertical por industria Este es el modelo de negocio free más común existente actualmente y utilizado por Google para publicidad y Amazon en su Marketplace. Consiste en que el Operador (Carrier) ofrece un producto con contenidos libre de cargo para los consumidores. Los anunciantes pagan para ser incluido en los contenidos con la esperanza de vender sus productos al consumidor Creo que este modelo será muy beneficioso tanto para los operadores como para los consumidores de datos agregados, es decir, los socios. Para que este modelo sea sustentable, la incógnita a resolver es porque un cliente aceptaría los términos y condiciones de compartir los datos generados a través de sus dispositivos móviles. Los clientes tienen “confianza” ya tiene nuestros datos. El cliente recibiera un atractivo incentivo para que perciba que el servicio es Free y que lo motive a compartir los datos: Upgrade del plan actual Descuento en la compra de dispositivos móviles. Acceso gratis a nuevas tecnologías (4G, 5G, etc). Paquetes de roaming para viajeros, etc.
- Gartner (2012), describe en su mapa de calor las oportunidades potenciales de Big Data abierto por industria. Observando la correspondiente a la industria de telecomunicaciones, se ve que en la mayoría de las dimensiones tiene valores muy altos en la mayoría de las dimensiones en relación a otras industrias. Más oportunidades con IoT …. Porque no ser el e-Marketplace en el mundo de las cosas conectadas?
- Para concluir… A los operadores se le presentan grandes desafíos en los próximos años debiendo tener que realizar un cambio estratégico par ano perder rentabilidad El tráfico de datos móviles crece exponencialmente teniendo los operadores una oportunidad para: Mejorar el modelo de negocio actual (CEM, reducción de churn, Social Media, Voice Analytics) Generar un nuevo modelo de negocio mediante un la venta de datos agregados y servicios a través de un marketplace b2b vertical por industria Futuras oportunidades: IoT, Smart Citys y todo lo que se conecte a una red móvil. Este cambio de paradigma debe está acompañado de un cambio organizacional y cultural para que sea exitoso mediante la centralización de un CDO las aras de ingeniería, IT y servicios al cliente que actualmente trabajan en forma de silos Las empresas deben ayudar a reducir los miedos de compartir datos de la sociedad mediante reglas claras y transparentes Finalmente para cerrar, un video como un Telefonica México mediante Big Data pudo ayudar a disminuir las consecuencias de un terremoto actuando tomando medidas casi en tiempo real.