C’est l’équivalent de 86 milliards de neurones formant un réseau neuronal pour faire des associations et des prédictions basées sur les informations et les connaissances que vous avez acquises. Au fil du temps, votre cerveau prend des raccourcis, recherchant la relation ou l’association la plus probable en fonction d’une entrée ou d’une expérience passée.
En traduisant cela en une équation mathématique et des mots qui attirent l’attention d’un scientifique des données, un algorithme peut déterminer le vecteur ou la distance de relation entre une entrée et son contexte.
Par exemple, si votre collègue vous a demandé « Combien d’argent vous avez dans votre poche », vous pensez peut-être qu’il vous demande de comprendre si vous pouvez vous permettre le déjeuner que vous mangez ensemble. Mais ils demandaient plutôt à comprendre l’impact économique que vous avez.
Ceci est un exemple de « Word2Vec », un algorithme d’apprentissage profond utilisé pour comprendre un groupe de mots. Pourquoi dites-vous ce que vous dites dans le but de comprendre le contexte? Bien qu’il s’agisse d’une équation mathématique linguistique, le même principe peut être appliqué à une entreprise de télécommunications avec l’analyse de réseau pour mieux comprendre le contexte de son réseau afin d’améliorer l’expérience client et de réduire le taux de désabonnement des clients.
abonnés mobiles
Couverture 4G LTE
Abonnés O2-TV
Jan Romportl est scientifique en chef des données chez O2 République tchèque, où il a aidé à constituer l’équipe de science des données en mettant l’accent sur l’apprentissage automatique à partir du Big Data des télécommunications. Il est également impliqué dans la scène des startups en tant que directeur scientifique. Jan a plus de 10 ans d’expérience dans la recherche universitaire et l’enseignement dans les domaines de l’IA, de l’interaction homme-machine, des technologies de la parole et de la philosophie.
« Nous faisons de l’apprentissage profond sur les données des télécommunications. Nous sommes en mesure de regrouper les clients. Nous voulons que l’entreprise connaisse les clients et pour cela, vous avez besoin du cerveau de l’entreprise. »
Jan Romportl, Scientifique en chef des données
Chaque téléphone émet deux types de modèles de données distincts qui peuvent être utilisés pour mieux comprendre le contexte de ses utilisateurs - Cell_IDs et SIM Card_IDs. Cell_IDs sont les adresses d’utilisateur de tour de téléphonie cellulaire et les itinéraires d’appel qui émettent des données de géolocalisation qui peuvent déterminer la séquence optimale des appels dans le but de réduire les appels interrompus, les signaux occupés et d’autres problèmes de qualité des appels. Ces Cell_IDs sont dynamiques, changeant en fonction d’un emplacement donné. Une carte SIM Card_ID est unique à la carte SIM individuelle de l’appareil. Considérez votre carte SIM Card_ID comme une caractéristique identifiable de manière unique pour vous. Bien que les Cell_IDs soient dynamiques, une Card_ID SIM est permanente. Vous n’en obtenez qu’un. Cet ID, lorsqu’il est associé aux données de profil de votre compte client, représente vos données pertinentes telles que le type de téléphone portable, l’utilisation mobile, les modèles d’appel, le sexe, les données démographiques et d’autres points de données liés au compte.
En appliquant un algorithme Word2Vec aux données cellulaires (Cell2Vec), O2 Czech visualise le contexte de ses abonnés lié à son réseau. Ces visuels représentent la République tchèque, les comportements des utilisateurs, les performances du réseau, etc.
Par exemple, un centre-ville avec une forte concentration de personnes technophiles qui envoient principalement du texte et de la vidéo en continu peut nécessiter des exigences de réseau différentes de celles d’une région rurale à faible densité où les utilisateurs sont plus âgés et passent principalement des appels vocaux. Faire correspondre l’optimisation du réseau avec des offres personnalisées pertinentes et hautement contextuelles fidélise les clients et augmente les offres mobiles, fixes et Internet d’O2 République tchèque.
Ensemble, O2 Czech et Teradata ont identifié 1,6 milliard de Kč (70 millions de dollars US) d’avantages en termes de chiffre d’affaires pour leurs efforts en matière d’expérience client en utilisant Teradata pour leur analyse de données. La solution Teradata, entièrement réalisée sur quatre ans, applique l’analyse de données pour le désabonnement des clients, l’acquisition de nouveaux clients, l’efficacité des campagnes et la vente incitative. Rien qu’en 2019, 654 millions de Kč (28 millions de dollars US) de revenus ont été identifiés comme une valeur commerciale réalisée grâce à l’analyse de données sur Teradata.
La construction de réseaux neuronaux profonds de pointe nécessite une plate-forme et des experts couvrant plusieurs technologies afin d’exécuter les méthodologies de science des données nécessaires pour faire passer la personnalisation de milliers à des millions. O2 Czech se tourne vers Teradata pour rendre cela possible.
Découvrez comment Teradata VantageCloud peut vous aider à accélérer les résultats commerciaux et à fournir l’agilité dont vous avez besoin.
Nos représentants commerciaux sont là pour vous aider.
L'expérience client bâtit une véritable vision d'avenir.
Lire l’article complet