Mejoramos la experiencia de los clientes de Orange a través del procesamiento y el análisis masivo de datos

INTRODUCTION
HOW
PIPELINE
KPIS / KQIS
CEI / NEI
TPT / HWLOCATION (HOME / WORK LOCATION)
USES CASES
ARCHITECTURE

Análisis, diseño y construcción del proyecto CEM (Customer Experience Management).

> 20 M

de usuarios

> 15 TB

al día

> 400 K

eventos por segundo

Orange es una de las principales empresas de telecomunicaciones a nivel nacional. Provee servicios a nivel global de telefonía móvil, telefonía fija, internet, internet móvil y servicios de televisión por IP.

Con el propósito de dar un mejor servicio a sus clientes y reducir la tasa de abandono (churn) desean gestionar la experiencia de usuario para poder mejorarla.

EL RETO

Poder gestionar la experiencia de usuario

El objetivo era que a partir de los datos que generan los usuarios cuando interactúan con sus teléfonos móviles, tener la posibilidad de analizarlos y determinar la experiencia de usuario para poder mejorarla.

QUÉ Y CÓMO LO HICIMOS

Análisis, diseño y construcción de la nueva solución big data CEM (Customer Experience Management)

Se analizaron los datos que generan los usuarios a través de sus teléfonos móviles para saber qué indicadores se podían extraer de ellos.

La principal fuente de información eran los datos generados por las sondas desplegadas en la red de Orange y que envían información cada minuto de las diferentes transacciones / eventos (voz y datos) de cada uno de los usuarios de la red móvil de Orange.

La solución diseñada consistió en la generación de una serie de indicadores de rendimiento y calidad (KPI/KQI) de la red móvil de ORANGE, de manera que fuera posible generar un Índice de Satisfacción del Cliente (CSI) basándose en ellos.

La arquitectura creada se compuso de la siguiente estructura:

Apache Kafka es una plataforma distribuida en streaming utilizada para recibir la información generada por las sondas en diferentes tópicos en tiempo real.
Apache Flume es un servicio distribuido que lee la información dejada por las sondas en los tópicos de Kafka para moverlos en tiempo real al Data Lake (Hadoop y HDFS).
Hadoop y HDFS sistema operativo big data (Hadoop) con su propio sistema de ficheros distribuido (HDFS) y utilizado para el almacenamiento de los datos (Data Lake).
Spark es un motor analítico para el procesamiento de grandes volúmenes de datos, con módulos para streaming, SQL, machine learning y procesamiento de grafos que se utiliza para procesar los datos almacenados en el Data Lake y el cálculo de los diferentes KPIs y KQIs. Todo ello con el fin de generar los ficheros Parquet para posteriormente crear tablones con HIVE.
HIVE es un software para el almacenamiento de datos (Data Warehouse) que proporciona consulta y análisis de datos con los que creamos los diferentes tablones con los KPIs y KQIs ya generados para su posterior explotación con MicroStrategy.
MicroStrategy es una plataforma de análisis de datos que proporciona todas las funciones para diseñar y desarrollar aplicaciones de análisis y movilidad que utilizamos para acceder a los tablones creados en HIVE y crear los diferentes Dashboards.