我们是印度的1日电信建立大数据AI /毫升AWS云高级分析平台:沃达丰的想法

新德里:印度电信行业的核心技术驱动的中断在过去的十年里。拥有超过9.86亿活跃的无线用户,行业有机会也推动各行业企业的转型。

药剂对博士(Sanjeev Chaube、执行和头部,大数据和先进的分析沃达丰的想法得到他的见解如何云已经他们的数字转换的核心,如何利用智能技术等人工智能(AI),机器学习(毫升),物联网(物联网)和分析。

Chaube博士认为,有一个重要的电信服务提供商需要变换等“电信技术”和技术5 g,人工智能,大数据分析,云计算、物联网/ IIoT / AIoT和机器人过程自动化(战)将使这个数字转换。

的访谈内容摘录如下:

问:什么是数字转换的关键战略支柱印度电信公司你将从一个连通性提供方的协调器增值解决方案,满足数码科技上变得更加精明的需要,联系客户?

我相信企业快速转向数码解决方案让远程的劳动力,为客户提供更好的服务,并创建一个身临其境的体验增加可见性、弹性和灵活性。此外需要消除传统的硬件驱动和大型昂贵的物理操作已经全球各行业数字转换的核心。

我们需要理解,任何转换从数据开始。因此,公司抓住有效客户数据并利用它作出更明智的决定。目标应该是简化关键客户接触点增加花费和减少工作。

员工需要了解有关数据,数据驱动决策文化,更好的学习与开发平台授权组织转变。

企业需要从IT部门转移到合并企业平台,能吸收和整合最新技术。数据集、过程网络和应用程序应该共享整个公司和数据需要集成提供一个湖真理通过建立适当的数据来源,数据仓库/集市对大规模的云存储和处理能力。

有广泛的技术栈等数据工程&分析Hadoop生态系统,AWS云HBase卡桑德拉,MongoDB, Teradata Exadata,德鲁伊,火花,卡夫卡,Python, SAS和SPSS等。也有效的数字转换实现需要移动应用开发框架与技术等跨平台应用程序开发本地反应,离子框架,节点,Xamarin, NativeScript,和颤振等。

然而,选择技术堆栈是否开源或专有的主要取决于价值与成本的命题。同时,需要范围、规模、速度、质量和缓解敲定技术堆栈的基础形式。

确保360年接近实时的客户视图形式的商业智能报告和仪表板的各级领导和管理确保更好的与上下文相关的决策。

因此,在我看来,关键支柱和有效成分智能数字转换程序)人工智能/机器学习与数据科学数据驱动的决策、b)客户关系和业务流程中心性,c)参与和允许员工一致的客户,d)数字第一策略最少可能的技术堆栈,e)带来速度、规模、简单性和价值观与平台,f)提高个性化和g)事实与数据工程的单一来源

问:你是如何使用大数据,先进的分析、人工智能、机器学习与数据科学理解和满足客户需求的更好?

大数据和先进的分析方法是广泛用来改善客户体验和业务性能。人工智能与数据科学技术特别是机器/深度学习算法显著改善的一些关键领域/服务包括客户细分,有针对性的营销,个性化的产品和建议,客户流失预测,产品开发、预测分析,调用分析下降,减少欺诈、价格优化、网络优化经验,基于位置的服务等。

在未来的五年里,移动电话普及率上升和下降的数据成本将增加5亿个新印度的互联网用户,创建新企业的机会。遗留数据集都是结构化的,然而在过去的几年里,爆炸的数据、非结构化数据在市场上获得相同或者更多的重要性。随着5 g技术,可用的数据从语音、视频、社交媒体、消息传递、物联网和所有新用例5 g部署要增加多倍的在此。

这个电信所产生的大数据的所有功能,如巨大的体积,品种、速度和准确性。因此变得非常重要对我们第一次组织并系统地存储数据从多个应用程序在数据海洋,Datalake,数据仓库/数据集市使用Cloudera Hadoop生态系统或云基础设施。

其次,这个大数据用于执行数据分析决策在不同组织水平从运营和战略的角度来看。所有5个阶段的生命周期数据科学和先进的分析方法即描述性、诊断、预测、规定性和先发制人的分析提取信息和执行模式。

机器学习用例具有巨大的潜力和价值,如协助客户获取、保留、数字订婚,异常检测、根本原因分析、预测维护、票分类、SLA保证和建设智能网络功能,如自愈,动态优化和自动化网络的设计。然而,为了有效地工作,他们需要特定的计算,管道和支持基础设施来支持大规模数据并行处理。

预测模型是否实时批处理基础业务需求利用结构化数据提要如人口、使用、计费等或非结构化数据提要喜欢聊天、文本、图像、视频提要构建来支持业务事先与见解。

社交媒体分析执行使用计算机视觉、自然语言处理(NLP) &文本解析技术等提取情感全国客户的决策。不同深度学习的神经网络结构,从卷积神经网络递归神经网络、自组织映射、汽车编码器等被适当地使用按预期的意图。

问:云技术允许你做了什么,你不能做吗?

答:云是一个大规模的关键推动者变换:消费者分析中,采用数字和网络监控与管理,操作的效率通过促进在规模和速度更快的决策。

和日期,我们是印度第一家电信建立一个成熟的大数据AI /毫升AWS云上云高级分析平台。

之前在我们云之旅,我们收集的数据集在全国的粮仓。然后,他们聚合运行各种机器学习与深度学习算法。

同时,随着体积的数据集是巨大的,可用的计算和GPU支持遗留数据整合的基础设施是一个挑战。所有这些复杂性增加我们操作延迟和阻碍团队的生产力。用新的数据科学平台部署在AWS,我们能够应对所有的挑战和实现更多。

使用云上可用的计算和存储能力,我们可以整合数据和有效地运行我们的机器/深度学习算法和也轻松执行并行数据处理。时间运行这些算法已经减少了超过60%,并进一步优化,我们期望数据科学平台提供更多的在不久的将来。

此外,深度学习这样的框架的可用性张量流,MXNet, Keras, Pytorch,胶子,等连同pre-trained毫升模型作为api帮助我们更多实验数据集,在规模和速度与最终反过来改善我们的客户体验。这个功能丰富的科学数据平台的可伸缩性、弹性和现收现付制商业模型可以帮助巩固业务和有效地管理成本。

在未来,我们将能够整合和有效地使用这个平台来解决我们的挑战新技术措施包括5 g,边缘,物联网货币化,客户360,网络功能虚拟化转变&等等。

问:你的意见是什么在全球范围内的迅速进步AIoT & IIoT连接与云技术情报分析吗?

答:根据《商业见解,全球物联网市场规模预计将从2021年的3813亿美元增长到2028年的1.85476万亿美元。而如果我们遵循Researchandmarkets报告,全球AIoT市场本身在2026年将达到783亿美元。同时,全球IIoT市场价值约216.13美元,2020年预计将增长到2028年的约1.1万亿美元。

上面的数据明显设置路线图和视觉电信作为连接服务提供者不仅对印度全球电信的。

使用人工智能决策的物联网和数据分析将高效和有效的智能城市解决方案的关键决策。这是符合印度政府计划开发100智能城市项目包括智能机场、聪明的火车站,智能公共医疗服务等,5克、人工智能、物联网和云计算技术将发挥至关重要的作用在发展中这些城市&服务。

人工智能的融合和物联网(物联网)技术和解决方案(AIoT)是导致“思考”网络和系统。AI-enabled边缘设备市场将AIoT中增长最快的部分。AIoT自动化数据处理系统,将原始物联网数据转化为有用的信息。

AIoT解决方案的前身新一代人工智能决策作为服务(人们)。AIoT,人工智能是嵌入到基础设施组件,例如项目、芯片组和边缘计算,所有与物联网互联网络。然后使用api扩展组件之间的互操作性在设备层面,软件水平和平台水平。这些单位将主要侧重于优化系统和网络运营以及从数据中提取价值。

这些解决方案将提供客户的能力获得领先的无线启用AIoT产品和减少投放市场的时间。

AIoT解决方案的关键领域包括数据服务,预测资产管理、智能身临其境的体验,过程改进,下一代UI和UX和智能工业自动化。

这个智能连接,大数据& AI /毫升技术将发挥重大作用等重要工业领域农业生产率,汽车、运输与物流、工业与制造业务,医疗、公共安全、安全。

杠杆与AWS物联网云服务收集、组织和分析数据从工业和公开安装传感器和设备规模和实时决策,AIoT使产业能够无缝地在边缘和云管理和控制的行为。

人工智能的关键组件+物联网(AIoT)分析包括传感器、物联网网关,网络,存储与分析引擎数据分析、监控和智能自动化操作和通知在边缘。

人工智能和机器学习算法都是利用云&优势等新兴数据从物联网传感器视觉/光学传感器、温度传感器、压力传感器、红外传感器、气体,陀螺仪传感器、加速度传感器、湿度传感器、传感器等水平获得描述性和预测性的见解为有效和实时监控,实现通知和行动。