Analitica de Datos empresa T-mobile

En esta ocasión trataremos de identificar el problema al caso anteriormente expuesto en el cual la empresa T-mobile se enfrentó al problema que la mayoría de sus clientes al no encontrarse satisfechos con el servicio de telefonía que esta empresa les brindaba con problemas tales como mala cobertura, llamadas que se cortaban, precios mayores a la competencia, buscaban otras opciones y con esto la portabilidad de sus equipos a otras compañías por lo que empezaron a buscar nuevas opciones para retener a sus clientes y al mismo tiempo atraer nuevos, una de esas soluciones fue el estudiar los datos en cuanto a muchas quejas y charlas que los usuarios tenían en las redes sociales Esto abrió la posibilidad de conocer a sus consumidores y así, enviar ofertas únicas. Al cambiar a un nuevo almacenamiento de datos basado en Hadoop 2.0 del proveedor RainStor, T-Mobile ha sido capaz de aumentar drásticamente la velocidad de sus consultas de datos, mientras ha reducido considerablemente el tamaño físico de la infraestructura de almacenamiento.

Como resultado de los cambios, esta empresa fue capaz de identificar más rápidamente y, por lo tanto, solucionar también más rápidamente problemas de redes y dispositivos, mejorando la experiencia del cliente y maximizando sus inversiones en la actualización de su red

El almacenamiento de ese volumen de datos ha requerido una infraestructura física masiva: T-Mobile ha estado utilizando dispositivos de IBM de almacenamiento de datos Netezza para almacenar 15.000 millones de filas de datos al día en 30 racks. A través de su nueva plataforma de almacenamiento de datos basado en Hadoop 2.0 —una plataforma de software de código abierto para el almacenamiento y análisis de grandes volúmenes de datos— y el Archive Application de RainStor, T-Mobile va a ser capaz de almacenar 500.000 millones de filas de datos a la vez en sólo ocho racks.

Después de ejecutar de forma masiva sistemas de computación en paralelo desde 2006, T-Mobile estaba buscando maneras menos costosas para ampliar su capacidad y encontró que los sistemas basados en Hadoop eran menos de la mitad del costo de los IBM Netezzas

Todos estos factores fueron asociados a la influencia en medios sociales de cada uno de sus clientes, tomando en cuenta que los clientes con un gran número de seguidores o influencia podrán tener un efecto positivo o negativo en otros potenciales clientes de la marca.

La combinación de todos los aspectos mencionados anteriormente llevó a T-Mobile a calcular para cada cliente un ‘Customer Lifetime Value‘, un valor monetario individual según las expectativas de negocio y permanencia. Esta información era transmitida en tiempo real a cada agente de la compañía para presentar a los clientes ofertas personalizadas en función de su valor personal.

De esta forma la empresa pasó de casi 100.000 portabilidades en el primer trimestre de 2011 pasaron a tan sólo 50.000 en el segundo trimestre, una reducción del 50% gracias a un buen aprovechamiento del Big Data y de todos los datos e información que la operadora tiene de sus clientes.

Para mi este método que utilizo T-Mobile fue excelente ya que gracias a que lograron identificar los principales problemas que la empresa atravesaba, trabajaron en nuevos métodos utilizados en el Big Data tales como Web and social Media que es la recopilación de todos los datos obtenidos de las redes sociales tales como Facebook, Twitter, Instagram, Linkedin y al ir viendo los resultados que arrojaban las encuestas se preocuparon por darle un servicio personalizado a cada cliente, ya sabiendo sus gustos y necesidades de cada uno para así a cada uno poder darle el precio que necesitaba, otra de las herramientas que utilizaron fue la de Big Transaction Data con la cual pudieron tener registros detallados de las llamadas y así poder ver que si ellos estaban agusto o no con el servicio o si las llamadas se cortaban debido a la mala cobertura, gracias a este tipo de acciones que se tomaron lograron implementar un valor monetario individual a los clientes para poder llenar sus expectativas y que cada uno permaneciera utilizando el servicio, logrando retener un 50% mas de su cartera de clientes en comparación a meses pasados

Para mi otro método que se pudo haber implementado fue el de

...