Categoría: AVANCES

Categorías
Experiencia Digital del Cliente

Realización de un Agente Virtual inteligente para transformar la Experiencia del Cliente

Aproveche un enfoque basado en el aprendizaje automático para optimizar la capacitación de agentes virtuales y mejorar su precisión, recuperación y exactitud.

Los agentes virtuales son una parte integral de las empresas con presencia en línea, ya que brindan asistencia a los clientes las 24 horas. Aumentan los equipos para permitir una experiencia rica tanto para los clientes como para los agentes en vivo.

El éxito de cualquier Agente Virtual (VA) depende de su capacitación en Comprensión del Lenguaje Natural (NLU), que no debe ser solo una actividad única antes de la configuración, sino un proceso continuo. El desafío es proporcionar el conjunto adecuado de ejemplos representativos a partir de datos históricos para la capacitación. Identificar unos pocos cientos de ejemplos de millones de datos históricos es una tarea hercúlea. Además, esta tarea suele realizarse manualmente. Por lo tanto, la tarea de encontrar los ejemplos más adecuados se vuelve cuestionable y requiere mucho tiempo.

Los proveedores de servicios deben desarrollar una herramienta basada en aprendizaje automático (ML)   para identificar el conjunto de datos pequeño y más apropiado de ejemplos representativos para la capacitación. Los ejemplos cubren el alcance máximo para la intención respectiva, lo que hace que el entrenamiento de NLU sea altamente eficiente con precisión, recuperación y exactitud mejoradas. El beneficio final de esto es una mejor experiencia del cliente, contención y reducción del abandono. Dado que se trata de un enfoque basado en herramientas, también ahorra mucho tiempo en comparación con el proceso manual de identificación de ejemplos de formación. La mejora de la eficiencia del entrenamiento en el primer intento también ahorra tiempo y esfuerzo durante el reentrenamiento posterior.

Figure 1: Herramienta de análisis de intenciones basadas en ML


A menudo, los AV no consiguen satisfacer a los clientes debido a su incapacidad para identificar la intención correcta. Y este es el efecto de una formación errónea o inadecuada del motor de comprensión del lenguaje natural (NLU) de los Agentes Virtuales.

Categorías
Experiencia Digital del Cliente

Usando IA para comprender cómo se sienten sus clientes

Pronostique Net Promoter Scores e identifique si su cliente es potencialmente un promotor, neutral o detractor. Tome acciones correctivas oportunas para mejorar el servicio al cliente.

Los clientes de hoy esperan una interacción fluida y sin complicaciones con sus proveedores de servicios. Un cliente insatisfecho y frustrado optará rápidamente por cambiar. Por lo tanto, para el proveedor de servicios resulta muy importante comprender la experiencia del cliente y tomar medidas correctivas con prontitud si se retrasa. Una métrica clave para comprender esto es utilizar el Net Promoter Score (NPS). Proporciona una medición de la lealtad y la satisfacción del cliente preguntándoles qué probabilidades hay de que recomienden su producto o servicio a otros en una escala del 0 al 10.

Para capturar NPS, los proveedores de servicios comparten los formularios de la encuesta con sus clientes. Pero ¿responden los clientes a este tipo de encuestas? Las investigaciones muestran que solo entre el 15% y el 20% de los clientes responden a la encuesta NPS después de sus interacciones con el servicio de atención al cliente. ¿Significa esto que el proveedor de servicios no debería tomar ninguna medida para el 80-85% restante, asumiendo que tendrían una buena experiencia? Existe una alta posibilidad de que un cliente no satisfecho con el servicio ya haya decidido darse de baja sin hacer ningún esfuerzo por responder la encuesta.

La mayoría de los proveedores de servicios innovadores están intentando abordar este problema con un enfoque de aprendizaje automático (ML).

Fig: Pasos clave para crear un modelo de aprendizaje automático para la predicción y mejora de CSAT


NPS proporciona una medición de la lealtad y la satisfacción del cliente preguntándoles qué probabilidades hay de que recomienden su producto o servicio a otros.

Categorías
EXCELENCIA OPERATIV

Convierta los problemas de su red en el deleite del cliente

Aproveche las estrategias de automatización para agilizar el proceso de resolución de problemas (T2R), brindando a los clientes una resolución rápida y una mayor satisfacción.

TM Forum, una asociación industrial global para proveedores de servicios y sus proveedores en la industria de las telecomunicaciones, tiene una estructura de procesos comerciales: el proceso Trouble to Resolve (T2R) (resolución de problemas) de eTOM (Mapa mejorado de operaciones de telecomunicaciones). Revela cómo lidiar con un problema reportado por el cliente, analizarlo para identificar la causa raíz del problema, iniciar una resolución para satisfacer la satisfacción del cliente, monitorear el progreso y cerrar el tique del problema.

La mayoría de los proveedores de servicios siguen el proceso eTOM T2R; sin embargo, enfrentan desafíos clave que afectan la eficiencia operativa general de T2R y aumentan el OPEX.

  • Múltiples sistemas en silos para completar el ciclo de vida de un evento de red generan un gran esfuerzo manual y un aumento de OPEX
  • Dificultad para identificar el impacto correcto de un evento de red.
    • No hay herramientas adecuadas para la autoidentificación y priorización de eventos críticos que causarían un impacto importante en el negocio.
    • Desperdicio de recursos: el Centro de operaciones de red (NOC) tiende a dedicar una cantidad significativa de tiempo a manejar grandes volúmenes de
      alertas .
  • Dificultad para cumplir los KPI empresariales debido a la falta de disponibilidad de sistemas totalmente integrados y procesos automatizados.

Los proveedores de servicios en la industria de la conectividad deben desarrollar una estrategia eficaz para integrar los sistemas y llevar la automatización de un extremo a otro al flujo de procesos T2R. La mayoría de los proveedores de servicios tienen un nivel básico de automatización; sin embargo, existe un enorme margen para la automatización completa del ciclo de vida. Este Avance muestra un enfoque eficaz para implementar la automatización de un extremo a otro del ciclo de vida de los eventos de la red, desde la creación del evento hasta su resolución. El enfoque se basa en la experiencia de implementación de proveedores de servicios líderes en ubicaciones multigeográficas.

“ Según un informe de McKinsey, muchos proveedores de servicios tienen procesos fundamentales complejos con múltiples integraciones de sistemas y requieren mucha mano de obra y son costosos. Aprovechar las tecnologías digitales para simplificar y automatizar las operaciones las hace más productivas y da como resultado una reducción significativa de costos de hasta un 33% ”

Categorías
EXCELENCIA OPERATIV

Dirigir la migración de datos, impulsada por RPA

Aproveche la estructura de automatización basada en RPA para acelerar la migración de datos y mejorar la precisión.

La migración de datos implica mover datos entre ubicaciones, formatos y aplicaciones. Esta necesidad va en aumento debido a tendencias actuales como fusiones y adquisiciones (M&A), migración de aplicaciones a la nube y modernización de aplicaciones heredadas. Sin embargo, la ejecución de la migración de datos utilizando métodos tradicionales no está a la par con la frecuencia cada vez mayor.

Según Gartner, el 50% de las iniciativas de migración de datos excederán su presupuesto y cronograma para 2022 debido a una estrategia y ejecución defectuosas. La mayoría de los proveedores de servicios en la industria de la conectividad adoptan el enfoque tradicional para la migración de datos que implica tres pasos amplios: planificación y preparación de la migración, establecimiento de gobernanza y ejecución.

Los proveedores de servicios siguen la metodología fundamental de ejecución de migración de datos de extracción, transformación y carga (ETL), que está llena de desafíos. Implica un alto costo y tiempo debido a simulaciones y pruebas de cada módulo. Además, implica esfuerzos manuales, lo que genera una gran cantidad de retrabajo debido a errores y provoca consecuencias debido a problemas de integridad de los datos. Además, subir y bajar los equipos es difícil.

Para superar estos desafíos, una estructura de automatización basado en RPA para la ejecución de la migración de datos podría ser un enfoque eficaz. La estructura abarca componentes tales como:

  • Procesador inteligente : identifica problemas de calidad e integridad de los datos de origen en una etapa muy temprana
  • Bot de automatización: realiza migración/actualización extrayendo y actualizando datos en varias capas de la aplicación.
  • Mecanismo de gestión de consecuencias: automatiza el manejo de consecuencias, es decir, soluciona problemas de calidad e integridad de los datos en CRM, sistemas de inventario, etc.

“ Según Gartner, el 50% de las iniciativas de migración de datos excederán su presupuesto y cronograma para 2022 debido a una estrategia y ejecución defectuosas ”

Categorías
NUBE 

No dejes que la gestión de infraestructura te nuble la mente

Implementar infraestructura como código (IaC) para reducir el tiempo de aprovisionamiento en un 65 %

Las infraestructuras de TI generalmente se imaginan como grandes salas con enormes servidores y sistemas conectados con una red de cables. El aprovisionamiento de esta infraestructura siempre ha sido un proceso manual para los proveedores de servicios en la industria de la conectividad, lo que genera muchos problemas de precisión y coherencia. La llegada de la computación en la nube ayudó a abordar la mayoría de estos problemas. Sin embargo, persistieron los problemas de coherencia de la configuración, escalabilidad manual y costos. Además, implementar soluciones de infraestructura complejas requiere un esfuerzo considerable por parte de los arquitectos de la nube. Estos esfuerzos no son fáciles de repetir ni modificar de una sola vez.

Para superar estos desafíos, los proveedores de servicios pueden implementar una metodología de infraestructura como código (IaC) de DevOps , que ayuda a automatizar las tareas de aprovisionamiento manuales propensas a errores. Permite a los proveedores de servicios definir la infraestructura del estado final, las configuraciones de las aplicaciones y las políticas de escalado de forma codificada. Esto, a su vez, reduce significativamente la dependencia de los arquitectos de la nube y el tiempo de aprovisionamiento.


La infraestructura como código (IaC) ayuda a los proveedores de servicios a definir la infraestructura de la nube, las configuraciones de las aplicaciones y las políticas de escalado de forma codificada.

Categorías
EXCELENCIA OPERATIV

Vaya más allá de la RPA para acelerar el tiempo de procesamiento de las transacciones

Aprovechar técnicas efectivas de mejora continua para lograr una alta tasa de procesamiento directo

El procesamiento directo (STP) se refiere al procesamiento automatizado de transacciones sin intervención manual. Los procesos de transacción suelen consistir en varias etapas, requieren varias personas en diferentes departamentos y, a veces, incluso implican cheques en papel. Las empresas suelen adoptar RPA como una solución única para completar transacciones y lograr una alta tasa de STP. ¿Pero es realmente eficaz?

La tasa STP estimada para cualquier proveedor de servicios en la industria de la conectividad es del 75% al ​​85%. Sin embargo, la realización real es sólo del 30% al 50%. Una de las razones que ha contribuido a la tarifa promedio es la implementación de RPA únicamente por parte de los proveedores de servicios. Otras técnicas de mejora continua ampliamente utilizadas, como la mejora continua ocasional y la mejora continua basada en análisis, han demostrado ser menos efectivas para lograr la tasa STP objetivo. Los proveedores de servicios deben adoptar métodos eficaces de mejora continua para obtener más valor de su implementación de RPA existente.

Adopte la Estructura Optimizadora de Automatización (Automation Optimizer Framework), una estrategia eficiente de mejora continua para mejorar su tasa de STP. El marco identifica ineficiencias de automatización, causas fundamentales y soluciones para las brechas identificadas y monitorea continuamente las tasas de STP, todo de manera automatizada. Sus componentes clave son:

  • Motor inteligente RCA (análisis de causa raíz): profundiza en la información a nivel de transacción para identificar automáticamente la causa raíz de las consecuencias.
  • Solucionador integrado: analiza constantemente la salida de un motor RCA inteligente y desencadena la acción respectiva en función de la causa raíz identificada.
  • Herramienta de monitoreo continuo: rastrea el progreso de la tasa de STP a lo largo del tiempo para los objetivos, KPI e hitos definidos.


La tasa STP estimada para cualquier proveedor de servicios es del 75% al ​​85%; sin embargo, la realización real es solo del 30% al 50%. Sólo la implementación de RPA no será suficiente si es necesario mejorar la tasa de STP.

  • Etiquetas
Categorías
NUBE 

Evite que su lago de datos se convierta en un pantano de datos

Cree un lago de datos ligero y eficiente en la nube

El futuro de los proveedores de servicios estará impulsado por una toma de decisiones ágil y basada en datos. Los proveedores de servicios de la industria de la conectividad generan datos de diversas fuentes todos los días. Por lo tanto, integrar y almacenar sus volúmenes de datos masivos, heterogéneos y aislados en un almacenamiento centralizado es un imperativo clave.

La demanda de todo proveedor de servicios es una solución de análisis y almacenamiento de datos de alta calidad, que pueda ofrecer más flexibilidad y agilidad que los sistemas tradicionales. Un lago de datos sin servidor es una forma popular de almacenar y analizar datos en un único repositorio. Ofrece un gran almacenamiento, mantenimiento autónomo y flexibilidad arquitectónica para diversos tipos de datos.

Almacenar datos de todo tipo y variedad en un almacenamiento central puede resultar conveniente, pero puede crear problemas adicionales. Según Gartner, “el 80% de los lagos de datos no incluyen capacidades efectivas de gestión de metadatos, lo que los hace ineficientes”. Los lagos de datos de los proveedores de servicios no están a la altura de las expectativas debido a motivos como que el lago de datos se ha convertido en un  pantano de datos, la falta de impacto empresarial y las complejidades en la replicación de los canales de datos .

Categorías
EXCELENCIA OPERATIV

Dando alas a tus robots RPA estándar

Combine el poder de RPA con NLP para mejorar el potencial de automatización del suministro de servicios

La mayoría de los proveedores de servicios en la industria de la conectividad han comenzado a aprovechar la automatización robótica de procesos (RPA) para automatizar varios procesos, especialmente en el suministro de servicios. Sin embargo, el robot RPA estándar por sí solo no puede automatizar el proceso de aprovisionamiento de un extremo a otro, ya que implica una gran cantidad de datos no estructurados que requieren intervención manual para su procesamiento. Según Gartner, “hoy en día, el 80% de los datos empresariales no están estructurados”. Procesar una cantidad tan enorme de datos no estructurados y realizar una automatización de extremo a extremo con una RPA estándar es un desafío importante para los proveedores de servicios.

Para superar este desafío, los proveedores de servicios pueden combinar el poder del bot RPA con un motor basado en procesamiento del lenguaje natural (NLP) capaz de extraer información y procesar texto no estructurado. Además, ayuda a obtener conocimientos y proporcionar la siguiente mejor acción, todo de forma automatizada. Esta automatización de un extremo a otro ayuda a los proveedores de servicios a reducir el tiempo del ciclo y brindar servicios eficientes a sus clientes.


Según Gartner, “hoy en día, el 80% de los datos empresariales no están estructurados”. La RPA estándar por sí sola no puede procesar una cantidad tan grande de datos no estructurados y realizar una automatización de un extremo a otro.

    Autores:
  • Madhusudhanan S
  • Velmurugan M
  • Gurunathx L V
  • Mogan A B.

  • Etiquetas
Categorías
INGENIERÍA DE PRODUCTO 

Pasar a una vigilancia policial inteligente impulsada por la tecnología

Aproveche el análisis predictivo para reducir los delitos y robos en un 30 %

Hoy en día, las tasas de criminalidad en la mayor parte del mundo son altas, a pesar de que se toman las medidas necesarias. Informes del FBI revelan, “un aumento del 3,9% en el número estimado de delitos violentos y una disminución del 2,6% en el número estimado de delitos contra la propiedad en comparación con 2014”. Debido a esto, las fuerzas policiales a nivel mundial están bajo una tremenda presión para aprovechar tecnologías como el análisis predictivo, para extraer información de la vasta y compleja información para combatir los delitos. No sólo ayuda a prevenir robos y hurtos, sino que también ayuda a utilizar mejor los limitados recursos policiales.

Fig. Predicción de delitos mediante la aplicación de análisis de fuentes de datos de diversas fuentes

Según estudios realizados por la Universidad de California, la delincuencia en cualquier zona sigue el mismo patrón que las réplicas del terremoto. Es difícil predecir un terremoto, pero una vez que ocurre, los siguientes son bastante fáciles de predecir. Lo mismo se aplica cuando se trata de delitos en cualquier área geográfica. El análisis combinado de los datos sobre delitos pasados ​​y otros parámetros que influyen ayudan a predecir la ubicación, el momento y la categoría del delito.


Con el aumento de las tasas de criminalidad, a nivel mundial las fuerzas policiales están bajo una tremenda presión para aprovechar tecnologías como el análisis predictivo para extraer información de los vastos y complejos datos para combatir los delitos.

Categorías
REDES INTENSIVAS EN SOFTWARE

Redefinición de las pruebas de función de red virtual (VNF)

Creación de una estructura de pruebas VNF eficaz y portátil con automatización de un extremo a otro

Cada vez más proveedores de servicios en la industria de la conectividad están introduciendo rápidamente nuevos servicios en línea para mejorar la satisfacción del cliente y brindar un mejor servicio. Sin embargo, los proveedores de servicios enfrentan varios desafíos de prueba en términos de alcance, complejidad y frecuencia durante el proceso de entrega. Casi el 40% del tiempo y los esfuerzos del proveedor de servicios se consumen en actividades de prueba. Las pruebas de función de red virtual (VNF) en la industria de la conectividad se han vuelto complejas, costosas y requieren mucho tiempo. Para abordar los desafíos de prueba que enfrentan los proveedores de servicios en entornos virtualizados, los métodos y procesos de prueba existentes deben revisarse y cambiarse a un nuevo modelo de prueba.

Esta información abarca los elementos clave que pueden ayudar a los proveedores de servicios a crear una estructura de pruebas de VNF eficaz y portátil con automatización de extremo a extremo. Los beneficios clave incluyen desarrollo y mantenimiento rápidos de pruebas, lanzamiento de productos más rápido, calidad mejorada del producto y entrega diferenciada del producto.


Acelere el tiempo de implementación del servicio en un 78 % con la estructura de pruebas VNF rediseñado.