Machine Learning, Big Data y MVP’s son las principales tendencias para enfrentar los desafíos de la expansión de las redes de comunicación
El avance tecnológico ha permitido que el uso de redes de comunicación crezca de manera exponencial en los últimos años debido a su practicidad al momento de compartir información, reducir costos y agilizar procesos empresariales. Según el informe Mobile Economy 2020 de GSMA, se espera que al 2025 existan 1.8 billones de conexiones 5G y que la inversión en los próximos 5 años sea de $1.1 trillones, siendo el 80% destinado a esta misma red.
Sin embargo, al crecer la demanda de uso, también han aumentado la cantidad de desafíos que dificultan su actual crecimiento, siendo así las operaciones de red, la garantía del servicio y la experiencia del cliente los focos de la evolución para las telecomunicaciones de hoy.
Bajo este escenario, SAS, empresa líder en analítica, organizó un conversatorio virtual llamado “Redes de comunicación, desafíos y tendencias 2030” en el que participaron distintos especialistas con el fin de compartir sus experiencias y analizar las tendencias en esta materia.
Para Oscar Caramillo, Network AI & Machine Learning Business Specialist de SAS, la virtualización de la red se está volviendo muy relevante porque va a requerir de un mejor desempeño en todos los recursos de red virtualizada, para que así la experiencia de los clientes sea la ideal.
Por su parte, César Azurdía, subcoordinador del laboratorio 5G de la Facultad de Ingeniería de Chile, la licitación de nuevas bandas de espectro y la implementación de una nueva infraestructura serán retos a tener en cuenta en los próximos 2 a 3 años a nivel regional. “Las nuevas redes se tendrán que masificar, teniendo muchísima data por analizar”, precisó.
En ese sentido, Pablo Valencia, subgerente de Sistemas Técnicos en grupo GTD, hizo énfasis en el incremento de datos y expresó su preocupación por el comportamiento del tráfico de red. A su vez, explicó que al aumentar la cantidad de información ya no se aplicará la ingeniería de tráfico tradicional debido a la existencia de nuevos patrones que no serán manejables a través de reacciones humanas. “Ahora serán necesarios modelos predictivos cuyo auge incrementará en los siguientes tres años”, indicó el ejecutivo.
De esta manera, los expertos también coincidieron en que la tecnología no solo enfrenta desafíos, sino que recoge nuevas tendencias que las empresas deben considerar si desean empezar a agilizar sus procesos y hacer frente a los desafíos previamente mencionados:
- Análisis de Big Data: analizar grandes cantidades de datos con softwares adecuados permitirá a la empresa perfilar requerimientos de los clientes. Esto con la finalidad de entregar valor agregado mediante los servicios o productos nuevos que la organización pueda ofrecer.
- MVP’s: el uso de productos mínimos viables será de suma utilidad al momento de incorporar procesos o adoptar nuevas tecnologías. Implicará una reducción de costos debido al procedimiento iterativo que conlleva.
- Machine Learning: su aporte puede ir dirigido al NPS o Net Promoter Score, viéndose influenciada positivamente la percepción del servicio en los clientes de la compañía. Se puede determinar de manera predictiva el fallo de un equipo o de parte de un proceso, permitiendo así resolver el problema antes que el cliente lo note, adelantándose a la encuesta de satisfacción.
Finalmente, Caramillo señaló que la inteligencia artificial y el Machine Learning son claves para lograr el crecimiento esperado, respaldar esta transformación digital y hacerla avanzar.
“Pronosticar de mejor forma el tráfico en la red tiene un impacto considerable en dos aspectos importantes para las empresas: en la experiencia del cliente y en la reducción de costos por despliegue en la red” apuntó el ejecutivo.
