Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/11992
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Тихонов Андрей Борисович | ru_RU |
dc.contributor.author | Пономарёв Артемий Александрович | ru_RU |
dc.contributor.author | Ponomarev Artemii | en_GB |
dc.contributor.editor | Терехов Андрей Николаевич | ru_RU |
dc.contributor.editor | Terekhov Andrei Nikolаevich | en_GB |
dc.date.accessioned | 2018-07-26T15:14:29Z | - |
dc.date.available | 2018-07-26T15:14:29Z | - |
dc.date.issued | 2018 | |
dc.identifier.other | 040323 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/11992 | - |
dc.description.abstract | В работе рассматриваются проблемы и вопросы использования и интерпретации больших данных в коммерческих организациях на примере работы мобильного оператора. Рассматривается вопрос функционала big data, подхода к большим данным в зарубежной и российской практике. Делается акцент на решении конкретных задач в телекоммуникационной сфере, которые решаются с использованием имеющихся данных в информационных системах компании. Проанализированы характеристики клиентов компании, которые позволяют сформировать предиктивную модель оттока, проанализированы и построены популярные клиентские маршруты в заданные дни, которые позволяют оптимизировать рекламное размещение и повысить эффект от проводимых рекламных кампаний. Выявлены наиболее успешные кластеры для обеих задач. Сформулирован третий вид коммерческой задачи, который позволит решать проблемы с фродом в части обхода международного трафика | ru_RU |
dc.description.abstract | The paper observes general questions and variants of big data usage in commercial enterprises, particularly in telecommunications. The problem of big data functional is discussed, and the approach of this functional as well both abroad and in Russia. The author makes an accent on the certain problem of the cell operator, that can be solved with the help of data, the company has at its disposal. Special characteristics of clients are analyzed. They allow to build a predictive commercial model of churn. Also analyzed separate clients’ characteristics that allow to constructs most popular clients’ routes during given days to optimize advertising placement and increase the effect of advertisement campaigns. Most successful clusters are identified for both cases. The third type of a practical case was formulated, as well. This case allows to solve the fraud problem, when international calls traffic is bypassed. | en_GB |
dc.language.iso | ru | |
dc.subject | большие данные | ru_RU |
dc.subject | телекоммуникации | ru_RU |
dc.subject | мобильная связь | ru_RU |
dc.subject | маршруты | ru_RU |
dc.subject | графы | ru_RU |
dc.subject | оптимизация | ru_RU |
dc.subject | кластеризация | ru_RU |
dc.subject | рекламный охват | ru_RU |
dc.subject | отток | ru_RU |
dc.subject | вектор-машины | ru_RU |
dc.subject | нейронные сети | ru_RU |
dc.subject | big data | en_GB |
dc.subject | telecommunications | en_GB |
dc.subject | mobile | en_GB |
dc.subject | routes | en_GB |
dc.subject | graph | en_GB |
dc.subject | optimization | en_GB |
dc.subject | clustering | en_GB |
dc.subject | advertisment coverage | en_GB |
dc.subject | churn | en_GB |
dc.subject | svm | en_GB |
dc.subject | neural networks | en_GB |
dc.title | Mobile operators clients segmentation based on Big Data models | en_GB |
dc.title.alternative | Сегментация пользователей мобильных операторов с помощью моделей Больших Данных | ru_RU |
Располагается в коллекциях: | DOCTORAL STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
vkr.docx | Article | 2,11 MB | Microsoft Word XML | Просмотреть/Открыть |
reviewSV_otzyv_Ponomarev.pdf | ReviewSV | 1,03 MB | Adobe PDF | Просмотреть/Открыть |
reviewSV_recenziya_Ponomarev.pdf | ReviewRev | 482,07 kB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.