Mes: agosto 2021

Categorías
EXCELENCIA OPERATIV

La fibra es rápida, pero el despliegue debe seguir el ritmo

AI/ML puede pronosticar retrasos antes de que ocurran, haciendo que la prestación del servicio sea predecible y rápida

La pandemia mundial ha puesto de relieve el hecho de que la banda ancha de alta velocidad es una necesidad, no un lujo. Y la fibra es una de las formas de lograr una banda ancha más rápida. Este apetito por la fibra significa que los proveedores de servicios deben implementar servicios de conectividad basados ​​en fibra más rápidamente. Sin embargo, con las crecientes complejidades en el proceso de gestión de pedidos, entregar el servicio dentro del cronograma especificado se está convirtiendo en una pesadilla. El principal problema empresarial es la imprevisibilidad, que puede ser tan importante como la velocidad. Su ausencia significa frustración para los proveedores de servicios y sus clientes.

La principal causa de esta falta de previsibilidad proviene de la estructura del proceso. En muchos casos, el proceso de prestación de servicios empresariales ha evolucionado y crecido orgánicamente. Las causas más comunes de disfunción son:

  • Múltiples equipos que operan en silos impiden una visión clara del proceso y una única fuente de verdad
  • Transferencias manuales que provocan errores y retrasos
  • Dependencia de proveedores externos, lo que da como resultado que los problemas operativos de los proveedores se transfieran al proveedor de servicios.
  • Falta de estrategias para pronosticar retrasos en los pedidos
  • Falta de mecanismos para el seguimiento en tiempo real del flujo de prestación de servicios.

Para superar estos desafíos y aprovechar la próxima ola de oportunidades, las operaciones de prestación de servicios requerirán una visión avanzada. AI/ML está en el centro de esa visión. Con AI/ML en la prestación de servicios, las empresas pueden predecir y abordar los retrasos antes de que afecten al negocio. La IA empresarial puede, con el tiempo, mejorar la predicción de posibles retrasos y fechas de entrega en todos los puntos del recorrido del pedido. Con el tiempo, las empresas pueden lograr un procesamiento más rápido de los pedidos con predicciones mejoradas.

null


El apetito por la banda ancha de alta velocidad exige un despliegue más rápido de servicios de conectividad basados ​​en fibra.

Categorías
NUBE 

Tratar o no tratar: aumentar el retorno de la inversión en marketing con campañas específicas mediante modelos de mejora

Al ejecutar campañas de marketing directo, las empresas deben asignar a los clientes adecuados una oferta promocional determinada para maximizar el efecto de la campaña. Por ejemplo, qué clientes deberían recibir un descuento en la suscripción para minimizar la tasa de abandono general de la empresa.

Se pueden utilizar diferentes métodos para identificar el conjunto adecuado de clientes objetivo para las campañas, como el modelado estadístico manual basado en hojas de cálculo y el modelado de resultados. Estos métodos, sin embargo, tienen algunas limitaciones como:

  • Lista aleatoria e inexacta de clientes objetivo
  • Falta de detalles granulares, como qué clientes tienen más probabilidades de responder a las campañas de marketing.
  • Bajo retorno de la inversión en marketing debido a la baja tasa de respuesta de los clientes

El modelado de elevación basado en aprendizaje automático (ML) es un enfoque prometedor para superar las limitaciones anteriores. Permite a las empresas clasificar a los clientes como aquellos que probablemente responderán positivamente a una campaña y aquellos que permanecerían neutrales o incluso reaccionarían negativamente.

null


Un modelo de mejora aumenta el retorno de la inversión en marketing al determinar los clientes objetivo-adecuados.

Un modelo de mejora bien ejecutado mejoraría la eficiencia del marketing empresarial y ayudaría a generar mayores ingresos incrementales. La implementación exitosa del modelo requiere el conjunto adecuado de habilitadores, como la adquisición de datos sin procesar, la ingeniería de funciones y el desarrollo de modelos AI/ML.