Atualmente, grande parte dos processos de Data Science dentro de um dos nossos clientes de Telecom são realizados de maneira automatizada, usando ferramentas modernas, modelos de machine learning e fórmulas matemáticas.

Isso foi possível por meio de um estudo detalhado dos processos antigos, mostrando gargalos, oportunidades de melhoria e os ganhos que seriam alcançados com a automatização do processamento de dados.

Confira a solução deste case com a gente!

Cenário:

Um importante cliente do mercado de Telecomunicações realizava todos os seus processamentos de dados de forma manual, porém, devido ao alto volume de dados recebidos diariamente, os tratamentos de dados se tornaram demorados, o que prejudicava o tempo de análises e consequentemente tornava as predições menos assertivas e menos úteis às tomadas de decisão.

Além disso, a falta de automatização tomava muito tempo da equipe na realização de tarefas manuais repetitivas e simplórias, o que fazia com que o tempo despendido para análises importantes fosse menor.

Alguns obstáculos observados no processo foram:

1° – Muitos processos manuais;

2° – Não versionamento do código ou modelo;

3° – Foco dividido entre processos importantes e processos manuais repetitivos;

4° – Rastreamento de modelos.

Automatização de processamento de dados.

Visando sustentar o alto volume de dados e minimizar ao máximo esses problemas, nossa equipe de especialistas propôs uma solução a curto prazo que envolvia automatizar os processos manuais repetitivos, aplicando machine learning e modelos matemáticos, para que essas tarefas pudessem ser realizadas com maior constância e a empresa pudesse economizar tempo e consequentemente, dinheiro.

Então, as diversas bases passaram a ser consolidadas mensalmente através de processos de ETL, usando a ferramenta Glue.

Tais bases foram usadas para fazer estudos e construção de modelos através do SageMaker e com esses modelos, são realizadas as previsões mensais de acordo com as necessidades do cliente.

Com essas mudanças, todos os modelos e códigos passaram a ser armazenados, o que permite que a empresa realize o monitoramento através do Lambda e faça o versionamento dos mesmos.

Quais os resultados obtidos?

A abordagem de automatização do processamento de dados gerou economia de tempo útil para o cliente, visto que com isso a equipe passou a se dedicar mais às tarefas complexas e de alto valor agregado para o negócio.

º Também foi possível observar redução de prejuízos financeiros, pois as predições passaram a ser realizadas em tempo hábil e se tornaram mais assertivas.

º Com o armazenamento de códigos e modelos, o tempo de inatividade por problemas sistêmicos passou a ser quase nulo.

º Possibilidade de comparação de performance e de resultados.

º Aumentamos a capacidade do time de Dados e abrimos portas para novas atividades dentro do cliente.

Conheça o cliente

Atualmente conta com mais de 1,3 milhão de clientes e com mais 4 mil colaboradores.

Considerada a quinta maior empresa no segmento de telecomunicações do Brasil, com mais de 65 anos de atuação, presente em mais de 350 cidades.

Faz parte de um tradicional e importante grupo empresarial do país, prestando serviços de Telecomunicações, com foco em clientes B2B.