|
|
|
|
|
|
|
|
|
|
|
|
|
|
Comunicación
en congreso
VINCULACIÓN profesional para el monitoreo de
servicios de TICs utilizando Big Data
PROFESSIONAL
LINKAGE FOR THE MONITORING OF ICT SERVICES USING BIG DATA
Marcelo Dante CAIAFA1 Ariel AURELIO2 Adrián Marcelo BUSTO3
1Departamento de Ingeniería e Investigaciones Tecnológicas, Universidad
Nacional de la Matanza, Argentina
2Departamento de Ingeniería e Investigaciones Tecnológicas,
Universidad Nacional de la Matanza, Argentina
3Departamento de Ingeniería e Investigaciones Tecnológicas,
Universidad Nacional de la Matanza, Argentina
Resumen:
La articulación entre la formación universitaria y la profesional es uno de
los objetivos de nuestra labor educativa. El interés del trabajo es poner de
manifiesto las competencias relevantes del estudiante en un proceso concreto de
vinculación entre el ambiente académico y el ambiente productivo.
La investigación se basa en el desarrollo de herramientas para el monitoreo
de servicios de los sistemas TIC (tecnología de la información y la
comunicación). En esta articulación universidad-empresa se utiliza tecnología
Big Data para el procesamiento de un gran volumen de datos contenido en los
archivos generados por los sistemas de comunicaciones de una organización de
servicios masivos que atiende a más de dos millones de clientes.
Se pretende construir un tablero de control basado en tecnología de código
abierto ELK (Elasticsearch-Logstash-Kibana), que se abastecerá con los
registros de detalle de llamada CDRs (Call Detail Records) generados por la
plataforma de comunicaciones.
El objetivo es validar si el dominio de competencias técnicas es condición
suficiente o si las habilidades blandas también son necesarias para lograr un
eficiente desempeño en un proyecto de estas características.
Abstract:
The articulation between university and professional
training is one of many targets from our educational work. The interest of this
work is to show the relevant skills of the students in a concrete process of
linking between the academic and the productive environment.
The research is based on the development of
tools for the monitoring of services based on ICT systems (information and
communication technology). In this university-company articulation, Big Data
technology is used to process a large volume of data contained in the files generated
by the communication systems of a mass service organization that serves more
than two million clients.
It is intended to build a control panel based on
an open source ELK (Elasticsearch-Logstash-Kibana) technology, which will be
supplied with the call detail records CDRs (Call Detail Records) generated by
the communications platform.
The objective is to validate if the domain of
technical skills is enough condition or if soft skills are also necessary to
achieve efficient performance in a project of these characteristics.
Palabras Clave: Big Data, Tecnología de la
Información, Competencias Profesionales del ingeniero del sector TIC, ELK
Key Words: Big Data,
Information Technology, Professional Competences of the ICT engineer segment,
ELK
Colaboradores: José
Antonio Krajnik, Departamento de Ingeniería e Investigaciones Tecnológicas,
Universidad Nacional de la Matanza, Argentina, jkrajnik@unlam.edu.ar; María de los Milagros Garófalo, Departamento de Ingeniería
e Investigaciones Tecnológicas, Universidad Nacional de la Matanza, Argentina, mgarofalo@alumno.unlam.edu.ar; Christian Ariel Gomez, Departamento de Ingeniería e
Investigaciones Tecnológicas, Universidad Nacional de la Matanza, Argentina, chgomez@alumno.unlam.edu.ar
I. CONTEXTO
El
área de conocimiento pertenece a Ingeniería de las Comunicaciones, siendo el
campo de aplicación las Comunicaciones/Telecomunicaciones. Temática: Empleo de
herramientas específicas de Big Data en la vinculación profesional para el
monitoreo de servicios de las TICs [1].
II. INTRODUCCIÓN
El
presente trabajo se basa en la utilización de herramientas de Big Data,
específicamente el ELK en el monitoreo de servicios de los sistemas de TICs
(tecnologías de la información y la comunicación). En el objetivo que es la articulación
universidad-empresa la utilización del modelo de Big Data [7], permite el
procesamiento de un gran volumen de datos contenido en los archivos generados
por los sistemas de comunicaciones (CDRs o Call Detail Records) de una
organización de servicios masivos que atiende a más de dos millones de
clientes. Por otro lado, Big Data analítica es un conjunto de tecnologías y
técnicas que requieren nuevas formas de integración para revelar grandes
valores ocultos en grandes conjuntos de datos [2]. La articulación
universidad-empresa [6], es de vital importancia como vínculo entre la
institución formadora de profesionales y la industria, en la cual se aplican
los conocimientos adquiridos en la producción de bienes y servicios.
III. MÉTODOS
Como
se ha indicado en el ítem II INTRODUCCIÓN, se utilizará el modelo de Big Data y
las herramientas para su tratamiento. En éste trabajo el volumen de datos a ser
analizado consta de archivos de CDRs (Call Detal Records), siendo la
herramienta a ser utilizada el ELK. Para realizar éste análisis se utiliza un
servidor en el cual se descargan éstos archivos (CDRs) y la correspondiente
herramienta (ELK).
IV. RESULTADOS Y OBJETIVOS
A. Objetivos
La
finalidad del proyecto es aportar solución innovadora al sector de las de las
tecnologías de la información que representan las comunicaciones unificadas de
telefonía, video y colaboración. A partir de trabajo se pretende desarrollar de
un tablero de comando que brinde información basado en la explotación de los
datos provistos por los registros CDRs.
General:
Diseñar e implementar un tablero de comando a partir de indicadores específicos
desarrollados sobre infraestructura de Big Data de código abierto que utiliza
los registros CDR como fuente de datos. Dicha herramienta pretende aportar
valor al análisis de la utilización que los clientes realizan en los sistemas
de comunicaciones unificadas sobre los diferentes tipos de servicios.
Específicos:
Identificar las tecnologías, herramientas de software y requerimientos de
hardware necesarios para la implementación de una plataforma de Big Data de
código abierto a partir de cada uno de sus componentes. Realizar la
implementación, configuración e integración de las herramientas constitutivas
del ambiente seleccionado y su interacción con las fuentes de datos a partir de
los CDR para lograr su explotación desde ElasticSearch. Diseñar los diferentes
indicadores y componer un tablero de comando visualizable desde Kibana que
permita consolidar los indicadores de factores de ocupación, calidad de
servicio y niveles de adopción.
B. Resultados
1.
Resultados en cuanto a la producción de conocimiento:
Uno
de los resultados del presente trabajo será la identificación de las mejores
prácticas que validen el valor y la oportunidad que representa la plataforma de
Big Data de código abierto conforme a su capacidad para generar información
importante para los gestores de los sistemas de telecomunicaciones.
Se
estima que lo anterior sea escalable a otras plataformas tecnológicas de forma
tal que el servicio pueda ser ofrecido por los alumnos de la universidad en el
mercado local.
2.
Resultados en cuanto a la formación de recursos humanos:
Dentro
de los integrantes del equipo está la participación activa de un estudiante que
tendrá su primera incursión en los trabajos de investigación.
Todas
las tareas estarán supervisadas por el director del proyecto. El estudiante
compartirá su horario con algún miembro del equipo de investigación, quién lo
guiará y asesorará para que pueda concretar las tareas encomendadas a lo largo
del proyecto.
3.
Resultados en cuanto a la difusión de resultados:
Está
planificada la asistencia a congresos como CONAIISI y CACIC que además de
permitir la difusión de los resultados posibilita el intercambio con pares
sobre diversos tópicos relacionados con las plataformas tecnológicas utilizadas,
los procedimientos seleccionados y las conclusiones alcanzadas.
4.
Resultados en cuanto a transferencia hacia las actividades de docencia y
extensión:
Actualmente
en la currícula de la Universidad existen diversas asignaturas que dan
tratamiento a las tecnologías de la información y las comunicaciones. Por
ejemplo, en las asignaturas de ingeniería electrónica, Servicios avanzados de
comunicaciones, Redes de computadoras y Desarrollo de Mercados Tecnológicos,
entre otras. La particularidad que comparten entre ellas es el abordaje sobre
distintas temáticas de la gestión de los sistemas de comunicaciones. Tanto
desde un enfoque estrictamente técnico como de gestión de recursos para lo cual
esta propuesta espera representar un agregado de valor.
5.
Resultados en cuanto a la transferencia de resultados a organismos externos a
la UNLaM:
Está
prevista la transferencia de conocimientos a organismos externos a la UNLAM
como el IEEE mediante la publicación de los resultados en su librería digital
IEEE Xplore.
6.
Vinculación del proyecto con otros grupos de investigación del país y del
exterior:
Está
prevista la vinculación con un grupo de investigación del exterior compuesto
por Sara B. Elagib, Aisha-Hassan A. Hashim ; R. F. Olanrewaju, Department of
Electrical & Computer Engineering, Faculty of Engineering, International
Islamic University Malaysia, Kuala Lumpur Malaysia debido a su experiencia en
un trabajo referido del año 2016 publicado en el IEEE.
V. DISCUSIÓN
A. Desarrollo del trabajo
El
desarrollo del trabajo se encuentra estructurado en cinco etapas. En la primera
etapa, el detalle del sistema de comunicaciones se ha llevado a cabo para
conocer la fuente de datos. Para la segunda etapa, se obtienen los registros de
los CDR y, se prepara el diccionario de datos. La etapa tres negocia con la
indexación de la base de datos. Cada campo de los CDRs con información
relevante es asignado a un tipo específco de parámetro desde el archivo de
texto a un documento JSON. La etapa cuatro corre los procesos ETL. El archivo
de texto se construye a partir de que el módulo de Logstash se configure para
la ingestión de datos dentro de la correspondiente base de datos. En la última
etapa, las búsquedas se llevan a cabo acorde a objetivos específicos que tienen
que alcanzarse, con lo cual, el módulo de Kibana, permite a los datos ser
consolidados en un panel de control.
B. Contextualización de la fuente de
datos.
Para
alcanzar los objetivos propuestos se utilizó como fuente de datos registros
CDRs, generados por los sistemas de comunicaciones de una organización con más
de dos millones de clientes dedicada al servicio masivo [3]. Está compuesta por
miles empleados con cientos de sucursales a lo largo del territorio nacional. Dado la extensa normativa que regula
sus productos, su estrategia de competencia se focaliza en la diferenciación a
partir de la calidad de atención al cliente, lo que potencia el valor del
presente trabajo.
Dentro del
proceso de vinculación fueron necesarias distintas sesiones de trabajo entre
ambos equipos de trabajo, del lado de la universidad y del lado de la empresa.
Las mismas se enfocaron en descubrir detalles de la infraestructura y aspectos
funcionales de los servicios referidos entre los que se citan:
·
la
arquitectura funcional de los sistemas que son fuentes de datos,
·
el plan de
direccionamiento IP de los segmentos de red LAN, MAN y WAN,
·
el plan de
numeración del servicio telefónico y su interconexión con prestadores,
·
la estructura
de los diferentes modelos de atención al cliente a estudiar.
Estas actividades fueron clave para la adecuada
contextualización de los datos y su correspondiente interpretación [5].
C. Indexación de la base de datos
Para
generar la base de datos es preciso crear un índice en Kibana. Se
definen los campos necesarios para dar formato a la estructura de datos que se
espera recibir. Esto
se ejecuta en el apartado DevTools con una petición PUT. La figura 4 muestra parte del
archivo utilizado:
Figura 1: Indexación de la base de datos
Fuente: Elaboración propia
D. Proceso ETL
El
proceso ETL (Extract, Transform and Load) es el proceso de toma de
datos, la adaptación de sus campos y tipos, y la carga de datos
a la base. Esto se realiza configurando el logstash con el archivo que se
ilustra en la figura 5. Se identifican claramente tres instancias. La primera
es la entrada (input), que consiste en indicar la ruta del archivo de donde se
extraen los datos. El
siguiente paso es el filtro (filter) donde se listan todos los campos que
contendrá en formato separado por comas. En el caso particular de las fechas,
se pueden convertir los datos que se reciben en formato UNIX a un tipo dato. Por
último, se tiene la salida (output) que indica el nombre del
índice donde quedarán cargados los datos. El agregado del comando “stdout”
habilita la opción para observar la carga en pantalla.
Figura 2: Proceso ETL
Fuente: Elaboración propia
E. Resultados Obtenidos
El parámetro finalCalledPartyNumber se utilizó para
clasificar el tráfico de voz según las categorías destino: Locales, Nacionales,
Emergencia, Internacionales y Celulares. Esto permite registrar la distribución
del tráfico telefónico y el costo operativo del servicio de los proveedores de
la PSTN. El filtro se aplicó a diferentes períodos para evidenciar los cambios
provocados por las restricciones generadas por la pandemia. La figura 6 compara
los datos correspondientes a los períodos prepandemia (Nov/Dic 2019) y período
durante la pandemia (Nov/Dic 2020)
Figura 3: Distribución del tráfico saliente
Fuente: Elaboración propia
Figura 4: Indicadores de atención al cliente
Fuente: Elaboración propia
Se utilizaron 2 gráficos para construir el tablero
que mide el nivel de calidad de atención al cliente y se muestra en la figura
7. El gráfico superior tiene la distribución de llamadas entrantes clasificadas
por tipo de atención. La atención se conforma en tres grupos: centro contacto
con clientes, atención a individuos y grandes clientes. El gráfico inferior
detalla la duración de las llamadas en grupos segmentados por minuto.
Respecto a las habilidades genéricas transversales
puestas de manifiesto, fundamentalmente en las etapas 1, 2 y 5 del proyecto se
relevaron la capacidad de indagación, pensamiento crítico, organización del
tiempo y comunicación efectiva.
VI. CONCLUSIONES
El
trabajo permitió valorar la experiencia de enseñanza de la ingeniería a través
de la participación de estudiantes en un proyecto concretos de articulación
academia-empresa, donde la industria aportó contexto productivo y especialistas
técnicos y de negocio [4].
Respecto
a los datos de tráfico del servicio de telefonía, comparando los mismos meses
de 2019 (pre Covid-19) frente al último 2020 (durante Covid-19) se observa un incremento
del 320% para la categoría destino Celulares y una reducción del 50% de la
categoría destino Locales. Esto refleja la forma en que afectaron los cambios
impuestos por las restricciones de la pandemia, que redujo la concurrencia de
personal a las sucursales a cambio de utilizar teléfonos celulares.
En
el tablero de atención del cliente se observa que los llamados atendidos por el
centro de contacto (CC) representan un 60% del total de llamadas a sucursales.
El tráfico restante se distribuye en dos tercios para el sector individuos y
uno a grandes empresas.
En
el CC el 45% de las llamadas duran menos de 1 minuto. El personal del CC adapta
su disponibilidad de recursos a niveles de productividad predefinidos.
Comparando
las llamadas respondidas por oficiales en sucursal con duración mayor a 5
minutos, se observa que grandes empresas tienen un 10% del total, mientras que
individuos es sólo 1%.
En
este proceso de vinculación con el ambiente productivo se comprobó que, si bien
requirió de competencias técnicas, puso de manifiesto la necesidad de
competencias genéricas para las tareas de interpretación de los datos. Se
comprobó capacidad de indagación para adecuada interpretación de la fuente de
datos y de la arquitectura de servicios.
Desde
el punto de vista de los estudiantes, el análisis de esta experiencia permitió
identificar como ventaja, la aplicación de los conocimientos técnicos en
ambientes profesionales y el reconocimiento de las habilidades blandas como
factores críticos de éxito dentro del proyecto.
Estas
últimas resultaron clave particularmente en la etapa de contextualización de
datos.
Como
futuros trabajos se propone el estudio de metodologías de evaluación de
competencias en proyectos de vinculación. Esto constituye un insumo importante
para la valoración del desarrollo de habilidades blandas en entornos de
integración de plataformas tecnológicas.
VII. REFERENCIAS Y BIBLIOGRAFÍA
[1] Chen, M.:
Use cases and challenges in telecom big data analytics. In: APSIPA Transactions
on Signal and Information Processing, vol. 5, p. e19, Cambridge University
Press (2016)
[2] Verma, J.:, Agrawal, S.,
Patel. B.: Big Data
Analytics: challenges and applications for text, audio, video and social media
data. In: International Journal on Soft Computing, Artificial Intelligence and
Applications (IJSCAI), Vol.5, No.1 (2016) .
[3] Elagib, S., Hashim, A., Olanrewaju, R.: CDR Analysis using
Big Data Technology. International Conference on Computing, Networking,
Electronics and Embedded Systems Engineering (2015).
https://ieeexplore.ieee.org/document/7381414, last accessed 2021/01/21.
[4] Morato,
J., Sanchez Cuadrado, S., Fernández, B.: Trends in the technological profile
of information professionals. 25(2),169-178 (2016).
https://doi.org/10.3145/epi.2016.mar.03, last accessed 2021/04/02.
[5] Agrawal,
D., Bernstein, P., Bertino, E., Davidson, S., Dayal, U.: Challenges and Opportunities with Big
Data. USA, Cyber Center Technical Reports (2011).
http://docs.lib.purdue.edu/cgi/viewcontent.cgi?article=1000&context=cctech,
last accessed 2021/03/17.
[6] S.
Mutula. Big Data Industry:Implication for
the library and information sciences. 2016. African Journal of Library
Archives and Information Science, 26(2), 93–96. Disponible https://www.ajol.info/index.php/ajlais/article/view/167425
[7] M.
Machado. Applications of Big Data for
Development. 2016 Disponible en https://www.engineeringforchange.org/news/applications-of-big-data-fordevelopment/
Recibido:
2021-06-06
Aprobado:
2021-07-26
Hipervínculo Permanente: https://reddi.unlam.edu.ar/index.php/ReDDi
Datos de edición: Vol. 6 - Nro. 1 - Art. 3
Fecha de edición: Formato: 2021-07-27
|
|