Knowledge Discovery Erzeugung künstlicher Telekommunikationsdaten (Teil II) Markus Höchstötter Michael Wenzelburger.

Präsentation zum Thema: "Knowledge Discovery Erzeugung künstlicher Telekommunikationsdaten (Teil II) Markus Höchstötter Michael Wenzelburger."—  Präsentation transkript:

1 Knowledge Discovery Erzeugung künstlicher Telekommunikationsdaten (Teil II) Markus Höchstötter Michael Wenzelburger

2 Agenda n Problemstellung n Lösungsansatz n Implementierung n Performance n Feedback

3 Problemstellung n Generierung von TelKo Daten n Input: u Verteilung, Parameter u Wahrscheinlichkeitsmodell n Output: u TelKo Mikrodaten (Gespräche) u Beginn, Dauer, Tarifzone

4 Problemstellung n TelKo Datenstruktur u Gesprächsdauer/ Belegungsdauer u Einfallsabstand n ln-Normalverteilung durch Transformation

5 Problemstellung

6 Agenda n Problemstellung n Lösungsansatz n Implementierung n Performance n Feedback

7 Lösungsansatz n Erzeugung von einzelnen Kunden n Erzeugung von einzelnen Gesprächsdaten für jeden Kunden mit Zeitstrahlmodell

8 Erzeugung von Kunden n Kundengruppen unterteilt nach Telfonierverhalten n Ziehung der kundenspezifi- schen Parameter mit ZV aus Kundengruppen

9 Erzeugung von Gesprächsdaten n Generierung für einzelnen Kunden n Beginn bei Null n Fortlaufende Ziehung von Gesprächsdauer und Zwischengesprächsabstand n Ermittlung der Tarifstruktur vor jeder Ziehung

10 Zeitenstrahl t=0 } Zwischenzeit 1 t1t1 Gespräch 1 t2t2 Ziehung: Tarifzone (Ort, Nah, Fern) Gesprächsdauer } Abhängig vom Startzeitpunkt t3t3 } Zwischenzeit 2...

11 Agenda n Problemstellung n Lösungsansatz n Implementierung n Performance n Feedback

12 Implementierung n Eingabe n Ziehung n Generierung n Ausgabe

13 Eingabe n Festlegung der Rahmen- bedingungen u Klassen u Tarifzonen u Anschlussarten u Zeitfenster u WoEnde / Werktag u Dirac

14 Eingabe n Einlesen der Verteilungs- parameter u SHV: diskrete Verteilung u Mittelwert/Streuung für Gesprächs- dauer und Einfallabstand u Prozentsatz der gleichverteilten Gesprächsdauern

15 Ziehung n Diskretes Ziehen: u Kundenklasse u Anschlussart u Tarifzone n Gleichverteilte Z-Zahl zwischen 0 und 1

16 Ziehung n Beispiel: n Zufallszahlen: 0,44=>Nah 0,76=>Fern 0,54=>Nah 0,01=>Ort

17 Ziehung n Stetiges Ziehen: u Gesprächdauer u Zwischenankunftszeit n Normalverteilte Z-Zahl n Transformation

18 Ziehung n Beispiel: u µ = 2, = 1.5 u Z-Zahl x N(0,1) = -0.7 Transformation u x LN = exp(1.5*(-0.7) +2) = 2.59

19 Generierung n Bestimmung des Kunden u Klasse u Anschlussart n Alternierende Ziehung von ZAK und Gesprächsdauer

20 Generierung n ZAK durch Ziehung einer ZZ und deren Transformation n Dirac n Tarifzone in abh der akt Zeit und Klasse n Gesprächslänge unter Berücksichtigung von Zeitfensterüberlauf

21 Augabe n Kunde u Kunden ID u Klasse u Anschluss n Gespräch u Kunden ID u Tarifzone u Beginn u Dauer

22 Agenda n Problemstellung n Lösungsansatz n Implementierung n Performance n Feedback

23 Performance n Abbildungsgenauigkeit n Bandbreite n Datenvolumen

24 Abbildungsgenauigkeit n Gesprächsdauer u 100 Kunden u 8 * 86400 sec = 8 Tage u kein Dirac

25 Abbildungsgenauigkeit n Tarifzonen u 100 Kunden u 8 * 86400 sec = 8 Tage

26 Abbildungsgenauigkeit n Klassen u 10000 Kunden u 3 Anschlussarten u 2 Klassen

27 Abbildungsgenauigkeit n Sehr exakte Abbildung der Tarifzonen bzw. Klassen n Ausreichend genaue Abbildung der Gesprächsdauer bzw. ZAK u große Werte genauer abgebildet als kleine

28 Bandbreite / Datenvolumen n 1000 Kunden mit realitätsnahen Parametern n 5 Kundenklassen n 5 Tarifzonen n 650 sec Laufzeit n 26.000 kB Gesprächsdaten n 10 kB Kundendaten

29 Agenda n Problemstellung n Lösungsansatz n Implementierung n Performance n Feedback

30 Feedback n Wahrscheinlich zu detaillierte Parameterstruktur n Hindernis Datenschutz n Datenbankanbindung n Zeitfenster alle gleichlang

31 Fragen