Анализ 5G-проникновения в телеком-сети для ВКР: ETL-пайплайн, метрики и защищаемая архитектура
Поддомен: Data Engineering / Telecom Analytics. Роль: Data/ML-инженер.
МТС опубликовала цифру, которая для выпускника ИТ — не просто новость, а готовая постановка задачи: каждый третий смартфон в Нижегородской области уже поддерживает 5G. Это значит, что в реальном биллинге и в HLR/HSS оператора лежит массив из миллионов записей о зарегистрированных устройствах, их моделях, IMEI, датах последней активности и поддерживаемых стандартах радиодоступа. Из этого массива рождается метрика penetration rate — доля активных 5G-устройств в сети. Звучит как отчёт? На деле это идеальный каркас для главы ВКР: источник данных, ETL, витрина, дашборд, прогноз миграции абонентов. Ниже — как превратить строку из пресс-релиза в защищаемый дипломный кейс.
Что часто спрашивают студенты по этой теме
Где взять данные, если оператор не даёт доступ к сети?
Три рабочих пути. Первый — открытые датасеты: GSMA Intelligence, OpenCelliD, статистика Роскомнадзора, данные о покрытии с карт операторов. Второй — синтетический генератор на Python (Faker + numpy) со «согласованным» распределением моделей устройств; его потом защищаете как «имитационную модель». Третий — парсинг публичных отчётов операторов за 3–5 лет и построение временных рядов. В методике обязательно опишите ограничения доступа к коммерческим данным — это снимает половину вопросов на защите.
Как посчитать penetration rate так, чтобы это не вызвало вопросов у комиссии?
Формула выглядит просто: число уникальных 5G-устройств, активных за скользящее окно (30/60/90 дней), делённое на общее число активных абонентов за то же окно. Сложность в знаменателе — нужно чётко определить, кого считать «активным» (был ли трафик, USSD-сессия или только регистрация в сети). Зафиксируйте определение в Главе 2 и обоснуйте выбор окна: короткое окно даёт высокую волатильность, длинное — «залипание» уже ушедших абонентов.
Какую СУБД и стек выбрать, чтобы не переусложнить работу?
Для временных рядов телеком-событий рабочая связка — ClickHouse (агрегации по миллионам строк) плюс PostgreSQL для справочников и словарей моделей. Оркестрация — Airflow, визуализация — Grafana или Metabase. Kubernetes в дипломе обычно избыточен: защищать его оркестрацию дольше, чем считать метрики. Оставьте его, если тема связана с деплоем сервиса, а не с самой аналитикой.
Обязательно ли делать ML-модель?
Нет. Проникновение 5G отлично защищается как аналитический проект: сбор → очистка → витрина → дашборд → статистические выводы. ML добавьте как Главу 3, если хотите показать прогноз миграции абонентов: логистическая регрессия, градиентный бустинг или простой SARIMA-прогноз по месяцам. Модель должна быть валидируема и объяснима — иначе комиссия разберёт её быстрее, чем вы защитите.
Темы ВКР, которые дают статья и метрика проникновения
Каждая тема ниже опирается на реальный бизнес-вопрос оператора: «сколько наших абонентов уже могут пользоваться 5G и когда оставшиеся мигрируют». Это делает актуальность не декларативной, а проверяемой.
-
Тема 1. ETL-пайплайн для расчёта проникновения 5G-устройств в сети оператора.
Актуальность: каждый третий смартфон в Нижегородской области поддерживает 5G — значит, оператору нужно регулярно пересчитывать эту долю в разрезе районов, тарифов и вендоров.
Цель: разработать воспроизводимый пайплайн обработки CDR/регистрационных логов с витриной метрик.
Задачи: спроектировать схему хранения событий; реализовать загрузку и очистку; определить метрику penetration rate; построить дашборд.
Структура: Гл. 1 — анализ телеком-аналитики и обзор инструментов; Гл. 2 — проектирование пайплайна (C4, ГОСТ 34); Гл. 3 — реализация, тестирование, оценка производительности. -
Тема 2. Прогнозирование миграции абонентов на 5G-устройства методами машинного обучения.
Актуальность: рост проникновения устройств определяет скорость загрузки 5G-сети, планирование ёмкости и CAPEX.
Цель: построить модель, прогнозирующую вероятность замены устройства абонентом в горизонте 6 месяцев.
Задачи: сформировать признаки (возраст устройства, тариф, ARPU, история смен); обучить и валидировать модель; рассчитать метрики качества; интерпретировать результаты.
Структура: Гл. 1 — теория и обзор подходов; Гл. 2 — подготовка данных и признаки; Гл. 3 — обучение, ROC-AUC/F1, бизнес-интерпретация. -
Тема 3. Дашборд мониторинга 5G-покрытия и устройств для регионального подразделения оператора.
Актуальность: аналитика МТС по Нижегородской области показывает, что метрики нужно видеть в разрезе районов, а не одной цифрой по региону.
Цель: создать интерактивную визуализацию с фильтрами по районам, вендорам и периодам.
Задачи: спроектировать модель данных витрины; реализовать запросы; собрать дашборд; оценить юзабилити по ISO/IEC 25010.
Структура: Гл. 1 — обзор BI-инструментов; Гл. 2 — проектирование витрины и UX; Гл. 3 — реализация и тестирование.
Как разложить материал статьи по главам
Глава 1. Статья как источник постановки задачи
Не пересказывайте пресс-релиз — используйте его как точку отсчёта. Сформулируйте проблему: оператор не знает, равномерно ли распределены 5G-устройства по территории, и не может планировать ёмкость. Приведите цифру «каждый третий смартфон» как верхнеуровневый ориентир и сразу оговорите: открытая аналитика оператора агрегирована, поэтому в работе строится методика расчёта, воспроизводимая на детальных данных. Здесь уместны диаграмма контекста C4 (Level 1) и схема по ГОСТ 34.602 с внешними сущностями: биллинг, HLR/HSS, CRM, BI-система.
Глава 2. Проектирование ETL и витрины метрик
Стройте пайплайн по слоям raw → staging → marts. Raw — события регистрации устройств с метками времени. Staging — дедупликация по IMEI и абоненту, нормализация модели устройства, флаг поддержки 5G. Marts — агрегаты по районам и неделям. Диаграмму C4 Level 2 (контейнеры) удобно рисовать в draw.io, схему потоков данных — в BPMN.
-- ClickHouse: доля 5G-устройств среди активных абонентов по районам
SELECT
region,
countIf(supports_5g = 1) / count() AS penetration_5g,
countIf(supports_5g = 1 AND last_seen >= today() - 30) AS active_5g_30d,
count() AS active_subs
FROM subscriber_devices FINAL
WHERE last_seen >= today() - 90
GROUP BY region
ORDER BY penetration_5g DESC;Обратите внимание на FINAL в ClickHouse — если используете ReplacingMergeTree, без него получите дубликаты и завышенный знаменатель. Это отличный пункт для раздела «тестирование»: сравните результаты с FINAL и без, покажите расхождение.
Глава 3. Метрики, тестирование и эффект
Минимальный набор метрик: penetration rate, доля новых 5G-устройств за месяц, средний срок смены устройства, ARPU-разрыв между 5G и non-5G абонентами. Оценку качества витрины проведите по ISO/IEC 25010 — корректность, производительность, удобство использования. Наблюдаемость сервиса закройте OpenTelemetry-трейсингом запросов витрины: для дипломного проекта достаточно показать один сквозной trace от API до СУБД.
| Слой | Что решаем | Инструмент | Артефакт в ВКР |
|---|---|---|---|
| Сбор | приём событий | Kafka | схема потоков |
| Хранение | агрегации по времени | ClickHouse | DDL витрины |
| Оркестрация | расписание пересчёта | Airflow | DAG-скриншот |
| Визуализация | разрезы по районам | Grafana | дашборд |
| Наблюдаемость | латентность запросов | OpenTelemetry | trace-схема |
Чему вы научитесь на этой теме
- Проектировать слоистый ETL-пайплайн и обосновывать выбор СУБД под временные ряды.
- Считать телеком-метрики (penetration, ARPU-gap, retention) так, чтобы их можно было защитить формулой, а не словами.
- Оформлять архитектурные схемы в нотации C4 и по ГОСТ 34.602 без «рисунков из интернета».
- Оценивать качество ПО по ISO/IEC 25010 и подтверждать его метриками производительности.
- Строить и валидировать прогнозные модели миграции абонентов с интерпретацией результатов.
Чек-лист перед сдачей
- Определение «активного абонента» зафиксировано в Главе 2 и совпадает во всех формулах.
- Все схемы подписаны, пронумерованы и упомянуты в тексте (C4, BPMN, ГОСТ 34).
- Код в приложении воспроизводим: указаны версии зависимостей и параметры окружения.
- Метрики penetration рассчитаны минимум в двух разрезах (район, вендор) — иначе выводы тривиальны.
- Задачи введения дословно совпадают с выводами заключения.
- Ссылки на источники оформлены по ГОСТ Р 7.0.100-2018, включая публикацию МТС.
- Уникальность текста проверена, но без «накрутки» — комиссия ищет смысл, а не проценты.
Типичные ошибки студентов
1. Считать «проникновение» от всего населения региона. Цифра из статьи МТС — это доля внутри абонентской базы оператора, а не от жителей Нижегородской области. Если подменить знаменатель, метрика превратится в бессмыслицу, и первый же вопрос на защите её обрушит.
2. Показать дашборд без слоя подготовки данных. Красивые графики в Grafana не заменяют ETL. Опишите, откуда приходят события, как вы дедуплицируете записи и почему выбрали такое окно активности. Иначе работа выглядит как вольная визуализация открытых данных.
3. Игнорировать ограничения данных. Если модель обучалась на синтетике, скажите об этом прямо и обозначьте сценарии, где выводы переносимы. Честное признание ограничений усиливает защиту, а не ослабляет её.
Если хочется уложиться в срок и не потерять качество — у студентов есть запас в 120 часов на проработку темы. Помощь с дипломом бывает уместна, когда нужно сверить структуру, метрики или оформление с требованиями кафедры. Первая консультация — бесплатная: разберём вашу постановку задачи и подскажем, какие разделы усилить.
Источник: Аналитика МТС: Каждый третий смартфон в Нижегородской области поддерживает 5G (опубликовано 2026-03-25)