Опубликовано: 02.10.2026 | Источник: CNews (новости)

Аналитика телеком-данных о 5G-устройствах для ВКР: пайплайн, метрики и защита

Введение: почему новость про Прикамье — это тема диплома, а не просто заметка

МТС посчитала: каждый третий смартфон, зарегистрированный в мобильной сети Пермского края, уже поддерживает 5G. Звучит как маркетинговая строчка из пресс-релиза — а на деле это готовый кейс для ВКР по аналитике данных. Смотрите, что за ней стоит технически: оператор собирает сведения о зарегистрированных устройствах (модель, поддержка диапазонов, тип подключения), сопоставляет их с профилем абонента и сетевой инфраструктурой и превращает сырые логи в управленческое решение о модернизации сети.

Выпускнику ИТ это даёт редкую вещь — легитимный датасет и понятную бизнес-цель. Не абстрактный «анализ продаж кофейни» из открытого CSV, а реальный телеком-сценарий с геоаналитикой, потоковыми данными и метриками качества. Дальше разберём, как разложить такую задачу на главы, какие диаграммы построить и что считать эффективностью, чтобы работа не развалилась на защите.

Сначала — вопросы, которые студенты задают до начала работы

Где брать данные, если оператор их не отдаст?

Никто и не обязан отдавать прод-данные. Работают три пути. Первый — открытые датасеты (Kaggle, открытые данные операторов, региональная статистика Росстата по проникновению связи). Второй — синтетический генератор: вы описываете схему CDR-записи и устройство, генерируете 1–5 млн строк pandas или Faker — и честно указываете это в главе 1. Третий — публичные API и агрегированная статистика, из которых вы собираете витрину сами. Комиссия нормально принимает синтетику, если описана методика генерации и допущения.

Обязательно ли поднимать Kafka и Spark, или хватит CSV?

Обязательно — нет. Обязательно — обосновать. Если объём до 100 МБ, PostgreSQL и pandas честнее и защищаемее, чем Kafka ради галочки. Потоковый стек уместен, когда вы считаете метрики в реальном времени (задержка регистрации устройства, всплески нагрузки) и это прописано в требованиях. Поставьте вопрос так: «какие требования по времени доставки данных?» — и стек выберется сам.

Как оформлять схемы пайплайна под нормоконтроль?

Схемы данных и процессов — по ГОСТ 19.701 (ЕСПД, схемы алгоритмов, программ, данных и систем) либо в нотации C4/UML, если кафедра принимает современные нотации. Обязательно: рамка, основная надпись, ссылка на схему в тексте («на рисунке 2.1 представлена…»), перечень элементов в приложении. DFD и «схема данных» без рамки — типовая причина возврата работы.

Как считать эффективность аналитики, а не «стало удобнее»?

Привяжите результат к измеримым величинам: время построения отчёта до и после оптимизации, стоимость хранения, полнота данных (data completeness), свежесть (freshness), доля ошибочных записей о типе устройства. Модель качества ПО берите из ISO/IEC 25010 — там готовые характеристики: функциональная полнота, производительность, надёжность, сопровождаемость.

Три темы ВКР, которые вырастают прямо из этого кейса

Ниже — не «примерные направления», а разложенные по задачам и главам темы. Выбирайте ту, где у вас есть доступ к данным или сильна математика.

• Тема 1. Проектирование ETL-пайплайна и витрины данных для анализа проникновения 5G-устройств в регионе.

  Актуальность: кейс МТС по Пермскому краю показывает, что доля 5G-устройств стала управленческой метрикой — под неё планируют стройку базовых станций и закупки.

  Цель: разработать пайплайн «сырые логи регистрации → витрина → дашборд» с расчётом доли устройств, поддерживающих 5G, в разрезе районов и операторов.

  Задачи: спроектировать модель данных витрины; реализовать извлечение и очистку; построить расчётные показатели; развернуть дашборд и оценить производительность.

  Структура: Гл. 1 — анализ предметной области и обзор инструментов (Airflow, ClickHouse, dbt); Гл. 2 — проектирование архитектуры и реализация; Гл. 3 — тестирование, метрики качества данных, нагрузочные замеры.

• Тема 2. Модель прогнозирования миграции абонентов на 5G-устройства.

  Актуальность: если треть устройств уже поддерживает 5G, оператору важно понимать, кто перейдёт следующим — от этого зависит тарифная политика.

  Цель: построить классификатор склонности к смене устройства и оценить его пригодность для маркетингового сценария.

  Задачи: сформировать признаки (стаж, ARPU, модель устройства, регион); обучить и сравнить 2–3 модели; подобрать порог по бизнес-метрике; описать ограничения и этические риски.

  Структура: Гл. 1 — теория и обзор методов; Гл. 2 — подготовка данных и обучение; Гл. 3 — валидация, интерпретация, экономический эффект.

• Тема 3. Оценка готовности сети к нагрузке от 5G-устройств: геоаналитика и метрики QoE.

  Актуальность: рост числа 5G-терминалов без роста пропускной способности даёт деградацию качества — задача ровно из региональной повестки.

  Цель: сопоставить географию 5G-устройств с расположением базовых станций и выявить зоны риска.

  Задачи: собрать геоданные; рассчитать плотность устройств на сектор; построить тепловую карту; сформулировать рекомендации по модернизации.

  Структура: Гл. 1 — обзор стандартов связи и метрик; Гл. 2 — ГИС-обработка и визуализация; Гл. 3 — сценарии нагрузки и выводы.

Как разложить кейс по главам: конкретные шаги

Глава 1. Куда встроить факт про треть смартфонов

Не пересказывайте новость — стройте вокруг неё постановку задачи. Формулировка уровня «по данным оператора доля 5G-устройств в регионе достигла 33%, что делает задачу агрегации и анализа парка терминалов практически значимой» закрывает актуальность без воды. Добавьте обзор: как операторы классифицируют устройства (TAC-коды IMEI), почему IMEI-база — это отдельная подсистема, какие стандарты описывают обмен такими данными. Здесь же — ограничения: данные агрегированы, персональные сведения не используются.

Глава 2. Архитектура и код

Проектную часть делайте на C4: контекст (аналитик — система — источники), контейнеры (сборщик, хранилище, витрина, BI), компоненты. Ниже — типовая схема потоков данных словами, её же можно перенести в draw.io и оформить по ГОСТ 19.701:

[Источник: реестр регистраций устройств]
        |  (batch-выгрузка / CDC)
        v
[Слой сырых данных Raw]  -->  [Валидация: TAC, дубли, часовые пояса]
        |
        v
[Слой очистки Staging]  -->  [Справочник моделей устройств: 5G / 4G / legacy]
        |
        v
[Витрина Mart: device_5g_share]  -->  [Дашборд / API]
        |
        v
[Метрики: freshness, completeness, error_rate]

Пример расчёта ключевой метрики — доля 5G-устройств по районам. Это ядро вашей витрины:

-- device_5g_share.sql
WITH devices AS (
    SELECT
        d.region_code,
        d.subscriber_id,
        COALESCE(m.supports_5g, FALSE) AS supports_5g,
        d.last_seen_ts
    FROM stg.device_registrations d
    LEFT JOIN ref.device_catalog m
        ON d.tac_code = m.tac_code
    WHERE d.last_seen_ts >= NOW() - INTERVAL '30 days'
)
SELECT
    region_code,
    COUNT(DISTINCT subscriber_id)                       AS subscribers,
    COUNT(DISTINCT subscriber_id) FILTER (WHERE supports_5g) AS subscribers_5g,
    ROUND(
        100.0 * COUNT(DISTINCT subscriber_id) FILTER (WHERE supports_5g)
        / NULLIF(COUNT(DISTINCT subscriber_id), 0), 2
    ) AS share_5g_percent
FROM devices
GROUP BY region_code
ORDER BY share_5g_percent DESC;

Рядом — короткий чек полноты данных, без него цифру «33%» на защите легко разбить вопросом «а вы проверяли, что TAC-справочник покрывает весь парк?»:

import pandas as pd

df = pd.read_parquet("mart/device_5g_share.parquet")
unknown = df["share_5g_percent"].isna().mean()
coverage = 1 - unknown

print(f"Покрытие справочником: {coverage:.1%}")
assert coverage > 0.95, "Слишком много неопознанных устройств — выводы недостоверны"

Глава 3. Метрики и апробация

Здесь вы защищаетесь цифрами, а не словами. Сведите результаты в таблицу и честно сравните сценарии «до» и «после» — например, ручной расчёт в Excel против автоматизированного пайплайна.

Если хотите добавить наблюдаемость (а это плюс на защите), заверните пайплайн в OpenTelemetry-трейсинг: тогда в главе 3 появятся не абстрактные «система работает стабильно», а графики длительности этапов ETL и счётчик отброшенных записей.

Практические выводы: чему вы научитесь на такой теме

• Проектировать слой хранения так, чтобы витрина отвечала на бизнес-вопрос «сколько у нас 5G-терминалов и где они», а не просто хранила логи.
• Писать SQL с фильтрацией по агрегатам и корректно считать доли — с обработкой NULL и делением на ноль.
• Валидировать данные: проверять покрытие справочниками, дубли, часовые пояса, «устаревшие» записи.
• Обосновывать выбор стека требованиями, а не модой, и защищать это устно.
• Оформлять схемы данных по ГОСТ 19.701 и согласовывать их с текстом работы.

Источник: Каждый третий смартфон в Прикамье поддерживает 5G (опубликовано 2026-03-26)