特集 : 国別レポートが13,000件から検索可能になりました!

特集 : 海外市場の委託調査がセミカスタムベースでお手軽にできます

株式会社グローバルインフォメーション
表紙
市場調査レポート
商品コード
966577

通信業界向けビッグデータ分析の世界市場:コンピューティングタイプ別、デプロイメントタイプ別、用途別、サービス別の分析、2020年~2025年

Big Data in Telecom Analytics by Computing Type, Deployment Type, Applications and Services 2020 - 2025

出版日: | 発行: Mind Commerce | ページ情報: 英文 118 Pages | 納期: 即日から翌営業日

価格
価格表記: USDを日本円(税抜)に換算
本日の銀行送金レート: 1USD=105.15円
通信業界向けビッグデータ分析の世界市場:コンピューティングタイプ別、デプロイメントタイプ別、用途別、サービス別の分析、2020年~2025年
出版日: 2020年10月21日
発行: Mind Commerce
ページ情報: 英文 118 Pages
納期: 即日から翌営業日
  • 全表示
  • 概要
  • 目次
概要

ビッグデータ分析ツールは、通信サービスのプロバイダーが、利用パターン、好み、興味など、顧客の行動について深く理解するのに役立ちます。短時間で意味のある分析を導き出すのは難しいですが、関係、家族、仕事のパターン、位置情報などについての分析を通信事業者に提供することは可能であり、構造化データと非構造化データの両方を使用したリアルタイムの分析も行われるようになっています。

ビッグデータは、小売業、ホスピタリティ、メディア、公益事業、金融サービス、医療、製薬、政府、国土安全保障、産業用インターネットなどの分野の幅広い用途で利用されるようになっており、膨大な量のデータセットにアクセスできる通信企業もこの分野で役割を担っています。ビッグデータの分析機能は、加入者エクスペリエンスの向上、高度なネットワークの構築と維持、解約の削減など多くのメリットをもたらしており、新たな収益源となる可能性にも注目が集まっています。

当レポートは、世界の通信業界向けビッグデータ分析市場について調査したもので、ビッグデータ技術と事業事例、投資が行われている主な分野、バリューチェーン、構造化データ分析、主要企業の分析、市場予測などの情報を提供しています。

目次

第1章 エグゼクティブサマリー

第2章 ビッグデータ技術と事業事例

  • 構造化データと非構造化データ
    • 構造化データベースサービス
    • アプリとデータベースから得られる非構造化データ
    • 新たなハイブリッド(構造化/非構造化)データベースサービス
  • ビッグデータの定義
  • ビッグデータの主な特徴
    • 多様性
    • 速度
    • ばらつき
    • 複雑さ
  • データの取得
    • ソーシャルシステムのデータ
    • 検知とセンサー
    • 消費者セクターのセンサー
    • 業界のセンサー
  • ビッグデータ技術
    • Hadoop
    • NoSQL
    • MPPデータベース
    • その他の新たな技術
  • 成長促進要因
    • モバイルブロードバンドの継続的な成長
    • 新しいタイプのサービスプロバイダーとの競合
    • 新技術への投資
    • 新しいKPIの必要性
    • 人工知能と機械学習
  • 市場の障壁
    • プライバシーとセキュリティ
    • 再度の技能訓練と組織的な抵抗
    • 明確なビッグデータ戦略の欠如
    • 技術的な課題:拡張性とメンテナンス

第3章 ビッグデータへの投資が行われている主な分野

  • 産業用インターネットとM2M
    • M2Mのビッグデータ
    • 各種業界での機会
  • 小売とホスピタリティ
    • 予測と在庫管理の精度向上
    • 購入パターンの判断
    • ホスピタリティ分野での利用事例
  • メディア
    • ソーシャルメディア
    • ソーシャルゲーム分析
    • 他の業種でのソーシャルメディア分析の利用
  • 公益事業
    • 運用データの分析
    • 将来の応用分野
  • 金融業務
    • 不正分析とリスクプロファイリング
    • 加盟店負担リワードプログラム
    • 顧客セグメンテーション
    • 保険会社
  • 医療、製薬
    • 医薬品開発
    • 医療データ分析
    • ケーススタディ:心拍パターンの特定
  • 通信事業者
    • 顧客/利用状況のプロファイリングとサービスの最適化
    • 音声分析
    • その他の利用事例
  • 政府、国土安全保障
    • 新しいアプリケーションの開発
    • 犯罪の追跡
    • 情報収集
    • 不正の検出と歳入の生成
  • 他の分野
    • 航空:航空交通管制
    • 運輸、物流:フリート使用の最適化
    • スポーツ:統計のリアルタイム処理

第4章 ビッグデータのバリューチェーン

  • ビッグデータバリューチェーンの断片化
  • データの取得とプロビジョニング
  • データウェアハウジングとビジネスインテリジェンス
  • 分析と仮想化
  • 実行とビジネスプロセス管理(BPM)
  • データガバナンス

第5章 通信業界向けビッグデータ分析

  • 通信業界の分析市場
  • 加入者エクスペリエンスの向上
    • 加入者のフルスペクトルビューの生成
    • カスタマイズされたエクスペリエンスとターゲットを絞ったプロモーションの作成
    • 中央ビッグデータリポジトリ:顧客満足の鍵
    • コスト削減と市場シェア拡大
  • 高度なネットワークの構築
    • ネットワーク利用率の把握
    • ネットワークの品質とカバレッジの改善
    • テレコムデータとパブリックデータセットの組み合わせ:リアルタイムイベント管理
    • M2Mの活用
    • M2M、ディープパケットインスペクションとビッグデータ:ネットワークの欠陥の特定と修正
  • 解約/リスクの軽減と新しい収益源
    • 予測分析
    • 詐欺と帯域幅盗難の特定
    • 新しい収益ストリームの作成
  • ケーススタディ
  • 通信事業者、分析技術、Data as a Service (DaaS)
    • データ管理の運用戦略
    • ネットワークと加入者の分析
    • サードパーティにとっての機会
    • B2BベースでDataas s Service(DaaS)を提供する通信事業者
    • DaaSの計画と戦略
    • DaaSを使用したデータの収益化
  • クラウド分析における通信事業者の機会
    • NFVとクラウド分析
    • クラウドOSS / BSS分析
    • クラウドサービス、データ、分析
    • パフォーマンス管理とクラウド分析

第6章 通信業界向け分析ソリューションでの構造化データ

  • データソースとリポジトリ
    • 加入者データ
    • 加入者のプレゼンスと位置データ
    • ビジネスデータ:フリーダイヤルなどのディレクトリサービス
    • ネットワークデータ:ネットワーク運用からのデータの導出
  • データマイニング
    • データソース:評価、課金、請求の例
    • プライバシーの問題
  • データベースサービス
    • 通話者名の識別
    • 加入者データ管理(SDM)サービス
    • その他のデータ集約型サービス領域
    • 新たなサービス領域:本人確認
  • 構造化通信データ分析
    • データ断片化への対処
    • ディープパケットインスペクション

第7章 主要企業の分析

  • ベンダー評価マトリックス
  • Apache Software Foundation
  • Accenture
  • Amazon
  • APTEAN (Formerly CDC Software)
  • Cisco Systems
  • Cloudera
  • Dell EMC
  • Facebook
  • GoodData Corporation
  • Google (Alphabet)
  • Guavus (Thales Group)
  • Hitachi Data Systems
  • Hortonworks
  • HPE
  • IBM
  • Informatica
  • Intel
  • Jaspersoft (TIBCO)
  • Microsoft
  • MongoDB (Formerly 10Gen)
  • MU Sigma
  • Netapp
  • ElectrifAI (formerly Opera Solutions)
  • Oracle
  • Pentaho
  • Platfora (Workday)
  • Qliktech
  • Rackspace Technology
  • Revolution Analytics (Microsoft)
  • Salesforce
  • SAP
  • SAS Institute
  • Sisense
  • Splunk
  • Sqrrl Data
  • Supermicro
  • Tableau Software
  • Teradata
  • Tidemark (Insight Software)
  • VMware

第8章 市場予測

  • 世界市場の予測
  • 地域別の予測
  • ビッグデータ製品とサービス
  • ビッグデータ管理プラットフォーム
    • コンピューティングタイプ別
    • クラウドデプロイメントタイプ別
    • ストレージタイプ別
    • 機能別
    • 用途別
  • ビッグデータサービス
  • ビッグデータ仮想化プラットフォームの展開
目次

Overview:

This report provides an in-depth assessment of the global structured data, big data and telecom analytics markets, including a study of the business drivers, application use cases, vendor landscape, value chain analysis, case studies and a quantitative assessment of the industry from 2020 to 2025.

Big data tools help communications service providers gain deeper insights into customer behavior, including usage patterns, preferences, and interests. While hard to derive quick and meaningful insights, big data solutions provide carriers insights into relationships, family, work patterns and location. This is increasingly achieved in real-time using both structured and unstructured data.

The term big data refers to a massive volume of both structured and unstructured data that is so large that it is difficult to process using traditional database and software techniques. While the presence of such datasets is not something new, the past few years have witnessed immense commercial investments in solutions that address the processing and analysis of big data.

Big data opens a vast array of applications and opportunities in multiple vertical sectors including not limited to retail and hospitality, media, utilities, financial services, healthcare and pharmaceutical, government and homeland security and the emerging industrial internet vertical. With access to vast amounts of datasets, telecom companies are also turning out to be major proponents of the big data movement. big data technologies, and in particular their analytics abilities offer a multitude of benefits to network operators which include improving subscriber experience, building and maintaining smarter networks, reducing churn and even the generation of new revenue streams.

Big data and analytics have emerged as a potential source of revenue for telecom operators, at a time when carriers have been feeling the pressure to generate new sources of revenue. One of those sources comes from their ability to mine the huge amount of data they generate or have access to in both their customer base and their networks. The two have emerged as the tools to help analyze and manage this information. There are now many analytical and intelligence tools that enable mobile operators to understand customer and network behavior.

Communications service providers have a rich stream of data, especially those that offer telephony, TV and Internet services, the triple play operators. The many sources of data is an advantage for telecom companies, but if they want to monetize that data and derive meaningful, actionable analytics it could be challenging due to the complexities of correlation, prediction, and the massive volumes of data from different sources.

Big data helps telecom providers to get deeper insights into customer behavior, their service usage patterns, preferences, and interests. While hard to derive quick and meaningful insights, big data gives telecom companies an idea of relationships, family, work patterns and accurate location data among others. Mind Commerce believes that this will optimally be performed in real-time using both structured and unstructured data.

In general, the data coming into a telecom service provider could be categorized as 'data' which is the actual content flowing across the network, and 'meta-data', which is the data describing the properties, sources, costs, etc. relating to the content data. In terms of types of data telco data can be divided into two broad categories as structured and unstructured data.

Target Audience:

  • Network service providers
  • Systems integration companies
  • Big Data and Analytics companies
  • Advertising and media companies
  • Enterprise across all industry verticals
  • Cloud and IoT product and service providers

Table of Contents

1.0 Executive Summary

  • 1.1 Topics Covered
  • 1.2 Key Findings
  • 1.3 Target Audience
  • 1.4 Companies Mentioned

2.0 Big Data Technology and Business Case

  • 2.1 Structured vs. Unstructured Data
    • 2.1.1 Structured Database Services in Telecom
    • 2.1.2 Unstructured Data from Apps and Databases in Telecom
    • 2.1.3 Emerging Hybrid (Structured/Unstructured) Database Services
  • 2.2 Defining Big Data
  • 2.3 Key Characteristics of Big Data
    • 2.3.1 Volume
    • 2.3.2 Variety
    • 2.3.3 Velocity
    • 2.3.4 Variability
    • 2.3.5 Complexity
  • 2.4 Capturing Data through Detection and Social Systems
    • 2.4.1 Data in Social Systems
    • 2.4.2 Detection and Sensors
    • 2.4.3 Sensors in the Consumer Sector
    • 2.4.4 Sensors in Industry
  • 2.5 Big Data Technology
    • 2.5.1 Hadoop
      • 2.5.1.1 MapReduce
      • 2.5.1.2 HDFS
      • 2.5.1.3 Other Apache Projects
    • 2.5.2 NoSQL
      • 2.5.2.1 Hbase
      • 2.5.2.2 Cassandra
      • 2.5.2.3 Mongo DB
      • 2.5.2.4 Riak
      • 2.5.2.5 CouchDB
    • 2.5.3 MPP Databases
    • 2.5.4 Others and Emerging Technologies
      • 2.5.4.1 Storm
      • 2.5.4.2 Drill
      • 2.5.4.3 Dremel
      • 2.5.4.4 SAP HANA
      • 2.5.4.5 Gremlin & Giraph
  • 2.6 Business Drivers for Telecom Big Data and Analytics
    • 2.6.1 Continued Growth of Mobile Broadband
    • 2.6.2 Competition from New Types of Service Providers
    • 2.6.3 New Technology Investment
    • 2.6.4 Need for New KPIs
    • 2.6.5 Artificial Intelligence and Machine Learning
  • 2.7 Market Barriers
    • 2.7.1 Privacy and Security: The 'Big' Barrier
    • 2.7.2 Workforce Re-skilling and Organizational Resistance
    • 2.7.3 Lack of Clear Big Data Strategies
    • 2.7.4 Technical Challenges: Scalability and Maintenance

3.0 Key Big Data Investment Sectors

  • 3.1 Industrial Internet and M2M
    • 3.1.1 Big Data in M2M
    • 3.1.2 Vertical Opportunities
  • 3.2 Retail and Hospitality
    • 3.2.1 Improving Accuracy of Forecasts and Stock Management
    • 3.2.2 Determining Buying Patterns
    • 3.2.3 Hospitality Use Cases
  • 3.3 Media
    • 3.3.1 Social Media
    • 3.3.2 Social Gaming Analytics
    • 3.3.3 Usage of Social Media Analytics by Other Verticals
  • 3.4 Utilities
    • 3.4.1 Analysis of Operational Data
    • 3.4.2 Application Areas for the Future
  • 3.5 Financial Services
    • 3.5.1 Fraud Analysis & Risk Profiling
    • 3.5.2 Merchant-Funded Reward Programs
    • 3.5.3 Customer Segmentation
    • 3.5.4 Insurance Companies
  • 3.6 Healthcare and Pharmaceutical
    • 3.6.1 Drug Development
    • 3.6.2 Medical Data Analytics
    • 3.6.3 Case Study: Identifying Heartbeat Patterns
  • 3.7 Telecom Companies
    • 3.7.1 Telcom Analytics: Customer/Usage Profiling and Service Optimization
    • 3.7.2 Speech Analytics
    • 3.7.3 Other Use Cases
  • 3.8 Government and Homeland Security
    • 3.8.1 Developing New Applications for the Public
    • 3.8.2 Tracking Crime
    • 3.8.3 Intelligence Gathering
    • 3.8.4 Fraud Detection and Revenue Generation
  • 3.9 Other Sectors
    • 3.9.1 Aviation: Air Traffic Control
    • 3.9.2 Transportation and Logistics: Optimizing Fleet Usage
    • 3.9.3 Sports: Real-Time Processing of Statistics

4.0 The Big Data Value Chain

  • 4.1 Fragmentation in the Big Data Value Chain
  • 4.2 Data Acquisitioning and Provisioning
  • 4.3 Data Warehousing and Business Intelligence
  • 4.4 Analytics and Virtualization
  • 4.5 Actioning and Business Process Management (BPM)
  • 4.6 Data Governance

5.0 Big Data in Telecom Analytics

  • 5.1 Telecom Analytics Market
  • 5.2 Improving Subscriber Experience
    • 5.2.1 Generating a Full Spectrum View of the Subscriber
    • 5.2.2 Creating Customized Experiences and Targeted Promotions
    • 5.2.3 Central Big Data Repository: Key to Customer Satisfaction
    • 5.2.4 Reduce Costs and Increase Market Share
  • 5.3 Building Smarter Networks
    • 5.3.1 Understanding Network Utilization
    • 5.3.2 Improving Network Quality and Coverage
    • 5.3.3 Combining Telecom Data with Public Data Sets: Real-Time Event Management
    • 5.3.4 Leveraging M2M for Telecom Analytics
    • 5.3.5 M2M, Deep Packet Inspection and Big Data: Identifying & Fixing Network Defects
  • 5.4 Churn/Risk Reduction and New Revenue Streams
    • 5.4.1 Predictive Analytics
    • 5.4.2 Identifying Fraud and Bandwidth Theft
    • 5.4.3 Creating New Revenue Streams
  • 5.5 Telecom Analytics Case Studies
    • 5.5.1 T-Mobile USA: Churn Reduction by 50%
    • 5.5.2 Vodafone: Using Telco Analytics to Enable Navigation
  • 5.6 Carriers, Analytics, and Data as a Service (DaaS)
    • 5.6.1 Carrier Data Management Operational Strategies
    • 5.6.2 Network vs. Subscriber Analytics
    • 5.6.3 Data and Analytics Opportunities to Third Parties
    • 5.6.4 Carriers to offer Data as s Service (DaaS) on B2B Basis
    • 5.6.5 DaaS Planning and Strategies
    • 5.6.6 Carrier Monetization of Data with DaaS
  • 5.7 Opportunities for Carriers in Cloud Analytics
    • 5.7.1 Carrier NFV and Cloud Analytics
    • 5.7.2 Carrier Cloud OSS/BSS Analytics
    • 5.7.3 Carrier Cloud Services, Data, and Analytics
    • 5.7.4 Carrier Performance Management and the Cloud Analytics

6.0 Structured Data in Telecom Analytics

  • 6.1 Telecom Data Sources and Repositories
    • 6.1.1 Subscriber Data
    • 6.1.2 Subscriber Presence and Location Data
    • 6.1.3 Business Data: Toll-free and other Directory Services
    • 6.1.4 Network Data: Deriving Data from Network Operations
  • 6.2 Telecom Data Mining
    • 6.2.1 Data Sources: Rating, Charging, and Billing Examples
    • 6.2.2 Privacy Issues
  • 6.3 Telecom Database Services
    • 6.3.1 Calling Name Identity
    • 6.3.2 Subscriber Data Management (SDM) Services
    • 6.3.3 Other Data-intensive Service Areas
    • 6.3.4 Emerging Service Area: Identity Verification
  • 6.4 Structured Telecom Data Analytics
    • 6.4.1 Dealing with Telecom Data Fragmentation
    • 6.4.2 Deep Packet Inspection

7.0 Analysis of Select Big Data Market Players

  • 7.1 Vendor Assessment Matrix
  • 7.2 Apache Software Foundation
  • 7.3 Accenture
  • 7.4 Amazon
  • 7.5 APTEAN (Formerly CDC Software)
  • 7.6 Cisco Systems
  • 7.7 Cloudera
  • 7.8 Dell EMC
  • 7.9 Facebook
  • 7.10 GoodData Corporation
  • 7.11 Google (Alphabet)
  • 7.12 Guavus (Thales Group)
  • 7.13 Hitachi Data Systems
  • 7.14 Hortonworks
  • 7.15 HPE
  • 7.16 IBM
  • 7.17 Informatica
  • 7.18 Intel
  • 7.19 Jaspersoft (TIBCO)
  • 7.20 Microsoft
  • 7.21 MongoDB (Formerly 10Gen)
  • 7.22 MU Sigma
  • 7.23 Netapp
  • 7.24 ElectrifAI (formerly Opera Solutions)
  • 7.25 Oracle
  • 7.26 Pentaho
  • 7.27 Platfora (Workday)
  • 7.28 Qliktech
  • 7.29 Rackspace Technology
  • 7.30 Revolution Analytics (Microsoft)
  • 7.31 Salesforce
  • 7.32 SAP
  • 7.33 SAS Institute
  • 7.34 Sisense
  • 7.35 Splunk
  • 7.36 Sqrrl Data
  • 7.37 Supermicro
  • 7.38 Tableau Software
  • 7.39 Teradata
  • 7.40 Tidemark (Insight Software)
  • 7.41 VMware

8.0 Big Data in Telecom Analytics Forecast 2020 to 2027

  • 8.1 Global Big Data in Telecom Analytics 2020-2025
  • 8.2 Big Data in Telecom Analytics by Region 2020-2025
  • 8.3 Big Data Products and Services in Telecom Analytics 2020-2025
  • 8.4 Big Data Management Platform for Telecom 2020-2025
    • 8.4.1 Big Data in Telecom Data Analytics by Compute Type 2020-2025
    • 8.4.2 Big Data Compute in Telecom Data Analytics by Cloud Deployment Type 2020-2025
    • 8.4.3 Big Data in Telecom Data Analytics by Storage Type 2020-2025
    • 8.4.4 Big Data Storage in Telecom Data Analytics by Cloud Deployment Type 2020-2025
    • 8.4.5 Big Data in Telecom Analytics by Functions 2020-2025
      • 8.4.5.1 Big Data in Network Data Analytics by Functions 2020-2025
    • 8.4.6 Big Data in Telecom Analytics by Application Type 2020-2025
      • 8.4.6.1 Big Data in Business Specific Applications in Telecom Analytics 2020-2025
      • 8.4.6.2 IoT in Telecom Analytics by Consumer, Enterprise, Industrial, and Government Sectors 2020-2025
  • 8.5 Big Data Services for Telecom Analytics 2020-2025
    • 8.5.1 Big Data Professional Services for Telecom Analytics 2020-2025
    • 8.5.2 Big Data Managed Services for Telecom Analytics 2020-2025
  • 8.6 Big Data Virtualization Platform Deployment in Telecom Analytics 2020-2025

Figures

  • Figure 1: Hybrid Data in Next Generation Applications
  • Figure 2: Big Data Components
  • Figure 3: Big Data Sources
  • Figure 4: Capturing Data from Detection Systems and Sensors
  • Figure 5: Capturing Data across Sectors
  • Figure 6: AI Structure
  • Figure 7: The Big Data Value Chain
  • Figure 8: Telco Analytics Investments Driven by Big Data
  • Figure 9: Different Data Types within Telco Environment
  • Figure 10: Presence-enabled Application
  • Figure 11: Calling Name (CNAM) Service Operation
  • Figure 12: Subscriber Data Management (SDM) Ecosystem
  • Figure 13: Data Fragmented across Telecom Databases
  • Figure 14: Big Data Product Growth Prospects
  • Figure 15: Big Data Vendor Ranking Matrix
  • Figure 16: Global Big Data in Telecom Analytics 2020-2025
  • Figure 17: Big Data in Telecom Analytics by Region 2020-2025
  • Figure 18: Big Data Products and Services in Telecom Analytics 2020-2025
  • Figure 19: Big Data Management Platform for Telecom 2020-2025
  • Figure 20: Big Data in Telecom Data Analytics by Compute Type 2020-2025
  • Figure 21: Big Data Compute in Telecom Data Analytics by Cloud Deployment Type 2020-2025
  • Figure 22: Big Data in Telecom Data Analytics by Storage Type 2020-2025
  • Figure 23: Big Data Storage in Telecom Data Analytics by Cloud Deployment Type 2020-2025
  • Figure 24: Big Data in Telecom Analytics by Functions 2020-2025
  • Figure 25: Big Data in Network Data Analytics by Functions 2020-2025
  • Figure 26: Big Data in Telecom Analytics by Application Type 2020-2025
  • Figure 27: Big Data in Business Specific Applications in Telecom Analytics 2020-2025
  • Figure 28: IoT in Telecom Analytics by Consumer, Enterprise, Industrial, and Government Sectors 2020-2025
  • Figure 29: Big Data Services for Telecom Analytics 2020-2025
  • Figure 30: Big Data Professional Services for Telecom Analytics 2020-2025
  • Figure 31: Big Data Managed Services for Telecom Analytics 2020-2025
  • Figure 32: Big Data Virtualization Platform Deployment in Telecom Analytics 2020-2025

Tables

  • Table 1: Global Big Data in Telecom Analytics 2020-2025
  • Table 2: Big Data in Telecom Analytics by Region 2020-2025
  • Table 3: Big Data Products and Services in Telecom Analytics 2020-2025
  • Table 4: Big Data Management Platform for Telecom 2020-2025
  • Table 5: Big Data in Telecom Data Analytics by Compute Type 2020-2025
  • Table 6: Big Data Compute in Telecom Data Analytics by Cloud Deployment Type 2020-2025
  • Table 7: Big Data in Telecom Data Analytics by Storage Type 2020-2025
  • Table 8: Big Data in Telecom Analytics by Functions 2020-2025
  • Table 9: Big Data in Network Data Analytics by Functions 2020-2025
  • Table 10: Big Data in Telecom Analytics by Application Type 2020-2025
  • Table 11: Big Data in Business Specific Applications in Telecom Analytics 2020-2025
  • Table 12: IoT in Telecom Analytics by Consumer, Enterprise, Industrial, and Government Sectors 2020-2025
  • Table 13: Big Data Services for Telecom Analytics 2020-2025
  • Table 14: Big Data Professional Services for Telecom Analytics 2020-2025
  • Table 15: Big Data Managed Services for Telecom Analytics 2020-2025
  • Table 16: Big Data Virtualization Platform Deployment in Telecom Analytics 2020-2025
株式会社グローバルインフォメーション
© Copyright 1996-2020, Global Information, Inc. All rights reserved.