Aplicación de técnicas de Data Mining para la detección de patrones de fallas en Redes de Telecomunicaciones

Abstract

Las redes de telecomunicaciones son una parte importante y fundamental de nuestra conectividad diaria, desde llamadas y videoconferencias hasta servicios en la nube y transmisión de datos. No obstante, su creciente complejidad y el enorme volumen de información que generan hacen que anticipar fallas sea un reto constante. Hoy, la mayoría de las operadoras actúan de forma reactiva: esperan a que ocurra el problema para resolverlo. Este proyecto propone cambiar esa dinámica aplicando minería de datos para descubrir patrones que revelen cuándo y cómo se producen las fallas en la red.

Para ello, se trabajó con un conjunto de datos simulado que incluye alarmas, métricas de rendimiento y registros de tickets, siguiendo la metodología CRISP-DM. Se aplicaron algoritmos de clustering para agrupar eventos con características similares y reglas de asociación para identificar relaciones entre alarmas y condiciones críticas. Los resultados muestran que este enfoque puede reducir tiempos de reparación y prevenir incidentes graves, acercando a las empresas a una gestión más predictiva y eficiente. En definitiva, este estudio demuestra que los datos no solo cuentan lo que pasó, sino que pueden anticipar lo que está por venir.