D-CAT Group ↗ Kontakt ENTRDEESAZ
12 Fragen 4-Wochen-Pilot starten
4-Wochen-Pilot starten

Lösungen · nach Branche · Telekommunikation

Telekommunikation: Churn, Tarifmigration, Ausfallminuten und Aufladewert, jeden Morgen gelesen — auf getrennten Sternen, ohne erfundene Brücke

CIO und Leiter Daten (Abrechnung, CRM, Provisionierung und das Netzbetriebssystem sind getrennte Sterne; die Seite sagt, was ein Join braucht) · Vertriebsvorstand und Marketingleiter (Churn, ARPU, Tarifmigration, Bruttozugänge) · Netzbetriebsleiter (Ausfallminuten, Tickets, Zeit bis zur Wiederherstellung) · Kanalvertriebsleiter und Prepaid-Produktmanager (Händler- gegenüber Digitalzugängen, Aufladewert). Der Käufer ist der CIO mit dem Vertriebsvorstand; die täglichen Leser sind regionale Vertriebsmanager und die Leitung des Network Operations Centre.

Wie die drei Agents auf dieser Seite ein semantisches Modell lesenLinks ein semantisches Modell; in der Mitte drei geplante Agents - Agent des Vertriebsvorstands, Netz-Serviceleistungs-Agent, Kanal- und Aufladungs-Agent; jeder veröffentlicht rechts Findings, Recommendations und einen Brief.semantisches Modellimportiert aus Axoria Data Studiosubscriber_basegross_addsdisconnectschurn_ratenet_addsAgent desVertriebsvorstandsmonatlich am 3. · 06:00FFindingRRecomm.BBriefNetz-Serviceleistungs-Agentwöchentlich · Montag 05:30FFindingRRecomm.BBriefKanal- undAufladungs-Agentwöchentlich · Dienstag 06:00FFindingRRecomm.BBriefjede Zahl in einer Aufzeichnung trägt eine Nachweisadresse

Fragen

Die drei Fragen, die der Vorstand eines Telekommunikationsunternehmens jeden Monat stellt

  • Wo ist der Churn gestiegen — in welcher Region, welchem Tarif, welchem Laufzeitband — und war es ein Port-out?
  • Haben sich Ausfallminuten und Tickets in derselben Region bewegt, und wie lange hat die Wiederherstellung gedauert?
  • Sind die Bruttozugänge, für die wir Händler bezahlen, diejenigen, die aufladen?

In der Unterhaltung

Beispielfragen, die Menschen in die Unterhaltung eingeben

Vertiefungspfad — der Nachweis des Findings wird eingefroren mitgeführt; eine neue Zahl braucht eine neue Abfrage, und der Agent sagt das

  • "Schlüssele den Postpaid-Churn von Region East nach Tarif und Laufzeitband auf."
  • "Wie viele der Downgrades kamen aus den beiden Unlimited-Tarifen?"
  • "Zeige die Ausfall-Standortminuten von East nach Ursachencode und Woche."
  • "Die Zugänge welcher Händlerstufe laden innerhalb von 30 Tagen am wenigsten auf?"
  • "Wie aktuell sind die Abrechnungsdaten?"

Personas

Drei Beispiel-Agenten

Die Agenten unten sind Beispiele für diese Branche, kein fester Satz: Agent des Vertriebsvorstands · Netz-Serviceleistungs-Agent · Kanal- und Aufladungs-Agent. Der geplante Lauf jedes einzelnen wird in den folgenden Beispielsets gezeigt.

Set 1

Agent des Vertriebsvorstands

Zielgruppe: der Vertriebsvorstand, regionale Vertriebsmanager, der Pricing-Manager.

Set 2

Netz-Serviceleistungs-Agent

Zielgruppe: der Netzbetriebsleiter, regionale Netzbetriebsmanager, die Leitung des Außendienstes.

Set 3

Kanal- und Aufladungs-Agent

Zielgruppe: der Prepaid-Produktmanager, der Kanalvertriebsleiter, Händlermanager.

Der Name eines Agenten sagt, welche Kennzahlen er liest und für wen. Er besitzt nichts von der Autorität der Rolle: Er entscheidet nicht, genehmigt nicht und handelt nicht.

Agenten für die Themen, die Sie wählen

Ein Agent ist eine Aufgabenbeschreibung, ein gebundenes semantisches Modell und ein Zeitplan — kein Code —, also legen Sie die Themen fest, die er beobachtet: einen Kostenträger, einen Leistungsbereich, eine Kampagne, einen Lieferanten. Die ersten schreiben wir gemeinsam mit Ihnen.

Bauen Sie Ihre Agenten mit uns →

Beispielsets

Drei Beispielsets, je ein Lauf

Jedes Set ist eine Agent-Persona und die Ausgabe eines geplanten Laufs — der Brief, die Recommendations und die Findings, auf denen sie beruhen — im eigenen Aufzeichnungsumschlag des Produkts. Das erste Set ist geöffnet; die anderen beiden sind eingeklappt. Das Modell und die Kennzahlen, die die Sets voraussetzen, sind am Fuß der Seite aufgeführt.

VeranschaulichendSet 1Agent des Vertriebsvorstands
Persona
Liest Churn, ARPU, Tarifmigration und Glasfaserwachstum für einen Mobilfunk- und Glasfaserbetreiber mit etwa neun Millionen Teilnehmern in einem Land (4.86 M Postpaid, 3.9 M Prepaid, 1.21 M Glasfaser); trennt "die Basis ist geschrumpft" von "die Basis ist in niedrigere Tarife gewandert" und "eine Region" von "das Land". · Zielgruppe: der Vertriebsvorstand, regionale Vertriebsmanager, der Pricing-Manager. · Tonfall: Sprache einer Executive Summary, zahlengeführt, keine Adjektive. · Ausgabesprache: en
Signale, die er beobachtet
(1) Postpaid-Churn nach Region und Tarif, mit dem Port-out-Anteil an den Abgängen. (2) Tarifmigration — Downgrades gegen Upgrades, und der ARPU der migrierten Kohorte. (3) ARPU neben dem Churn gelesen, nie allein. (4) Glasfaser-Bruttozugänge gegen Glasfaser-Churn. (5) Nettozugänge, die das Vorzeichen wechseln.
Schwellen, die ihm vorgegeben wurden
Finding 15 % · critical 40 % · Verhältniskennzahlen (Churn-Rate, ARPU, Penetration) 8 % · Mindestanteil 2 % der Segmentbasis · Schweregradregel: medium, wenn eine Schwelle überschritten wird, high, wenn sich eine Verhältniskennzahl um mehr als 1.25× ihrer Schwelle oder eine Zählkennzahl um mehr als 1.5× der Finding-Schwelle bewegt, critical oberhalb der kritischen Schwelle; ein Finding mit einer Aufschlüsselungszelle nimmt den Schweregrad der eigenen Bewegung der Zelle an; ein ongoing-Thema behält den Schweregrad, der ihm gegeben wurde

Laufkopf

  • Geplant monatlich am 3. um 06:00, Europe/Berlin
  • Zeitraum: August 2026 vs Juli 2026 (im Monatsvergleich; Churn ist eine Monatsrate auf der Eröffnungsbasis, unbeeinflusst von der 31/31-Tage-Abstimmung)
  • Daten vollständig bis 2026-09-02, gemessen über max(BILLING_MONTH) (Abrechnungsschluss)
  • Geltungsbereich: der Agent läuft unter dem kommerziellen Geltungsbereich (alle Regionen, keine Netzkennzahlen)
  • Modell: das freigegebene Modell des Arbeitsbereichs, auf den Lauf geschrieben
  • Kosten: auf dem Lauf festgehalten
  • Beträge in EUR
Brief

August 2026: Postpaid-Churn 1.12 % → 1.41 %, angeführt von Region East mit 2.06 %, Downgrades +63.85 % bei ARPU der Kohorte −26.97 %, Glasfaser-Bruttozugänge +21.41 % bei flachem Churn — Netto-Mobilfunkzugänge ins Negative gedreht

Annahmenstreifen

Der Monatsvergleich (August vs Juli 2026) wurde verwendet; Churn ist eine Monatsrate auf der Eröffnungsbasis. Netzkennzahlen liegen außerhalb des Geltungsbereichs dieses Agenten und erscheinen nicht; nichts in diesem Brief verknüpft ein Churn-Ereignis mit einem Netzereignis. Die Preisliste ist nicht in diesem Modell.

Die Postpaid-Basis hat im August mehr Teilnehmer verloren als gewonnen — Nettozugänge +8,200 im Juli, −11,400 im August: 68,530 Abgänge gegenüber 54,430 im Juli hoben den monatlichen Churn von 1.12 % auf 1.41 %, mit Region East bei 2.06 % und 26.88 % der Abgänge auf 18.40 % der Basis; 47.00 % der Abgänge sind Port-outs. Innerhalb der Basis stiegen die Tarif-Downgrades um 63.85 %, während die Upgrades fielen, und die abgestufte Kohorte zahlt jetzt 17.60 € statt 24.10 €. Der Postpaid-ARPU stieg dennoch um 1.90 %, sodass die Umsatzlinie den Verlust noch nicht gezeigt hat. Glasfaser bewegte sich in die andere Richtung — Bruttozugänge um 21.41 % höher bei unverändertem Churn — und steht bei 38.41 % Penetration. Ein Satz, der die Downgrades einer Preiserhöhung zuschrieb, wurde von der Aussagenprüfung einmal zurückgegeben; die Neuformulierung nennt die Migration ohne Ursache und hat bestanden, weil die Preisliste nicht im Modell ist.

covers: Finding 1, Finding 2, Finding 3

— Lauf: monatlich, das freigegebene Modell des Arbeitsbereichs, Daten vollständig bis 2026-09-02. Guard Ledger: held 0 nach einer angeleiteten Neuformulierung — Kandidat f-02 Entwurf enthielt after the July price rise, Gate 4 gab ihn als unbelegte Kausalität zurück, die Neuformulierung strich den Nebensatz und bestand; not_selected 0; duplicate 0.

Recommendation 1

Schlüssele die August-Postpaid-Abgänge von Region East nach Tarif, Laufzeitband und Port-out-Kennzeichen auf, gegen Juli, und übergib die Aufzeichnung dem Retention-Team als Segmentliste, nicht als Teilnehmerliste

based_on: Finding 1 · Verantwortlich: Retention-Manager, mit dem regionalen Vertriebsmanager East

Sitzen die Port-outs von East in einem Laufzeitband oder einem Tarif, ist die Retention-Frage eng; sind sie gestreut, ist sie regional. Alle drei Schnitte sind in diesem Modell. Der Zielbetreiber ist es nicht; der Retention-Manager liest den Bericht der Portierungs-Clearingstelle neben der Aufzeichnung.

Die Findings, auf denen das beruht

Finding 1

Postpaid-Churn 1.12 % → 1.41 % der Eröffnungsbasis (+25.90 %) — Region East bei 2.06 %, 26.88 % der Abgänge auf 18.40 % der Basis; Nettozugänge von +8,200 auf −11,400 gedreht

severity highdirection upnovelty newtrust AAufschlüsselung REGION = East

Im August 2026, ausgehend von 4.86 M Postpaid-Teilnehmern zu Monatsbeginn, kündigten 68,530 im Laufe des Monats (1.41 %) gegenüber 54,430 im Juli (1.12 %): eine Veränderung von +25.90 % in einer Verhältniskennzahl, 3.24× die Verhältnisschwelle von 8 % — severity high; die kritische Schwelle von 40 % ist nicht erreicht. Region East verlor 18,420 seiner 894,000 Teilnehmer (2.06 %); die Region hält 18.40 % der Basis und 26.88 % der Abgänge des Monats. Der Postpaid-ARPU bewegte sich von 21.60 € auf 22.01 € (+1.90 %, unter der Schwelle), sodass die Umsatzlinie den Basisverlust noch nicht zeigt; die Nettozugänge drehten von +8,200 im Juli auf −11,400 im August. Der Abgangsgrund-Code ist im Modell: 32,209 der 68,530 August-Abgänge (47.00 %) tragen port-out, und der Zielbetreiber ist kein Feld. Netzqualität ist keine Kennzahl in diesem Stern; ob der Churn in East mit den Ausfällen in East mitläuft, ist eine Frage für die eigene Aufzeichnung des Netz-Agenten, nicht eine Brücke, die diese Daten haben.

Recommendation 2

Setze die Downgrade-Zahl und die ARPU-Veränderung der abgestuften Kohorte auf eine wöchentliche Beobachtung nach vorherigem Tarif, und gib dem Pricing-Manager den Tarifschnitt für August

based_on: Finding 2 · Verantwortlich: Pricing-Manager

Eine Migration, die 26.97 % des ARPU der Kohorte kostet, ist ein Umsatzfakt, bevor sie eine Preisfrage ist. Die wöchentliche Beobachtung wird zeigen, ob August ein Monat oder eine Serie war; der Agent stempelt eine Wiederholung ongoing. Die Preisliste ist nicht im Modell, und die Aufzeichnung macht keine Aussage über eine Preisänderung.

Die Findings, auf denen das beruht

Finding 2

Tarifmigration ins Negative gedreht: Downgrades 21,300 → 34,900 (+63.85 %), während Upgrades 28,100 → 26,400 (−6.05 %) — ARPU der abgestuften Kohorte 24.10 € → 17.60 € (−26.97 %)

severity criticaldirection upnovelty newtrust AAufschlüsselung MIGRATION_TYPE = Downgrade

Die Tarif-Downgrades stiegen von 21,300 im Juli 2026 auf 34,900 im August (+63.85 %, über der kritischen Schwelle von 40 % — severity critical), während die Upgrades von 28,100 auf 26,400 fielen (−6.05 %, unter der Schwelle); die Nettomigration bewegte sich von +6,800 auf −8,500. Die Teilnehmer, die im August abgestuft haben, zahlten 24.10 € auf ihrem vorherigen Tarif und 17.60 € auf ihrem neuen (−26.97 %). Zwei Unlimited-Tarife machen 22,100 der 34,900 Downgrades aus (63.32 %); der Tarifschnitt ist in diesem Modell. Die Preisliste und ihre Änderungsdaten sind nicht in diesem Modell, und der Satz, den der Agent über eine Preiserhöhung entworfen hatte, wurde von der Aussagenprüfung einmal zurückgegeben und ohne die Ursache neu formuliert — die Aufzeichnung nennt die Migration und nichts darüber, warum.

Ebenfalls in diesem Lauf veröffentlicht, ohne dass eine Recommendation darauf beruht

Finding 3

Glasfaser-Bruttozugänge 18,400 → 22,340 (+21.41 %), während Glasfaser-Churn bei 0.64 % hielt — Penetration 38.41 % von 3.15 M erschlossenen Haushalten

severity mediumdirection upnovelty newtrust AAufschlüsselung SEGMENT = Fibre

Die Glasfaser-Bruttozugänge stiegen von 18,400 im Juli 2026 auf 22,340 im August (+21.41 %, 1.43× die Finding-Schwelle von 15 % — severity medium), während sich der monatliche Glasfaser-Churn von 0.62 % auf 0.64 % bewegte (+3.23 %, unter der Schwelle). Die Glasfaserbasis von 1.21 M Teilnehmern steht bei 38.41 % von 3.15 M erschlossenen Haushalten (1.21 von 3.15 M). Die Mobilfunkbasis verlor im selben Monat Teilnehmer; die Glasfaserbasis gewann sie — die beiden Segmente werden getrennt ausgewiesen. Das Kampagnenkennzeichen liegt in diesem Modell nicht auf der Aktivierungszeile, also lässt sich hier nicht lesen, ob die hinzugekommenen Glasfaserteilnehmer über eine Promotion kamen.

Was dieser Lauf nicht sehen konnte.

Der Zielbetreiber der Port-outs, die Preisliste und ihre Änderungsdaten, das Kampagnenkennzeichen auf Glasfaseraktivierungen und alles über das Netz. Der Netzstern ist der Geltungsbereich eines anderen Agenten und ein anderer Stern.

VeranschaulichendSet 2Netz-Serviceleistungs-Agent
Persona
Liest Ausfall-Standortminuten, Störungstickets je 1,000 Teilnehmer und Zeit bis zur Wiederherstellung für den Netzstern desselben Betreibers; trennt "das Netz war schlechter" von "die Standorte einer Region waren ausgefallen" und schreibt nie einen Satz, der einen Ausfall mit einer Churn-Zahl verknüpft — die beiden Sterne haben keine Brücke. · Zielgruppe: der Netzbetriebsleiter, regionale Netzbetriebsmanager, die Leitung des Außendienstes. · Tonfall: Sprache eines Betriebsberichts, exakt. · Ausgabesprache: en
Signale, die er beobachtet
(1) Ausfall-Standortminuten nach Region und Ursachencode, im Monatsvergleich. (2) Störungstickets je 1,000 Teilnehmer nach Region, neben der nationalen Rate. (3) Mittlere Zeit bis zur Wiederherstellung nach Fehlertyp. (4) Standortverfügbarkeit als das Verhältnis hinter den Minuten, ausgewiesen, aber nicht als Schwellenkennzahl verwendet — Verfügbarkeit bewegt sich in Hundertstelpunkten. (5) Data states auf stillgelegten Technologieschichten.
Schwellen, die ihm vorgegeben wurden
Finding 15 % · critical 40 % · Verhältniskennzahlen (Tickets je 1,000, Stunden bis zur Wiederherstellung) 8 % · Mindestanteil 2 % der Netzstandorte · Schweregradregel: medium, wenn eine Schwelle überschritten wird, high, wenn sich eine Verhältniskennzahl um mehr als 1.25× ihrer Schwelle oder eine Zählkennzahl um mehr als 1.5× der Finding-Schwelle bewegt, critical oberhalb der kritischen Schwelle; ein Finding mit einer Aufschlüsselungszelle nimmt den Schweregrad der eigenen Bewegung der Zelle an; ein ongoing-Thema behält den Schweregrad, der ihm gegeben wurde

Laufkopf

  • Geplant wöchentlich, Montag 05:30, Europe/Berlin
  • Zeitraum: August 2026 vs Juli 2026 (je 31 Tage; Ausfallminuten sind je Kalendertag und die Abstimmung ist gleich)
  • Daten vollständig bis 2026-09-20, gemessen über max(EVENT_DATE) auf dem Ticketstern, vor 5 Stunden; der Ausfallstern lädt täglich und teilt die Kante
  • Geltungsbereich: der Agent läuft unter dem Netzbetriebs-Geltungsbereich (alle Regionen, keine kommerziellen Kennzahlen)
  • Modell: das freigegebene Modell des Arbeitsbereichs
  • Kosten: auf dem Lauf festgehalten
Brief

August 2026: Ausfall-Standortminuten in Region East +112.14 % durch Stromfehler, Tickets je 1,000 3.10 → 4.70 gegenüber national 3.10, Zeit bis zur Wiederherstellung 7.4 → 11.2 Stunden — ein Satz, der dies mit dem Churn verknüpfte, wurde zurückgehalten

Annahmenstreifen

Der Monatsvergleich (August vs Juli 2026) wurde verwendet; beide Monate haben 31 Tage. Der Netzstern und der kommerzielle Stern sind nicht verbunden; die Teilnehmerzahl wird nur als Nenner verwendet. Die 2G-Kennzahl für abgebrochene Anrufe lieferte für August keine Zeilen und wird als data state aufgezeichnet.

Region East trug den Ausfallanstieg des August: Standortminuten ohne Dienst haben sich auf 87,400 auf 1,840 Standorten mehr als verdoppelt, mit dem Ursachencode power bei 58.00 % der Minuten des Monats, während sich die anderen fünf Regionen wenig bewegten. Die Teilnehmer der Region eröffneten 4,202 Tickets, 4.70 je 1,000 gegenüber national 3.10, und jedes brauchte im Schnitt 11.2 Stunden bis zur Wiederherstellung gegenüber 7.4 im Juli. Der Agent entwarf einen Satz, der sagte, dies sei der Grund, warum der Churn in East gestiegen sei; er wurde nach einer Neuformulierung zurückgehalten, weil in diesem Modell keine Brücke zwischen den beiden Sternen existiert und die Aufzeichnung keine solche Behauptung aufstellt.

covers: Finding 1, Finding 2

— Lauf: wöchentlich, das freigegebene Modell des Arbeitsbereichs, Daten vollständig bis 2026-09-20. Guard Ledger: held 1 — Kandidat b-01 Entwurf, Grund unevidenced_causality (Gate 4): der Nebensatz which is why East's churn rose verwies auf den kommerziellen Stern, den dieser Agent nicht öffnen kann; eine angeleitete Neuformulierung behielt die Verknüpfung, dann zurückgehalten; data state 1 — Umschlag e4 (dropped_call_rate, 2G-Schicht) lieferte 0 Zeilen für 2026-08; not_selected 0; duplicate 0.

Recommendation 1

Schlüssele die August-Ausfall-Standortminuten von Region East nach Ursachencode und nach Woche auf, mit der mittleren Zeit bis zur Wiederherstellung für denselben Fehlertyp daneben

based_on: Finding 1, Finding 2 · Verantwortlich: regionaler Netzbetriebsmanager, East

Sitzen die Stromminuten in einer oder zwei Wochen, ist es ein Ereignis; laufen sie durch den Monat, ist es der Stromzustand der Standorte. Beide Schnitte sind in diesem Modell. Die Aufzeichnung endet dort: welche Standorte zuerst zu besuchen sind, ist die Entscheidung der Außendienstleitung, und die Zahl der versorgten Teilnehmer, die sie reihen würde, ist nicht im Stern.

Die Findings, auf denen das beruht

Finding 1

Ausfall-Standortminuten in Region East 41,200 → 87,400 (+112.14 %) auf 1,840 Standorten (18.93 % des Netzes) — Verfügbarkeit 99.95 % → 99.89 %

severity criticaldirection upnovelty newtrust AAufschlüsselung REGION = East

Die 1,840 Standorte von Region East verzeichneten im August 2026 insgesamt 87,400 Standortminuten ohne Dienst gegenüber 41,200 im Juli (+112.14 %, über der kritischen Schwelle von 40 % — severity critical). Als Verfügbarkeit ausgedrückt ist die Bewegung 99.95 % → 99.89 %, weshalb die Schwellenkennzahl dieses Agenten die Minuten sind, nicht das Verhältnis. Der Ursachencode-Schnitt ist in diesem Modell: power trägt 50,692 der 87,400 East-Minuten des August (58.00 %), gegenüber 12,772 von 41,200 (31.00 %). Die anderen fünf Regionen bewegten sich innerhalb von ±12 %. Diese Daten können nicht sagen, wie viele Teilnehmer unter einem Standort waren, als er ausgefallen war — die Zahl der versorgten Teilnehmer je Standort ist nicht im Netzstern, und es wird keine Aussage auf Teilnehmerebene gemacht.

Finding 2

Störungstickets je 1,000 Teilnehmer in Region East 3.10 → 4.70 (+51.61 %), während sich die nationale Rate 2.90 → 3.10 bewegte (+6.90 %) — mittlere Zeit bis zur Wiederherstellung in East 7.4 → 11.2 Stunden (+51.35 %)

severity criticaldirection upnovelty newtrust AAufschlüsselung REGION = East

Die von den 894,000 Teilnehmern von Region East eröffneten Tickets stiegen von 2,771 im Juli 2026 auf 4,202 im August und hoben die Rate von 3.10 auf 4.70 je 1,000 (+51.61 %, über der kritischen Schwelle von 40 % — severity critical), während sich die nationale Rate von 2.90 auf 3.10 bewegte (+6.90 %, unter der Schwelle). Die mittlere Zeit bis zur Wiederherstellung für East-Tickets stieg von 7.4 auf 11.2 Stunden (+51.35 %); der Fehlertyp-Schnitt ordnet die zusätzlichen Stunden unter site power ein. Die als Nenner verwendete Teilnehmerzahl ist die Basis aus dem kommerziellen Stern zum Monatsende, als reine Zahl gelesen; über die Zahl hinaus öffnet dieser Agent keine kommerzielle Kennzahl. Ob der Ticketanstieg und der Ausfallanstieg dieselben Teilnehmer sind, ist hier nicht wissbar — Tickets sind in diesem Modell nicht auf Standorte geschlüsselt.

Data state

Data state (kein Finding): die Kennzahl dropped_call_rate auf der 2G-Schicht lieferte für August 2026 keine Zeilen — die Schicht wurde in der Region während des Monats stillgelegt. Kein Schweregrad; der Modellverantwortliche wird benachrichtigt, die Kennzahl von der Schicht zurückzuziehen.

Recommendation 2

Setze die mittlere Zeit bis zur Wiederherstellung auf eine wöchentliche Beobachtung nach Fehlertyp und Region, und bitte den Modellverantwortlichen, die Kennzahl für abgebrochene Anrufe von der stillgelegten Schicht zurückzuziehen

based_on: Finding 2 · Verantwortlich: Leitung des Außendienstes, mit dem Datenmodell-Verantwortlichen

Die Wiederherstellungszeit stieg in einer Region um die Hälfte; eine wöchentliche Beobachtung nach Fehlertyp wird zeigen, ob es allein der Strom ist. Die leere 2G-Kennzahl wird sonst bei jedem Lauf einen data state erzeugen und eine Abfrage für nichts ausgeben.

Was dieser Lauf nicht sehen konnte.

Die je Standort versorgten Teilnehmer, der Standortschlüssel auf Tickets und alles auf dem kommerziellen Stern jenseits der Teilnehmerzahl. Ob der Churn in East und die Ausfälle in East eine Geschichte sind, ist eine Frage, die dieses Modell nicht beantworten kann, und die Seite sagt das unten.

VeranschaulichendSet 3Kanal- und Aufladungs-Agent
Persona
Liest Prepaid-Aufladeumsatz und -anzahl, Bruttozugänge nach Kanal und Händlerstufe und die Erstaufladequote neuer Prepaid-Teilnehmer für denselben Betreiber; trennt "weniger Aufladungen" von "kleinere Aufladungen" und "mehr Zugänge" von "Zugängen, die bleiben". · Zielgruppe: der Prepaid-Produktmanager, der Kanalvertriebsleiter, Händlermanager. · Tonfall: schlicht und kommerziell. · Ausgabesprache: en
Signale, die er beobachtet
(1) Durchschnittlicher Aufladewert — Aufladeumsatz durch Aufladeanzahl, nach Stückelung und Kanal. (2) Bruttozugänge nach Kanal, mit dem Anteil jedes Kanals. (3) Erstaufladung innerhalb von 30 Tagen nach Kanal und Händlerstufe. (4) Händlerprovisionskosten, wo die Kennzahl funktioniert. (5) Aufladehäufigkeit je aktivem Prepaid-Teilnehmer.
Schwellen, die ihm vorgegeben wurden
Finding 15 % · critical 40 % · Verhältniskennzahlen (durchschnittlicher Aufladewert, Erstaufladequote, Kanalanteil) 8 % · Mindestanteil 2 % der Bruttozugänge · Schweregradregel: medium, wenn eine Schwelle überschritten wird, high, wenn sich eine Verhältniskennzahl um mehr als 1.25× ihrer Schwelle oder eine Zählkennzahl um mehr als 1.5× der Finding-Schwelle bewegt, critical oberhalb der kritischen Schwelle; ein Finding mit einer Aufschlüsselungszelle nimmt den Schweregrad der eigenen Bewegung der Zelle an; ein ongoing-Thema behält den Schweregrad, der ihm gegeben wurde

Laufkopf

  • Geplant wöchentlich, Dienstag 06:00, Europe/Berlin
  • Zeitraum: August 2026 vs Juli 2026 (je 31 Tage)
  • Daten vollständig bis 2026-09-19, gemessen über max(EVENT_DATE) auf Aufladungen und Aktivierungen, vor 7 Stunden
  • Geltungsbereich: der Agent läuft unter dem Kanal-Geltungsbereich (alle Regionen, nur Prepaid- und Aktivierungssterne)
  • Modell: das freigegebene Modell des Arbeitsbereichs
  • Kosten: auf dem Lauf festgehalten
  • Beträge in EUR
Brief

August 2026: Durchschnittlicher Aufladewert 6.84 € → 6.27 € bei mehr, aber kleineren Aufladungen, Händlerzugänge −20.10 %, während Digitalzugänge +41.96 %, 30-Tage-Erstaufladung der Händlerzugänge 71.20 % → 63.40 % — Provisionskosten nicht lesbar

Annahmenstreifen

Der Monatsvergleich (August vs Juli 2026) wurde verwendet; beide Monate haben 31 Tage. Die Händlerprovisions-Kennzahl liefert einen Quellfehler und ist als broken markiert; jeder Satz, der sie brauchte, wurde zurückgehalten. Dieser Agent liest nur die Prepaid- und Aktivierungssterne.

Prepaid-Teilnehmer haben im August etwas häufiger aufgeladen, aber für weniger: 3.98 M Aufladungen im Wert von 24.96 M €, im Durchschnitt 6.27 € gegenüber 6.84 € im Juli, wobei die beiden kleinsten Stückelungen jetzt 49.00 % der Aufladungen ausmachen. Die Bruttozugänge hielten sich nahe dem Juli-Niveau, aber der Mix verschob sich von Händlern zu Digital — Händlerzugänge fielen um 20.10 % auf 54.15 % der Gesamtzahl, während Digitalzugänge um 41.96 % stiegen — und die Händlerzugänge, die kamen, luden innerhalb von 30 Tagen seltener auf, 63.40 % gegenüber 71.20 %, während Digitalzugänge bei 81.60 % hielten. Was die Händler für diese Zugänge bezahlt bekamen, ließ sich nicht lesen: die Provisionskennzahl ist broken.

covers: Finding 1, Finding 2

— Lauf: wöchentlich, das freigegebene Modell des Arbeitsbereichs, Daten vollständig bis 2026-09-19. Guard Ledger: held 2 — Kandidaten f-03 und r-02 (Provisionskosten je Zugang), Grund source_execution_error auf Kennzahl dealer_commission (Umschlag e6 lieferte einen Fehler; Kennzahl in der Modellnotiz als broken markiert); not_selected 0; duplicate 0.

Recommendation 1

Schlüssele die August-Aufladungen nach Stückelung und Kanal gegen Juli auf, und stelle den durchschnittlichen Aufladewert jedes Kanals daneben

based_on: Finding 1 · Verantwortlich: Prepaid-Produktmanager

Sitzt die Verschiebung zu kleinen Stückelungen in einem Kanal, ist es das Sortiment dieses Kanals; ist sie in jedem Kanal, ist es der Teilnehmer. Beide Schnitte sind in diesem Modell. Die Stückelungsverfügbarkeit nach Kanal ist es nicht, und der Produktmanager liest die Kanalverträge neben der Aufzeichnung.

Die Findings, auf denen das beruht

Finding 1

Prepaid-Aufladeumsatz 26.67 M € → 24.96 M € (−6.41 %), während Aufladeanzahl 3.90 M → 3.98 M (+2.05 %) — durchschnittlicher Aufladewert 6.84 € → 6.27 € (−8.29 %)

severity mediumdirection downnovelty newtrust AAufschlüsselung SEGMENT = Prepaid

Prepaid-Teilnehmer tätigten im August 2026 insgesamt 3.98 M Aufladungen gegenüber 3.90 M im Juli (+2.05 %, unter der Schwelle), zahlten aber 24.96 M € gegenüber 26.67 M € (−6.41 %, für sich genommen unter der Finding-Schwelle). Der durchschnittliche Aufladewert fiel von 6.84 € auf 6.27 € (−8.29 %, 1.04× die Verhältnisschwelle von 8 % — severity medium), und der Stückelungsschnitt zeigt die Verschiebung: die beiden kleinsten Stückelungen stiegen von 1,599,000 von 3.90 M Aufladungen (41.00 %) auf 1,950,200 von 3.98 M (49.00 %). Die Basis von 3.9 M Prepaid-Teilnehmern war flach. Diese Daten können nicht sagen, ob Teilnehmer kleinere Beträge häufiger aus eigener Wahl aufladen oder weil eine größere Stückelung aus einem Kanal zurückgezogen wurde — die Stückelungsverfügbarkeit nach Kanal ist nicht in diesem Modell.

Recommendation 2

Setze die Händler-Bruttozugänge und ihre 30-Tage-Erstaufladequote auf eine wöchentliche Beobachtung nach Händlerstufe und Region, und bitte den Modellverantwortlichen, die Provisionskennzahl zu reparieren, bevor irgendwelche Kosten je Zugang gelesen werden

based_on: Finding 2 · Verantwortlich: Kanalvertriebsleiter, mit dem Datenmodell-Verantwortlichen

Weniger Händlerzugänge, die seltener aufladen, sind zwei Fakten auf einem Kanal; der Stufenschnitt wird zeigen, ob die niedrigsten Stufen beides tragen. Die Provisionskennzahl ist broken, und jeder Satz, der sie in diesem Lauf brauchte, wurde zurückgehalten; eine Zahl für Kosten je Zugang wird existieren, wenn die Kennzahl es tut.

Die Findings, auf denen das beruht

Finding 2

Händler-Bruttozugänge 61,200 → 48,900 (−20.10 %), während Digital-Bruttozugänge 22,400 → 31,800 (+41.96 %) — Händleranteil an den Zugängen 66.02 % → 54.15 %; Erstaufladung der Händlerzugänge innerhalb von 30 Tagen 71.20 % → 63.40 %

severity highdirection downnovelty newtrust AAufschlüsselung CHANNEL = Dealer

Die Prepaid-Bruttozugänge beliefen sich im August 2026 auf 90,300 gegenüber 92,700 im Juli (−2.59 %, unter der Schwelle); die Kanäle bewegten sich auseinander. Händlerzugänge fielen von 61,200 auf 48,900 (−20.10 %, 1.34× die Finding-Schwelle von 15 %) und Digitalzugänge stiegen von 22,400 auf 31,800 (+41.96 %, über der kritischen Schwelle von 40 % auf dieser Zelle); Zugänge über eigene Läden lagen bei 9,600 gegenüber 9,100. Der Händleranteil an den Zugängen fiel von 66.02 % auf 54.15 % (48,900 von 90,300 gegenüber 61,200 von 92,700). Auch die Zugänge, die bleiben, bewegten sich: von den Händlerzugängen luden 31,003 von 48,900 (63.40 %) innerhalb von 30 Tagen auf, gegenüber 43,574 von 61,200 (71.20 %) im Juli — −10.96 %, 1.37× die Verhältnisschwelle von 8 %, und die Aufschlüsselungszelle ist der Händlerkanal, sodass das Finding auf den eigenen Bewegungen der Zelle severity high liest — während Digitalzugänge bei 25,949 von 31,800 (81.60 %) gegenüber 18,390 von 22,400 (82.10 %) hielten. Der Händlerstufen-Schnitt ist in diesem Modell und verortet den Rückgang in den beiden niedrigsten Stufen. Diese Daten können nicht sagen, was die Händler bezahlt bekamen — die Provisionskennzahl liefert in diesem Modell einen Quellfehler und ist in der Modellnotiz als broken markiert.

Was dieser Lauf nicht sehen konnte.

Händlerprovisionen, Stückelungsverfügbarkeit nach Kanal und der Grund, warum ein Händlerzugang nicht aufgeladen hat. Postpaid- und Netzkennzahlen liegen absichtlich außerhalb des Geltungsbereichs dieses Agenten.

Jede Zahl trägt eine Adresse

Im Produkt bindet sich jede Zahl an eine Nachweisadresse — Umschlag, Zeile, Zelle, Prüfziffer —, und eine Zahl ohne eine solche wird zurückgehalten, nicht veröffentlicht. Die Anatomie einer Aufzeichnung →

Abgeleitete Zahlen zeigen ihre Operation

Eine Änderung, ein Anteil oder eine Lücke wird von der Engine berechnet und trägt ihre Operanden; das Modell dividiert nie. Wie jede Zahl bewiesen wird →

KI-Governance ist die Publikationsschicht

Acht deterministische Gates, die Trust-Stufe, gekennzeichnete Interpretation, ein Annahmenstreifen, der sich nicht abschalten lässt, und das Guard Ledger. Wohin das Modell reichen kann und wohin nicht →

FAQ

Vier Fragen, die dieser Seite üblicherweise gestellt werden

01Unsere Abrechnungs-, CRM- und Netzdaten sind drei verschiedene Systeme. Kann ein Agent alle drei lesen?

Ein Agent liest, was das importierte semantische Modell enthält. Wo die Sterne nicht verbunden sind, liest der Agent jeden für sich und erfindet nie die Brücke — die drei Personas der Seite sind aus diesem Grund entlang dieser Sterne aufgeteilt.

02Sieht der Agent Teilnehmer?

Nein. Teilnehmer und MSISDN sind als personenbezogen markiert; die feinsten Schnitte sind Region, Tarif, Laufzeitband, Kanal und Händlerstufe.

03Kann er sagen, warum der Churn gestiegen ist?

Er kann sagen, wo der Churn gestiegen ist, in welchem Tarif und welcher Laufzeit, und wie viel davon Port-out war. Eine Ursache braucht Nachweise, die das Modell enthält; eine geratene Ursache wird mit ihrem Grund zurückgehalten, sichtbar.

04Was, wenn eine Kennzahl einen Fehler liefert?

Sie wird in der Modellnotiz als broken markiert, der Agent hört auf, Abfragen für sie auszugeben, und jeder Satz, der sie brauchte, wird mit dem Grund zurückgehalten.

Kostenlose Data-Discovery-Studie

Sehen Sie, welche dieser Signale Ihr eigenes Warehouse tragen kann.

Senden Sie uns den Namen Ihrer Datenplattform und den Bereich, über den Sie am meisten streiten. Wir lesen Ihr semantisches Modell gemeinsam mit Ihnen und antworten schriftlich: welche der Signale auf dieser Seite Ihr Modell heute trägt, welche eine Änderung in Axoria Data Studio brauchen und was ein vierwöchiger Pilot messen würde. Keine Kosten, keine Sequenz — ein Mensch antwortet innerhalb von zwei Werktagen.

Kostenlose Data-Discovery-Studie anfragen → 4-Wochen-Pilot starten

Was die Beispiele voraussetzen

Die Daten, das Modell und die Kennzahlen hinter den drei Sets

Nichts in einem Set beruht auf einer Quelle außerhalb des hier beschriebenen Modells. Öffnen Sie, was Sie abgleichen möchten.

01Angenommene Datenquellen — Daten, die ein Telekommunikationsbetreiber bereits hat

Abrechnung und Rating (Umsatz nach Teilnehmersegment, Tarif, Aufladeereignisse), CRM (Aktivierungen, Abgänge mit Grundcodes, Tarifwechsel, Port-out-Kennzeichen), Provisionierung und Auftragsverwaltung (Glasfaseraufträge, erschlossene Haushalte), das Netzbetriebssystem (Standortverfügbarkeitsminuten, Fehler nach Ursachencode), das Störungsticketsystem (Tickets nach Region, Zeit bis zur Wiederherstellung), die Händler- und Digitalkanalsysteme (Bruttozugänge nach Kanal und Händlerstufe). Typische Warehouse-Granularität: eine Zeile je Teilnehmer und Monat für Basiskennzahlen, eine je Ereignis für Aktivierungen, Abgänge, Aufladungen und Tickets, eine je Standort und Tag für Verfügbarkeit.

02Angenommenes semantisches Modell — das Minimum für die drei Personas
Kennzahlen
subscriber_base (nach Segment) · gross_adds · disconnects · churn_rate (von der Engine abgeleitet: disconnects / Eröffnungsbasis) · net_adds (von der Engine abgeleitet) · service_revenue · arpu (von der Engine abgeleitet) · plan_upgrades · plan_downgrades · arpu_of_migrated_cohort · homes_passed · fibre_connected · outage_site_minutes · sites · tickets · tickets_per_1000 (von der Engine abgeleitet) · mean_time_to_restore_hours · recharge_revenue · recharge_count · average_recharge_value (von der Engine abgeleitet) · first_recharge_within_30_days · gross_adds_by_channel.
Dimensionen
Monat · Region · Segment (Postpaid / Prepaid / Glasfaser) · Tarif · Laufzeitband · Abgangsgrund-Code · Port-out-Kennzeichen · Kanal (Händler / Digital / eigener Laden) · Händlerstufe · Standortcluster · Fehlerursachencode · Technologieschicht · Aufladestückelung. Als personenbezogen markiert und nie aufgeschlüsselt nach: Teilnehmer, MSISDN, Händlerinhaber.
Datenrand
von der Engine gemessen über max(BILLING_MONTH) für den kommerziellen Stern, max(EVENT_DATE) für Tickets und Ausfälle; der kommerzielle Stern und der Netzstern haben keine Brücke — die Agenten behaupten nie, dass ein Netzereignis ein Churn-Ereignis verursacht hat, und die Seite sagt das.
03Angenommene KPIs — was Telekommunikations-Führungskräfte verfolgen
KPIDefinitionEinheitTypische BandbreiteÜbliche Aufschlüsselung
ARPU / ARPAServiceumsatz / durchschnittliche Teilnehmer (Konten)Währung/MonatUS Postpaid $48–55, Prepaid $28–38, Glasfaser $65–75 [Anbieter]Segment · Tarif
Monatlicher ChurnAbgänge / durchschnittliche Teilnehmer%/MonatUS Postpaid Mobilfunk ≈ 0.9–1.0 % [Betreibermeldungen]Segment · Region
NettozugängeBruttozugänge − AbgängeAnzahlunternehmensspezifischProdukt · Kanal
EBITDA-MargeEBITDA / Umsatz%reife Betreiber 30–45 % [Anbieter]Geschäftsbereich
TeilnehmerakquisitionskostenVertrieb & Marketing + Subventionen / BruttozugängeWährungunternehmensspezifischKanal
Capex-IntensitätCapex / Umsatz%unternehmensspezifischNetzdomäne
Netzverfügbarkeitverfügbare Standortminuten / gesamte Standortminuten%kein universelles BandRegion · Technologie
Ausfall-StandortminutenStandortminuten ohne DienstMinutenunternehmensspezifischStandortcluster · Ursache
Störungstickets je 1,000 TeilnehmerTickets / Teilnehmer × 1,000AnzahlunternehmensspezifischRegion · Fehlertyp
Mittlere Zeit bis zur Wiederherstellungmittlere Stunden von Ticket bis AbschlussStundenunternehmensspezifischRegion · Fehlertyp
Zeit bis zur BereitstellungAuftrag bis aktivTageunternehmensspezifischProdukt · Region
Festnetz-BreitbandpenetrationTeilnehmer / erschlossene Haushalte%unternehmensspezifischAusbaugebiet
Durchschnittlicher AufladewertAufladeumsatz / AufladeanzahlWährungunternehmensspezifischStückelung · Kanal
Erstaufladung innerhalb von 30 TagenPrepaid-Zugänge mit Aufladung innerhalb von 30 Tagen / Prepaid-Zugänge%unternehmensspezifischKanal · Händlerstufe

Verwandt

Wohin diese Seiten führen

Die Abteilungen, zu denen diese Personas gehören

Auf dieser Website