Notre première approche est de montrer les valeurs moyennes des KPIs de chaque catégorie de mesure de la performance du réseau (RNC) durant ce période d’observation. L’ajout d’une colonne seuil dans le tableau, nous permettra de se servir comme référence, même si ce sont des valeurs issues des recommandations de l’UIT et peuvent être variées d’un régulateur à l’autre selon les lois de leurs pays.La colonne écart, nous a permis d’entreprendre un diagnostic sur les KPIs les plus fortement atteint pendant ce période d’observation. Cette méthode de ressortir l’écart moyen des KPIs est très significatif car ils sont utilisés par les autorités de régulations dans leurs calculs lors de l’élaboration des pénalités (sanction) aux manquements des opérateurs avec le cahier de charge, voir annexe 3.Nous soulignons que les valeurs rapportées sur ce tableau sont des mesures qui généralisent le fonctionnement du réseau.Il est fort de constater que le KPI touchant les services PS au niveau de l’accessibilité est la plus affecte avec des moyenne très en dessous du seuil et un taux d’écart moyen supérieur à 6%, ceci nous démontre clairement qu’il y a lieu à approfondir notre analyse vers les cellules pour essayer d’identifier avec exactitude les causes probables de ce taux.Au niveau des KPIs de la mobilité, il ressort que le handover inter système connait des problèmes concernant le même service PS.Ainsi, nous remarquons que dans les trois catégories, les services PS sont ceux qui connaissent plus des problèmes.L’analyse des données, nous a permis de localiser les Node-B et les cellules qui sont durement affectées. Ce sont 7 Stations de bases parmi les 10 composants le cluster de Moroni (capital) :

Moroni volo-volo ; Moroni terminal ; Moroni-RP ; Moroni-Hadoudja ; Hamramba ; Mvouni ; Iconi.

Dans les parties qui suivent nous allons concentrer nos analyses dans la zone de Moroni, zone à forte densité. Et nous ferons des analyses des problèmes qui interviennent dans les quatre types de compteurs susmentionnées