Заказная разработка Big Data и Data Science

Разработка технического задания или анализ существующего, погружение в предметную область

Выбор и обоснование технологического стека, формирование проектной команды, разработка подробного план-графика реализации с оценкой трудозатрат и финансово-экономическим обоснованием

Качественная реализация строго в соответствии с план-графиком и использованием гибких методологий разработки

Подробнее

Задачи, которые вы сможете решить обратившись к нам:

Повышение эффективности маркетинговых кампаний

Управление оттоком клиентов

Прогноз потребительского спроса

Показ только значимых товарных позиций для клиентов

Разработка включает:

Анализ ваших бизнес-процессов и возможностей инфраструктуры

Сбор потребностей в автоматизации и выбор технологического стека

Разработка технической и нормативной документации

Разработка и внедрение информационных систем

Дальнейшая поддержка и сопровождение разработанных решений

Почему выгодно работать именно с нами?

Решаем ваши бизнес-задачи

Работаем как с крупными
заказчиками, так и с небольшими командами

Применяем современный
подход в работе

Предоставляем
услуги по доступной цене

Наша команда обладает
высококвалифицированной экспертизой

Результаты нашей работы

75% среднее снижение остатков по товарным позициям

Задача:

Уменьшить запасы товарных позиций в магазинах, избежав проблемы "пустых полок"

97% точность попадания объема продаж в предсказанный интервал

Решение:

Разработана модель, предсказывающая недельный интервал продаж для каждой товарной позиции в каждом магазине на год вперед

Инструменты: R, Python

Алгоритмы: XGBoost, CART, k-means

10% максимальное отклонение от экспертного прогноза

Задача:

Автоматически прогнозировать бюджетные расходы по регионам и формировать план по выделению средств из головного офиса

более 120 выявленных случаев мошенничества в регионах

Решение:

Разработан и интегрирован в инфраструктуру заказчика аналитический инструмент на базе KXEN и SAP BI, прогнозирующий расходы отделений в регионах в зависимости от экономической обстановки и исторического потребления, а также выявляющий случаи мошенничества и корректирующий план под эти случаи

Инструменты: R, KXEN, SAP BI

Алгоритмы: KXEN time-series algorithms

9 минимальное количество кластеров с четко обозначенными границами для эффективного маркетингового воздействия

Задача:

Сформировать группы абонентов для осуществления маркетинговой активности, выявив тех, кто использует одновременно продукты других операторов

86% точность определения абонента, пользующегося одновременно продуктами конкурентов

Решение:

Разработан аналитический инструмент, автоматически формирующий кластера из абонентов с описанием основных особенностей кластера для поддержки принятия решений маркетинговым отделом, а также выдающий список абонентов с вероятностью использования продуктов конкурента

Инструменты: R, Python, Spark, Hadoop, Hive

Алгоритмы: XGBoost, CART, k-means, k-medoids, t-SNE

8 разнородных источников данных

Задача:

Создание инструментов идентификации и предотвращения потерь количества и качества нефтепродуктов

более 1000 выявленных инцидентов

Решение:

Cоздана Big Data платформа с использованием стека Hadoop, проведена интеграция с источниками данных, выстроенны ETL (Extract, Transform, Load) процессы, реализованы расчетно-аналитические модули, реализовано веб-приложение, предоставляющее необходимые инструменты аналитики

Инструменты: Python, JavaScript, Shell, SQL, Hadoop, HDFS, Spark, Yarn, Hive, Tez, Hue, Zookeeper, Luigi, Kafka, NiFi, PostgreSQL, Microsoft SQL Server, Oracle, Pi System, Django, AngularJS, Bootstrap, CSS, Docker, CentOS/RHEL

более 80% средняя точность вхождения реального заболевания
в ТОП-3 наиболее вероятных предсказанных заболеваний

Задача:

Разработать инструмент поддержки принятия решений врачами на базе автоматически собираемых данных с приборов контроля состояния больного

98% вероятность реального отсутствия у субъекта заболевания с минимальной предсказанной вероятностью

Решение:

Разработана модель, которая в автоматическом режиме на базе собранных данных о состоянии больного выдает вероятность каждого заболевания из запрошенной группы

Инструменты: R

Алгоритмы: GBM, AdaBoost, k-means