Готовые решения на основе
Big Data / Machine learning / Data Science
Наши решения по отраслям
Решения для Ритейла
Оптимизация продуктового ассортимента
Персональные продуктовые предложения
Оптимизация логистики, времени закупки и распределения товаров по складам и магазинам
Оптимизация логистики, времени закупки и распределения товаров по складам и магазинам
Прогнозирование рыночных показателей для новых продуктов
Оптимизация рабочих смен
Оптимизация программ лояльности
Мониторинг восприятия бренда в СМИ и Интернет
Оптимизация расположения торговых точек
Автоматизированный контроль и оптимизация выкладки продуктов
Классификация клиентов и/или действий клиентов в магазине на основе анализа видео
Оптимизация рабочих смен
Оптимизация работы колл-центра
Голосовое меню
Робот по ответам на типовые вопросы
Решения для Банков
Определение жизненной ценности клиента (Life Time Value)
Сегментация клиентов
Продуктовые рекомендации для клиентов/кроссейл
Прогноз спроса на продукты Банка в разрезе продуктов, клиентов
Выбор наиболее релевантного продукта для клиента (next best offer)
Оценка вероятности дефолта по кредиту (как физ- так и юрлиц)
Прогноз спроса на наличность в банкоматах / спроса на свободный капитал / банковских резервов
Выявление аффилированных клиентов
Определение оптимального расположения банкоматов/офисов Банка
Выявление склонности к оттоку
Определение оптимальной ценовой политики (например, когда снижение цены может привести к существенному росту спроса и росту прибыли)
Определение мошеннических транзакций для автоматического блокирования кредитных карт
Оптимизация работы колл-центра
Оптимизация графика работы операторов с учетом прогноза потока обращений.
Оптимизация графика работы операторов с учетом прогноза потока обращений.
Решения для транспорта
Предсказание поломок и превентивное техническое обслуживание
Оптимизация производственных процессов в реальном времени – определение куда и в каком количестве направить ресурсы
Оптимизация маршрутов и расписаний
Оптимальный выбор типа транспортного средства для маршрута
Обнаружение нестандартных ситуаций (нештатные режимы эксплуатации, отклонения от маршрутов и т.п.)
Выявление типовых причин нарушения стандартов качества (поломки, задержки и т.п.)
Прогнозирование рыночных показателей для новых продуктов/услуг
Персональные рекомендации продуктов/услуг клиентам
Прогнозирование потребностей рынка в будущем (объемы перевозок) и планирование закупок
Динамическое ценообразование
Оптимизация работы кол-центра
Решения для производства
Рекомендации по оптимальному расходу дорогостоящего сырья (добавок, реагентов) с целью сокращения общих издержек производства без снижения качества
Рекомендации по управлению параметрами производства в реальном времени для оптимизации целевых метрик – например, сокращения расхода энергии без снижения объемов производства
Прогноз важных параметров процесса, которые нельзя, сложно или дорого измерить напрямую, на основе известных значений
Предсказание ожидаемого качества продукции и возможных дефектов на ранних этапах производства для оптимизации маршрута обработки и сокращения общего уровня брака
Почему выгодно работать именно с нами?
Решаем ваши бизнес-задачи
Работаем как с крупными
заказчиками, так и с небольшими командами
заказчиками, так и с небольшими командами
Применяем современный
подход в работе
подход в работе
Предоставляем
услуги по доступной цене
услуги по доступной цене
Наша команда обладает
высококвалифицированной экспертизой
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
Разработка в три этапа
1 Подготовительный
этап
этап
Оценка доступных данных
Определение требований, метрик и критериев успеха
Согласование методики проведения эксперимента
Передача данных
2 Проверка пилота и оценка результатов
Построение модели
Тестирование модели (проведение эксперимента)
Проверка критериев успеха, оценка эффективности работы модели
3 Эксплуатация
Организация регулярной передачи данных или развертывание модели на мощностях заказчика
Регулярное А/В тестирование качества работы сервиса
Поддержка качества работы модели, включая регулярное обновление модели
Используем лучшие технологии
