Data Science

БЕЗКОШТОВНА КОНСУЛЬТАЦІЯ

Вирішуємо завдання в різних сферах бізнесу за допомогою класичних економетричних моделей: виявлення шахрайства, прогноз відтоку, маркетингове моделювання та ін. Використовуємо Python, Deep Learning frameworks, NoSQL & Big Data, BI і інші технології.

ЕКСПЕРТИЗА В DATA SCIENCE

СЦЕНАРИИ

  1. Кластеризація та сегментація клієнтів
  2. Прогнозування попиту і оптимізація маркетингових кампаній
  3. Запобігання відтоку клієнтів
  4. Кредитний скоринг для банків
  5. Оптимізація плану виробництва і ресурсів
  6. Семантичний аналіз відгуків

Команда IBA Group створила 20+ сценаріїв в області Data Science для банків, промислових, енергетичних, державних та інших компаній. Напишіть нам, і ми надішлемо вам докладні матеріали.

ІНСТРУМЕНТИ

Python: pandas, numpy, scipy, sklearn, matplotlib, nltk, catboost, xgboost, gensim, spacy
Deep Learning frameworks: TensorFlow, OpenCV, PyTorch, Keras
Web: Flask, Node.js, Django, HTML5, CSS
NoSQL & Big Data: PySpark, MongoDB, Elasticsearch
BI: Cognos, Tableau, Kibana
Other: R, Docker, SQL

1/ КЛАСТЕРИЗАЦІЇ ТА СЕГМЕНТАЦИЯ КЛІЄНТІВ

МЕТА

Розробити модель кластеризації клієнтів:

  • як виглядає кластер, в якому найкращий коефіцієнт продуктового проникнення
  • який кластер найменш ефективний для співпраці
  • який профіль найбільш вдалого клієнта для співпраці в розрізі географії

ЗАВДАННЯ

  1. Статистичний аналіз і підготовка даних
  2. Побудова моделей кластеризації
  3. Візуалізація даних засобами BI
  4. Розробка звітів та презентації за результатами досліджень.

РЕЗУЛЬТАТ

За два тижні розроблені моделі кластеризації і звіти з відповідями на питання клієнта.

ІНСТРУМЕНТИ

Python, NumPy, SciPy, Scikit-learn, Tableau.

2/ ПРОГНОЗУВАННЯ ПОПИТУ І ОПТИМІЗАЦІЯ МАРКЕТИНГОВИХ КАМПАНІЙ

МЕТА

Аналіз і прогнозування попиту на товар.

Побудова оптимальної стратегії реклами.

ЗАВДАННЯ

  1. Створення інтерпретуємої прогнозної моделі з сезонною складовою.
  2. Облік кривої відгуку і ефекту загасання.
  3. Розрахунок оптимальної рекламної компанії для різних сценаріїв.
  4. Визначення гало-ефекту.

РЕЗУЛЬТАТ

Інфопанель для порівняльного аналізу рівня продажів і ефективності реклами в різних каналах.

Калькулятор оптимального розподілу бюджетів на прогнозований період.

ІНСТРУМЕНТИ

Python, Tableau, MS Excel.

3/ ЗАПОБІГАННЯ ВІДТОКУ КЛІЄНТІВ

МЕТА

Прогнозування відтоку клієнтів.

Аналіз показників, які впливають на відтік.

ЗАВДАННЯ

  1. Збирання, очищення та підготовка даних.
  2. Впровадження рішення.
  3. Аналіз ознак і визначення їх важливості.
  4. Створення метрик для оцінки поведінки клієнта.
  5. Створення моделі, що прогнозує відтік клієнтів.

РЕЗУЛЬТАТ

Прогнозування клієнтів, схильних до розриву контрактів.

Визначення ключових показників, що впливають на відтік клієнтів.

ІНСТРУМЕНТИ

Python, SQL, DB2, Linux, bash.

4/ КРЕДИТНИЙ СКОРІНГ ДЛЯ БАНКІВ

МЕТА

Знизити кредитні ризики і втрати банку від видачі поганих кредитів, підвищити прибутковість роздрібного бізнесу.

ЗАВДАННЯ

  1. Агрегація інформації про клієнта з різних джерел.
  2. Трактування результатів моделей.
  3. Визначення ключових факторів, що впливають на ймовірність настання події.
  4. Розробка моделей, що завбачають імовірність настання події.

РЕЗУЛЬТАТ

Рішення допомагає автоматизувати процес оцінки кредитного ризику, формувати скорингові карти, а також зменшити вплив людського фактору в процесі обробки заявок.

МОДЕЛИ СКОРИНГА

Application скоринг: оцінка кредитоспроможності позичальників для отримання кредиту.

Behavioral скоринг: оцінка ймовірності повернення вже виданих кредитів.

Collection скоринг: оцінка можливості повного або часткового повернення кредиту позичальником при порушенні ним термінів погашення заборгованості.

Fraud скоринг: виявлення і запобігання шахрайських дій з боку потенційних і вже існуюча клієнтів-позичальників.

5/ ОПТИМІЗАЦІЯ ПЛАНУ ВИРОБНИЦТВА І РЕСУРСІВ

МЕТА

Моделювання оптимального плану виробництва.

Вибір сценаріїв і параметрів моделювання.

ЗАВДАННЯ

  1. Реалізація завантаження і можливості ведення планів продажів, нормативів і ресурсних обмежень.
  2. Побудова оптимізаційної моделі.
  3. Розрахунок досягнутих показників і візуалізація оптимального плану засобами BI.

РЕЗУЛЬТАТ

Створено інтерактивний інструмент, що дозволяє моделювати оптимальний план виробництва при заданих обмеженнях ресурсів.

ІНСТРУМЕНТИ

IBM ILOG CPLEX, IBM Cognos BI.

6 / СЕМАНТИЧНИЙ АНАЛІЗ ВІДЗИВІВ

МЕТА

Створити систему аналізу діяльності банків на основі зібраних відгуків клієнтів.

ЗАВДАННЯ

  1. Збір відгуків з публічних сайтів.
  2. Створення інформаційної панелі.
  3. Створення системи аналізу тональності.

РЕЗУЛЬТАТ

  1. Порівняльний аналіз діяльності банків.
  2. Підвищення оперативності та якості бізнес-процесів в банку, що аналізується.
  3. Підвищення ефективності прийняття рішень щодо поліпшення роботи банку.

ІНСТРУМЕНТИ

Python, MySQL, Qlik Sense.

Зв'яжіться з IBA GROUP

    Yes
    YesПолітики конфіденційностіПолітикою щодо файлів «cookie»