Data Science

БЕЗПЛАТНА КОНСУЛТАЦИЯ

Решаваме задачи в различни бизнес сфери, използвайки класически иконометрични модели: откриване на измами, прогноза за отлив, маркетингово моделиране и др. Използваме Python, Deep Learning frameworks, NoSQL & Big Data, BI и други технологии

ЕКСПЕРТИЗА В DATA SCIENCE

СЦЕНАРИИ

1. Клъстеризация и сегментиране на клиенти
2. Прогнозиране на търсенето и оптимизация на маркетинговите кампании
3. Предотвратяване на отлива на клиенти
4. Кредитен скоринг за банките
5. Оптимизация на плана за производство и ресурси
6. Семантичен анализ на отзивите

Екипът на IBA Group е създал над 20 сценария в областта на Data Science за банки, промишлени, енергийни, държавни и други компании. Напишете ни и ние ще ви изпратим подробни материали.

ИНСТРУМЕНТИ

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/ КЛЪСТЕРИЗАЦИЯ И СЕГМЕНТИРАНЕ НА КЛИЕНТИ

ЦЕЛ

Да се разработи модел за клъстеризация на клиенти:

• как изглежда клъстер, който има най-добър коефициент на проникване на продукта
• кой клъстер е най-малко ефективен за сътрудничество
• какъв е профилът на най-успешния клиент за сътрудничество в контекста на географията

ЗАДАЧА

1. Статистически анализ и подготовка на данни
2. Изграждане на модели за клъстеризация
3. Визуализация на данни със средства на BI
4. Разработване на отчети и презентации въз основа на резултатите от изследванията.

РЕЗУЛТАТ

За две седмици са разработени модели за клъстеризация и отчети с отговори на въпроси на клиентите.

ИНСТРУМЕНТИ

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

2/ ПРОГНОЗИРАНЕ НА ТЪРСЕНЕТО И ОПТИМИЗАЦИЯ НА МАРКЕТИНГОВИТЕ КАМПАНИИ

ЦЕЛ

Анализ и прогнозиране на търсенето на стоки.

Изграждане на оптимална рекламна стратегия.

ЗАДАЧА

1. Създаване на интерпретиран прогнозен модел със сезонен компонент.
2. Отчитане на кривата на реакцията и ефекта на затихване.
3. Изчисляване на оптималната рекламна кампания за различни сценарии.
4. Определяне на гала ефект.

РЕЗУЛТАТ

Инфопанел за сравнителен анализ на продажбите и ефективността на рекламата в различни канали.

Калкулатор за оптималното разпределение на бюджета за прогнозния период.

ИНСТРУМЕНТИ

Python, Tableau, MS Excel.

3/ ПРЕДОТВРАТЯВАНЕ НА ОТЛИВА НА КЛИЕНТИ

ЦЕЛ

Прогнозиране на отлива на клиенти.

Анализ на характеристиките, влияещи на оттока.

ЗАДАЧА

1. Събиране, почистване и подготовка на данни.
2. Анализ на признаците и определяне на тяхната важност.
3. Създаване на метрики за оценка на поведението на клиента.
4. Създаване на модел прогнозиращ отлива на клиентите.
5. Внедряване на решението.

РЕЗУЛТАТ

Прогнозиране на клиенти, склонни към прекратяване на контракти.

Определяне на ключови показатели, влияещи върху отлива на клиентите.

ИНСТРУМЕНТИ

Python, SQL, DB2, Linux, bash.

4/ КРЕДИТЕН СКОРИНГ ЗА БАНКИ

ЦЕЛ

Да се намалят кредитните рискове и банкови загуби от издаване на лоши заеми, да се повиши рентабилността на бизнеса на дребно.

ЗАДАЧА

1. Агрегация на информация за клиента от различни източници.
2. Определяне на ключови фактори, влияещи върху вероятността от събитие.
3. Разработване на модели, предсказващи вероятността от събитие.
4. Трактуване на резултатите от моделите.

РЕЗУЛТАТ

Решението помага да се автоматизира процеса на оценка на кредитния риск, да се генерират скоринг карти, както и да се намали въздействието на човешкият фактор в процеса на обработка на заявки.

МОДЕЛИ СКОРИНГА

Application скоринг: оценка на кредитоспособността на кредитополучателите за получаване на заем.

Behavioral скоринг: оценка на вероятността за погасяване на вече издадени заеми.

Collection скоринг: оценка на възможността за пълно или частично погасяване на кредита от кредитополучателя в случай на нарушаване на условията за погасяване на дълга.

Fraud скоринг: откриване и предотвратяване на измами от потенциални и съществуващи клиенти-кредитополучатели.

5/ ОПТИМИЗАЦИЯ НА ПЛАНА ЗА ПРОИЗВОДСТВО И РЕСУРСИ

ЦЕЛ

Моделиране на оптималния план за производство.

Избор на сценарии и параметри за моделиране.

ЗАДАЧА

1. Реализация на зареждането и възможността за водене на планове за продажби, стандарти и ресурсни ограничения.
2. Изграждане на модел за оптимизация.
3. Изчисляване на постигнатите показатели и визуализация на оптималния план чрез средства  на BI.

РЕЗУЛТАТ

Създаден е интерактивен инструмент, който позволява да се моделира оптималния план за производство с зададени ограничения на ресурсите.

ИНСТРУМЕНТИ

IBM ILOG CPLEX, IBM Cognos BI.

6/ СЕМАНТИЧЕН АНАЛИЗ НА ОТЗИВИТЕ

ЦЕЛ

Да се създаде система за анализ на дейността на банките въз основа на събраните клиентски отзиви.

ЗАДАЧА

1. Събиране на отзиви от публични сайтове.
2. Създаване на система за анализ на тоналността.
3. Създаване на информационно табло.

РЕЗУЛТАТ

1. Сравнителен анализ на дейността на банките.
2. Подобряване на оперативността и качеството на бизнес процесите в анализираната банка.
3. Подобряване на ефективността при вземане на решения за подобряване на работата на банка.

ИНСТРУМЕНТИ

Python, MySQL, Qlik Sense.