Datalytica для энергетики
и добывающей
промышленности

Решения DATALYTICA по отраслям

Big Data Решения Datalytica для энергетики и добывающей промышленности

Технологические решения DATALYICA для энергетики и добывающей промышленности основаны на методах математического моделирования и машинного обучения и направлены на 3 основные бизнес-стратегии: повышение продаж, снижение издержек, управление рисками.

Автоматизированное распознавание текста, изображений и видео (компьютерное зрение)

В сфере энергетики и добывающей промышленности компьютерное зрение применяют для решения нескольких задач:
- внедрение автономных транспортных средств и робототехники (ориентация в пространстве и распознание окружающего ландшафта);
- геоанализ для создания 3D карты поверхности;
- контроль добываемых ресурсов (состав добываемых материалов, автоматизированное формирование рекомендаций по режиму бурения).

Кроме того, компьютерное зрение для распознавания текста и изображений в энергетике и добывающей промышленности применяют с целью автоматизации бумажной работы - автоматическое распознавание чеков, счетов, накладных, договоров и т.п., а также в сфере безопасности для автоматизированного распознавания лиц и выявления мошенических действий.

Предсказание поломок оборудования в сфере энергетики и добывающей промышленности

Своевременное прогнозирование неисправностей и поломок производственного оборудования позволяет превентивно провести техническое обслуживание и ремонт, а также избежать полного отказа техники, простоев и задержек поставок производимых товаров, а также нежелательных затрат на ремонт и замену вышедших из строя узлов и агрегатов оборудования. Массив данных, поступающих с датчиков и (или) накопленных техническим персоналом, позволяет в реальном времени произвести прогноз возникновения нештатных ситуаций (остановок, поломок) или оценить качество производимой продукции. Финансовый эффект от внедрения предиктивной аналитики в технологический процесс может быть не только прямым, но и косвенным – качественная и произведенная в срок продукция способствует повышению лояльности клиентов и улучшению имиджа производителя.

Превентивное сервисное обслуживание в сфере энергетики и добывающей промышленности

Задача предсказания поломок является вспомогательной при определении временной точки проведения технического обслуживания оборудования. Время проведения технического обслуживания рассчитывается на основании оптимизационной модели, которая учитывает текущую загрузку, график работы предприятия, график закупок нового оборудования и запчастей к нему, а также оценивает возможные риски от простоя или поломки оборудования. Прогноз отказа осуществляется как на основе накопленных исторических данных, так и данных, поступающих в режиме реального времени.

Оптимизация складских запасов

Управление складом на основе индивидуального подхода к корпоративным данным с применением технологий в сфере Data Science может привести к значительному повышению оборачиваемости склада, избавлению от неликвида, существенному сокращению числа "аварийных" закупок, повышению уровня сервиса и, как следствие, к повышению уровня удовлетворенности потребителей. Современные технологии и накопленные знания в сфере предиктивной аналитики позволяют более эффективно и качественно обрабатывать полный спектр уникальных корпоративных данных и строить прогнозы с учетом индивидуальных потребностей компании и особенностей сферы деятельности.

Обнаружение краж и мошенничества на предприятии

Технологическое решение по обнаружению мошенничества (fraud detection) разрабатывается на базе искусственного интеллекта: глубокого обучения. Решение осуществляет мониторинг ИТ-инфраструктуры предприятия, и за счет непрервыного самообучения обеспечивает максимально надежную защиту бизнеса от несанкционированных действий как внешних, так и внутренних.

Персонифицированные продуктовые предложения

Правильно подобранные продуктовые предложения увеличивают конверсию в сделку до 60%. Построение рекомендательной системы включает анализ как внутренних данных бизнеса, так и внешних данных о клиентах (геолокация, поведение в соцсетях, интересы друзей и т.п.). На основании этих данных формируются оптимальные продуктовые предложения - индивидуальные или пакетные, выбираются оптимальные каналы маркетинговых коммуникации, а также их расписание.

Для максимальной эффективности рекомендательной системы, она должна непрерывно обучаться и учитывать реакцию клиентов на предложения - негативное, положительное или нейтральное в каждом канале и в определенное время.

Предсказание оттока сотрудников, разработка мер по удержанию и HR-аналитика

Технологии Data Science позволяют разрабатывать уникальные решения HR-аналитики на базе машинного обучения и big data. Эти решения способны существенно сократить ресурсоемкость подбора новых сотрудников для добывающей промышленности и сферы энергетики, ускорить работу с наиболее ценными кандидатами, анониминимизировать методы оценки технических компетенций (hard skills) и необходимых личностных качеств (soft skills) кандидата, избежать ошибок при ручной обработке резюме, заполнении и обработке анкет соискателей.

При работе с сильными кандидатами крайне важно сделать предложение о работе быстрее конкурента. HR-аналитика предоставляет это преимущество. Решение на базе машинного обучение проводит автоматическую фильтрацию входящих резюме, делает многомерную оценку кандидата и выдает заключение о ценности кандидата без вмешательства человека. Решение использует методологию психологического скоринга на базе искусственного интеллекта.

Предсказание оттока
клиентов и разработка мер по удержанию

Отток клиентов - большая проблема для любого бизнеса, как крупного так и малого. Предприятия сферы энергетики и добывающей промышленности несут колоссальные убытки из-за потери крупных лояльных клиентов. Для разработки методов противодействия оттоку клиентов, сначала необходимо предсказать отток. Это — типовая задача классификации (отбора) малого количества клиентов, склонных к оттоку, по сравнению с количеством лояльных клиентов. По результатам отбора, разрабатывается план удержания клиентов, которые потенциально могут выбрать конкурентов.
Как мы работаем?
Разработанное нами программное обеспечение и математические модели могут быть переданы заказчику на условиях:
Исключительного права
Неисключительного права
Технологии