Datalytica для промышленности

Решения DATALYTICA по отраслям

Big Data Решения Datalytica для промышленности и производственных предприятий

Технологические решения DATALYICA для промышленности и производственных предприятий 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 телекоммуникаций компьютерное зрение применяют в основном для сегментации клиентской базы на основе видеонаблюдения с камер. Сегментация базы позволяет сформулировать оптимальные товарные предложения для каждой группы клиентов и таким образом увеличить конверсию в сделку.

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

Предсказание поломок производственного оборудования

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 промышленного оборудования

Задача предсказания поломок является вспомогательной при определении временной точки проведения технического обслуживания промышленного и 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 на производственных предприятиях

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 предприятия и особенностей сферы деятельности.

Обнаружение краж и мошенничества на производстве

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 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 преложения - 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 и HR-аналитика на производственных предприятиях

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 промышленных предприятий, 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 производственных предприятий, как крупных так и малых, из-за которой компании несут колоссальные потери. 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