Data Science

KOSTENFREIE BERATUNG

Wir lösen Aufgaben in verschiedenen Geschäftsbereichen mit Hilfe von klassischen ökonometrischen Modellen: Betrugserkennung, Abwanderungsprognose, Marketing-Modellierung usw. Wir verwenden Python, Deep Learning frameworks, NoSQL & Big Data, BI und andere Technologien.

EXPERTISE IN DATA SCIENCE

SZENARIEN

  1. Clustering und Segmentierung von Kunden
  2. Bedarfsprognose und Optimierung von Marketingkampagnen
  3. Verhinderung der Kundenabwanderung
  4. Kredit-Scoring für Banken
  5. Optimierung des Produktionsplans und der Ressourcen
  6. Semantische Analyse von Rückmeldungen

Das Team von IBA Group hat 20+ Szenarien im Bereich Data Science für Banken, sowie Industrie-, Energie-, Staatsunternehmen u.a. entwickelt. Mailen Sie uns und wir senden Ihnen detaillierte Materialien.

WERKZEUGE

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/ CLUSTERING UND SEGMENTIERUNG VON KUNDEN

ZIEL

Ein Modell des Kunden-Clustering entwickeln:

  • wie sieht ein Cluster aus, in dem der beste Koeffizient der Produktdurchdringung ist
  • welcher Cluster ist für die Zusammenarbeit am wenigsten effizient
  • wie sieht das Profil des vorteilhaftesten Kunden für die Zusammenarbeit im geographischen Schnitt aus

AUFGABE

  1. Statistische Analyse und Datenvorbereitung
  2. Erstellung von Clustering-Modellen
  3. Datenvisualisierung mit Hilfe von BI-Mitteln
  4. Entwicklung von Berichten und Präsentationen zu Forschungsergebnissen.

ERGEBNIS

Für zwei Wochen wurden Clustering-Modelle und Berichte mit Antworten auf die Fragen des Kunden entwickelt.

Technologien

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

2/ BEDARFSPROGNOSE UND OPTIMIERUNG VON MARKETINGKAMPAGNEN

ZIEL

Analyse und Prognose der Warennachfrage.

Entwicklung der optimalen Werbestrategie.

AUFGABE

  1. Entwicklung eines interpretierbaren Prognosemodells mit der saisonalen Komponente.
  2. Berücksichtigung der Reaktionskurve und des Dämpfungseffekts.
  3. Berechnung der optimalen Werbefirma für verschiedene Szenarien.
  4. Bestimmung des Halo-Effekts.

ERGEBNIS

Infopanel für die vergleichende Analyse des Verkaufsniveaus und der Effektivität der Werbung in verschiedenen Kanälen.

Rechner der optimalen Budgetverteilung für den prognostizierten Zeitraum.

Technologien

Python, Tableau, MS Excel.

3/ VERHINDERUNG DER KUNDENABWANDERUNG

ZIEL

Prognose der Kundenabwanderung.

Analyse von Merkmalen, die die Abwanderung beeinflussen.

AUFGABE

  1. Sammlung, Bereinigung und Bereitstellung von Daten.
  2. Analyse von Merkmalen und Bestimmung ihrer Wichtigkeit.
  3. Erstellung von Metriken zur Bewertung des Kundenverhaltens.
  4. Entwicklung eines Modells, das die Kundenabwanderung prognostiziert.
  5. Implementierung der Lösung.

ERGEBNIS

Prognostizieren von Kunden, die zur Vertragskündigung geneigt sind.

Festlegung von Schlüsselmerkmalen, die die Kundenabwanderung beeinflussen.

Technologien

Python, SQL, DB2, Linux, bash.

4/ KREDIT-SCORING FÜR BANKEN

ZIEL

Kreditrisiken und Bankverluste wegen der Bereitstellung von schlechten Krediten reduzieren, die Rentabilität des Einzelhandelsgeschäfts erhöhen.

AUFGABE

  1. Aggregation von Kundeninformationen aus verschiedenen Quellen.
  2. Festlegung der wichtigsten Faktoren, die die Wahrscheinlichkeit des Auftretens eines Ereignisses beeinflussen.
  3. Entwicklung von Modellen, die die Wahrscheinlichkeit des Auftretens eines Ereignisses vorhersagen.
  4. Interpretation der Ergebnisse von Modellen.

ERGEBNIS

Die Lösung hilft, den Prozess der Kreditrisikobewertung zu automatisieren, Scoring-Karten zu erstellen und den Einfluss des Humanfaktors bei der Bearbeitung von Anträgen zu reduzieren.

SCORING-MODELLE

Application-Scoring: Bewertung der Kreditfähigkeit von Kreditnehmern für die Kreditaufnahme.

Behavioral-Scoring: Bewertung der Wahrscheinlichkeit der Rückzahlung bereits gewährter Kredite.

Collection-Scoring: Bewertung der Möglichkeit einer vollständigen oder teilweisen Rückzahlung des Kredits durch den Kreditnehmer, wenn er die Rückzahlungsfristen verletzt.

Fraud-Scoring: Identifizierung und Verhinderung von Betrugshandlungen von potenziellen und bereits bestehenden Kreditnehmerkunden.

5/ OPTIMIERUNG DES PRODUKTIONSPLANS UND DER RESSOURCEN

ZIEL

Simulation des optimalen Produktionsplans.

Auswahl von Szenarien und Simulationsparametern.

AUFGABE

  1. Umsetzung der Belastung und Fähigkeit, Verkaufspläne, Vorschriften und Ressourcenbeschränkungen zu führen.
  2. Erstellung des Optimierungsmodells.
  3. Berechnung der erreichten Kennzahlen und Visualisierung des optimalen Plans mit Hilfe von BI-Werkzeugen.

ERGEBNIS

Es wurde ein interaktives Werkzeug entwickelt, das einen optimalen Produktionsplan bei vorgegebenen Ressourcenbeschränkungen modellieren lässt.

Technologien

IBM ILOG CPLEX, IBM Cognos BI.

6/ SEMANTISCHE ANALYSE VON RÜCKMELDUNGEN

ZIEL

Ein System zur Bankaktivitätsanalyse auf Basis von gesammelten Kundenfeedbacks entwickeln.

AUFGABE

  1. Sammlung von Rückmeldungen von öffentlichen Websites.
  2. Erstellung eines Tönungsanalysesystems.
  3. Erstellung einer Infoleiste.

ERGEBNIS

  1. Vergleichende Analyse der Bankaktivitäten.
  2. Erhöhung der Effizienz und Qualität der Geschäftsprozesse in der analysierten Bank.
  3. Erhöhung der Effizienz der Entscheidungsfindung zur Verbesserung der Bankarbeit.

Technologien

Python, MySQL, Qlik Sense.

Kontaktieren Sie uns

    Yes
    Yes Datenschutzerklärung Cookie-Richtlinie