Data Science

Бесплатная консультация

Решаем задачи в разных сферах бизнеса при помощи классических эконометрических моделей: обнаружение мошенничества, прогноз оттока, маркетинговое моделирование и др. Используем Python, Deep Learning frameworks, NoSQL & Big Data, BI и другие технологии.

Экспертиза в Data Science

Сценарии

1. Кластеризация и сегментация клиентов
2. Прогнозирование спроса и оптимизация маркетинговых кампаний
3. Предотвращение оттока клиентов
4. Кредитный скоринг для банков
5. Оптимизация плана производства и ресурсов
6. Семантический анализ отзывов

Команда IBA Group создала 20+ сценариев в области Data Science для банков, промышленных, энергетических, государственных и других компаний. Напишите нам и мы пришлем вам подробные материалы.

Инструменты

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/ Кластеризация и сегментация клиентов

Цель

Разработать модель кластеризации клиентов:

• как выглядит кластер, в котором наилучший коэффициент продуктового проникновения
• какой кластер наименее эффективен для сотрудничества
• каков профиль наиболее удачного клиента для сотрудничества в разрезе географии

Задача

1. Статистический анализ и подготовка данных
2. Построение моделей кластеризации
3. Визуализация данных средствами BI
4. Разработка отчетов и презентации по результатам исследований.

Результат

За две недели разработаны модели кластеризации и отчеты с ответами на вопросы клиента.

Технологии

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

2/ Прогнозирование спроса и оптимизация маркетинговых кампаний

Цель

Анализ и прогнозирование спроса на товар.

Построение оптимальной стратегии рекламы.

Задача

1. Создание интерпретируемой прогнозной модели с сезонной составляющей.
2. Учет кривой отклика и эффекта затухания.
3. Расчет оптимальной рекламной компании для различных сценариев.
4. Определение гало-эффекта.

Результат

Инфопанель для сравнительного анализа уровня продаж и эффективности рекламы в различных каналах.

Калькулятор оптимального распределения бюджетов на прогнозируемый период.

Технологии

Python, Tableau, MS Excel.

3/ Предотвращение оттока клиентов

Цель

Прогнозирование оттока клиентов.

Анализ характеристик, влияющих на отток.

Задача

1. Сбор, очистка и подготовка данных.
2. Анализ признаков и определение их важности.
3. Создание метрик для оценки поведения клиента.
4. Создание модели, прогнозирующей отток клиентов.
5. Внедрение решения.

Результат

Прогнозирование клиентов, склонных к разрыву контрактов.

Определение ключевых показателей, влияющих на отток клиентов.

Технологии

Python, SQL, DB2, Linux, bash.

4/ Кредитный скоринг для банков

Цель

Снизить кредитные риски и потери банка от выдачи плохих кредитов, повысить доходность розничного бизнеса.

Задача

1. Агрегация информации о клиенте с различных источников.
2. Определение ключевых факторов, влияющих на вероятность наступления события.
3. Разработка моделей, предсказывающих вероятность наступления события.
4. Трактование результатов моделей.

Результат

Решение помогает автоматизировать процесс оценки кредитного риска, формировать скоринговые карты, а также уменьшить влияние человеческого фактора в процессе обработки заявок.

Модели скоринга

Application скоринг: оценка кредитоспособности заемщиков для полученя кредита.

Behavioral скоринг: оценка вероятности возврата уже выданных кредитов.

Collection скоринг: оценка возможности полного или частичного возврата кредита заемщиком при нарушении им сроков погашения задолженности.

Fraud скоринг: выявление и предотвращение мошеннических действий со стороны потенциальных и уже существущих клиентов-заемщиков.

5/ Оптимизация плана производства и ресурсов

Цель

Моделирование оптимального плана производства.
Выбор сценариев и параметров моделирования.

Задача

1. Реализация загрузки и возможности ведения планов продаж, нормативов и ресурсных ограничений.
2. Построение оптимизационной модели.
3. Расчет достигнутых показателей и в визуализация оптимального плана средствами BI.

Результат

Создан интерактивный инструмент, позволяющий моделировать оптимальный план производства при заданных ограничениях ресурсов.

Технологии

IBM ILOG CPLEX, IBM Cognos BI.

6/ Семантический анализ отзывов

Цель

Создать систему анализа деятельности банков на основе собранных отзывов клиентов.

Задача

1. Сбор отзывов с публичных сайтов.
2. Создание системы анализа тональности.
3. Создание информационной панели.

Результат

1. Сравнительный анализ деятельности банков.
2. Повышение оперативности и качества бизнес-процессов в анализируемом банке.
3. Повышение эффективности принятия решений по улучшению работы банка.

Технологии

Python, MySQL, Qlik Sense.