.

Data Science a pokročilá analytika

Využijte všech možností pokročilé analytiky a machine learningu pro svůj další růst

Střední i větší firmy dnes mají spoustu dat a k tomu i příležitostí, jak je zúročit při vylepšování svého byznysu. Pokročilou analytikou získají např. informace, s jakou pravděpodobností budou jejich klienti ochotni kupovat další produkty a služby, o jaké služby by mohli mít zájem či jak se pohybují na webových stránkách a mobilních aplikacích.



Algoritmy pro machine learning umí detekovat slabá místa ve výrobním procesu či nekalé jednání klientů. Svěřte svá data do naší péče a získáte kvalitní a klíčové informace pro lepší práci se svými klienty.

Důvěřují nám ti nejlepší

Komerční banka
ŠKODA AUTO
T-Mobile
UniCredit Bank

Proměňte data na byznysovou hodnotu

S rostoucím množstvím dat ukládaných na cloudech a na Big Data platformách rostou i možnosti pro analytické využití. Moderní byznys se bez pokročilých datových analýz neobejde. A přesně takové analýzy Adastra poskytuje. Náš tým vám na míru:

  • připraví predikční modely z historických dat
  • navrhne využití dat generovaných v reálném čase
  • pomůže najít přidanou hodnotu v dosud nevyužívaných datech a mnoho dalšího

Pokročilá analytika dokáže přeměnit data na klíčovou hodnotu pro byznys.

Vaše data jsou klíčem k dalšímu rozvoji firmy v digitální éře

Díky integraci a zpracování různých zdrojů dat umíme připravit bohatší modely predikce či výstižnější segmentace. Zaměřujeme se na aktuální obchodní problémy, potřeby a výzvy.

Sledujeme současné trendy a hledáme způsoby, jak je využít pro lepší znalost zákazníka, pro personalizované interakce na základě detekce zákaznických potřeb (a tím i lepší reakce pro udržení zákazníka, budování jeho loajality, poskytování servisu), pro efektivnější procesy uvnitř organizace apod.

10x

úspěšnější, než při použití standartních postupů bez využití textové analytiky, byla kampaň s nabídkou úvěru cílená v září na rodiny se školními dětmi

Naše analýzy musí mít smysl a poslání! Velká data vyhodnocujeme nejen osvědčenými tradičními přístupy (matematicko-statistické modely), ale i moderními technikami strojového učení (machine learning), hlubokého učení (deep learning) a textové analytiky (NLP).

10x

se pomocí pokročilé analytiky a prediktivních modelů zvětšila cílová skupina oslovovaná správnou reklamou v online médiích

Typy úloh v Data Science

Poznání zákazníka

  • popíšeme vlastnosti a chování zákazníků
  • identifikujeme jejich potřeby
  • odvodíme nové informace
  • rozpoznáme typické vzory
  • vytvoříme spouštěče událostí

Predikce

  • predikujeme, s jakou pravděpodobností dojde k nějaké události, např.

    • zákazník klikne na vaši reklamu
    • jaký bude počet poruch na výrobní lince

Segmentace cílových skupin

  • vytváříme skupiny – segmenty s podobnými zákazníky tak, aby se zároveň tyto segmenty od sebe významně odlišovaly

Analýza textu

  • z různých textových zdrojů:

    • plateb - kategorizace bankovních transakcí
    • e-mailů - jejich rozdělení do skupin
    • poznámek - identifikace hlavního obsahu 

Analýza semi- a nestrukturovaných dat

  • zpracováváme a analyzujeme logy, senzorická, telemetrická a lokační data
  • umíme obohatit vaše data a analýzy o externí zdroje a open data

Analýza geolokačních dat

  • analýzy obohacujeme o další lokační údaje pro výpočet:
    • dojezdové vzdálenosti
    • nejbližší prodejny
    • optimálního rozmístění poboček
    • dostupnosti komunikačních sítí

Doporučení produktu – rekomendace

  • z dat o zákaznickém chování, aktivitách, preferencích odvozujeme, co by si vybraný zákazník mohl přát, a to na bázi podobnosti s jinými zákazníky (pattern analysis)

Webová
analytika

  • vytěžíme vaše data z webu a digitálních kanálů
  • vyhodnotíme jejich přínost pro prodej
  • zapojíme je do 360° pohledu na zákazníka a dalších analýz

Případové studie

None

Bankovnictví - nabídka úvěru just-in-time - 10krát vyšší míra konverze

S bankou jsme na základě dlouholetých popisků transakcí a celé řady identifikovaných transakcí specifického typu identifikovali rodiny s dětmi.
Analýzy vzorců jejich chování ukázaly, že zákazníci tohoto segmentu mají v září největší výdaje. Proto jim banka ve správný čas nabídla personalizovaný úvěrový produkt.

10krát úspěšnější akce

Akce byla 10krát úspěšnější než při použití standartních postupů bez využití Big Dat. Pro nabídku úvěrového produktu se obvykle hledají jednodušší pravidla (např. výše zůstatku a kreditní limit).

None

Internetová média - nárůst impresí u požadovaných cílových skupin - 10krát větší cílové publikum

Zadavatelé on-line reklamy požadují přesné cílení svých kampaní a oslovení správných cílových skupin.
Proto se provozovatelé online médií obrátili na Adastru, aby jim pomohla s modelováním zákaznického chování na internetu z logových dat (cookies).

10krát větší relevantní cílová skupina

Vytvořili jsme prediktivní modely pro odhadnutí demografických dat čtenářů s využitím textové analytiky. Řešení zpracovává přes 14,5 mil.cookies, které denně získají (týdně je to více než 100 mil. záznamů).
Pomocí pokročilé analytiky a prediktivních modelů se cca 10x zvětšila původní cílová skupina.


Nemělo by vám uniknout

Blog

Rádi byste získali řešení přímo na míru vašim potřebám? Zanechte nám kontakt, ozveme se vám.

Děkujeme

V co nejbližší době se vám ozveme.

Dagmar Bínová

Big Data & Data Science Team Lead

Oleg Masajlo

Senior Data Scientist

Radek Nevyhoštěný

Data Scientist