Услуги

Внедрение систем графовой аналитики

Графовая аналитика позволяет визуализировать связи между объектами и субъектами. Она используется как в повседневных вещах, например, при построении маршрута в навигаторе, так и в более сложных системах в сочетании с алгоритмами машинного обучения.
Графовая аналитика обрабатывает большие объемы структурированных и неструктурированных данных из внутренних и внешних источников. С её помощью выявляют неочевидные связи между организациями, людьми, транзакциями и другими объектами. В дальнейшем информация используется для оптимизации и улучшения бизнес-процессов.

Возможности

Графовая аналитика помогает решать разнообразные бизнес-задачи:

Разработка рекомендательных систем и маркетинговых предложений
Выявление группы связанных лиц или компаний
Мониторинг и поддержка сетевой инфраструктуры
Выявление схем мошенничества, включая внутренние
Оптимизация маршрутов движения транспорта
Кредитный, поведенческий и коллекшн скоринг
Выявление схем мошенничества, включая внутреннее мошенничество
Фиксация подозрительных финансовых транзакций в режиме реального времени
Оптимизация расписания движения транспорта и отслеживание перемещений сотрудников на предприятии с целью контроля нахождения в опасных зонах, на рабочем месте, выполнения нарядов
Интеллектуальная обработка текстов – тематическое моделирование, кластеризация документов и извлечение смысла из данных

Применяется в сферах:

Кейсы

Промышленный сектор

Промышленное предприятие сэкономило более 100 млн рублей в результате оптимизации процесса транспортировки материалов и персонала

Подробнее

Финансовый сектор

Модернизация маркетинговых стратегий повлияла на рост финансовых показателей компании

Подробнее

Основная цель проекта: предоставить бизнес-подразделениям заказчика информацию для определения связей между клиентами и их поведенческими профилями.

Задачи

Найти возможные связи между клиентами и проанализировать их.
Определить факторы поведения пользователей.
Объединить данные в прозрачную и удобную систему.

Решение
Данные из различных систем проанализированы, на их основе разработаны алгоритмы отбора связей между клиентами: среди них – денежные переводы, пополнение баланса мобильных телефонов, заявки на кредиты, адреса. На основе этих данных была сформирована витрина, содержащая структурированную информацию по связям клиентов из разных источников.

Объединение данных о различных связях в единую структуру помогает удобно охватывать и анализировать все существующие связи клиентов, составлять общую информацию по ним, формировать правильные маркетинговые предложения как индивидуально для клиента, так и для группы похожих или связанных сегментов.

С ее помощью стало возможным группировать клиентов по связям или схожести поведения, после чего таргетировать маркетинг по этим группам. Появилась возможность дополнять карточки клиентов информацией об их связях и поведении, что позволило создавать более персонализированные предложения.

Результат

Сформированные на основе наших данных маркетинговые кампании позволили повысить эффективность общения с клиентами и, как следствие, повысить доходы компании.