+7 499 135-41-63 (ВЦ РАН)
   info@forecsys.ru
      или посмотреть карту сайта

Такском, 2017 год

Оценка поведения клиентов, выявление сегмента склонных к оттоку клиентов

Solut, 2017 год

Создание модели классификации деятельности сотрудника строительной компании

Avito, 2017 год

Конкурс анализа данных по созданию модели рекомендательной системы

Исследование: Временной/событийный подходы, 2017 год

Временной и событийный подходы к выявлению нестандартных ситуаций на биржевых торгах

Исследование: Новостной поток, 2017 год

Прогнозирование влияния новостного потока на изменение цен инструментов

Фонд перспективных исследований, 2017 год

Конкурс по созданию интеллектуальных технологий дешифрирования видовой аэрокосмической информации

ММВБ, 2016 год

Проект «САФРАН. Внедрение функциональности по выявлению практик манипулирования в высокочастной торговле на финансовых рынках»

Avito, 2016 год

Конкурс анализа данных по распознаванию категорий объявлений

Avito, 2016 год

конкурса анализа данных по распознаванию марки и модели автомашин на изображениях

ММВБ, 2016 год

Проект «САФРАН. Внедрение функциональности по мониторингу открытых инсайдеров»

Европлан, 2016 год

Оценка стоимости автомобилей на основании анализа базы данных объявлений аналогов

Фонд перспективных исследований, 2015 год

Конкурс для поиска лучшего отечественного коллектива, способного преодолеть существующие недостатки технологий распознавания лиц

НКО АО НРД, 2015 год

Разработка алгоритма обработки результатов проведения клирингового сеанса

Avito, 2015 год

Конкурс анализа данных, посвященный проблематике Uplift modelling для решения задачи распознавания отклика клиентов на маркетинговое предложение

РЖД, 2015 год

Прогнозирование объемов спроса на грузовые железнодорожные перевозки

Исследование: Геоанализ, 2015 год

Геоанализ кластеров клиентов крупного российского банка в г. Новосибирск

Исследование: Диаграмма Вороного, 2015 год

Использование диаграммы Вороного для распределения сотовых базовых станций

Avito, 2014 год

Конкурс по распознаванию контактной информации на изображениях

Сбербанк, 2014 год

Проведение пилотного проекта по управлению банкоматами

Банк Траст, 2014 год

Внедрение системы прогнозирования поведения клиентов и оптимизации кампаний целевого маркетинга Sell4Cast

Исследование: Оптимизация сети светофоров, 2014 год

Оптимизация сети светофорных объектов в г. Люберцы

Исследование: Модель светофорного объекта, 2013 год

Разработка программного инструмента оптимизации работы перекрестка

Исследование: Тепловые карты, 2013 год

Построение тепловой карты клиентов крупного ТЦ

Телемикс, 2012 год

Разработка прототипа системы рекомендаций видеоконтента

ОТП Банк, 2011 год

Конкурс анализа данных по решению задачи предсказания отклика клиентов на предложение новой услуги

Компания «Балтика», 2011 год

Автоматизация прогнозирования вторичных продаж

Промсвязьбанк, 2010 год

Оптимизация процесса стратегического управления инкассациями

ММВБ, 2010 год

Система анализа финансовых рынков «САФРАН 3.0»

ГК «Лама», 2010 год

Внедрение системы автоматического формирования заказа на распредительном центре компании

ЗАО «НСС», 2009 год

Внедрение BI/CRM систем Forecsys & Teradata

ГК «Видео Интернешнл», 2009 год

Улучшения системы прогнозирования компании

ГК «Лама», 2009 год

Внедрение системы прогнозирования спроса и управления запасами Goods4Cast

Банк «Петрокоммерц», 2009 год

Система поддержки принятия кредитных решений

М-Видео, 2008 год

Оптимизации процессов планирования продаж и закупок товаров

Компания «Балтика», 2008 год

Внедрение системы прогнозирования спроса и планирования продаж

ГК «Комстар – ОТС», 2008 год

Поведенческая сегментация клиентов

ГУ-ВШЭ, 2007 год

Внедрение системы Антиплагиат

Сеть «Связной», 2007 год

Создание и внедрение ИС «Ценообразование»

Сеть «Связной», 2007 год

Внедрение системы прогнозирования спроса

X5 Retail Group, 2007 год

Объединение процессов ведения номенклатуры нескольких розничных торговых сетей

ГВЦ РАО «ЕЭС России», 2006 год

Анализ отраслевых данных энергетических компаний

AntiPlagiat.ru, 2005 год

Интернет-сервис анализа текстов на наличие заимствований

АП «Домодедово», 2005 год

Решение для имитационного моделирования транспортной сети аэропорта

Яндекс, 2005 год

Технология выявления взаимосогласованных структур сходства пользователей и ресурсов

ТД «Перекресток», 2005 год

Система прогнозирования потребительского спроса Goods4Cast

Брок-Инвест-Сервис, 2005 год

Анализ и сегментация клиентской базы

ОАО «МТС», 2004 год

Исследование поведенческой сегментации клиентов

Банк «Петрокоммерц», 2004 год

Система поддержки принятия кредитных решений

«Интер РАО ЕЭС», 2004 год

Автоматизированная система поддержки принятия решений на энергетических рынках «Aprel 1.0»

РАО «ЕЭС России», 2001 год

Автоматизированная система поддержки принятия решений «Форель 1.0»

Исследование: Геоанализ, 2015 год

Исследование: Геоанализ кластеров клиентов крупного российского банка в г. Новосибирск
Сроки проекта: 2015

Задача

Создание системы бизнес-анализа показателей, позволяющей решать задачи оптимизации проектной и операционной деятельности на основе внутренних данных банка, с использованием геопозиционирования.

Основа подхода

Исследование включало в себя следующие этапы:

  • Загрузка картографических данных. В качестве основного поставщика картографических данных в базовой системе используется сервис OpenStreetMap.org, распространяющий свои карты по свободной лицензии ODbL. Специалистами «Форексис» был подготовлен пакет обновления картографических данных с возможность последующей загрузки в систему новых данных представителями банка-заказчика.
  • Загрузка единого классификатора адресов России с возможностью последующего обновления.
  • Загрузка данных об объектах анализа: клиенты банка (адреса проживания или регистрации), отделения банка (адреса расположения касс, банкоматов и точек обслуживания) и объекты притяжения (торговые центры, АЗС, метро и т.д.).
  • Геокодирование (автоматическая процедура коррекции адресов, перевод адреса в географические координаты) без задействования внешних сервисов.
  • Расчет базовых бизнес-показателей. В базовом пакете системы был выполнен расчет параметра «Удаленность клиента от ближайшего отделения банка» в метрах, а также в виде времени в пути до ближайшего отделения.
  • Отображение карт, объектов анализа и бизнес-показателей на экране пользователя посредством интернет-браузера. Функция отображения карт позволяет вывести на экран любую загруженную в систему карту, начиная от карт отдельных районов, городов, регионов, заканчивая полной картой России, применительно к любым объектам анализа.
  • Фильтрация отображения. Выбор нужного типа отделений, клиентов и/или объектов притяжения с возможностью применения фильтров.

Функциональные характеристики

Система «Геоанализ» реализуется на базе клиент-серверной технологии с использованием технологии «тонкого клиента». Интерфейс совместим со всеми популярными интернет-браузерами, не зависит от используемой аппаратной или программной платформы.

В качестве входных данных система может использовать:

  • КЛАДР (Классификатор адресов России), единый справочник всех адресов на территории Российской Федерации в формате DBF-файлов;
  • информацию о клиентах (таблица адресов и типов клиентов установленной структуры в формате CSV-файлов кодировки UTF-8);
  • информацию об отделениях и банкоматах (таблица адресов и типов отделений/банкоматов установленной структуры в формате CSV-файлов кодировки UTF-8);
  • информацию об объектах притяжения (таблица адресов и типов объектов притяжения (метро, торговые центры, точки продаж, отделения и банкоматы конкурентов и пр.) установленной структуры в формате CSV-файлов кодировки UTF-8);
  • карты OSM (векторные карты установленного формата OSM (XML) сервиса OpenStreetMap.org, получаемые в виде XML-патча загрузки/обновления, подготавливаемого специалистами «Форексис»).

В качестве операционной системы для серверной части предлагается использовать ОС семейства Linux, ядра версии 2.6 и выше. (Debian 6.0 >). Для клиентской части – браузер с поддержкой HTML 4.0 и с возможностью запуска JavaScript.

Итоги

Создана геоаналитическая система, позволяющая проводить анализ распределения клиентов, удаленности клиентов от ближайшего отделения банка, влияния объектов притяжения на посещаемость тех или иных отделений, а также распределения клиентов по типам качества кредитной истории.

В ходе проведения исследования были решены следующие задачи:

  • Геокодирование данных. Перевод адресных данных в формат географических координат позволяет привязать различные бизнес-объекты к географической карте, а также производить расчет геоаналитических показателей. Благодаря геокодированию заказчик получает возможность быстрее и эффективнее обрабатывать большие объемы информации: текстовые данные, содержащие адреса, названия районов и местностей, система преобразует в точку или область на карте.
  • Отображение объектов и бизнес-показателей. Вывод объектов на карту, например, отображение клиентов банка на карте с целью выделения ключевых районов покрытия и/или аномалий распределения. Основываясь на полученной информации, заказчик получает возможность произвести оптимизации сети отделений/банкоматов (например, открыть дополнительный офис в месте сосредоточения собственных клиентов), а также повысить эффективность маркетинговых кампаний (например, проинформировать сегмент клиентов, проживающих в определенном районе, об открытии нового офиса или разместить наружную рекламу).
Рис. 1. Система отображает на карте районы сосредоточения клиентов для проведения анализа распределения и поддержки принятия решений о возможном открытии новых отделений.
Рис. 1. Система отображает на карте районы сосредоточения клиентов для проведения анализа распределения и поддержки принятия решений о возможном открытии новых отделений.
Рис. 2. В местах сосредоточения клиентов, где функционируют отделения банков-конкурентов (количество клиентов, приходящихся на 1 конкурента, превышает средние показатели), целесообразно открытие нового отделения. В районах, где представлены конкуренты, но количество клиентов относительно невелико, достаточно размещения наружной рекламы.
Рис. 2. В местах сосредоточения клиентов, где функционируют отделения банков-конкурентов (количество клиентов, приходящихся на 1 конкурента, превышает средние показатели), целесообразно открытие нового отделения. В районах, где представлены конкуренты, но количество клиентов относительно невелико, достаточно размещения наружной рекламы.