Valuable technologies joint Venture

vT Risk

Am implementat cu succes modele predictive la clienți majori în industriile telecom, banking si outsourcing.

Modelele au fost implementate în domeniul risk management, achiziție clienti noi și colectare creanțe.

Rezultatele observate sunt următoarele:
 reducerea riscului clienților noi (churn % pentru neplată în 6-9 luni de la activare) cu 10-20%
 creșterea procentului de colectare a sumelor restante pana în 30 zile cu 10-15%
 creșterea revenue cu 5-10% prin optimizarea limitelor de credit în acord cu riscul clienților
 scăderea churn-ului clienților existenți cu 5-10%
Lucrand cu noi datele devin un activ de valoare
Construim Score Cards, Segmentare Portofolii, implementare strategii corelate cu riscul de neplata, pentru a eficientiza operațiunile de colectare a datoriilor și optimiza șansele de soluționare cu succes.

De ce modele bazate pe date ? Cunoasterea profunda a performantei proceselor, conduce la solutii imbunatatite mai profitabile. Organizațiile bazate pe analiza date pot proiecta operațiuni mai eficiente și pot automatiza o parte din procese, spre exemplu tinand cont de probabilitatea de auto-rezolvare a cazurilor (nefiind necesara interventia) pana la identificarea segmentelor cu grad ridicat de risc si implementarea de actiuni la timp si prin metodele potrivite.

 

Solutii

Transformati datele existente in active de valoare

Scorecards

Automatizarea proceselor si deciiziilor asociata cu sisteme de control si asimilarea de cunostinte la toate nivelurile.

Rating Risk

Adaptarea echipelor de management la noile tehnologii astfel incat sa poata lua deciziile optime.

Comportament plata

Masurarea continua a gradului de disciplina la plata vs obiective companie si concurenti.

Rating retentie

Identificare si masurare constanta a impactului asupra clientilor, si proiectia riscurilor de renuntare la servcii sau migrare catre competitie.

ANALIZE STATISTICE DESCRIPTIVE

Analizele descriptive permit cunoașterea clienților la nivel general. Ele oferă o imagine sumarizată asupra unui segment de clienți sau întregii baze de clienți, care va permite managementului companiei să stabilească direcții ulterioare de investigat sau prioritizări ale analizelor sau modificări ale proceselor existente

ANALIZE DE CORELAȚIE CAUZĂ – EFECT

Analizele de corelație sunt utile fie pentru a determina cauzele care au determinat un anumit rezultat, fie pentru a învăța mai mult despre clienții companiei referitor la un anumit comportament al acestora. Aceste analize sunt utile pentru a optimiza acțiunile și procesele companiei astfel încât eficiența acestora să fie cât mai mare. Analizele sunt derivate statistic din datele companiei pentru care efectuăm analizele.

MODELE DE INTELIGENȚĂ ARTIFICIALĂ PREDICTIVĂ

Dezvoltăm modele de inteligență artificială: de la arbori și matrici deczionali(e) si Suport Vector Machine (SVM) la rețele neuronale si sisteme de recomandare.

SERVICII ANALITICE

Metodele de analiză a datelor folosite sunt:

 Analize statistice descriptive
 Analize de corelație cauză – efect
 Modele de inteligență artificială predictivă

MODELE

MODELE DE INTELIGENȚĂ ARTIFICIALĂ PREDICTIVĂ Modelele dezvoltate pot fi aplicate:  Vânzări: clienți noi, up-sell și cross-sell  Marketing: campanii promoționale  Risk Management: achiziție clienți noi, achiziție servicii/produse noi, colectare creanțe, limite credit  Customer Management: cunoașterea și retenția clienților

1

 Arbori și matrici deczionali(e) - Folosiți pentru a împărți clienții sau anumite situații în grupe relativ omogene și a lua o decizie pentru fiecare grupă în parte

2

 Regresie logistică (scoring) Folosită pentru a estima probabilitatea ca un caz (ex: client, cerere, situație) să aibă un anumit rezultat (ex: cumpărare, neplată, renunțare la servicii)

3

 Suport Vector Machine (SVM) Alternativă la regresia logistică. Modelul estimează dacă un caz (ex: client) va avea un anumit rezultat (ex: neplată)

4

Rețele neuronale Creează legături multiple între caracteristicile subiecților studiați (de ex. clienți, cereri) și un anumit rezultat (de ex. cumpărare, neplată)

5

 Clasificare automată Clasifică automat subiectul (ex. clienți, cereri) în grupe omogene astfel încât diferențele dintre grupe să fie cât mai mari

6

 Sisteme de recomandare Face recomandări clienților pentru servicii sau produse noi; recomandările se bazează pe analiza preferințelor exprimate anterior

Documente

Va putem pune la dispozitie un set de studii gratuite cu privire la evolutia tehnologiei si riscuri, sau puteti solicita analize personalizate.

Multinationale & organizatii locale

expertiza

VT Risc