У компаний, занимающихся обслуживанием клиентов, становится все больше и больше данных. Соответственно, растет потребность в их обработке и анализе. Будущее за алгоритмами машинного обучения, которые дают бизнесу новые инструменты. У нас есть собственная лаборатория анализа данных Cinimex Data lab, специалисты которой создают и внедряют решения на базе технологий искусственного интеллекта для заказчиков из разных отраслей.

Банки оказывают много услуг, и из-за этого клиентам бывает сложно разобраться в тарифах. Когда нужно оформить карту, предлагается много вариантов: карты для ресторанов, заправок, путешествий. Человеку трудно определиться самостоятельно, и кто-то должен ему дать подсказку. Сейчас развивается концепция, условно назовем ее «Человек+»: используя рекомендательные системы, сотрудники банка могут делать клиентам наиболее подходящие и на первый взгляд неочевидные предложения. На этом фоне становятся актуальны алгоритмы искусственного интеллекта и машинного обучения. Это история на стыке отраслей. У крупных банков очень много различных партнеров, например мили авиакомпаний, карты лояльности супермаркетов, и ИТ-системы могут помочь учесть максимум параметров при выдаче рекомендаций и сделать сотрудника по-настоящему эффективным, добавив ему долю «цифрового разума».

У нас есть опыт составления прогнозов по распределению лотерейных билетов по 40 тыс. торговых точек, расположенных на всей территории России. Мы умеем прогнозировать спрос по всей стране и знаем, как это сделать заранее, учтя все логистические и маркетинговые условия, которые в дальнейшем могут поменяться. Это непростая задача, поскольку речь идет примерно о 100 взаимосвязанных друг с другом параметров, качественную обработку которых невозможно сделать посредством стандартного анализа.

Мы разработали движок для оптимизации рекламных кампаний, позволяющий клиентам оценить потенциальный бюджет и эффективность использования средств. Наша команда отвечает за реализацию задач, связанных с анализом данных и машинным обучением. Системой отслеживаются различные метрики, оценивается реклама, которая сработала лучше, и вносятся соответствующие изменения в бюджет. Этот подход работает для самых разных рекламных кампаний и позволяет понять, какие из них следует остановить, какие таргетировать, куда следует вкладывать деньги.