Получение значимых инсайтов из данных и повышение эффективности бизнеса посредством применения методов и технологий Data Science (DS) в прикладных задачах.
Активная цифровизация бизнеса требует адекватного изменения подходов к работе с данными, чтобы принести бизнесу реальную пользу. Изменчивый характер бизнес-задач, частое изменение внешних факторов, большой объем разнородной информации, множество различных форматов данных, специфика требований — их неполнота и внутренняя противоречивость — вот лишь небольшая часть проблем, с которыми приходится сталкиваться бизнес-пользователям. Применение DS технологий и методов для этих проблем (то есть, Applied Data Science), позволяет получать значимые для бизнеса результаты быстро и за разумные бюджеты.
Классический набор процедур по получению полезных бизнес-инсайтов из данных выглядит примерно так:
- Подбор или разработка математических методов для анализа данных и поиска скрытых закономерностей.
- Оперативная локализация проблемных мест посредством выявления аномалий.
- Формирование прогнозов, основанных на модельном описании задач.
- Проведение многофакторного и разноуровневого анализа эффективности, формирование целевых задач для внутренних подразделений и предложений для внешних клиентов.
- Проведение автоматизации элементов бизнес-процессов на основании прогнозных показателей (проактивное управление).
- Опциональная продуктизация в виде АРМ (аналитической панели-дашборда), средств периодической оффлайн-отчетности, интеграции управляющего контура в корпоративные ИС.
Что мы делаем
- Анализ бизнес-проблем, построение контекста задачи.
- Анализ данных, существующих в контексте задачи.
- Реконструкция целостного информационного пространства, в т.ч. с возможным привлечением внешних источников данных.
- Разработка математических моделей и алгоритмов, в т.ч. включая ML, NLP методы, чат-боты.
- Прототипирование для проверки бизнес-гипотез.
- Продуктизация подтверждённых и апробированных гипотез в виде программного решения.
Результаты работ могут предоставляться в различном виде, включая, но не ограничиваясь:
- функционирующий самостоятельный модуль («черный ящик») с API.
- исходный код и подробные инструкции.
- полноценное приложение, включающее АРМ пользователей, развернутое в продуктивном контуре.
Почему Медиа-тел
- Опыт успешной реализации DS проектов для крупных компаний из разнообразных отраслевых вертикалей.
- Достижение успешной реализации DS проектов посредством формирования agile команды, обладающей опытом в различных областях: DevOps, математика и статистика, ML, DB, системные технологии, визуализация, web разработка и т.д.
- Успешный опыт обучения собственных команд DS заказчика.
- Минимизация сроков и стоимости проектов, а также совокупной стоимости владения решением с полным сохранением качества исполнения работ путём:
- использования передовых open-source технологий и инструментов;
- минимизации команды путём привлечения сотрудников, обладающих междисциплинарными знаниями;
- минимизации используемых аппаратных ресурсов путём существенной математической и алгоритмической оптимизации, учитывающей особенности архитектуры вычислительных платформ.
- Исполнение как отдельных законченных DS проектов, так и комплексных проектов, включающих задачи DS как подсистему или набор функциональных требований.
Наши проекты

Разработка гибридной рекомендательной системы для формирования списка товарных позиций, предположительно интересных покупателям — участникам программы лояльности.

Разработка методик и последующая автоматизация валидации качества абонентской базы МСП.

платформа федерального уровня по продвижению и продаже билетов на различные кино- и театральные мероприятия

Сбор данных с абонентских устройств (ТВ приставки), получение данных из внутренних ИТ-систем и платформ вещания, нечеткий (fuzzy) мэтчинг, построение единого профиля, приложение - конструктор отчетов

Разработка прототипа системы аналитики для КСУП - комплексной системы управления проектами по строительству капитальных объектов сети Газпром.

Разработка и автоматизация аналитики различных бизнес-кейсов по сокращению потерь или повышению эффективности с применением технологий ML, Data mining и Process mining.

Проект DigitalTwin ("цифровой двойник производства"). Система аналитического обеспечения и визуализации по процессу отгрузки товаров + разработка модели прогнозирования качества выходной продукции.

рабочее место для автоматизации процесса распределения отгрузок производимой продукции, включая импорт, валидацию, обработку, прогнозирование, распределения данных, а также экспорт результатов во внешние системы
Наши решения в рамках управления ИТ услугами
Data Mining toolbox
Набор open-source инструментов + апробированный набор методик и технологий для проведения как…
Text & Log processing toolbox
Библиотека для анализа и классификации текстовых данных, обработки логов, шаблонирования информации…
Simulation toolbox
Разработка иммитационной модели процессов для проведения what-if анализа и выработки рекомендаций…
Process Mining Office
Рабочее место исследователя бизнесс-процессов предприятия в реальном времени, интегрированное в ИТ…