Алмаз мониторинг берет качество данных под контроль!

Система использует инновационные самообучающиеся алгоритмы выявления значимых отклонений в операционных KPI бизнес-процессов, финансовой и операционной отчетности в технологических высоконагруженных потоках и в озерах больших данных.

Решение просто подключается к разнообразным источникам корпоративных данных и позволяет в реальном времени выявлять проблемные ситуации, чтобы незамедлительно информировать о них до того, как они окажут существенное негативное влияние на бизнес-аналитику или технологические процессы.

Схема решения

Данные из разнородных
источников

Автономная система искусственного интеллекта
по машинному анализу данных в реальном времени
и выявлению значимых отклонений

Мобильные уведомления
и управление инцидентами

Решение для

Телеком
Банки
ТЭК
Ритейл
Цифровые
сервисы

Сценарий использования

Телеком

Проблема:

На Inbound каналах должны корректно подбираться и реализовываться целевые предложения. Эффективность таких предложений должны быть под постоянным мониторингом предотвращая простои, некорректную настройку таргетинга и работу рекомендательных систем.

KPI мониторинга:

Hit Rate и Take Rate в разрезе целевого предложения, региона, канала целевого предложения (Входящие голосовые обращения, Личный кабинет, мобильное приложение, IVR).

Результат:

Более $600 000 удалось сэкономить при постановке мониторинга процесса генерации целевых предложений и мониторинга технических сбоев и логики NBO предложений.

Банк. Data Science

Проблема:

Предиктивное моделирование должно строится на верифицированных данных о клиенте. Качество моделирование часто вызывает вопросы, многие из которых лежат в области построения моделей на ошибочных данных из-за не выявленных проблем на источниках информации.

KPI мониторинга:

Более чем 500 показателей профиля клиента из 12 различных источников, AI системы выработал более а 30 000 независимых моделей валидации данных.

Результат:

На 15% повысилась эффективность отдела моделирования за счет сокращения потерь времени на отладку ошибочно и недостоверно построенных моделей на недостоверных данных.

ТЭК

Проблема:

Требуется наладить автоматизированный мониторинг технологического процесса для своевременного обнаружения отклонений в параметрах процесса и детектирования неконсистентностей (возможного фрода).

KPI мониторинга:

Технологические KPI по потреблению ресурсов (топлива, электроэнергии) на разных технологических стадиях и KPI выхода готовой продукции.

Результат:

Построена модель выявления аномалий производства, позволяющая выявлять в реальном времени непроизводственные потери сырья. Проведена сравнительная аналитика по эффективности оборудования разных брендов.

Сервисы обработки обращений HelpDesc

Проблема:

Нет автоматизированного информирования об аномальные всплесках активностей экстренных служб системы 112 для оперативного привлечения внимания органов исполнительной власти к разрешению возможных проблем.

KPI мониторинга:

Среднее минутное количество обращений граждан в 112 по тематикам, размер очереди обработки событий по тематикам.

Результат:

Построена модель AI мониторинга. Налажен процесс оперативной организации информирования органов власти в моменты всплесков определенных экстренных событий и реакции на существенное изменение очереди событий.

Мониторинг работы WEB приложения

Проблема:

Некорректная работа сервисов веб-приложения с влиянием на выручку, жалобы ряда пользователей на недоступность или медленную работу той или иной функциональности, инциденты от ряда IT-систем о некорректной работе части микросервисов. Поддержка и разработчики игнорируют обычные нотификации о сбоях ввиду их большого количества и невозможности отранжировать по степени важности. Часть сложностей у пользователей остается незамеченной и не сообщается, подрывает предоставление постоянно качественного сервиса.

KPI мониторинга:

Поставлены на AI мониторинг и поиск аномального поведения более 50 метрик системы, включая JMX метрики, логи Java приложения, логи Oraclе приложения, времена отклика всех страниц приложения, размеры очередей (Кафка, MQ).

Результат:

До 30% инцидентов системы стало выявляться и устранятся ДО обнаружения пользователями.

Антифрод в цифровом ритэйле

Проблема:

Недобросовестные провайдеры контента обманом склоняют пользователей подписываться на те или иные платные сервисы.

KPI мониторинга:

Динамика подключений в разбивке по платным сервисам.

Результат:

Сокращено время реакции на блокирование недобросовестных поставщиков контента и соответственно значительно сокращено количество претензионных обращений от пользователей.

DWH / DataLake

Проблема:

Финансовая и операционная отчетность часто содержит ошибки из-за проблем с источниками данных.

KPI мониторинга:

Данные источников, ODS, итоговых агрегатов и представлений.

Результат:

Построен событийный процесс поступления данных в последующие ETL процессы только после верификации системой контроля качества. Покрыто более 50 объектов больших данных и 20 финальных пользовательских витрин. Существенно сократилось количество случаев построения отчетности на неполных/некорректных данных.

Ритейл

Проблема:

Некоторые товары вызывают сложности у покупателей при самообслуживании из-за ошибок в заведении информации о товаре.

KPI мониторинга:

Отмена покупки или среднее время обработки чека и каждой позиции в корреляции с продуктовой корзиной.

Результат:

Сокращение времени обслуживания за счет оперативного выявления ошибок тарификации товаров. Улучшение удовлетворенности клиентов качеством сервиса самообслуживания.

Event Based Marketing

Проблема:

Необычные случаи отклонения логики работы онлайн триггеров в связи с изменениями на источниках данных (либо резкий спад событий относительно нормы или наоборот аномальное увеличение количества событий).

KPI мониторинга:

Частота наступления событий, динамика размера очереди обработки событий.

Результат:

Оперативно стали устранятся инциденты с пропажей продвижения на тех или иных событиях, что привело к увеличению выручки за счет сокращения простоев.

Нефтедобыча

Проблема:

Обводненность месторождений, повышение дебета воды.

KPI мониторинга:

Потоковые данные с датчиков: дебет жидкости, давление в пласте, давление на заборе, показатели потока.

Результат:

Оптимизация нефтедобычи

Ритейл. Программа лояльности

Проблема:

Некорректное начисление бонусов.

KPI мониторинга:

Начисляемые бонусы по клиентам в разбивке по продуктам и условиям.

Результат:

Построена система валидации начисляемых бонусов, предотвращены случае ошибочного начисления лишних бонусов.

У вас есть процессы, требующие контроля?

Сделайте свою историю успеха! Решение алмаз и консультанты наших партнеров всегда добиваются яркого результата!

Задачи

— Требуются постоянно качественные данные в финансовой и оперативной отчетности, промышленных агрегатах и представлениях

— Требуется real-time мониторинг технологических, экономических и операционных KPI в больших потоковых данных

— Требуется своевременная реакция на любые нештатные ситуации до того как они окажут существенное влияние

Решения

Алмаз Мониторинг | Almaz Monitoring

— Непрерывный автономный мониторинг качества отчетности и потоковых данных

— Незамедлительная нотификация в случае обнаружения статистически значимых отклонений (уведомления в мобильном приложении)

— Самообучающаяся на имеющихся данных и подстраивающаяся под действия пользователя система, не требующая экспертных знаний

Выгоды

Надежные данные
Беспристрастный контроль
процессов и незамедлительные
нотификации в чрезвычайных
ситуациях
Рост доходов бизнеса за счет
сокращения времени простоев
Предотвращение принятия
решений на неточных данных
Предсказания
потенциальных сбоев

Презентация

Партнерские программы

Создавая продукт высочайшего качества, в вопросах системной интеграции и внедрений мы особенно ценим наших партнеров.
Мы хотим максимально мотивировать всех, кто вместе с нами будет способствовать развитию процессов использования данных в любых областях цифрового бизнеса и производства.

Гибкий подход и ориентация на качественный результат
Обучение и сертификации
Выстроенные процессы технического и маркетингового сопровождения
Открытая платформа для собственной партнерской разработки и продуктов добавленной стоимости
Выгодные условия сотрудничества
Цены, значимо конкурентные по сравнению с западными аналогами

Нам будет приятно работать вместе! Заполните форму и мы свяжемся с вами!

OOO “Инлексис”

143025, г. Москва, территория инновационного центра «Сколково», ул. Большой бульвар, д. 42, стр. 1, этаж 1

Телефон: +7 (905) 716-54-46
E-mail: clients@inleksys.ru


Костина Анна
Отдел взаимодействия с корпоративными клиентами
+7 (925) 386-86-81
akostina@inleksys.ru

Как добраться к нам

На автомобиле

— По Сколковскому шоссе до парковки Р3 (на 730 мест). Она отмечена цифрой 3 на карте. Далее на внутренней маршрутке до Офисного центра «Технопарк» (цифра 1 на карте).

— По Минскому шоссе до гостевой парковки на территории ДО "Полет" (на 50 мест по предварительной заявке). Она отмечена цифрой 2 на карте. И далее пешком до Офисного центра «Технопарк» (цифра 1 на карте)

В связи с сильной загруженностью Минского шоссе рекомендуем воспользоваться маршрутом по Сколковскому шоссе.