ОРГКОМИТЕТ:
Gridfore
Проект ориентируется на телекомы и розничные финансовые организации, в том числе для предоставления сервисного концепта для виртуальных операторов связи.
Сферы деятельности клиентов компании: Банки, Страховые компании, Брокерские компании, Небанковские кредитные организации, Госструктуры.
Решения компании применимы в структурных подразделениях: Стратегическое управление, Управление финансами и рисками, Операционно-учетная деятельность, Обслуживание физических лиц, Обслуживание МСБ, Развитие банковских услуг, Небанковские продукты и услуги, Маркетинг, PR, реклама, ИТ, автоматизация.
Презентация Решений
Решения компании
Электронный и мобильный банкинг, системы ДБО
Интеграция информационных сервисов для систем ДБО на базе real-time in-memory аналитической платформы, качественное снижение нагрузки на бэк-офисные системы, существенное повышение пиковой производительности систем ДБО.
Обслуживание физических лиц, розничный бизнес
Различные кейсы проактивного маркетинга на базе real-time in-memory аналитической платформы. Таржетированные предложения на основе текущих действий клиента. Сбор активного профиля клиента на основе данных сотен внешних и внутренних источников для принятия решений в реальном времени, множественная сегментация, реактивный контроль фактов попадания и выхода клиента из сегмента.
Системы самообслуживания, банкоматы, платежные терминалы
Горячий анализ логов оборудования, выделение важных аналитических признаков в процессе обработки данных, формирование отчётов и дэшбордов по качеству работы коммерческого оборудования, прогнозирование в реальном времени системных сбоев и нарушений SLA. Построение активных трендов снижения денежного потока с детализацией до конкретных сервисов, оборудования и операторов, вызвавших нарушение.
Управление финансами и рисками, бизнес-аналитика, BI-системы
Проект Gridfore предназначен для развития CM и BI сервисов, а так же предоставления бизнесу конструктора бизнес-сервисов (продуктовых фабрик с низким TTM и высокой надёжностью), со встроенными средствами управления рисками импакта и регресса. Архитектурная концепция Gridfore строится на конвергентном OLAP/OLTP решении на базе in-memory технологий (in-memory data grid) и Hadoop stack. Решение является гибридом активного хранилища данных и высокопроизводительного вычислительного компонента для пакетной, потоковой обработки данных и реализации вычислительных сервисов реального времени.
Управление бизнес-процессами, BPM, RPA
Проактивный мониторинг бизнес-процессов, сбор и анализ данных с тысяч источников в реальном времени, средства контроля трендов (негативных изменений денежного потока), предсказание выхода из строя сервисов, нарушения SLA.
Управление маркетингом и продажами, CRM-системы
Формирование бизнес-событий по горячей смене сегмента (динамическая сегментация) в процессе real-time интеграции данных транзакционной активности клиентов из систем карточного процессинга, интернет-банка, розничной АБС.
Управление просроченной задолженностью. Collection
Формирование бизнес-событий о текущих операциях клиентов по внесению и снятию средств; поддержка real-time витрин о текущих остатках и достаточности средств для погашения задолженности; интеграция с CRM, системами автообзвона и планирования контактов для оптимизации процессов Debt Collection.
Контактные и Call-центры
Интеграция с call-центром с автоматизацией перевода клиента на специалиста и подготовкой активных предложений в процессе соединения оператором. Таргетирование звонка в реальном времени, в зависимости от конкретных действий звонящего клиента, которые были зарегистрированы в бэк-офисных системах.
Интеграционные решения
Интеграция в реальном времени тысяч внутренних и внешних источников, формирование активного BigData data lake с латентностью near real-time, комплексный анализ данных непосредственно в потоках их загрузки, формирование бизнес-событий по паттернам загружаемых фактов (маркетинг, риски), построение горячих витрин для dashboard и систем принятия решений в реальном времени.
Управление ресурсами, ERP, АХД, закупки
Горячий контроль качества данных - например, контроль проводок, на основе корреспонденции либо сложных математических моделей (интеграция в реальном времени с АБС и ERP системами).
Мобильные приложения и технологии, mobility
Ранняя идентификация клиентов путём взаимодействия с мобильными устройствами. Централизация информационных и аналитических сервисов в корпоративном вычислительном облаке банка.
Продвинутые технологии идентификации, биометрия, ЕБС
Ранняя идентификация клиентов в офисах банка, с применением программно-аппаратных решений.
Облачные технологии
Инструменты для реализации облачных вычислений, скорингов и аналитических сервисов. Горячий доступ к миллионам предрасчитанных (обученных) математических моделей, для расчётов кейсов прогнозирования спроса и динамического ценообразования.
Открытые API
Архитектурная концепция нашего решения строится на конвергентном OLAP/OLTP решении на базе открытых in-memory технологий (in-memory data grid) и Hadoop stack. Решение является гибридом активного хранилища данных и высокопроизводительного вычислительного компонента для пакетной, потоковой обработки данных и реализации вычислительных сервисов реального времени.
Big Data и Data Science
Мы работаем с большими данными в реальном времени. Решение интегрируется с рабочим инструментарием data scientist, позволяет выгружать код Python и компилировать модель в PMML формат для дальнейшей поставки в вычислительный кластер в качестве скорингового сервиса.
Искусственный интеллект и машинное обучение
Частью нашего решения является возможность быстро выводить в продуктив обученные модели, компилируя их в PMML пайплайны. Модель компилируется в облачный сервис, который может использоваться в качестве скоринга при обогащении данных ETL машиной либо в качестве инструмента принятия решения при процессинге событий для Campaign. В настоящее время поддерживается Spark с моделями, реализованными на Python 3.
Интернет вещей (IoT), M2M
Real-time интеграция телеметрии с десятков тысяч источников, комплексный анализ данных в процессе их загрузки, в т.ч. выделение сложных аналитических признаков из полнотекстовых логов, контроль трендов, предсказание сбоев и выхода из строя оборудования с помощью математических моделей.
Спонсоры:
Партнёры:
