Rendiamo facili cose difficili modellando i dati
La raccolta intelligente dei dati e la loro modellazione attraverso algoritmi di Intelligenza Artificiale consente alle aziende di risolvere problemi di business o aprire nuove opportunità. Ecco alcuni lavori da noi realizzati che possono ispirarti.
AI per manutenzione predittiva
Settore: Food
Esigenza: Ridurre i tempi di inattività del sistema produttivo
Attività: partendo dalla rete di sensori esistente, con la possibilità di introdurne di nuovi (temperatura, accelerometro / vibrazioni, pinza amperometrica, telecamere) in determinate aree di interesse, abbiamo creato un’infrastruttura unitaria (datalake, data pipeline) in grado di stoccare i dati in quasi-real-time.
Successivamente, facendo leva sui dati raccolti, sono stati allenati diversi algoritmi di Machine Learning in grado di monitorare i KPI di interesse e riconoscere eventuali anomalie.
Infine è stata creata una dashboard web capace di descrivere lo stato dell’intera filiera ed evidenziare eventuali anomalie e criticità.
Output: tramite l’implementazione di diverse soluzioni, in grado di controllare a 360° i sensori dell’intera filiera produttiva, siamo intervenuti nel monitoraggio di tutti gli apparecchi rotanti (motori, pompe, estrusori, nastri di trasporti, etc.), fornendo al cliente una dashboard di facile consultazione.
Sia nel settore Food che plastico, abbiamo oggi una forte esperienza nel monitoraggio a scopo di predictive-maintenance delle macchine coinvolte nell’intero processo produttivo.
Risultati:
In soli 6 mesi siamo partiti dalla raccolta dei requisiti per poi completare lo studio di modellizzazione dati portando in produzione una soluzione basata su AI che ha permesso di fare la differenza. A distanza di un anno dalla messa in produzione i risultati riscontrati sono molto concreti:
- 3 milioni di Euro risparmiati grazie ad “early-warning” su anomalie e danneggiamento del materiale
- 30% di riduzione del costo di manutenzione
- 25% di aumento della produzione
- 25% di riduzione del downtime
Approfondisci leggendo anche questo articolo.
AI predittiva per Riduzione Churn
Settore: Banking
Esigenza:
intercettare predittivamente clienti a rischio abbandono per poter effettuare attività personalizzate di marketing.
Attività: attraverso un modello di Machine Learning analizziamo il percorso di interazione del cliente con l’azienda. Calcolo di un indice di rischio relativo all’abbandono (churn rate) di ogni cliente relativo ad ogni specifico servizio.
In dettaglio, per ogni cliente periodicamente viene calcolato il suo churn score basandosi su tutti i dati a disposizione che permettono di ricostruire il suo comportamento con l’azienda (tracciamento web, CRM, email, transazioni) definendo così dei cluster di utenti per classe di rischio (High Risk, Average e Power User).
Output:
- Creazione un indice di rischio per ciascun cliente
- Creazione di cluster di utenti ad alto rischio di churn
Risultati:
– 14,7% Churn Rate dopo soli 2,5 mesi di attività
AI predittiva per Segmentazione Clientela
Settore: Gambling/Betting
Esigenza 1:
Aumentare il numero di utenti che portano a termine il primo deposito di denaro (i “prospect”)
Esigenza 2:
Intercettare gli utenti di qualità. Per “quality user” si intende un utente che nel corso del tempo continua a depositare e utilizzare risorse economiche in giochi.
Attività 1:
– Gestione dei flussi di dati (Web Analytics, adv, CRM) provenienti da team differenti che operano con silos separati (Data Lake)
– Creazione di un “Path to Registration” che identifica tutti i touchpoint dell’utente, dall’arrivo al sito fino alla registrazione.
Attività 2:
– Segmentazione dell’utenza sfruttando algoritmi di clustering che lavorano su metriche quali frequenza di gioco, volume di depositi, interessi specifici , orari di navigazione. L’algoritmo utilizza anche gli insight del path to conversion per accrescere il quality score costruito sul clustering.
Output:
– Sviluppo di un indice della qualità degli utenti (similarity index)
– Personalizzazione dell’offerta in base ai segmenti individuati
Risultati
+18,7% Conversion Rate
L’identificazione e visualizzazione del cluster “quality user” ha favorito un aumento del tasso di conversione dalla registrazione al nuovo deposito.
AI predittiva per Segmentazione Clientela
Settore: Travel
Esigenza:
Ottenere il massimo dai dati proprietari interni (first-party data) al fine di acquisire nuovi clienti e fidelizzare gli esistenti.
Attività:
– Integrazione in un unico ambiente dei dati di navigazione online, del CRM, dell’email marketing e delle altre fonti di traffico.
– Utilizzo di algoritmi predittivi proprietari per segmentare i clienti Business di ItaloTreno per «LifeTime Value» (Re-engage client, High potential, Frequent Client, Top Client)
– Utilizzo di algoritmi predittivi proprietari per associare una probabilità di riacquisto ad ogni utente
Output:
Creazione di segmenti di clientela più profittevoli ai quali indirizzare sia le attività di email marketing sia gli investimenti di advertising (es. remarketing).
Risultati
+20% di conversion rate dalle attività di remarketing, diminuendo l’investimento del 15%.
+3% di conversion rate dalle attività di prospecting,
Approfondisci leggendo anche questo articolo.
AI predittiva per forecast di vendita
Settore: Media & Telecommunication
Esigenza:
Prevedere i volumi di vendita relativi al lancio di un nuovo prodotto del settore TelCo al fine di valutarne l’impatto sui ricavi totali.
Attività:
Creazione un modello predittivo basato su reti neurali in grado di stimare in modo accurato i volumi di vendita del nuovo prodotto sia in fase pre (*) che post lancio.
Risultati
+15% affidabilità della predizione
(*) Modello allenato con uno storico di circa 2 anni relativo alla vendita di prodotti simili ed arricchito con un dataset comprendente dei quantificatori della pressione pubblicitaria (budget speso e programmato per advertising diversificato per canali, GRPs televisivi o equivalenti), di specifiche promozioni e con il prezzo medio di prodotti equivalenti disponibili nel mercato.
Forecasting scoring creditizio
Settore: Risk e Credit Management
Esigenza:
Migliorare i modelli attraverso cui viene misurato il rischio default di aziende non quotate.
Attività:
Applicare algoritmi di Machine-Learning all’analisi di dati finanziari provenienti dalle Camere di Commercio per prevedere il default.
Creare uno score d’identità digitale di ogni singola company (presenza, attività e reputation online) arricchendo i dataset disponibili.
Integrare il segnale finanziario con l’informazione digitale per raffinare la predizione del rischio default rispetto a metodi tradizionali.
Risultati
+13% di affidabilità della predizione (da 80% a 93%) applicando il nuovo modello di scoring ad un campione di 135.000 PMI che sfrutta oltre 1.400 variabili.
Approfondisci leggendo anche qui.
Predizione New Business
Settore: Banking
Esigenza:
Incrementare l’apertura di nuovi conti correnti.
Attività:
- Analizzare tutti i touchpoint dell’utente, dall’arrivo al sito fino alla apertura del conto.
- Individuare quali sono le sezioni e categorie del sito che gli utenti visitano più spesso prima di aprire il conto (Path to Conversion) – es. sezione FAQ.
- Identificare i pattern di comportamento con la più alta probabilità di conversione (Modelli di Clustering, Behaviour Prediction e Interest Graph).
Risultati
+34% di apertura Nuovi Conti
Predizione su lanci di prodotto in punti vendita fisici
Settore: Food & Beverage
Esigenza:
Prevedere la potenzialità e/o efficacia di punti vendita fisici cross-country individuando bacini di shopper potenziali.
Attività:
- Caratterizzare la reale utenza di uno o più punti vendita all’interno di mercati specifici combinando informazioni legate a dati socio-economici territoriali, caratteristiche delle catene di distribuzione, segnali digitali alternativi.
- Creazione di uno score di allineamento dei punti vendita rispetto ai punti vendita target.
- Indicazione e valutazione del lancio nuovo prodotto in specifici punti vendita sul mercato americano e cinese.
Risultati
+32%
Revenue vs Forecast
Lead Generation B2B
Settore: Energia
Esigenza:
Incrementare il database di nuove aziende in target
Attività:
Utilizzando algoritmi supervisionati di computer vision e machine learning, abbiamo realizzato un modello capace di analizzare immagini Google Maps per identificare edifici aventi tetti con caratteristiche e superfici idonee all’installazione di impianti fotovoltaici. L’analisi è stata eseguita su aree geografiche di interesse segnalate dal cliente.
Successivamente sono state estratte tutte le informazioni disponibili dal quadrante Google My Business per identificare le aziende ed estrarre le informazione disponibili.
Risultati
Condivisione di un database aziende con anagrafica e priorità di contatto commerciale (indirizzo + contatti, geolocalizzazione, foto dell’immobile e stima superficie del tetto, score di propensione verso i prodotti).
Il cliente h
a poi realizzato attività di marketing e sales personalizzate in base al DB aziende ottenuto con le informazioni raccolte.
Lead Generation B2B
Settore: Energia
Esigenza:
Lead Generation tramite AI e campagne mirate di advertising
Attività:
Raccolta e processazione di immagini satellitari (Google Maps e Open Street Maps) di una specifica regione costiera italiana (2 km dal mare) grazie alle più avanzate tecniche di AI e Computer Vision per identificare tetti con superficie superiore ai 350 m2.
Costruzione dei micro-target in modo capillare grazie alle evidenze emerse nel punto precedente e altre fonti dati esterne (es. job title LinkedIn).
Piani
ficazione e lancio delle campagne di advertising nelle aree specifiche di interesse (Google search, Google Display, YouTube e Facebook). Per ciascun lead viene attribuito un score di propensione alla conversione.
Digitalizzazione processo di onboarding
Settore: Banking
Esigenza:
Digitalizzazione processo di onboarding clientela nella vendita di prodotti finanziari
Attività:
Percor
so di digitalizzazione e automatizzazione dell’onboarding di clienti su prodotti finanziari attraverso il riconoscimento dell’identità del cliente e dei documenti necessari alla richiesta. L’ambizione è quella di permettere ai clienti di acquistare prodotti finanziari evoluti senza la necessità di un mediatore come agenti o personale allo sportello
Validazione automatica di contratti telefonici
Settore: Banking
Esigenza:
Ascoltare le telefonate per identificare la conformità contrattuale
Attività:
Soluzione A.I. capace di ascoltare le telefonate per identificare la conformità contrattuale. La soluzione lavora sia in tempo reale per fornire feedback all’operatore, che in modalità batch per analizzare le telefonate appena concluse o lo storico.
Questa soluzione permette di raggiungere altissimi livelli di accuratezza riducendo notevolmente il carico di lavoro sui dipendenti.
Analisi immagini medicali in campo oncologico
Settore: Healthcare
Esigenza:
Studiare l’origine delle malattie oncologiche a livello cellulare
Attività:
Grazie ad un finanziamento H2020, in collaborazione con diverse eccellenze europee, stiamo lavorando ad un progetto ambizioso che punta a studiare l’origine delle malattie oncologiche a livello cellulare. In particolare, utilizzando una tecnica di microscopia laser chiamata RAMAN diventa possibile osservare l’evoluzione delle malattie a livello cellulare. Il nostro contributo è nella raccolta ed analisi delle immagini.
Soluzione di awareness sulla sicurezza informatica
Settore: Cybersecurity
Esigenza:
Soluzione di consapevolezza sulla sicurezza informatica (Cyber security awareness)
Attività:
Grazie ad un finanziamento H2020, in collaborazione con diverse eccellenze europee, abbiamo realizzato una soluzione di awareness sulla sicurezza informatica. Il progetto è raccontato in dettagli su https://cs-aware.eu
Andando a mappare gli apparati di rete e gli applicativi installati diventa possibile monitorare le vulnerabilità informatiche analizzando tramite machine learning ed incrociando i dati raccolti con segnalazioni pubblicate dalle agenzie competenti.
Realizzazione di un datalake aziendale
Settore: Banking
Esigenza:
Realizzazione di un datalake aziendale dove far confluire ed analizzare tutte le fonti dati interne ed esterne
Attività:
L’allestimento di un datalake contenente tutto il patrimonio informativo aziendale offre grandi opportunità sia per la condivisione che per esplorazione ed analisi dati e rappresenta l’infrastruttura fondamentale dell’intelligence di un’azienda evoluta.
All’interno del datalake vengono raccolti e gestiti i dati interni dell’azienda (provenienti da tutte le funzioni: Marketing, Sales, Legal, Ops, filiali, …) ed esterni (tipicamente non strutturati) e resi disponibili per analisi avanzate con tecniche di machine learning e per sistemi di data visualization funzionali ai differenti scopi aziendali
Analisi esposizione al rischio sostenibilità dei titoli in portafoglio
Settore: Risk e credit management
Esigenza:
Analisi esposizione al rischio sostenibilità dei titoli in portafoglio degli istituti bancari
Attività:
Raccolta dati e analisi attraverso soluzioni di Intelligenza Artificiale dell’esposizione alle tematiche e ai rischi associati alla sostenibilità aziendale dei titoli in portafoglio dell’istituto.
Strategie d’investimento basate su dati tradizionali e alternativi
Settore: Banking
Esigenza:
Costruzione di strategie d’investimento basate su integrazione di dati tradizionali e alternativi
Attività:
Integrazione di dati tradizionali finanziari e dati alternativi per la costruzione di portafogli d’investimento a valore aggiunto. Costruzione di modelli di machine Learning per l’efficientamento delle strategie
