15:38 20.03.2018 |
4516 просмотров
«Росбанк» начал применять технологию location intelligence геоинформационной системы «Атлас» для управления сетью отделений. Продукт разработан аналитической компанией Marketing Logic.
Технология location intelligence агрегирует данные обо всех отделениях и подразделениях банка, оценивает потенциал и нагрузку, рассчитывает эффективность потенциальных офисов, исходя из данных об активности клиентов, банков-конкурентов, численности населения, трафика на улицах города и другой статистической информации.
Чтобы повысить точность «тепловой» карты, прогнозная модель location intelligence объединяет два подхода: машинное обучение и экспертные правила выбора хороших локаций, что позволяет объединить накопленные исторические данные и опыт сотрудников банка.
В результате, банк имеет «тепловую» карту по каждому городу присутствия с оценкой потенциала размещения отделения на уровне шаговой доступности.
Как отметил начальник управления развития и эффективности розничной сети «Росбанка» Владимир Коробов, с помощью Marketing Logic решаются задачи по открытию и перемещению отделений банка. С помощью геоданных и прогнозных моделей удается точнее и быстрее принимать решения, минимизировать ошибки, планировать свои действия с учетом потенциала локации каждой точки продаж.
Теги: Автоматизация предприятий
Искусственный интеллект
Геолокационные сервисы
Машинное обучение
Атлас
«Росбанк» применил искусственный интеллект для управления своими отделениями
На ту же тему:
«Роскосмос»: «Цифровая Земля» — объективные данные о земле и ресурсах
Андрей Абросимов, заместитель генерального директора «Терра Тех» по науке, и Алексей Беленов, заместитель генерального директора «Терра Тех» по производству, — о проекте «Цифровая Земля», ставшем фабрикой для обработки и анализа космических снимков с использованием искусственного интеллекта.
«Цельс»: от неразмеченной выборки к дата-сету мечты
Номинант на премию Data Award 2022 Евгений Никитин, начальник департамента ML-разработки компании «Цельс», — о том, как формировался конвейер, позволяющий учить модели только на «уверенных» медицинских данных.
Россельхозбанк оптимизировал поддержку пользователей с помощью ИИ
В систему технической поддержки пользователей Россельхозбанка внедрен лингвистический модуль Preferentum.Class. Автоматическая классификация обращений пользователей в Service Desk позволила обеспечить высокий уровень сервиса без увеличения числа сотрудников поддержки при переходе на новое корпоративное ПО.