Data Science / Big Data
Unser
Grundsatz
Jeden Tag entstehen immer größere und unüberschaubare Datenmengen. Sie helfen dabei, Kunden, Märkte und Produkte besser zu verstehen und individueller zu gestalten. Mit modernen Data Science / Big Data Methoden ermöglichen wir es, das Potential Ihrer Daten zu heben. Immer im Fokus: Ihre Wertschöpfung
Ihr Nutzen
Wertschöpfung mit Data Science / Big Data: Wir entwickeln mit Ihnen Strategien für eine datengetriebene Wertschöpfung und begleiten Sie in allen Phasen der Umsetzung. Dabei verfolgen wir bei unseren Projekten stets unseren Ansatz.
- Bessere Entscheidungsgrundlagen: Wichtige Abhängigkeiten & Zusammenhänge frühzeitig erkennen.
- Bessere Risikokalkulation: Eintrittswahrscheinlichkeiten sowie Relevanz von Risiken besser bewerten.
- Marktlücken aufspüren - Marktpotenziale ausschöpfen: Nutzung von Daten unterschiedlicher Weltregionen bzw. Absatzmärkten.
- Dynamische Preisgestaltung im E-Commerce: Preise in Echtzeit an die aktuelle Markt- und Wettbewerbssituation anpassen.
- Höhere Profitabilität: Kosten mittels präziserer Absatz- und Bedarfsplanung senken.
- Kundenverhalten prognostizieren - Marketingkampagnen ermöglichen: Kundenwert und Verhaltensmuster analysieren.
Big Data Architektur
für einen internationalen Versicherungskonzern
Fraud Detection
für Telematik-DienstleisterKreditrisiken-Reporting
für eine europäische Bank
Aufbau
- Aufbau eines neuen Datawarehouses für das Berichtswesen über Kreditrisiken nach Maßgabe „Risk Data Aggregation" (BCBS239 des Basel Committees)
- Aufbau von Big Data IT-Infrastrukturen (Hadoop, Cloudera Stack, Data Lake) sowie Integration Big Data in das Berichtswesen über Kreditrisiken "AnaCredit".
- Konsolidierung der Berichtsstrukturen zu Kreditrisiken über Deutschland und der internationalen Gruppe.
- Zukunftsfähigkeit durch Implementierung einer modernen BI / Big Data Architektur
- Sicherstellung der Berichtsfähigkeit gegenüber BaFin und EZB
- Vermeidung der Verpflichtung zu erhöhten Kapitalrückstellungen
Big Data Architektur
für einen internationalen Versicherungskonzern
Aufbau
- Aufnahme, Konsolidierung und Priorisierung von Reporting-, Analyseanforderungen und Nutzungsszenarien
- Aufbau einer Big Data Architektur auf Basis Hadoop Distributionen Cloudera für weitreichende Vertragsanalysen
- Hohe Performance auch bei komplexen ad-hoc Analysen
- Hochskalierbarkeit für Drittkundengeschäft
- Zukunftsfähigkeit durch Implementierung einer modernen Big Data Architektur
- Hochperformante komplexe ad-hoc Analysen
Fraud Detection
für Telematik-Dienstleister
Aufbau
- Design und Implementierung eines Fraud Management Prozesses
- Konzeption eines Fraud Detection Systems
- Umsetzung von Fraud Detection unter Verwendung von Data Science und Künstlicher Intelligenz. In diesem Fall: Neuronales Netzwerk auf Basis LSTM
- Hocheffektives Warnsystem
- Kostenersparnis durch Prozess- und Produktanpassungen auf Basis der Analysen von Verhaltensmustern / Fraud Potentialen
- Hochperformante komplexe ad-hoc Analysen bei Auffälligkeiten
Data Science Technologien
