АНАЛИЗ ДАННЫХ
Data Science
Data Science - что это и зачем?
Что будет дальше?
Как меньше тратить и больше получать?
Что о нас думают клиенты?
Какого сотрудника на какой участок назначить?
Примеры задач, которые решает Data Science:
1. Логистика и производство:
● Анализ качества: как отличить естественную вариативность качества продукции от сигнала о системной проблеме?
● Составление рейтинга поставщиков с учётом качества, сроков, ассортимента, цен и прочих параметров.
● Оптимизация складских запасов.
● Классификация ассортиментных позиций по важности для компании.
● Проверка гипотез о влиянии небольших изменений на бизнес-результаты, отделение закономерностей от случайностей.

2. Маркетинг, продажи, CRM:

● Какова будет динамика насыщения рынка новым продуктом?
● Кластеризация (группировка) клиентов. Результаты этого анализа можно применять для персонализированных маркетинговых сообщений, для индивидуальных дисконтных программ, для таргетированной рекламы и т.д.
● Изучение разброса предпочтений каждого клиента: например, кто-то всегда покупает один и тот же бренд, а кто-то экспериментирует или безразличен к бренду.
● Анализ связи пола и возраста с предпочтениями клиентов.
● Расчёт пожизненной ценности клиента (Customer Lifetime Value) для решений о разумной стоимости приобретения или о последствиях потери клиента.

3. Финансы:

● Прогнозирование прихода на ближайший месяц в зависимости от прошлых данных, больничных и отпусков, дебиторской задолженности и т.п.
● Подбор оптимального инвестиционного портфеля.

4. Управление персоналом:
● Вычисление вероятности увольнения сотрудника.
● Поиск взаимосвязей эффективности (KPI) работы сотрудников с их зарплатой, лояльностью и прочими показателями.
● Автоматическое присвоение рейтингов кандидатам по их вероятному соответствию вакансии.
Среди инструментов Data Science, которые мы предлагаем, - SAP Analytics Cloud. Подробнее.