Großes Potential für den Einsatz von künstlicher Intelligenz bieten komplexe, strukturierte Daten, also systematisch abgelegte Informationen z.B. zu einzelnen Kunden, Produkten, Geschäftsvorgängen oder Produktionsschritten. Die Anwendung von Machine Learning Verfahren auf solche Daten, etwa für Prognosen oder Analyse und Pflege der Daten ermöglicht vielfältige Business Cases.

Unsere Werkzeuge:

• Klassifikation von Datensätzen, z.B. zur Kategorisierung
• Clustering und Segmentbildung
• Anomalieerkennung zum Auffinden von Fehlern
• Analyse hochdimensionaler Daten
• Auffinden ähnlicher Datensätze
• Matching und Fusion von Daten verschiedener Quellen

Weitere Details finden Sie auch in unserem Whitepaper zu Machine Learning im Einzelhandel.

• Effizienzsteigerung bei internen Prozessen, z.B. Stammdatenpflege
• Recommender-Systeme
• Vorhersagen zu Produktion und Verbrauch in Energiemärkten
• Marktanalysen und -segmentierung
• Markt- und Preisprognosen
• Optimierung von Logistik und Transport
• Customer Analytics, z.B. Kundensegmentierung, Targeting oder Churn

Von unseren Teammitgliedern durchgeführte Projekte:

• Automatisierte Produktkategorisierung auf Basis gemischter Datentypen wie Text, kategoriale und numerische Daten
• Selektion von Kunden mit hoher Abschlusswahrscheinlichkeit für Premiumservices anhand des Online-Nutzungsverhaltens
• Entwicklung von Use Cases für die Kundenanalytik einer Bankengruppe, u.a. Profiling, Targeting und Churn Detection
• Optimierung von Sonderangeboten zur Online-Steuerung der Nachfrage bei Serviceleistungen
• Analyse von Abrechnungsdaten zur automatischen Identifikation von Optimierungsmöglichkeiten im Klinikmanagement
• Entwicklung von Use-Cases für den Einsatz von Machine Learning in den Bereichen Sales, Support und Security eines Softwareunternehmens
• Automatische Produktionsplanung und -optimierung in der Stahlindustrie
• Erkennung von Anomalien in Stammdaten von Verkaufsartikeln (Fast Moving Consumer Goods)