Twój model predykcyjny szyty na miarę, wytrenowany na Twoich danych

Turboself dostarcza szkołom systemy płatności i zarządzania stołówkami. Jego klienci zamawiali produkty, nie wiedząc, ilu uczniów przyjdzie na posiłek - i wyrzucali nadwyżki. Zbudowaliśmy algorytm prognozowania frekwencji wbudowany w oprogramowanie Turboself. Wytrenowaliśmy go na historycznych danych o frekwencji, danych Météo France, obecności nauczycieli i analizie jadłospisów wykonanej przez model językowy. Każda stołówka dopasowuje zamówienia do przewidywanej frekwencji danego dnia, a model douczy się w miarę napływu nowych danych.

Suez codziennie przekazuje samorządom, z którymi współpracuje, wskaźnik sprawności ich sieci wodociągowej. Żeby go policzyć, trzeba znać zużycie na każdym wodomierzu. Część wodomierzy nie ma zdalnego odczytu albo przesyła nieregularne dane, co osłabiało dokładność wskaźnika. Zbudowaliśmy silnik szacujący, który wypełnia te luki: model XGBoost przewiduje zużycie wodomierzy z historią danych, uwzględniając pogodę i lokalne korelacje, metoda statystyczna tworzy profile typowe dla słabo opomiarowanych sieci, a symulacje Monte Carlo łączą wszystko w jeden wskaźnik sprawności z przedziałem ufności.

BNP Paribas i Hello bank oferują klientom portfel akcji i funduszy rynku pieniężnego, zbudowany na podstawie ankiety badającej skłonność do ryzyka. Utrzymujemy i rozwijamy algorytm, który generuje te rekomendacje. Kontrolujemy wprowadzane dane, obliczamy zmienne wejściowe, obsługujemy przypadki błędów i optymalizujemy czasy odpowiedzi, żeby mieściły się w wymaganych progach. Doradca dostaje propozycję zgodną z profilem zadeklarowanym przez klienta, a narzędzia monitorujące sygnalizują odchylenie, zanim dotknie ono klientów.

Klienci Logfret, firmy specjalizującej się w transporcie międzynarodowym, muszą przypisać każdy eksportowany produkt do nomenklatury celnej HS - jednego z 5 000 kodów, od którego zależy stawka celna. Zbudowaliśmy silnik klasyfikacji, który przypisuje ten kod wyłącznie na podstawie nazwy produktu, korzystając ze wszystkich obsłużonych już zgłoszeń. Zespoły dostają natychmiastową propozycję, którą tylko zatwierdzają - dla każdej pozycji zgłoszenia.

Ordiges tworzy Lia - oprogramowanie, w którym urzędy, samorządy i szpitale przygotowują zamówienia publiczne. Trzeba w nim wypełnić dziesiątki pól wymaganych przepisami i wybrać kod z europejskiej nomenklatury, choć bardzo podobne postępowania już istnieją. Zbudowaliśmy oba algorytmy predykcyjne tego oprogramowania: pierwszy odnajduje podobne postępowania i podpowiada treść pól do przejęcia, drugi sugeruje kod nomenklatury odpowiadający przedmiotowi zamówienia. Dane każdego zamawiającego są od siebie odizolowane, a ponownie wykorzystywane dokumenty anonimizujemy, zanim zostaną zaproponowane.