Casos de Uso
IoT
PROBLEMA
Una empresa de transporte terrestre, tenia pérdidas significativas en los ingresos recaudados al momento de centralizar las utilidades de cada uno de sus conductores en sus diferentes flotas. Además, no tenía un control óptimo de sus flotas.
SOLUCIÓN
Se generó una solución de gestión y seguimiento para sus unidades. Con esto, la empresa cuenta con un manejo y monitoreo en "tiempo real" donde se puede visualizar en todo momento (GPS, nivel de batería de la unidad, distancia en km, seguimiento de ruta, otros KPI's), adicionalmente con el uso de algunos sensores se obtuvieron datos para registrar los pasajeros que suben y bajan de la unidad, gracias a estos datos se incorporaron técnicas de análisis predictivo para estimar el monto que debe estar reportando cada conductor.
Puntuación
PROBLEMA
Una entidad crediticia se mostró preocupada por el aumento de su cartera vencida, ya que estaban a punto de ampliar su servicio y los préstamos que otorgaban se realizaban bajo la supervisión e investigación a fondo de cada uno de sus clientes, por lo que esto era muy manual y pérdida de tiempo.
SOLUCIÓN
Se generó una solución de scoring que les permitió tener un nivel considerable de aceptación de riesgo para mantener su cartera vencida en un saludable porcentaje y al mismo tiempo brindar un servicio automático, confiable y rápido a sus clientes.
Reducción
PROBLEMA
Una empresa vendía sus productos a nivel general, es decir, sin considerar ubicación geográfica, nivel socioeconómico de la población, elasticidad de la demanda ...
Por tanto, tenía un área de oportunidad en el momento de estas ventas.
SOLUCIÓN
Se generó una solución MarkDown, que genera una propuesta de descuentos por ubicación geográfica de sus tiendas, potenciando así la profundidad de la reducción de los artículos, favoreciendo la lógica de negocio deseada, ya sea dar una mayor velocidad de venta a sus productos o cuidar la Margen de beneficio.
Pronóstico
PROBLEMA
Una empresa manufacturera solicitó su material de acuerdo a la demanda que esperaba tener a lo largo de cada temporada del año, esta estimación de stock se realizó con herramientas con bajo potencial para esta tarea, en consecuencia estas previsiones tenían un amplio margen de error esto incurriendo en problemas de exceso de existencias. o ventas perdidas.
SOLUCIÓN
Se generó una solución de Forecast, que les permite tener una previsión de su stock mucho más precisa y, sobre todo, rápida y automatizada. De esta manera, pudieron reducir los costos que tenían debido a problemas de exceso de existencias y generar ganancias al evitar pérdidas de ventas.
Detección de anomalías
Customer Relationship Management
PROBLEMA
Una tienda minorista contaba con todas las transacciones de compra que sus clientes realizaban día a día (Importe de compra, Fecha, Sku's adquiridos, Forma de pago ...). El problema de esta empresa era el desconocimiento de la explotación de los datos, ya que solo tenían un uso descriptivo.
SOLUCIÓN
Se desarrolló una solución CRM personalizada, es decir, se le dio un valor a cada grupo de clientes según su comportamiento de compra. De esta manera, se generó un modelo de recomendación para promover la venta cruzada, y finalmente, se recopiló información demográfica del cliente con el fin de tener un perfil más claro de cada grupo de clientes y al mismo tiempo determinar la canasta de productos de cada uno de los clientes de estos grupos.
Churn
PROBLEMA
Una empresa de telecomunicaciones tenía un gran problema en la parte de la retención de sus clientes, ya que estaba aumentando considerablemente y al momento de hacer la gestión de retención le otorgaban suficientes beneficios para evitar el abandono del cliente, provocando una importante pérdida económica para el empresa.
SOLUCIÓN
Se desarrolló una solución de Churn que les ayuda a conocer con anticipación la probabilidad de abandono de cada uno de sus clientes, por lo que se enfocan solo en aquellos que realmente están dispuestos a dejar la empresa, reduciendo así el gasto de recursos destinados a esta área. Por otro lado, se identificó el perfil de los clientes con mayor probabilidad de abandono con el fin de crear un producto o campaña de retención más acorde con este tipo de cliente.
Scoring
PROBLEMA
Una entidad crediticia se mostró preocupada por el aumento de su cartera vencida, ya que estaban a punto de ampliar su servicio y los préstamos que otorgaban se realizaban bajo la supervisión e investigación a fondo de cada uno de sus clientes, por lo que esto era muy manual y se invertia demasiado tiempo.
SOLUCIÓN
Se generó una solución de scoring que les permitió tener un nivel considerable de aceptación de riesgo para mantener su cartera vencida en un porcentaje saludable y al mismo tiempo brindar un servicio automático, confiable y rápido a sus clientes.
Retail
PROBLEMA
Una empresa vendía sus productos de rebaja con un porcentaje fijo a nivel general, es decir, sin considerar ubicación geográfica, nivel socioeconómico de la población, elasticidad de la demanda ...
Por lo tanto, tenía un área de oportunidad al momento de realizar la venta de estos productos con rebajas.
SOLUCIÓN
Se generó una solución MarkDown, que genera una propuesta de descuentos por ubicación geográfica de sus tiendas, potenciando así la profundidad del descuento de los artículos, favoreciendo la lógica de negocio deseada, ya sea dar una mayor velocidad de venta a sus productos o cuidar el margen de beneficio.
Forecast
PROBLEMA
Una empresa manufacturera solicitaba su stock de acuerdo a la demanda que esperaba tener a lo largo de cada temporada del año. Esta estimación de stock se realizaba con herramientas con bajo potencial para esta tarea, y en consecuencia estas previsiones tenían un amplio margen de error, incurriendo en problemas de exceso en existencias y/o ventas perdidas.
SOLUCIÓN
Se generó una solución de pronósticos que les permite tener una previsión de su stock mucho más precisa, rápida y automatizada. De esta manera, pudieron reducir los costos que tenían debido a problemas de exceso de existencias y generar ganancias al evitar pérdidas de ventas.
Anomaly Detection
PROBLEMA
Una empresa permitía a sus sucursales realizar una cantidad de transacciones dentro de un plazo determinado con una cierta cantidad de dinero. En caso de que esto no se cumpliera, se lanzaban alertas para revisar las transacciones por no cumplir con las reglas que la empresa había autorizado. Como se generaban muchisimas alertas falsas esto les impedia tener una supervisión precisa.
SOLUCIÓN
Se generó una solución de Detección de Anomalías, con la cual fue posible detectar los casos que no cumplían con la normativa, reduciendo el número de alertas falsas, ya que solo quedaban aquellas que tenían más probabilidades de ser ciertas. Adicionalmente, se generaron alertas para aquellas transacciones que estuvieran muy cerca del incumplimiento de estas reglas.
Geostatistics
PROBLEMA
Una empresa al momento de abrir una tienda asignaba una de sus tiendas existentes como tienda de referencia. Esto para que cuando abriera la nueva tienda, tenga el mismo stock y características, en base a lo cual se esperaba que la nueva tienda tuviera el mismo nivel de ventas como la tienda de referencia. Esto se limitaba al conocimiento comercial de la persona que asignaba la tienda de referencia.
SOLUCIÓN
Se generó una solución de Geoestadística, que mediante atributos meramente externos como nivel socioeconomico, clima, tipo de comercio, tipo de Población, entre otros, entrega una propuesta de recomendación, dando al usuario más opciones de posibles tiendas de referencia para la nueva tienda, estimando que tendrán un comportamiento de ventas similar al de las tiendas recomendadas.
Text Mining
PROBLEMA
Una empresa de atención al cliente quería mejorar la satisfacción de sus clientes, ya que recibía muchas quejas de sus clientes a través de sus diferentes medios de contacto. La gran dificultad es que la forma en que esta empresa estaba mitigando este problema era manual y muy poco confiable.
SOLUCIÓN
Se generó una solución Text Mining, la cual le permite análizar el texto de los comentarios negativos y positivos de sus clientes en sus diferentes canales de contacto, luego se generó un cuadrante para dar un nivel de prioridad e impacto de cada uno de estos, además se generó un indicador para estimar la satisfacción del cliente a traves de modelos de ecuaciones estructurales.