Exempel på kundlösningar inom Data Science

MÅNGA OLIKA TillämpNINGSOMRÅDEN

Möjligheterna med Data Science är många, här ges exempel på olika tillämpningsområden över flera olika funktioner, så som Sälj & Marknad, Ekonomi, Supply Chain & Logisitik, Operations och HR & Personal

Sälj & Marknad

 

prediktera Churn hos större svenskt energibolag

Utmaning
Vissa kunder är mer benägna än andra att byta elleverantör (prisjägare). Kunden binder upp sig till en ny leverantör, vilket gör det till en tuff utmaning att få tillbaka kunden.

Lösning
Prediktera om en kund kommer att säga upp sitt avtal. Prediktionen bygger på faktorer såsom typ av avtal, konsumtionsmönster och andra interaktioner som rör abonnemanget.

Teknik
XGBoost-modell baserat på en snapshot av senaste tidens interaktioner med företaget, typ av avtal, förbrukning, etc.

Affärsnytta
Elleverantören kan nu lägga mer krut på att behålla sin kundstock, snarare än att försöka vinna tillbaka de som har lämnat. Man har också gjort sig mer relevant för kunden genom att vid rätt tidpunkt ge anpassade erbjudanden.

prognos för antal besökare på liseberg

Utmaning
Antalet besökare på Liseberg är starkt beroende av yttre faktorer såsom väder, andra Göteborgsevent, säsong, veckodag, högtidshelger, o.s.v. Men även interna faktorer som vilken artist på stor scen, tema i parken, öppettider, etc.

Lösning
Prediktera antalet besökare per timme 10 dagar framåt baserat på historisk intern data samt externa datakällor (såsom SMHI och last.fm).

Teknik
Facebook Prophet användes för prediktioner på dagsnivå, och ett neuralt nätverk i PyTorch fördelade ut besökarna per timma. Lösningen produktionsattes i en Docker-container på Azure.

affärsnytta
Prognoserna agerar underlag för marknadsföring och personalschemaläggning. Med bättre planering får Lisebergsbesökaren en bättre upplevelse.

korsförsäljning hos en svensk storbank

Utmaning
Vissa kunder köper endast ett fåtal typer av bankens produkter/tjänster​. Utan att känna till kundens preferenser är det svårt att vara relevant i sin marknadsföring.

Lösning
Tvillingsmodell baserad på kunddata, historiska transaktioner och aktiviteter​. Konsumtion av en viss produkt per kund predikterades som ett bör-värde och jämfördes med utfall för att hitta avvikelser.

Teknik
LightGBM prediktioner av köp-potential per kund och tjänst, utvärderat på identifierade kundsegment med outnyttjad potential.

affärsnytta
Riktade kampanjer och erbjudanden mot kunder med hög köp-potential per produkt/tjänst istället för breda kampanjer mot alla för att bli mer relevant för kund​ med ökad merförsäljning som följd. ​

kundkorgsanalys hos stort retailbolag

Utmaning
Kunder förväntar sig att erbjudanden och kampanjer alltid är relevanta. Om man har ett större sortiment blir det snabbt komplext och beräkningstungt att hitta kombinationer av produkter som brukar säljas ihop. Man vill även veta huruvida en produkt driver försäljning av andra produkter.

Lösning
Statistiska beräkningar för att hitta vilka produkter som köps ihop samt olika associationsregler; vilka produkter som driver positiv eller negativ försäljning av andra. Möjlighet att filtrera ut försäljning under önskade perioder.

Teknik
Utvecklat i Python med verktyget Dask för parallellisering av dataprep. För att hitta kombinationer av produkter användes bindings till C++ och algoritmer som Apriori och Fpgrowth.

affärsnytta
Beslutsstöd för att skapa och följa upp kampanjer. Bättre förståelse för försäljningen och komplexa mönster som kan uppkomma och utnyttjas.

prisoptimering

Utmaning
Den största utmaningen för de flesta företag inom retail är att sätta rätt pris på produkterna. Det är ofta svårt att snabbt och med precision följa och analysera hur prisförändingar påverkar volymer och omsättning.

Lösning
En Dashboard enkel att använda som gör det möjligt för kategorichefer att göra What-if-analyser för att förstå hur mycket mer eller mindre de kommer att sälja beroende på vilket pris man sätter på produkten. 

Teknik
En koppling till datalagret för att kunna läsa och analysera kvittorader. Priselasticitets-beräkningar görs i Python. Dashboarden levereras i Tableau, Power BI eller i vilket annat BI-verktyg som helst.

affärsnytta
Företaget har nu möjlighet att göra What-if-analyser innan de sätter priset. Prognosen för en produkt fördelas över säsongen. Företaget får även möjlighet att snabbt följa upp och analysera effekterna av de prisförändingar man genomför. Lösningen kan också användas för att prissätta utförsäljningar.

PRISOPTIMERING

optimering av sms-utskick

Utmaning
Massutskick av reklam över sms är ett enkelt sätt att marknadsföra sina produkter mot sina kunder. Kostnaderna är dock stora och en stor del av alla sms skickas till kunder som inte påverkas av reklamen.

Lösning
En machine learning-modell som lär sig vilka kunder som man inte bör skicka reklam till. Genom att endast skicka till 90 % av kunderna kan 98-99 % av intäkterna behållas.

Teknik
En XGBoost-modell utvecklad i Python, tränad på snapshots av kundernas historiska köpbeteende samt resultat från tidigare reklamutskick.

affärsnytta
Besparing av stora kostnader för utskick av sms till de kunder som ändå inte hade påverkats av reklamutskicken.

Ekonomi

 

avvikelser i rapporteringsdata

Utmaning
Stora internationella företag ägnar mycket tid åt att manuellt kontrollera finansiella rapporter innan de konsolideras​. Processen är tidskrävande och slitsam för ekonomifunktionen.

Lösning
En maskininlärningsmodell kan tränas för att identifiera avvikande värden och flagga dem för kontroll​.

Teknik
Tidsserieprognoser med olika modeller; LSTM, recurrent neural networks, Facebook Prophet och convolutional neural networks. Därefter jämfördes prognoser mot faktiskt utfall för att identifiera anomalier.

affärsnytta
Genom att flagga för anomalier i stora mängder data kunde man spara in mycket tid för att leta efter avvikande värden. Dessutom blev missade avvikelser färre.

prediktera kreditförluster hos retailföretag

Utmaning
Företaget upplevde en drastisk ökning av kreditförluster sedan deras kreditmodell ändrades​. Kreditverksamheten är av strategisk betydelse för att driva både försäljning och finansiella intäkter.

Lösning
Förutsäga sannolikheten för att en beställning leder till kreditförlust för företaget. Använd förutsägelsen för att bevilja eller avslå kreditansökningar i realtid.

Teknik
Klassificering av kundbeteenden och köpmönster med hjälp av gradient boosted decision trees (XGBoost).

affärsnytta
Minskade kreditförluster med bibehållen hög försäljning och finansiella intäkter.

SUPPLY CHAIN & LOGISTIK

prediktion av INKOMMANDE SKROT HOS STÖRRE ÅTERVINNINGSBOLAG

Utmaning
Flöden av inkommande skrotmängd fluktuerar baserat på väder, årstid, veckodag m.m. Det här återvinningsbolaget har svårt att optimera värdekedjan utan att veta hur stor den inkommande skrotmängden är.

Lösning
Prognostisera inkommande skrotmängd baserat på externa omständigheter och historisk data.

Teknik
Prognoser med Facebook Prophet gjorda per filial och skrottyp.

affärsnytta
Möjlighet att proaktivt optimera produktion, transporter och personalplanering.

demand forecasting hos bufab

Utmaning
Bufabs kunder gör ofta få, oregelbundna och stora köp​, och förväntar sig en snabb leverans (1-3 veckor). Samtidigt har man lång ledtid från leverantör (6 månader)​. Utmaningen är att binda så lite kapital i lager som möjligt, samtidigt som man tillgodoser kundernas efterfrågan.

Lösning
Modell som prognostiserar behov (antal skruv) per kund och artikel.

Teknik
Ensemble av olika tidsserie-prognoser och Time-To-Event modeller.

affärsnytta
Förbättrad och säkrad kundrelation då man inte längre behöver be om kundens prognos​. Minimerad bindning av kapital i lager​, samtidigt som man blir mer relevant för kunden och klättrar i värdekedjan​.

operations

predictive maintenance hos volvo

Utmaning
Kunden måste betala böter om lastbilen går sönder under ett uppdrag då de inte kan leverera vad som är överenskommet. Dessa oväntade stopp skadar Volvos varumärke och skapar ett dåligt rykte för deras produkter.

Lösning
Prediktera när en viss komponent kommer att gå sönder och byt ut den proaktivt.

Teknik
Olika typer av supervised learning modeller baserat på sensordata och tidigare underhåll. Utvecklat i Python och IBM SPSS.

affärsnytta
Att erbjuda en tjänst för prediktivt underhåll skapar en affärsfördel i förhållande till konkurrenterna genom att garantera att lastbilen fungerar korrekt under en viss tidsperiod. Detta är också ett steg närmare visionen om att ha en prenumerationsbaserad affärsmodell istället för att betala i förväg.

prediktera defekta coils hos outokumpu

Utmaning
Outokumpu har ett valsverk där en viss andel av produktionen blir defekt (teleskoperande). Defekterna innebär en stor kostnad då hela coilrullen måste ombehandlas. Genom att förstå under vilka förhållanden coilrullarna riskerar att bli defekta, kan stora kostnader insparas.

Lösning
Analys av sensordata för att prediktera om en särskild del av coilen riskerar att bli defekt.

Teknik
BI-directional LSTM med attention, implementerat i PyTorch.

affärsnytta
Effektivare råvaruanvändning och insparade kostnader för hanteringen av defekta coilrullar.

prediktera pappersdefekter hos billerudkorsnäs

Utmaning
BillerudKorsnäs tillverkar papper på stora jumborullar. Många faktorer påverkar kvaliteten på rullen och defekta rullar är dyra att korrigera. BillerudKorsnäs hade tillgång till stora mängder sensordata och ville använda denna data för att prediktera jumborullarnas kvalitet.

Lösning
Prediktera (klassificering) om en rulle kommer att bli defekt eller inte​ och identifiera vilka faktorer som driver beslutet.

Teknik
Gradient Boosted Decision Trees (XGBoost) för klassificering av transformerad sensordata. Utvecklat i Azure Databricks.

affärsnytta
Med en bättre förståelse för vilka faktorer som påverkar pappersrullarnas kvalitet kunde man jobba mer proaktivt under produktionen och minimera svinn.

prediktion av återinläggning hos större svensk region

Utmaning
I denna region är psykiatrivården under tung belastning​. Flera läkare behöver komma överens om prioritering mellan patienter​. Brutna vårdkedjor (patienterna skrivs ut för tidigt och får återfall) leder till sämre kvalitét, längre vårdtid och högre kostnader​. Stora mängder text i journaler gör det svårt att skapa sig en överblick och insikt i längre vårdtillfällen och vårdkedjor.

Lösning
Prediktera sannolikhet att en patient kommer att återkomma för mer vård inom en snar framtid baserat på bland annat fritext i journaler.

Teknik
Skapa matematisk representation av journaltexter med Doc2Vec-modeler. Sedan Gradient Boosted Decision Trees (XGBoost) för klassificering.

affärsnytta
Läkarna på psykiatrin kan använda prediktionsresultatet som en second opinion på prioritering mellan patienter.

HR & Personal

optimera skiftschemaläggning

Utmaning
24/7-verksamheter och andra personalintensiva verksamheter har ett stort behov av att lägga tillförlitliga och resurseffektiva skiftscheman. Med verktyg som Excel blir processen tidskrävande och risken är stor för misstag och suboptimalitet.

Lösning
Med beslutsoptimering kan processen effektiviseras. Tillsammans med maskininlärning kan efterfrågan först prognostiseras och schemat optimeras automatiskt därefter.

Teknik
Utvecklat i Python mot optimeringsmotorer som CPLEX.

affärsnytta
En automatiserad schemaläggningsprocess kan spara otaliga timmar av administrativ tid. Ett optimalt schema säkerställer dessutom en effektiv resursanvändning.

textanalys av medarbetarenkäter hos större svensk region

Utmaning
Denna region får in tusentals enkäter från sina medarbetare varje år. Tidskrävande och partiskt om fritextsvar ska analyseras manuellt. Ofta läses bara små urval av texter för att försöka bilda sig en helhetsuppfattning.

Lösning
Textanalys av alla fritextsvar för att hitta de viktigaste återkommande ämnena (grupper av ord) och presentera dessa i ett interaktivt visuellt gränssnitt.

Teknik
Topic modelling med Latent Dirichlet Allocation (LDA) utveckalt i Python. Visualiserat i flera olika BI verktyg samt som fristående HTML.

affärsnytta
Opartisk sammanfattning av texter​. Stora tidsbesparingar. Möjlighet att identifiera och agera på insikter som annars drunknar i stora textmassor.

BI- & Data Science Day - i år digitalt och helt kostnadsfritt!

Mer info & anmälan