Success Story - rus

Сегментация корпоративных клиентов

Мотивация запуска проекта заказчиком:  для более качественных рекомендаций в построении бизнес-процессов у корпоративных клиентов банка необходимо точно определять тип бизнеса и тип деятельности клиентов. В текущем процессе присутствовали ограничения: по формальным описаниям бизнеса нельзя было точно определить тип деятельности, присутствовало много ошибок.

Описание исходной ситуации: 
  • повышение уровня качества обслуживания юридических лиц банком предполагает расширение спектра предоставляемых услуг;
  • клиентам нужны: анализ конкурирующих и схожих компаний, поиск оптимальных и надежных контрагентов и предоставление общей отчетности по индустрии с распределением по регионам страны;  
  • для предоставления таких услуг нужно точно определять тип деятельности компании по имеющимся внутри банка данным о компании. 
  • текущие решения с невысокой точностью определяют тип деятельности компании; 
  • по этой причине возникали значительные риски при использовании текущих моделей в функционале продуктов. 

Цели проекта: 
  • создание модели определения типа деятельности компании по транзакционной активности внутри банка с высокой достоверностью; 
  • создание цифрового профиля компании на основе информации об активности компании внутри банка.#nbsp

Решение MIL Team:  использование существующих решений команды в области клиентской аналитики и анализа транзакционных данных позволило реализовать систему определения типа деятельности компании на основе связей между различными контрагентами. 

Итоги:
Проведен пилотный проект, интегрирован в бизнес- процесс заказчика:
  • Согласованность цифрового профиля компании с ее ОКВЭД на 70%;
  • Цифровой профиль построен для 80% компаний ММБ (микро и малый бизнес);
  • Предсказание основной продукции компании для 75% компаний;
  • Построена карта взаимодействия компания региона с интерпретацией 60% процессов;
  • Решена задача поиска схожих компаний и конкурентов «Look-a-like» для 70% компаний.

Для построения модели были использованы:
Транзакции корпоративных клиентов банка;
Информация о текстах в платежках;
Данные из ЕГРЮЛ;
История взаимодействия с клиентом банка.

Результаты моделирования:
Модель построения цифрового профиля клиента;
Модель поиска схожих компаний и конкурентов;
Построение отраслевой карты региона.

Заказчик: Финансы, Банкинг

Технологический стек: TopicNet, BigARTM, nltk, gensim, Python.
Natural Language Processing Engineering Division