CTI Data Lab_
Identificou oportunidades? Gostaria de testar, sem investimentos em pessoas e tecnologia?
- Plataformas estatísticas – Embora o Big Data tenha virado um hype organizacional, a maioria dos problemas organizacionais ainda conta com dados estruturados de pouco ou médio volume. Neste contexto a aplicação efetiva de conceitos estatísticos é fundamental. Para abordar estes problemas contamos com R, Python e a plataforma IBM SPSS em um conjunto consistente e interconectado de funcionalidades estatísticas, do tratamento eficiente do dado (ETL) à inferência estatística.
- Plataforma de Desenvolvimento – Mesmo no contexto específico de ciência de dados, é comum encontrarmos necessidades de desenvolvimento de pequenas aplicações, por exemplo aplicativos móveis e web. Para isso utilizamos ferramentas como Python, Node.js e a plataforma de desenvolvimento DevOps da IBM, combinando flexibilidade e eficiência no teste de conceitos
- Plataformas de Inteligência Artificial – Não buscamos reinventar a roda. Portanto, temos uma ampla biblioteca de ferramentas prontas (APIs) de elevada capacidade, contando sobretudo com IBM Watson e Google Cloud. Com estas APIs podemos construir rapidamente soluções inteligentes, escaláveis, que utilizam, entre outros, chatbots, reconhecimento de voz, imagem ou vídeo.
- Plataforma de Execução – Para garantir a escalabilidade das soluções, utilizamos primariamente a nuvem IBM, baseado na plataforma Watson Studio. Contudo, em casos específicos, podemos migrar ou desenvolver nossos protótipos em outras nuvens, como AWS e Google Cloud.
- Plataformas de Simulação – Com diferentes aplicações, simulação engloba um conjunto amplo de técnicas específicas para cada problema. Assim, temos à nossa disposição soluções de simulação a eventos discretos (SIMUL8 e ARENA) e simulação de dinâmica de sistemas (Python e Vensim). Para casos de simulação de Monte Carlo, desenvolvemos aplicações específicas também utilizando Python.
- Plataforma de Otimização – Já na matéria otimização, escolhemos o que há de melhor, o CPLEX, base do IBM Ilog e do IBM Decision Optimization. Com isso, somos capazes de atacar problemas de otimização linear, não linear, inteira ou mista de grande porte, combinando estas capacidades de otimização com soluções inteligentes através da integração em Python.
- Plataforma de Visualização – O tema visualização é amplo. Em nosso laboratório, optamos por utilizar o IBM Cognos BI devido à sua simplicidade e integração com a plataforma como um todo, além da integração específica com o Watson Studio. Contudo, em casos específicos, podemos nos integrar às plataformas do cliente como Microsoft Power BI, Qlik ou Tableau.
- Banco de Dados – Aplicações diferentes de ciência de dados possuem necessidades diferentes de armazenamento e tratamento de dados. Portanto, optamos por utilizar IBM DB2 como base de dados estruturada, IBM Object Storage para armazenagem não estruturada, Hortonworks como plataforma Hadoop e Couch DB ou Mongo DB para aplicações específicas de baixa latência. Além disso, dispomos do IBM Planning Analytics TM1, que nos oferece a capacidade de integração imediata de soluções de ciência de dados com o planejamento integrado da organização.
Combinando nosso laboratório tecnológico com nossa metodologia de construção ágil de protótipos funcionais, você poderá rapidamente testar sua ideia, com ajuda de uma equipe especialista, de forma prática e eficiente. Liderado por sócios com extensa experiência em negócio, nossa equipe técnica conta com:
Responsáveis por entender, extrair, tratar e disponibilizar seus dados adequadamente;
Responsáveis por desenvolver modelos utilizando técnicas de ciência de dados, simulação, otimização e machine learning para extrair dos dados a maior quantidade de conhecimento possível;
Responsáveis por combinar as tarefas de engenharia e ciência de dados com a tecnologia adequada do ponto de vista de requisitos de custo e desempenho, atuam para preparar a solução para escalar;.
Entender relações complexas exigem técnicas adequadas de visualização. Nossos especialistas em BI garantem não somente a melhor forma de visualizar os insights gerados automaticamente mas também o desempenho dos relatórios existentes na solução.
Alguns exemplos gerados em nosso laboratório:
Interação Computacional Inteligente
Problemas: aumentar os resultados ou diminuir os custos de interação entre organização (por exemplo, força de vendas) com o consumidor. Adquirir dados do consumidor ou mercado com mínimo atrito.
Solução: desenvolvimento de ChatBots ou VoiceBots inteligentes, capazes de reagir às necessidades do consumidor em linguagem natural.
Segmentação Automática
Problemas: segmentar automaticamente consumidores, objetos, pontos de venda com base no seu comportamento, com dados estruturados ou não estruturados. Classificar o potencial de cada consumidor ou risco de crédito.
Solução: aplicação de machine learning para a segmentação e/ou classificação automática online dos consumidores à medida que eles interagem com a organização.
Sugestão Automática de Portfolio Ótimo
Problemas: a partir de gostos revelados do consumidor, adquiridos, por exemplo, via interação computacional inteligente, analisar e otimizar o portfolio de produtos para maximizar vendas. Automatizar a segmentação de portfolio no PDV de acordo com o comportamento do consumidor.
Solução: aplicação de machine learning para a sugestão de portfolio ótimo, baseado nos atributos funcionais dos produtos, suas restrições e no desejo identificado/revelado do consumidor.
Identificou oportunidades? Gostaria de testar? Utilize nosso laboratório: