Ingenting skaper mer stemning i vårt team enn en intens diskusjon om maskinlæring og avansert analyse. Bak vår entusiasme har vi gradvis bygd opp en robust metode for å levere komplekse, data-drevne prosjekter. Vi foksuerer på å hele tiden stille spørsmål ved dataene og forstå dens bruksområder. Er det et prognoseproblem? Hva er årsakssammenhengen? Hva er koblingen til forretningsverdi? Å avklare dette raskt hjelper oss med å definere løsningsområdet.

Uten relevant data kan man ikke bruke maskinlæring. Dette er viktig, når man vet at de største prestasjonsforbedringene kommer fra representative, høykvalitets data. Etablering av tilbakemeldingssløyfen for å kontinuerlig forbedre modellene er en del av dette. Etter hvert som vi gradvis bekrefter den tekniske gjennomførbarheten og forretningsverdien, tar vi løsningene videre mot produksjonsklare systemer.

Eksempler på maskinlæringsarbeid vi gjør:

  • Next-best action modeller
  • Etterspørselsprognoser
  • Angi optimale priser for å maksimere valgt KPI
  • Angi optimale markedsføringsutgifter for å maksimere valgt KPI
  • Recommender systems
  • Tekstklassifisering
  • Trekke ut informasjon fra ustrukturerte data