Almaz Monitoring — контроль качества данных / Инлексис

Вы всегда доверяете своим данным?

AlmazMonitoring — Cамообучающийся интеллектуальный мониторинг качества и выявления аномалий в корпоративных хранилищах, потоках данных реального времени, производственных процессах, а также операционной деятельности.

Алмаз мониторинг берет качество под контроль!

Система использует инновационные самообучающиеся алгоритмы выявления значимых отклонений в операционных KPI бизнес-процессов, финансовой и операционной отчетности в технологических высоконагруженных потоках и в озерах больших данных.

Схема решений

Данные из разнородных
источников

Автономная система искусственного интеллекта по машинному анализу данных в реальном времени и выявлению значимых отклонений

Мобильные уведомления и управление инцидентами

Решения для

Цифровые
сервисы

ТЭК

Ритейл

Банки

Телеком

Сценарий использования

Телеком

Проблема:	На inbound каналах должны подбираться целевые предложения. Эффективность таких предложений должны быть под постоянным мониторингом предотвращая простои, некорректную настройку таргетинга и работу рекомендательных систем.
KPI мониторинга:	Hit Rate и Take Rate в разрезе региона, канала, целевого предложения (Входящие голосовые обращения, личный кабинет, мобильное приложение, IVR).
Результат:	Более $600 000 удалось сэкономить при постановке мониторинга процесса генерации целевых предложений и мониторинга технических сбоев и логики NBO предложений.

Банк. Data Science

Проблема:	Предиктивное моделирование должно строиться на верифицированных данных о клиенте. Качество моделирования часто вызывает вопросы, многие из которых лежат в области построения моделей на ошибочных данных из-за не выявленных проблем на источниках информации.
KPI мониторинга:	Более чем 500 показателей профиля клиента из 12 различных источников, AI системы выработали более 30 000 независимых моделей валидации данных.
Результат:	На 15% повысилась эффективность отдела моделирования за счет сокращения потерь времени на отладку ошибочно и недостоверно построенных моделей на недостоверных данных.

ТЭК

Проблема:	Требуется наладить автоматизированный мониторинг технологического процесса для своевременного обнаружения отклонений в параметрах процесса и детектирования неконсистентностей (возможного фрода).
KPI мониторинга:	Технологические KPI по потреблению ресурсов (топлива, электроэнергии) на разных технологических стадиях и KPI выхода готовой продукции.
Результат:	Построена модель выявления аномалий производства, позволяющая выявлять в реальном времени непроизводственные потери сырья. Проведена сравнительная аналитика по эффективности оборудования разных брендов.

Сервисы обработки обращений HelpDesk

Проблема:	Нет автоматизированного информирования об аномальных всплесках активностей экстренных служб системы 112 для оперативного привлечения внимания органов исполнительной власти к разрешению возможных проблем.
KPI мониторинга:	Среднее за минуту количество обращений граждан в службу 112 в разбивке по тематикам обращений. Глубина очереди необработанных обращений граждан в разбивке по тематикам обращений.
Результат:	Построена модель AI мониторинга. Налажен процесс оперативной организации информирования органов власти в моменты всплесков определенных экстренных событий и реакции на существенное изменение очереди событий.

Мониторинг работы WEB приложения

Проблема:	Некорректная работа сервисов веб-приложения с влиянием на выручку, жалобы ряда пользователей на недоступность или медленную работу той или иной функциональности, инциденты от ряда IT-систем о некорректной работе части микросервисов. Поддержка и разработчики игнорируют обычные нотификации о сбоях ввиду их большого количества и невозможности отранжировать по степени важности. Часть сложностей у пользователей остается незамеченной и не сообщается, подрывает предоставление постоянно качественного сервиса.
KPI мониторинга:	Поставлены на AI мониторинг и поиск аномального поведения более 50 метрик системы, включая JMX метрики, логи Java приложения, логи Oraclе приложения, времена отклика всех страниц приложения, размеры очередей (Кафка, MQ).
Результат:	До 30% инцидентов системы стало выявляться и устраняться ДО обнаружения пользователями.

Антифрод в цифровом ритэйле

Проблема:	Недобросовестные провайдеры контента обманом склоняют пользователей подписываться на те или иные платные сервисы.
KPI мониторинга:	Динамика подключений в разбивке по платным сервисам.
Результат:	Сокращено время реакции на блокирование недобросовестных поставщиков контента и соответственно значительно сокращено количество претензионных обращений от пользователей.

DWH / DataLake

Проблема:	Финансовая и операционная отчетность часто содержит ошибки из-за проблем с источниками данных.
KPI мониторинга:	Данные источников, ODS слоя, DDS слоя, итоговых витрин и отчетности.
Результат:	Построен событийный процесс поступления данных в последующие ETL процессы только после верификации системой контроля качества. Покрыто более 50 объектов больших данных и 20 финальных пользовательских витрин. Существенно сократилось количество случаев построения отчетности на неполных/некорректных данных.

Ритейл

Проблема:	Некоторые товары вызывают сложности у покупателей при самообслуживании из-за ошибок в заведении информации о товаре.
KPI мониторинга:	Отмена покупки или среднее время обработки чека и каждой позиции в корреляции с продуктовой корзиной.
Результат:	Сокращение времени обслуживания за счет оперативного выявления ошибок тарификации товаров. Улучшение удовлетворенности клиентов качеством сервиса самообслуживания.

Event Based Marketing

Проблема:	Необычные случаи отклонения логики работы онлайн триггеров в связи с изменениями на источниках данных (либо резкий спад событий относительно нормы или наоборот аномальное увеличение количества событий).
KPI мониторинга:	Частота наступления событий, динамика размера очереди обработки событий.
Результат:	Оперативно стали устраняться инциденты с пропажей продвижения на тех или иных событиях, что привело к увеличению выручки за счет сокращения простоев.

Нефтедобыча

Проблема:	Обводненность месторождений, повышение дебета воды.
KPI мониторинга:	Потоковые данные с датчиков: дебет жидкости, давление в пласте, давление на заборе, показатели потока.
Результат:	Оптимизация нефтедобычи.

Ритейл. Программа лояльности

Проблема:	Некорректное начисление бонусов.
KPI мониторинга:	Начисляемые бонусы по клиентам в разбивке по продуктам и условиям.
Результат:	Построена система валидации начисляемых бонусов, предотвращены случаи ошибочного начисления лишних бонусов.

У вас есть процессы, требующие контроля?

Сделайте свою историю успеха! Решение алмаз и консультанты наших партнеров всегда добиваются яркого результата!

Задачи

Требуются постоянно качественные данные в финансовой и оперативной отчетности, промышленных агрегатах и представлениях

Требуется real-time мониторинг технологических, экономических и операционных KPI в больших потоковых данных

Требуется своевременная реакция на любые нештатные ситуации до того как они окажут существенное влияние

Решения

Непрерывный автономный мониторинг качества отчетности и потоковых данных

Незамедлительная нотификация в случае обнаружения статистически значимых отклонений (уведомления в мобильном приложении)

Самообучающаяся на имеющихся данных и подстраивающаяся под действия пользователя система, не требующая экспертных знаний

Выгоды

Внедрение автоматизированной системы мониторинга и контроль работы информационной инфраструктуры способно повысить уровень качества ее функционирования с помощью быстрого выявления и ликвидации сбоев и неполадок, а также предотвращения их возникновения в будущем, в первую очередь, для наиболее критичных для бизнеса компании сервисов.

Презентация

Представляем вашему вниманию презентацию нашего продукта “ALMAZ MONITORING”.
Самообучающийся монитринг качества данных, бизнес и производственных процессов.

Скачать презентацию

Техническая документация

Стоимость продукта предоставляется по запросу

Оставьте свои контакты с помощью формы на сайте и мы свяжемся с вами для рассчета.

Включен в реестр Российского ПО.

Сведения о программном обеспечении включены в единый реестр российских программ для электронных вычислительных машин и баз данных.

Партнерская программа

Создавая продукт высочайшего качества, в вопросах системной интеграции и внедрений мы особенно ценим наших партнеров.

Мы хотим максимально мотивировать всех, кто вместе с нами будет способствовать развитию процессов использования данных в любых областях цифрового бизнеса и производства.

Нам будет приятно работать вместе! Заполните форму и мы свяжемся с вами!

Гибкий подход и ориентация на качественный результат

Техническое и маркетинговое сопровождение

Выгодные условия сотрудничества

Обучение и сертификации

Давайте обсудим ваш проект

Лопатина Лада

Отдел взаимодействия с корпоративными клиентами

+7 (499) 130-58-68

clients@inleksys.ru

Оставьте нам свои контакты в форме обратной связи

Ваше имя *

Введите имя

Ваша электронная почта *

Введите email

Неверный формат email адреса

Ваш телефон

Ваша организация

Даю свое согласие на обработку персональных данных

Политка персональных данных

Сообщение успешно отправлено.
Наши менеджеры свяжутся с вами в ближайшее время.

При отправке формы произошла ошибка.

Повторите ещё раз

Cтоимость ПО рассчитывается индивидуально