Модули и Технологии
-
САМВ – классификаторно-состязательный бустинг
Предназначен для увеличения эффективности набора объектов разметки методом соревновательного предсказания ошибок.
-
Модуль очистки выбросов сменой признакового пространства
Быстрый способ очистки выбросов в данных в различных типах распределения. Не требует ручного назначения трешолдов очистки. По нашему опыту 99% данных требует очистки полей от выбросов.
-
Модуль детектирования оптовых покупателей
Позволяет выявить и разметить оптовых покупателей автоматически по эконометрическим показателям, типичной структуре продаж и типу бизнеса. Необходим для исключения влияния оптовых покупателей и оптовых торговых точек на показатели рынка, а также исключения дублирования продаж.
-
Модуль дополнения данных по связанным выборкам
Позволяет резко улучшить качество данных в ограниченных по размеру выборках. Возможность увеличения гранулярности — одно из следствий работы данного модуля.
-
Модуль калибровки и улучшения данных на основе гравитационной модели калибровочного ядра
Калибровка к генеральной совокупности (ГС) и репрезентативность данных одно из главных стремлений анализа и запроса многих наших клиентов. Модуль состоит из группы подмодулей оценки качества объектов выборки, представления и построения каркаса ГС, размещения объектов и калибровки весов на основе гравитационной модели качества объектов. Позволяет автоматически вычислять веса объектов для калибровки выборки к ГС.
-
Модуль компенсации ротации
Мы часто работаем с высокоротируемыми выборками. Расчет показателей на таких выборках всегда требует особого подхода. Этот модуль предназначен для стабилизации выборки путем контроля жизненного цикла объекта в выборке, оценке его качества и характеристик, а также замену выбывшего объекта на максимально похожий.
-
Модуль подготовки данных для ML «Двойное нормирование»
Позволяет свести многомерное потребление объектов выборки к вектору коэффициентов даже в случае ненормальности и перекоса потребления.
-
Модуль выявления связей в динамике продаж
Выявляет причины изменения продаж через замену базиса. Позволяет оценить влияние факторов на продажи конкретной категории/SKU.
-
Методика выявления аномалий с помощью ML
Автоматизация выявления аномалий с минимизацией человеческого участия.
-
Метод Адаптивного RIM взвешивания
Наше усовершенствование популярного метода итеративного взвешивания, увеличивающее точность весовых коэффициентов.
-
Методика экстраполяционного заполнения пропусков «Аватар»
Позволяет снизить или устранить влияние потерь в специфических типах данных. Мы применяем ее в панельных данных с разным уровнем доверия к респонденту, разным качеством респондентов и в каналах с нестабильным сигналом от объектов исследуемой выборки.
-
Методика профилирования пользователей итерационной кластеризацией
Автоматическое выполнение творческой задачи выявления признаков и кластеров без человеческого участия или с минимальным участием.
-
Методика определения конкурентов по похожести
Позволяет выявить реальных конкурентов бренду или продукту. Не тех, которые просто появляются в структуре покупок или позиционируются как конкуренты, а тех, что имеют наибольший шанс заменить целевой продукт при снижении его положения на рынке.
