CASOS DE USO | Fase 3
Casos de uso
Un caso de uso es una herramienta a través de la cual validamos la experiencia de Novakorp, en diferentes rubros, implementando nuestra solución ajustada a las necesidades de cada cliente.
Las dimensiones que poseen nuestros casos de uso son:
El principal desafío de la solución
Un breve resumen de su desarrollo
Las tecnologías utilizadas
El tipo de proyecto
La industria en la cual fue aplicada dicha solución
Resultados
Data Governance
Challenge: Consolidar la información de cuatro entidades bancarias buscando generar un modelo unificado de clientes y datos de contactabilidad.
Solución Implementada
Implementamos un modelo de Data Governance construyendo componentes de ingesta, perfilamiento y transformación de datos provenientes de múltiples fuentes de información.
La solución consistió en realizar el despliegue de la plataforma digital con todos los componentes necesarios para asegurar el Lifecycle completo de los datos que forman parte de la solución.
Procesos de Data Flow & Streaming para la ingesta de datos al Data Lake,
perfilamiento de los datos mediante la aplicación de reglas de calidad y técnicas de Data Engineering, construcción de Data Labs con modelos de datos que cumplan con un Serve & Predict eficiente.
Outcome
El modelo de Governance revela un maestro unificado de clientes con datos de contactabilidad confiables que permiten la
generación de campañas de retención y ofertas digitales personalizadas.
Industry
Banca & Fintech
Project type
Data Flow & Streaming
Data Engineering
Technologies used
Omnichannel Experience
Challenge: Conocer al cliente, digitalizar todos los canales por los cuales interactúa, identificar su comportamiento y determinar su ADN con el objetivo de diseñar y construir un modelo de datos que revele la experiencia unificada y omnicanalidad.
Solución Implementada
Construimos un modelo unificado de experiencia omnicanal para la determinación del ADN digital de los clientes.
La solución se basó en construir un modelo de visión 360 del cliente y digitalizar todos los puntos de contacto donde existe información muy valiosa para la definición del ADN (por ejemplo los puestos de cobro).
La arquitectura de la solución fue creada teniendo en cuenta la capacitación de datos en tiempo real (Data-in-Motion) y la ingesta de datos en modalidad batch (Data-in-Rest) generando y enriqueciendo el modelo de datos de experiencia unificada.
Outcome
Aumentamos la fidelización de los clientes, a través de un modelo de experiencia unificada, que permitió conocer el ADN digital y realizar un monitoreo del comportamiento transaccional de los clientes.
Industry
Fintech
Project type
Data Flow & Streaming
Data Engineering
Serve & Predict
Technologies used
Next Best Action Model
Challenge: Determinar la mejor siguiente acción a realizar buscando mejorar la experiencia de los clientes, reducir la tasa de abandono y aumentar la probabilidad de impacto en la generación de ofertas digitales.
Solución Implementada
Construimos un modelo unificado de datos de comportamiento, descripción interacciones y sentimientos de los clientes que permite definir la mejor siguiente acción en tiempo real.
La solución fue diseñada haciendo foco en el cliente creando un customer journey confiable con tecnologías que nos permitieran obtener información de alto valor en tiempo real.
Definimos una arquitectura de captación de información en tiempo real
(Data-in-Motion) que se complementa con los procesos de ingesta de datos en modalidad batch (Data-in-Rest) generando y enriqueciendo el modelo de datos que representa el customer journey y, mediante la aplicación de Machine Learning, determinar la mejor siguiente acción.
Outcome
El modelo NBA generó un aumento en la penetración de productos mediante la generación de ofertas digitales personalizadas.
Industry
Fintech
Project type
Data Flow & Streaming
Data Engineering
Serve & Predict
Technologies used
Capability Quotient
Challenge: Evidenciar la superposición del potencial de comportamiento, la forma de ser, y la información pública para comprender la probabilidad de éxito dentro de una organización e identificar preventivamente los recursos necesarios para el desarrollo de los jugadores.
Solución Implementada
Construimos un modelo de Machine Learning para determinar el estado de ánimo de los jugadores.
La solución consistió en implementar un componente de Intelligent Web Scraping para obtener información (“quotes”) de las declaraciones que los jugadores realizan y son publicadas por medios de comunicación en las noticias que postean en sus páginas web.
Los quotes obtenidos, se complementaron con la ingesta de datos de otras fuentes de información en el Data Lake a partir de procesos de Data Flow & Engineering permitiendo generar un modelo de datos con variables depuradas para obtener una solución de AI confiable y robusta de alta precisión.
Outcome
El proceso automatizado revela una comprensión integral del desempeño y la personalidad del jugador, que luego se puede
asignar a la cultura organizacional. CQ aumenta la probabilidad de encajar, creando
química, cultura y ventaja competitiva.
Industry
People Analytics for Scouting
and Player development
Project type
Data Flow & Streaming
Data Engineering
Serve & Predict
Technologies used
Perfiles y responsabilidades de nuestro equipo
Marco metodológico
Business understanding
Al Idear, tomamos como filosofía Design Thinking buscando conocer los problemas del negocio, relevar los objetivos y trabajar en la definición de los Casos de Uso.
Se identifica qué queremos conseguir con el análisis de la información
Data Science & Engeeniring
Un caso de uso se puede prototipar permitiendo la construcción de un modelo de datos confiable que nos permita validar el modelo de negocio. Se trata de obtener feedback lo más temprano posible, identificar qué aporta valor y qué debe reformularse.
Al construir de forma iterativa, el prototipo que valida la hipótesis se convierte en la base de la solución que crece de forma incremental, priorizando entregar el producto que aporte mayor valor al negocio en cada iteración.
Industrias con las que actualmente trabajamos
Banca
Posee caudal de información propia y externa, que se potencia mediante acciones como: la digitalización de procesos, segmentación, evaluación de riesgos y prevención de fraudes.
Aseguradora
Sector con posibilidades de explotar su información de manera estratégica e inteligente con el fin de brindar un mejor servicio y mejorar el rendimiento de la compañía.
Fintech
Cuenta con aplicaciones y actividades financieras que demandan el procesamiento y la obtención de una gran cantidad de datos de manera constante y ágil.
Agro
Gran número de agentes involucrados en su cadena de producción y distribución, lo cual demanda la mejora de eficiencia continúa, lo cuál es posible con el procesamiento y análisis de sus datos.
