Ryzyko jest zjawiskiem powszechnym w każdej dziedzinie biznesowej. Oferujemy usługi konsultingu oraz budowy narzędzi data mining służących do modelowania danych. Budujemy modele raz prowadzimy analizy ryzyka na podstawie danych Klienta.
Oferowane przez nas modele i podejścia do oceny ryzyka:
- Modelowanie i analiza danych programów lojalnościowych.
- Modele ryzyka odejścia klienta/migracji (modele Churn) - mają zastosowanie niezależnie od branży. Churn to rezygnacja z usługi/produktu. Celem analizy jest identyfikacja klientów, którzy zagrożeni są odejściem. Model Churn'owy pozwala na prognozowanie prawdopodobieństwa odejścia klienta na podstawie charakteryzujących klienta zestawu cech. Analiza Churn pozwala określić profil klientów skłonnych do rezygnacji z usług oraz zidentyfikować czynniki wpływające na to ryzyko. Wyodrębnienie grup klientów o wysokim prawdopodobieństwie odejścia pozwala firmie na wyprzedzenie działań tych klientów i podjęcie akcji prewencyjnych. Powszechnie stosowane modele w analizie Churn można podzielić na rodzinę modeli klasyfikujących (klient zagrożony/klient niezagrożony) oraz na klasę modeli w których otrzymujemy dokładne prawdopodobieństwo odejścia.
- Modele lojalności klientów - przeciwieństwo modeli Churn'owych. Pozwala na ustalenie prawdopodobieństwa pozostania klienta oraz ustalenia czynników determinujących lojalność.
- Modele ryzyka kredytowego, modele scoringowe (credit scoring, dla branży bankowej) - ryzyko kredytowe to szerokie pojęcie, polegające na niedotrzymaniu warunków umowy, nie wywiązania się z zobowiązań finansowych. Ryzyko kredytowe należy rozpatrywać w kontekście pojedynczej umowy kredytowej jak i całego portfela kredytowego. Służą temu: systemy eksperckie, systemy scroringowe, systemy ratingowe, sieci neuronowe, modele logit, modele AD, modele KMV, CreditMetrics, CreditRisk.
- Modele ryzyka niewypłacalności (branża obsługi wierzytelności) - to usługa skierowana przede wszystkim do branży obsługi wierzytelności. Poprawny model pozwala ocenić ryzyko jaka wiąże się z zakupem wierzytelności, ustalić prawdopodobieństwo skutecznej windykacji.
- Modele ryzyka nadużyć (fraud detection models) - pozwalają na wykrywanie oszustw oraz identyfikowanie potencjalnych nadużyć z zastosowaniem statystycznych modeli wielowymiarowych. Modele predykcyjne stosowane w data mining, bazując na historii wielokrotnych operacji gromadzonych w bazach danych firmy, pozwalają na wskazanie kluczowych czynników ryzyka oraz oszacowanie prognozy wskaźnika ryzyka (prawdopodobieństwa nadużycia) dla każdego klienta (każdej transakcji). Wzrastające lawinowo "oszustwa" (fraud) są związane z dynamiką nowoczesnych technologii i środków komunikacji. Rezultatem nadużyć i oszustw są wielomilionowe straty ponoszone m.in. przez sektor bankowy i ubezpieczeniowy. Pomimo zaawansowanego rozwoju technologii zabezpieczającej przed powstaniem tego zjawiska, nadużycia są zjawiskiem powszechnym. Metodologia i narzędzia wykrywania oszustw są niezbędne, pozwalają na wykrycie oszustwa w sytuacji gdy działania prewencyjne zawodzą. Metody analityczne i modele wykrywania nadużyć dostarczają efektywnych technologii do wykrywania zdarzeń określanych jako fraud. Analizy fraud detection mają zastosowanie w branży ubezpieczeniowej, telekomunikacyjnej, bankowej (kart kredytowych, e-commerce), naukowej lub medycznej. Nie bez znacznia w modelach fraud detection oferowanych przez BioStat jest udział audytora CFE w procesie projektowania.
- Modele ryzyka umieralności (badawcza branża farmaceutyczna) - poświęcony jest im szereg metod z zakresu biostatystyki. Uogólniając, są to modele stosowane w wielu schorzeniach pozwalające na oszacowanie prawdopodobieństwa zgonu pacjenta w trakcie lub po operacji. Popularnym przykładem zastosowania i wykorzystania modeli tej klasy jest ustawicznie udoskonalany system EuroSCORE (European System for Cardiac Operative Risk Evaluation), bazujący m.in. na idei modeli logit.
Stosowane powszechnie statystyczne techniki/modele/narzędzia w modelowaniu ryzyka:
- Modele analizy dyskryminacyjnej (DA);
- Modele Logit (modele zbliżone: probit, tobit);
- Modele sztucznych sieci neuronowych;
- Modele drzew decyzyjnych;
- Karty scoringowe;
- Modele KMV;
- Modele CreditMetrics, CreditRisk+.
Zespół Biostat tworzą doświadczeni analitycy, wdrożeniowcy rozwiązań z zakresu modelowania i analiz danych w sferach biznesowych.
