PERCHÈ LA SOLUZIONE

Per le aziende la capacità di riconoscere in anticipo in quale classe ricadrà una certa entità di interesse può essere uno strumento prezioso in fase di pianificazione e gestione delle risorse, soprattutto in presenza di fenomeni complessi, di difficile comprensione o molto incerti. Infatti, entità che appartengono ad una stessa classe hanno delle caratteristiche in comune e necessitano quindi di interventi simili.

 

La soluzione sviluppata da Moxoff fornisce alle aziende uno strumento per assegnare ogni entità di interesse ad una classe. In questo modo sarà possibile ottimizzare i processi e programmare interventi specifici sulle varie classi, soprattutto quando il processo stesso dipende dall’entità oggetto di analisi. 

Questa soluzione consente inoltre di simulare come cambierebbe lo scenario previsto al variare dei parametri governabili dall’azienda e dunque di valutare l’effetto nella composizione delle classi.

LOGICA DI FUNZIONAMENTO

La soluzione, basata su un algoritmo di machine learning, fornisce per ogni entità la probabilità di appartenere a determinate classi definibili con diversi criteri, come ad esempio tempo, rischio, quantità, ecc. Inoltre, al variare dei parametri configurabili, la soluzione è in grado di pesare le osservazioni presenti e di calcolare l’impatto che si avrebbe sulle classi.

ESEMPI DI APPLICAZIONE

Industrials

Previsione del fabbisogno di materie prime nel futuro e simulazione di scenari di produzione per analizzare come varierebbe il fabbisogno di materie prime.

Utilities

Previsione della quota di fatture non pagate (unpaid) nei mesi successivi alla scadenza e simulazione dell’unpaid modificando le caratteristiche della propria customer base (esempio: il prodotto Syrio).

 

ServicesAssegnazione di una classe di rischio ad ogni utente e simulazione del credit risk modificando le caratteristiche dei propri debitori.

 

RICHIEDI MAGGIORI INFORMAZIONI

LE NOSTRE SOLUZIONI

Response prediction

Network timeseries forecasting

Predictive Maintenance