- promise@promise.pl
- 22-355-16-00
- Pon - Pt: 9.00 - 17.00
- Kontakt
Zaawansowana analiza danych
- Home
- Zaawansowana analiza danych
// Analiza danych
Adopcja Data Science
Większość organizacji stawia sobie najczęściej dwa cele, pierwszy związany jest z generowaniem nowych zysków, a drugi związany jest z optymalizacją kosztów i ryzyka. Nowoczesne narzędzia klasy Business Intelligence zdecydowanie ułatwiają ich realizację. Organizacje zdają sobie sprawę, że uruchomienie nowoczesnej platformy analitycznej oraz industrializacja analiz i modeli jest często dużym wyzwaniem.
Istotną rolę w tym procesie odgrywa doświadczony Partner, posiadający doświadczenie zdobyte w dziesiątkach projektów, który skutecznie pomoże zaadoptować zaawansowane rozwiązania analityczne, pokazując szybko wymierne korzyści.

Jak pracujemy z Klientami?
Celem naszych działań jest przysposobienie zaawansowanej analityki do specyfiki danej organizacji. Pokazujemy możliwość stworzenia w organizacji odpowiedniego środowiska pracy dla zaawansowanych analityków, zwanego potocznie Data Science Sandbox. Środowisko to wyposażone jest w zestaw narzędzi wspierających pracę zaawansowanych analityków począwszy od przygotowania danych, modeli, raportów, a na industrializacji modeli kończąc.
Oceniamy szansę wykorzystania data science w organizacji.
- Znajdujemy przypadki użycia i wybieramy ten najbardziej obiecujący dla klienta.
- Oceniamy źródła danych, ich jakość oraz procesy integracji.
- Oceniamy kompetencje i określamy braki.
- Transferujemy wiedzę z zakresu wykorzystania narzędzia do uczenia maszynowego (Machine Learning):
- zapoznanie ze środowiskiem Azure Machine Learning,
- zapoznanie z zagadnieniami dotyczącymi przygotowania danych do analizy,
- wykorzystanie dostępnych modeli ekonometrycznych / uczenia maszynowego na potrzeby określonego obszaru biznesowego,
- ocena jakości opracowanych modeli,
- testowanie i implementacja modeli,
- industrializacja modeli.
- Transferujemy wiedzę dotyczącą procesów integracji i automatyzacji:
- zapoznanie ze środowiskiem pracy Azure Data Factory,
- przepływy danych i ich wyzwalacze,
- automatyzacja.
- Uruchamiamy i konfigurujemy środowisko Sandbox Data Science:
- uruchamiamy magazyn danych i procesy integracji danych (Azure Data Lake, Azure Data Factory),
- uruchamiamy usługę uczenia maszynowego (Azure Machine Learning).
- Przygotowujemy wybrany model zaawansowanej analizy (model uczenia maszynowego).
- Wizualizujemy wyniki w raporcie Power BI.
- Przedstawiamy sposoby industrializacji modelu obiecującego najwyższy zwrot z inwestycji.
- Prezentujemy w formie warsztatu wyniki adopcji data science wraz z dalszymi rekomendacjami rozwoju.
- Transfer wiedzy związany z Sandbox Data Science.
- Skonfigurowany Sandbox Data Science.
- Poglądowy model uczenia maszynowego.
- Wizualizację w postaci raportu Power BI.
- Końcowy raport z oceny adopcji data science w organizacji:
- business case,
- cykl data science,
- wizja rozwoju,
- koszty środowiska,
- brakujące kompetencje zespołu,
- plan wdrożenia data science w organizacji.

Dlaczego Azure?
Microsoft Azure to nowoczesne środowisko chmurowe oferujące nieograniczoną możliwość skalowania, olbrzymią wydajność i pojemność do przechowywania danych oraz bezpieczeństwo. Dzięki Azure można optymalizować koszty środowiska IT z jednoczesnym zapewnieniem szybkiego dostępu do różnych usług.
Dlaczego teraz?
Większość organizacji działa w konkurencyjnym środowisku, które może się szybko zmieniać. Trafne przewidywanie przyszłości oraz szybkie podejmowanie decyzji są często kluczem do rozwoju biznesu. Wsparcie transformacji cyfrowej przez rozwiązania związane z zaawansowaną analityką może spowodować wymierne korzyści biznesowe w krótkim czasie.
Dodatkowe informacje
Projekt pilotażowy adopcji data science trwa 4 tygodnie.
Tego typu projekty zaczynają się najczęściej od wytworzenia minimalnego produktu, który pozwoli szybko pokazać korzyść z wdrożenia. Koszt może kształtować się w zakresie 20 000 – 30 000 EUR netto w zależności od przyjętego zakresu. Z naszego doświadczenia wynika, że dużym wsparciem w uruchomieniu tej klasy projektów są środki inwestycyjne vendora, pozwalające m. in. na uruchomienie subskrypcji w chmurze i finansowanie usług partnera wdrożeniowego. Jako Partner z najwyższymi kompetencjami wspieramy naszych klientów w pozyskaniu takich środków inwestycyjnych.
Koszt usługi Azure zależy od różnych czynników, takich jak liczba użytkowników, liczba instancji, moc obliczeniowa, wolumen danych. Podczas projektu pilotażowego pokażemy, jak można optymalizować koszt i jakiej wartości kosztu można spodziewać się w trakcie produkcyjnego użycia Sandbox Data Science. Z naszego doświadczenia wynika, że w trakcie projektu pilotażowego koszt usług Azure może kształtować się na poziomie 1500 – 2500 EUR netto. Sandbox Data Science działający produkcyjnie może wygenerować średnio 4500 – 7500 EUR netto kosztu miesięcznie.
- Prognoza sprzedaży.
- Analiza koszyka zakupowego i zachowań klientów.
- Rekomendacje najlepszej oferty, produktu, treści.
- Optymalizacja cen.
- Optymalizacja gospodarki zapasami.
- Rekomendacja w zakresie dostosowania wielkości sił sprzedażowych do popytu w punkcie handlowym.
- Analiza efektywności ekonomicznej produktów na półkach sklepowych i kategoryzowanie produktów.
- Automatyzacja audytu półek sklepowych na podstawie analizy zdjęć.
- Wykrywanie nadużyć.
Głęboka analiza danych oraz wizualizacja wyników i rekomendacji.
- Azure Data Factory
- Azure Data Lake Storage
- Azure Machine Learning
- Azure Databricks
- Azure Synapse Analytics
- Azure Analysis Services
- Microsoft Power BI