• FI или финансовая аналитика — что, где, когда?

      Что, Где, Когда?


      IT — консалтинг в большинстве случаев ассоциируется с построением хранилищ, систем визуализации и анализа данных, но сегодня мы познакомимся с еще одной командой GlowByte — GlowByte FI.


      Команда FI строит системы финансового учета, бюджетирования, планирования, прогнозирования и аллокации расходов — много умных слов, которые мы ниже объясним.
      В статье обсудим значение систем финансового учета для бизнеса, типы информационных систем и выгоду их приобретения и использования в компании.


      image

      Читать дальше →
    • ML и DS оттенки кредитного риск-менеджмента | Компоненты


        Привет!

        В предыдущей статье цикла о моделировании в задачах управления кредитным риском (здесь) мы провели обзор трех задач кредитного риск-менеджмента, нашли возможные точки приложения ML и DS к этим задачам и попутно ввели набор терминов для дальнейшей работы.

        Сейчас мы расскажем о трех компонентах (PD, LGD, EAD), которые участвуют при расчете ожидаемых потерь: рассмотрим основные драйверы и методологию построения моделей. В конце статьи приведем сводную таблицу с особенностями работы с компонентами на различных этапах разработки, сформированную на основе нашего проектного опыта. 

        За подробностями добро пожаловать под кат.
        Читать дальше →
      • ML и DS оттенки кредитного риск-менеджмента



          Всем привет.

          Мы команда Advanced Analytics GlowByte и запускаем цикл статей о моделировании в задачах управления кредитным риском. Цель цикла — кратко рассказать о сфере, расширить словарь профессиональных терминов и дать ссылки на полезные статьи и книги. В вводной статье мы покажем особенности применения ML и DS в сфере кредитного риска, без глубокого погружения в предметную область.

          Далее раскроем вопросы методологии моделирования, работы с компонентами кредитного риска, а также подходов к калибровке и валидации, которые учитывают специфику работы моделей в банке.

          Основа публикаций — наш проектный опыт по разработке и внедрению аналитических моделей в банковской сфере.

          А теперь под кат.
          Читать дальше →
        • Обзор гибких методологий проектирования DWH

            Разработка хранилища — дело долгое и серьезное.

            Многое в жизни проекта зависит от того, насколько хорошо продумана объектная модель и структура базы на старте.

            Общепринятым подходом были и остаются различные варианты сочетания схемы “звезда” с третьей нормальной формой. Как правило, по принципу: исходные данные — 3NF, витрины — звезда. Этот подход, проверенный временем и подкрепленный большим количеством исследований — первое (а иногда и единственное), что приходит в голову опытному DWH-шнику при мысли о том, как должно выглядеть аналитическое хранилище.

            С другой стороны — бизнесу в целом и требованиям заказчика в частности свойственно быстро меняться, а данным — расти как “вглубь”, так и “вширь”. И вот тут проявляется основной недостаток звезды — ограниченная гибкость.

            И если в вашей тихой и уютной жизни DWH-разработчика внезапно:

            • возникла задача “сделать быстро хоть что-то, а потом посмотрим”;
            • появился бурно развивающийся проект, с подключением новых источников и переделкой бизнес-модели минимум раз в неделю;
            • появился заказчик, который не представляет как система должна выглядеть и какие функции выполнять в конечном итоге, но готов к экспериментам и последовательному уточнению желаемого результата с последовательным же приближением к нему;
            • заглянул менеджер проектов с радостной вестью: “А теперь у нас аджайл!”.

            Или если вам просто интересно узнать как еще можно строить хранилища — вэлкам под кат!


            Читать дальше →
          • Как Reinforcement Learning помогает ритейлерам

              Введение


              Привет! Наша команда Glowbyte Advanced Analytics разрабатывает ML-решения для прикладных индустрий (ритейл, банки, телеком и др). Многие задачи требуют нестандартных решений. Одно из них — оптимизация цепочек коммуникаций с клиентом с помощью Reinforcement Learning (RL), которому мы решили посвятить данную статью.

              Мы разбили статью на три блока: введение в задачу оптимизации цепочек коммуникаций; введение в RL; а в третьем блоке мы объединяем 1 и 2 вместе.

              image
              Читать дальше →
            • Понятная аналитика. Опыт внедрения сервисом Работа.ру решения Tableau

                У каждого бизнеса возникает потребность в качественной аналитике данных и ее визуализации. Еще один важный фактор, который следует учитывать — это простота использования для бизнес-пользователя. Инструмент не должен требовать дополнительных затрат на обучение сотрудников на начальном этапе. Одним из таких решений является Tableau.

                Сервис Работа.ру выбрал Tableau для многофакторного анализа данных. Мы поговорили с Алёной Артемьевой, директором по аналитике сервиса Работа.ру и узнали как изменилась аналитика после внедренного командой BI GlowByte решения.
                Читать дальше →
                • –4
                • 2,2k
                • 2
              • Почему стриминг на KSQL и Kafka Streams — это непросто

                  Привет, Хабр!

                  Меня зовут Саша, я лид-разработчик в GlowByte Consulting. Мы с командой сделали неплохой стриминговый движок для одного крупного банка. Сейчас в продакшене крутится онлайн обработка банковских авторизаций, визитов клиентов в офис и еще ряд более мелких процессов, при этом все работает на KSQL и Kafka Streams. Хочу поделиться тем, на какие грабли мы наступили в процессе.

                  Если интересны подробности, прошу под кат.

                  image
                  Читать дальше →

                Самое читаемое