Презентация

Analytical Platforms

Natural Language Understanding

WebApp

E-Commerce

Computer Vision

Видеоаналитика

Telegram-Боты

WebSite

cases_team

Компания занимается изготовлением предметов интерьера на заказ. Перед нами стояла задача  провести аудит существующих решений-сайтов и разработать обновленный интернет-магазин,  кроме того, необходимо было оцифровать и объединить все системы бизнеса. 
Ключевые задачи: 
Исследование и разработка актуального  интернет-магазина компании. 
Внедрение CRM и создание общего инфопространства из различных частей и площадок компании. 
Налаживание процессов внутреннего взаимодействия  в компании. Вся работа с документацией и отчетная информация  хранилась разрозненно в Excel и других программах,  терялась важная корпоративная информация. 
Выстроить бизнес-процессы коммуникаций с клиентами,  а также отслеживания истории взаимодействий. 
Облегчить работу менеджеров, максимально автоматизировать работу как интернет-магазина в частности, так и работу сотрудников.

О проекте

Провели редизайн и полностью изменили  структуру старого интернет-магазина 
Реализовали полностью адаптивный интерфейс, сохраняя  удобство сайта для пользователей мобильных устройств. 
Кратно улучшили рост позиций в SEO и посещаемость сайта. 
Подняли конверсию сайта за счет работающих поведенческих гипотез,а также связанных посадочных страниц. 
Повысили показатель возврата пользователя на сайт. 
Вместе прокачали продуктовую матрицу бизнеса  за счет расширения пула предложений. 
Автоматизировали продажи и разгрузили отдел по продажам. 
Обеспечили полную интеграцию магазина с CRM, в т.ч. по производству, логистике, складу и контролю. 
Прокачали брендинг и узнаваемость компании.

Результаты разработки интернет-магазина компании

Настроили интеграцию с интернет-магазином,  откуда автоматически падают сделки в Битрикс24. 
Реализовали БП по работе с дилерами.  Компания может отслеживать историю взаимодействия  с дилерами в индивидуальной карточке, где хранится информация по сделанным предложениям — наименование, стоимость и фотография экспозиции, ответственный исполнитель, дата поставки, произведенные обновления  по стенду и т.д. 
Автоматизировали продажу уже готовых материалов. 
Организовали взаимодействие между покупателями  и физическим магазином. Все сделки также попадают  в Битрикс24, что облегчает работу с заказами. 
Проведена интеграция электронных почт сотрудников с Битрикс24. 
Автоматизировали задания и стадии работы для сотрудников,  что облегчает работу менеджеров и контроль задач. 
Создан виджет чата и обратной связи на двух сайтах компании для взаимодействия с покупателями и оперативной работы с заказами. Также в чате реализован функционал по оформлению и оплате заказа 
Подключили 3 номера телефонии к CRM, которые распределены по разным направлениям компании, для фиксации звонков и сбора статистики. 
Настроили шаблоны договоров для «ООО» и «ИП», а также УПД.  Вся работа выполняется в 2 клика с автоматической подготовкой  документов и автозаполнением полей. 
Автоматизировали систему документоборота для менеджеров.  CRM дает возможность выставлять счета прямо из карточки клиента, контролировать статус и оплату, отправлять ссылку  на сформированный счет. 
Провели обучение по работе с платформой  для сотрудников.

Результаты интеграции с CRM-системой

cases_result

Заказчик — крупный поставщик товаров на маркетплейсы, торгующий на всех основных площадках — Ozon, WildBerries,Яндекс.Маркет, Kazan Express с использованием различных юридических лиц для операционной деятельности (Различные магазины, виды продукции и т.д.). 
При росте оборота и масштабировании бизнеса возникли сложности в управлении и контроле бизнеса, для внешней рыночной аналитики клиент использовал сервис MpStats, который не покрывал требования бизнеса к управлению внутренними бизнес-процессами. 
Существующие внутренние кабинеты маркетплейсов также не предоставляли нужного объема функционала для контроля и работы с внутренними процессами, в т.ч. и для менеджеров самих маркетплейсов. 
Задачей стояло максимального гибко объединить все бизнес-процессы заказчика в единый аналитический цифровой сервис с понятным функционалом и невысоким порогом вхождения,а также автоматизировать все возможные рутинные процессы работы сбора данных для менеджеров. 
Силами аналитиков команды разработки был организован сбор и анализ функциональных требований к системе, мы декомпозировали Unit-Экономику бизнеса на составные части, вычленяя ключевые проблемы бизнеса совместно с командой заказчика. Поскольку продукт комплексный, решением было предложено модульная разработка под каждый блок сервиса, где на каждом этапе мы смогли проводить качественный функциональный и технический анализ на основе собственных метрик заказчика. 
Так, в том числе мы смогли корректно планировать сроки и стоимость разработки в комфортных и понятных для заказчика рамках с немедленным внедрением модулей в бизнес и обучением сотрудников. 
Cейчас платформа представляет собой набор различных модулей, обеспечивающих сбор и представление всех необходимых  данных бизнеса и информации по товарам в удобном и настраиваемом виде на каждом этапе работы бизнеса от планирования поставок до прогнозирования будущих продаж.

Unit-экономика бизнеса, все требуемые параметры настраиваются под удобный вид  через конфигуратор схем, — необходимые данные, их порядок, период. В результате  из разных источников собирается полная картина по нужным категориям метрик. 
Отчетность поддерживает экспорт данных по любым периодам  и глобальный поиск, данный модуль поддерживает работу  по различным каналам реализации / площадкам. 
Во-первых, Блок позволяет отслеживать статистические показатели продаж, все колонки данных разбиты по заданным или пользовательским смысловым блокам в зависимости от того, какие метрики необходимо отследить, например: 
• База — общецелевой блок  (Продажи, остатки, заметки,  лайки, фото, дневная динамика и т.д.) 
• Цены 
• Поставки 
• Финансы 
• Карточка 
и т.д. 
Во-вторых, возможно оперировать и с динамическими показателями, например, использовать свойства карточек товаров для ценообразования, когда от значения свойства может зависеть цена. Часто поставщики  не имеют внутреннего хранилища, где указаны все свойства товаров (Вариативная длина, число предметов и т.д.) при том, что они заполнены в личных кабинетах маркетплейсов. 
Система позволяет формировать группы различных срезов, например, брендам, проектам, ИП или по пользовательским форматам, поддерживая и вложенность групп, так, возможно сравнивать как группы между собой, так и частное с общим  в одной группе. 
Вся необходимая информация выводится в виде  настраиваемых графиков по различным категориям, в т.ч. заказы, продажи, поставки, возвраты, закуп и т.д. 
Система позволяет под одним аккаунт создавать несколько поставщиков, и таким образом, можно собирать абсолютно  все данные в этом блоке с разных маркетплейсов и оценивать общую объединенную статистику. 
Например, анализ данных с одного ИП или бренда по WB и Ozon сразу.  Если, допустим, за каждое направление отвечает два разных менеджера, возможно разграничить зоны ответственности по правам доступа,  при этом отображая для руководителя общую картину.

Аналитика продаж

Блок предоставляет возможность управления описанием карточек товара, создания своих категорий товаров,  позволяет настраивать их связи, а также связи кастомных категорий и предлагает функциональные возможности реализации пользовательских полей, пользовательских групп и непосредственных настроек свойств карточек. 
Возможно реализовать сегментацию идентичных товаров с разными конфигурациями в целях оценки продаж тех или иных категорий, например, черные чехлы для телефонов и красные, либо футболки  с принтами и однотонные. 
С точки зрения, например, WildBerries все футболки или чехлы  будут находится в одной категории каждого товара и провести автодетализацию продаж товаров разной конфигурации  в категории будет невозможно. 
Связи между товарами или их группами позволяют дополнительно фильтровать товары по необходимым критериям, например, «Сезон: Зима / Лето», так можно работать только с интересующими позициями в глубокой выборке,  что удобно при большом ассортименте продукции.

Управление товарами 

Блок необходим для автоматического контроля ключевых точек бизнес-процессов поставки товаров.  Здесь производится фиксация план-факта объема поставок, отслеживание этапности поставок, планирование и подсчет себестоимости партий. 
Система производит автоматическую сверку план-факта поставки,  сколько поставщик отгрузил и сколько принял маркетплейс  с последующей индикацией о необходимости открывать спор. 
Здесь же фиксируются заключенные плановые поставки в будущем и их объем, помогающие выстраивать план по продажам  в зависимости от сроков цикла производства и времени на логистику. 
В отчете по товарам такая поставка будет учитываться как категория  «План по поставке», что уже позволяет работать с новыми данными. 
На каждую партию уже на текущем этапе заводится себестоимость продукции с учетом всех издержек. Например, при существующих колебаниях курса валюты, это функция способна минимизировать погрешности при расчете прибыли. 
В системе учитывается вся сопутствующая информация  по поставкам, в т.ч. акты, накладные, типы поставок, типы упаковок, склад и иные необходимые данные.

Планирование поставок

<ul>
1. Прозрачный управленческий учёт и система отчетности для руководителей, автоматическое отслеживание показателей в онлайн-режиме по любым необходимым критериям. 
2. Мониторинг динамики показателей в разрезе товаров, категорий, брендов и групп, в т.ч. созданных вручную, по любым периодам, площадкам и объемам. 
3. Мониторинг динамики статических показателей по товарам, а также интеграция самых важных графиков в таблицы с товарными отчетами. 
4. Гибкие инструменты ведения Unit-Экономики бизнеса по желаемым критериям, сквозная аналитика, наглядное представление данных в графиках, дашбордах и виджетах. 
5. Планирование поставок, их учет в производстве новых партий товаров, подсчет себестоимости и дальнейшее прогнозирование продаж. 
6. Гибкие права доступа с возможностью создания и назначения ролей и настройкой доступов просмотра / редактирования для любой роли в зависимости от задач. 
7. Инструменты и фильтры для работы с большими объемами данных и ассортиментами под любые необходимые срезы, инструменты  наглядной оценки для поддержания текущих производственных и аналитических процессов. 
8. Инструменты товарной аналитики, например, отслеживание ликвидных и неликвидных товаров, определение объема будущих закупок. 
9. Инструменты финансовой аналитики, — анализ объемов   логистики, комиссий, штрафов, расчет итоговой прибыли. 
10. Управление контентом товаров: Задание заголовков, описаний, свойств, в т.ч. массовое, возможность сегментации товаров  по собственным критериям. 
11. Инструменты отслеживания слабых точек в продажах,  контроль ситуаций, требующих реагирования. </ul>

Результаты разработки

Клиент нуждался в системе, способной обеспечить автоматическое распознавание наличия специальной рабочей одежды и индивидуальных средств защиты, таких как перчатки, каски и спецодежда. 
Ввиду невозможности собрать полноценный датасет  для обучения, большинство решений мы реализовали с помощью подхода one shot learning. В различных сценариях точность детекции составляла от 60 до 90%. 
Помимо комплекса нейросетей, мы создали систему автоматического протоколирования детектируемых данных и оповещений, интегрированную в системы клиента. Это позволило обеспечить непрерывный мониторинг и своевременное реагирование на потенциальные нарушения требований безопасности. 
Cистема была успешно протестирована и внедрена заказчиком, сейчас активно используется на буровых установках. 
Опыт, полученный в ходе реализации этого проекта, позволил нам разрабатывать легковесные модели для складских решений, таких как анализ загруженности палет, и для производственных систем, включая детекцию брака на конвейерах с помощью систем видеоанализа в реальном времени.

Заказчик — профессиональный игрок в бильярд, которая решила разработать электронный дневник, помогающий спортсменам анализировать свое психоэмоциональное состояние во время турнирных матчей. 
Заказчик обратился с готовыми наработками для дневника, попросив «красиво» упаковать продукт в простой и доступный инструмент. Для этого нашей командой было предложено реализовать логику через телеграм-бота с применением технологии webapp. 
Разработанный функционал:
<ul>
• Личный кабинет пользователя; 
• Система отчетов и наглядных графиков; 
• Возможность сравнения нескольких ранее пройденных опросов; 
• Тренажеры для проработки психологических установок; 
• Выбор языка (Русский / Английский); 
• Возможность оплаты c интеграцией платежных сервисов.</ul>

Кроме того, была разработана и собственная CRM-Система для работы менеджеров заказчика, включающая в себя:
<ul>
• Базу данных пользователей и пройденных ими опросов; 
• Инструменты внутренней аналитики — выгрузки, дашборды и т.д.; 
• Управление ролями доступа и постингом контента; 
• Рассылку статей по воронке и проработку воронок.</ul>

В первый месяц работы бота заказчику удалось привлечь более 3 000 пользователей без активного маркетингового сопровождения,

Заказчик обратился для полномасштабной доработки web-платформы, поскольку предыдущие исполнители не смогли довести ее до минимально рабочего состояния. Желаемый функционал отсутствовал, архитектура проекта  была создана некорректно, отсутствовала интеграция  с блокчейном и т.д. 
Итоговый функционал, реализованной нашей командой:
<ul>
Реализована логика работы ставок на платформе. 
Проработаны архитектура и безопасность. 
Увеличена пропускная способность сайта. 
Личный кабинет пользователя. 
Подключены необходимые API-сервисы для отображения данных  по событиям, — спортивные мероприятия, коэффициенты и т.д. 
Интеграция с сервисом Metamask. 
Смарт-контракт в сети ERC-20 с записью ставок в базу данных  на блокчейне для большей степени безопасности. 
Карточки событий, поиска, календаря и т.д. 
Мобильная версия платформы.</ul>

Запрос заказчика заключался в разработке решения, которое позволило бы автоматизировать узкие точки бизнес-процесса взыскания долгов с недобросовестных заемщиков, максимально сократив человеческий труд и сопутствующее ошибки, а также увеличить пропускную способность данного БП. 
На момент начала работ в компании данные все бизнес-процессы взыскания неэффективно работали, не отслеживались и слабо поддавались контролю: операторы работали без четких скриптов, с разной эффективностью, оценить которую было невозможно, отсутствовали точки контроля, отсутствовал сбор статистики как по сотрудникам, так и по клиентам, в компании присутствовала высокая текучка кадров, завязанных на данной деятельности. 
Проблемой выступало и то, что при увеличении числа клиентов, число недобросовестных заемщиков, которые отказывались своевременно возвращать займы, в процентном отношении увеличивалось, т.е. компанию просто-напросто стали гораздо чаще «кидать». 
Заказчику было необходимо решение на базе искусственного интеллекта, которые бы помогло разгрузить операторов за счет автоматизации процесса первого контакта, а так же работало бы в единой манере, совмещая в себе эффективные практики по вопросам возврата задолженностей клиентами организации.

Суть бизнес-проблемы

Для реализации решения по части ИИ было выбрано несколько подходов:
&#8212; Использование готовых генеративных решений (ChatGPT 3.5); 
&#8212; Использование open-source LLM моделей (Llama 2.0, Mistral); 
&#8212; Использование нейросетей-трансформеров (Bert, Roberta);
По итогам тестов и исходя из модели продукта, было принято решение остановить выбор на модели BERT, как готовую модель, которую можно дообучить и разместить на своих серверах с сопутствующей высокой скоростью ответа. Данная модель была обучена на классификацию интентов (Intent Classification) + выделение сущностей из фраз. 
Поскольку данный подход основан на определении класса входящего в модель сообщения и не предоставляет возможность сгенерировать ответ, было принято решение усовершенствовать систему деревом диалогов. 
Данное дерево имитирует процесс общения двух пользователей. В зависимости от ответа второго пользователя на вопрос или сообщение первого происходит выбор следующего сообщения для коммуникации. 
В качестве основного канала коммуникации был выбран мессенджер «Телеграмм», поскольку на данный момент он имеет самый широкий функционал для разработки кастомных решений среди всех мессенджеров, а так же является одним из самых популярных.

Подход к разработке

Обучение модели происходило на 10 000+ диалогов операторов по взысканию долгов и должников. Диалоги были переведены в текстовый формат, разделены по ролям. Была проведена кластеризация фраз должников. На основании кластеризации были выбраны самые плотные облака классов. 
На основании проанализированных диалогов, аналитиками так же были выделены самые частые сценарии, которые затем были соотнесены с классами, полученными при кластеризации. Итогом данной работы стал набор классов, под которые были разработаны сценарии общения. 
Фразы, выбивающиеся из общих классов, были либо присвоены какому-то классу, либо отправлены в общий класс, который представлял из себя заглушку. 
Сложный подход к реализации диктуется из требований к максимальной технической точности распознавания запросов пользователей (Быстро проговоренные фразы; «прожеванные» слова, орфографические ошибки, некорректное поведение), поскольку бот общается в финансово-юридической плоскости, где разного рода ошибки распознавания могут быть критичны.

Процесс обучения

На данном этапе разработанное решение дорабатывается под бизнес-запросы заказчика по следующим критериям: 
1. Общая информационная база и клиентский анализ 
Дополнительно возможна реализация сбора статистики и введения общей информационной базы, в т.ч. контроль поведенческих паттернов и сценариев взаимодействия с клиентами. Станет возможным проводить анализы срезов данных по клиентам, метрически отслеживать слабые и сильные стороны бизнеса в рамках данного БП не только в области ответственности бота, но и всей экономики бизнеса в целом. 
В том числе, например, возможно увеличение конверсии за счет возможности прогнозирования и подтверждения клиентоориентированных гипотез на основе статистики. 
2. Глубокое дообучение ИИ 
Дообучение ИИ на основе гипотез с целью расширения функционала и области применения, например, возможно внедрить методологии продаж дополнительных продуктов и услуг через ИИ, а также увеличивать конверсию за счет понятных для ИИ алгоритмов взаимодействия с клиентами различных категорий.
3. Реализация голосового ИИ 
Разработанное решение позволяет производить доработки ИИ вплоть до полного замещения сотрудников-людей автоматизированной системой коммуникации и по телефонной линии, что позволит полностью оцифровать весь бизнес-процесс и многократно увеличит его пропускную способность.

Масштабирование платформы 

Настроили полный цикл продаж по 7 направлениям компании, начиная с лидов с распределением на сделки и контролем этапов работы. 
Настроили задачи, сроки старта и стадии выполнения работы. 
Внедрили функционал по контролю станков  по номерам заказов. 
Настроили работу производственных линий  по системе Канбан. 
Внедрили выставочные экспозиции, вся информация  по которым отслеживается в индивидуальной карточке дилера. 
Настроили телефонию (MANGO OFFICE + Megafon)  для организации продаж и клиентского сервиса. 
Интегрировали Call Tracking и E-mail Tracking  для отслеживания звонков и писем с сайта. 
Настроили систему уведомлений о событиях (Webhook)  для отслеживания действий клиентов при получении писем. 
Автоматизировали процессы документооборота.  Для каждой сделки автоматически формируется полный пакет  документов с уже заполненными полями. 
Разработали отчеты по сделкам и производственной продукции. 
Реализовали возможность работы в оффлайн-режиме. 
Установили Wi-Fi ретрансляторы для прямого соединения  между производством компании и сервером Битрикс24. 
Провели обучение по работе с платформой для сотрудников.

Samplestone — компания по обработке и производству каменных панелей. Руководство Samplestone приняло решение развивать онлайн-канал продаж, кроме того, для масштабирования компании было  крайне важно настроить общую систему управления и комфортную рабочую среду. Мы разработали интернет-магазин компании, а также провели внедрение и интеграцию CRM-системы. 
Ключевые задачи: 
<ul>
Разработка интернет-магазина компании; 
Комплексная аналитика и продвижение бренда в сети; 
Создание общей технической инфраструктуры компании; 
Внедрение системы управления продажами (CRM); 
Настройка ведения производственных линий; 
Интеграция IP-телефонии с CRM-системой; 
Организация документооборота компании; 
Обучение сотрудников работе в системе.</ul>

Провели анализ рынка, продукта и ЦА, на базе которых  выстроили маркетинговые решения и структуру сайта. 
Обеспечили существенный рост количества входящих заявок,  а также расширение клиентской и партнерской базы еще до старта  самых конверсионных работ по продвижению бренда в сети. 
Реализовали полностью адаптивный интерфейс, сохраняя  удобство сайта для пользователей мобильных устройств. 
Обеспечили полную интеграцию сайта с CRM  и СMS-Системами компании.Настроенная нами бесшовная двухсторонняя связь позволяет менеджерам,маркетологам, руководителям, сборщикам, производственникам и всем другим специалистам компании работать в одной системе. 
Прокачали позиционирование бренда на рынке и его конкурентные преимущества, что позволило повысить конверсию и средний чек. 
Автоматизировали большинство процессов продаж магазина.

При масштабировании бизнеса заказчик столкнулся с проблемой отсутствия контроля работы менеджеров по продажам, несмотря на наличие записей и работы отдела контроля качества. Ввиду большого числа критериев и штата специалистов, требовалось обработка большого количества входных данных на предмет соответствия должностным инструкциям и корректности прохождения лидов по скрипту в холодных продажах. 
На основании обработки более 1 000 аудиозаписей  по двум каналам — менеджера и клиента, была разработана аналитическая система оценки ведения диалога менеджера по скрипту, которая в том числе учитывала ответы клиента. 
Особенностью системы является ее реакция  на нестандартные сценарии диалога, такая система  не учитывает данные паттерны в общей статистике для объективизации выборки. 
Система производит оценку на каждом этапе  движения по скрипту, а конечные результаты выводятся  на интерактивный дашборд в сервисе заказчика.  При этом, с учетом высокого качества полученных материалов для обучения модели, точность  распознавания и оценок составила до 85%. 
На текущем этапе в бизнесе отпала необходимость ручного контроля данного бизнес-процесса, наглядный анализ и представление данных позволяет выстраивать корректную Unit-экономику этапа и оценивать эффективность работы.

Рынок криптовалют является одним из самых быстроразвивающихся и довольно рискованных финансовых рынков. Ежегодно создаются сотни проектов с применением технологии блокчейна и выходит более тысячи новых токенов. Людям, которые хотят инвестировать в блокчейн-проекты бывает тяжело сразу разобраться в надежности и перспективе таких проектов, из-за чего они рискуют потерять вложенные средства, либо потратить большое кол-во времени впустую. 
Целью данного проекта было создание аналитической системы, которая бы собирала помогала пользователю получить проанализированную информацию о различных блокчейн-проектах, что позволило бы значительно сократить время на поиск интересных и перспективных проектов для инвестирования и снизить вероятность потери средств. 
Нами было предложено решение создать платформу, которая будет собирать информацию из различных доверенных источников, проводить аналитику, исходя из заданных критериев и формировать отчеты для пользователей. Для простоты и доступности в качестве клиентской части был использован телеграм-бот, что позволит использовать продукт пользователям различных ОС без каких-либо трудностей. 
Разработанный функционал:
<ul>
• Парсинг данных из 50+ ресурсов, а также их дальнейшая обработка, 
 хранение и удобная выдача десятков параметров по 20 000+ проектов в сфере блокчейна и криптовалют; 
• Собственная скоринг-система проектов; 
• Кастомные рейтинги по заданным параметрам с системой фильтрации; 
• Добавление проектов в «Избранное»  и «Портфель», а также выставление сигналов на движение их рыночной цены; 
• Нативные инструкции + обучающий блок; 
• Аналитика по инвестиционным фондам; 
• Локализация на английский язык; 
• 3 версии продукта (Free, Light, Pro), отличающиеся по полноте выдаваемых данных.; 
• Интеграция системы оплаты (Paymaster, Tinko, Robokassa); 
• Интеграция промокодов. </ul>

Дополнительно была разработана собственная CRM-система, позволяющая:
<ul>
• Отслеживать пользовательское поведение, в т.ч. оплаты, активации промокодов; 
• Использовать инструменты внутренней аналитики (Выгрузки, дашборды и т.д.); 
• Работать с базой данных клиентов.</ul>

Заказчику требовалась разработка сервиса по определению эмоционального отклика людей-участников фокус-групп по видео и фото-контенту в целях маркетинговой оценки цифровых материалов. 
Силами нашей команды были разработаны алгоритмы  по отслеживанию направлений взгляда и построению тепловых карт взглядов для различного типа контента. Система фиксирует и оценивает результаты по 7 основным эмоциям человека из 40 000 параметров, например, вариаций расширения зрачков, положения скул, мимическим изменениям и т.д. 
Ввиду большего количества оцениваемых параметров  и сложной цепочки обработки данных, важным критерием выступала оптимизации алгоритмов работы сетей.  В частности, была произведена оптимизация скорости детекции лиц, что позволило увеличить данный показатель в 10 раз по сравнению с opensource решениями. 
Вывод данных был реализован посредством веб-приложения. Мы также разработали аналитический модуль и конструктор отчетов по полученной информации. Отчеты позволяют детализировать пользовательское восприятие по секундам  и фиксировать только необходимое, что позволяет представлять информацию в удобном для принятия  бизнес-решений виде. 
На данном этапе система активно используется  для маркетинговых и UX-исследований в ряде  флагманских российских компаний. Также со стороны заказчика производится дополнительное анкетирование опрашиваемых участников тестирований  для более детального анализа данных.

Описание проекта

Заказчику, агентству по подбору персонала,  было критически необходимо сократить трудозатраты  на первом этапе воронки поиска специалистов, максимально автоматизировать существующий бизнес-процесс. Ценные специалисты быстро уходили  на новые места, люди терялись, возникали простои в коммуникации, качественно фильтровать вручную поступающую информацию не представлялось возможным. 
Предложенное решение — разработка и интеграция гибкого комплекса нейросетей для автофильтрации и общения с соискателями с минимальными временными издержками в режиме онлайн.  
Бот, как комплекс нейросетей, позволяет автономно оценивать соискателей из табличной базы данных по индустрии, квалификации, опыту и всей информации из резюме по требуемым критериям. 
Бот также вступает в непосредственный живой диалог  в чате с соискателем, самостоятельно производя вторичную фильтрацию по заданным инструкциям, в т.ч. по критериям делового стиля общения, информативности, общего ведения диалога. 
Подходящие кандидаты автоматически заносятся в новую базу данных, откуда далее попадают на следующий этап воронки с включением живых специалистов. 
Важной особенностью проекта является гибкость настройки бота по содержанию данных аналитики и настройкам критериев общения с соискателями в чате.

Заказчик пришел к нам с запросом на разработку системы температурного картирования производственных помещений с целью выявления несоответствий нормативным требованиям контролирующих органов в рамках проведения проверок. 
Мы провели анализ необходимых помещений для определения точек регистрации температуры с учетом особенностей планировки объектов, спроектировали план размещения датчиков температуры и влажности для фиксации состояния микроклимата объектов, а также разместили автономные регистраторы температуры и шлюз-роутер для коммутации датчиков к системе. 
В качестве клиентского сервиса мы разработали прикладной интерфейс в виде личного кабинета, позволяющий в онлайн-режиме отслеживать и контролировать регистрируемый температурный диапазон, а также состояние датчиков. Система также гибко настраивается под требуемые рабочие диапазоны в приложении. 
Внедрили систему формирования отчетности в виде таблиц и графиков и автоподсчет получаемых рассчетных значений. 
Фактически размещение датчиков не требует использования большого массива данных для высокой точности оценки, как и количества датчиков (Как показано в MVP на скриншоте экрана), достаточно использовать 1-2 датчика на помещение или больше для цеха, где размещаются станки, однако функционал системы поддерживает любую конфигурацию датчиков и их подстройку под тепловые карты.

Заказчик — владелец завода по производству алюминиевого сырья обратился к нам с запросом на общую цифровизацию систем предприятия по ряду проблем, обнаруженных в ходе внутреннего аудита, которые тормозили процессы на производстве. 
В ходе изучения бизнес- и рабочих процессов аналитиками были выявлены уязвимости в организации деятельности сотрудников и взаимодействии отделов, в ходе которых терялись критические для работы данные, в т.ч. производственная информация. Разработанное решение представляет из себя модульную систему под задачи конкретных этапов производственных процессов. 
На текущем этапе система объединяет весовые, склады, плавильные цеха (мастерские), отдел закупок, логистики и продаж, автоматизируя сбор и занесение основных рабочих данных, а также их контроль, автоматизировано формирование административной документации. 
Полностью автоматизированы процессы лабораторного контроля качества продукции в ходе плавки материалов,  внедрены дополнительные точки контроля подготовки сырья, что позволило сократить число брака на 29%. 
Внедрены системы запросов и логгирования рабочих задач с целью разделения зон ответственности сотрудников. 
Произведена интеграция табличных БД заказчика, а также внутренних систем (1С, CRM) заказчика. 
Реализована производственная отчетность для отделов продаж и логистики в целях планирования закупок, а также онлайн-отчеты для руководителей в целях контроля работы предприятия при помощью PowerBI.

Анализатор
эмоциональной активности

Описание проекта

Команда разработки

Результаты

Анализаторэмоциональной активности

Описание проекта

Команда разработки

Результаты

Анализатор
эмоциональной активности