PRESENTACIN GRUPO LANIT Quines somos Somos un empresa

PRESENTACIÓN GRUPO LANIT ¿Quiénes somos? Somos un empresa especializada en Analítica de Datos. ü Más de 25 años de experiencia en el sector TI ü >40 trabajadores distribuidos en las 3 sociedades del Grupo, principalmente ingenier@s en informática y matemátic@s ü Empresa en constante crecimiento y evolución

LANIT CONSULTING Lanit Consulting - Servicios DATA Analítica de datos Diseñamos e implantamos soluciones de Business Analytics y gestión de datos masivos, utilizando las principales tecnologías del mercado Data Management • Data Governance • Data transformation and integration • Data discovery Data visualization • Business Intelligence • Reporting • Geospatial data management Advanced Analytics • Machine Learning BIG DATA • • • Process improvement & optimization Integration of unstructured data Diseño de arquitecturas ETL / ELT Hortonworks / Cloudera AWS Big Data / AZURE Big Data / Google Big Data

LANIT CONSULTING Servicios profesionales analítica de datos Lanit Consulting ofrece un equipo experto en todo el proceso del dato formado por Ingenierxs Informáticxs y Matemáticxs que trabajan bien con proyectos llave en mano o como parte de los equipos propios de la compañía, en remoto o insitu. Data Engineer Diseñan la arquitectura, procesos y métodos para el desarrollo de aplicaciones analíticas. Data Scientist Diseñan modelos analíticos y algoritmos. Data Analyst Recogen las necesidades de los usuarios de negocio y diseñan la solución analítica.

LANIT CONSULTING Capacidades tecnológicas STORAGE & ANALYTICS CLUSTER INTEGRATION CLUSTER* Io. T Data Origin DATA EXPLOTATION 3 2 1 Business Intelligence Business Analytics Docker x 1 Docker x 3 Real Time Monitoring Advanced Analytics

LANIT CONSULTING Principales clientes BANCA / SEGUROS DISTRIBUCIÓN ADMINISTRACIÓN INDUSTRIA ENERGÍA SALUD TURISMO

LANIT CONSULTING Casos de Éxito Plataforma analítica de Inteligencia Comercial Empresa del Sector asegurador, se plantea el reto de identificar nuevas oportunidades de venta mediante la aplicación de técnicas de geo-analítica avanzada. Beneficios Obtenidos: Nuevas capacidades analíticas que le permiten determinar con precisión: • El área geográfica de cobertura real y prevista para su red de ventas. • Las características sociodemográficas y de consumo de sus Clientes y potenciales Clientes. • Su cuota de mercado estimada y potencial. • Las áreas geográficas con mayor crecimiento estimado. • La predicción de ventas (nº asegurados, importe primas, multiasegurados, …), según patrones de comportamiento de su cartera de clientes, datos de mercado por ramo asegurador, y simulación de escenarios de alianzas con nuevos agentes.

LANIT CONSULTING Casos de Éxito Segmentación de clientes para recomendación de contenido Se desarrolla para empresa del sector de medios digitales un sistema de catalogación de contenido, permitiendo luego segmentación de clientes para la recomendación de contenido publicitario y contenido propio. Beneficios Obtenidos: Ø Ø Ø Modelo no supervisado que identifica grupos de clientes con intereses en contenidos y potenciales objetivo demográfico para publicidad. Identificación pertenencia a segmento en tiempo real. Mejoras reportadas: v Aumento hasta 50% de CTR en ciertos segmentos, y un 5% en promedio. v Aumento de tiempo retención de cliente de 8%. Hasta >20% en ciertos segmentos. 8

LANIT CONSULTING Casos de Éxito Modelo segmentación de Clientes de banca para Venta de seguros Empresas del Sector de la Banca y Seguros se plantean como reto el desarrollo de una segmentación estratificada de clientes. En base a datos socio-demográficos asociados se segmenta y asigna propensión de compra. Beneficios Obtenidos: Ø Ø Ø Modelo no supervisado que identifica grupos de Clientes susceptibles de comprar productos de la compañía aseguradora. Identificación de los canales de comunicación preferido aumentando el impacto de las campañas. Nuevas oportunidades de negocio: v Identificación de 3 nichos de mercado. v Identificación de 2 grupos para cross-selling.

LANIT CONSULTING Casos de Éxito Modelo analítico de detección de Comportamientos de Fuga de Clientes Empresa del Sector de la Distribución se plantea como reto el desarrollo de un modelo matemático que le permita anticipar, para Clientes adheridos a su Club de Fidelización, comportamientos potencialmente susceptibles de abandono de la cadena. Beneficios Obtenidos: Ø Ø Ø Modelo supervisado que, en su ejecución automática mensual, identifica la relación de Clientes susceptibles de dejar de comprar en la compañía. Paso de actuación según segmentación A/B/C/D a la posibilidad de actuar de forma temprana, atendiendo a irregularidades de comportamiento particulares por cada Cliente. Precisión del modelo: v 90% para el Top 5. 000 Clientes 10

LANIT CONSULTING Casos de Éxito Fundamentos del Modelo MODELO ML: Predicción de comportamientos futuros de compra M 1, M 2, M 3 (XGBoost + Bagging + SVR) CLIENTES: Establecer el patrón ‘Cliente Fidelizado’ 1 2 PROCESAMIENTO DATOS: Cluster Big Data (Spark, Python) 3 AJUSTE DEL MODELO: Contraste de Resultados y ajuste de algoritmos y características 4 5 MODELO MATEMÁTICO FUGA: Atendiendo a ratios de desviación típica normalizada en las predicciones respecto al comportamiento histórico 11

LANIT CONSULTING Casos de Éxito Modelo analítico para la optimización de precio y promociones Empresa del Sector de la Distribución se plantea como reto el desarrollo de uno o varios modelos matemáticos que le permitan determinar el precio óptimo de un producto y generar propuestas óptimas de promociones. Aproximaciones y beneficios Ø Ø Ø Modelo de regresión que permite conocer a partir de las ventas totales de un producto, sus ventas base y el uplift debido a diferentes variables como son el precio y las promociones. Escalable a distintas categorías de productos y por la estructura organizativa. Gestión de precio y diseño de promociones basada en datos, de una forma más automática y menos dependiente de decisiones de negocio. 12

LANIT CONSULTING Casos de Éxito Fundamentos del Modelo 1. Exploración estadística y selección de variables 2. Modelo de serie temporal: Prophet 4. Optimización en función de un KPI definido, p. ej. margen, ventas, … 3. 1. PRECIO – Modelo de regresión múltiple Introducimos estacionalidad y tendencia de Prophet: Obtenemos elasticidad del precio (relación unidades – precio) 3. 2. PROMOCIONES – Modelo XGBoost Variable: uplift de unidades debido a la promoción, obtenido de Prophet. Regresores: variables promocionales como mecánica, publicidad, visibilidad en tienda, … 13

LANIT CONSULTING Casos de Éxito Modelo predictivo de claudicación de cuidado de personas dependientes La Administración pública se plantea como objetivo el desarrollo de un modelo predictivo que le permita anticipar el cese del cuidado de la persona dependiente y su ingreso en residencia. Beneficios Obtenidos Ø Ø Ø Modelo supervisado que identifica la relación de aquellos tándems de personas cuidadoras y personas dependientes con alto riesgo de claudicación Sensibilidad del 70% (Detección de verdaderos positivos: casos de claudicación). Intervención social urgente en casos con un riesgo mayor al 90% 14

LANIT CONSULTING Casos de Éxito Fundamentos del Modelo Análisis exploratorio: Visualización y análisis estadístico de variables Resultados del Modelo Machine Learning: Random forest 15

LANIT CONSULTING Contacto Javier Lastra Socio Director Móvil: 610873085 Telf. 94 676 63 00 Javier. lastra@lanit. eu Iurgi Hormaza Socio Director Móvil: 687411357 Telf. 94 676 63 00 iurgi. hormaza@lanit. eu Gonzalo López Director de Desarrollo de Negocio Móvil: 609748983 Telf. 94 676 63 00 gonzalo. lopez@lanit. eu