Maskinlæring | Kunstig Intelligens | Dyp læring 
Stordata | Datavitenskap | Datavarehus 
-fra data til handling 

Chronos AS

Bigdata Bi Datavarehus 

Anbefalings-motorer

Analyse av sosiale medier

Avdekking av svindel

Analyse av kundesenter-kommunikasjon

Helautomatisk saksbehandling

Dynamisk prising

Kapasitets-planlegging

Prediksjon av omsetning, lager, personell og andre ressurs-behov

Intelligent material- og 

vareflyt

Hindre kundelekkasje

Anbefalingsmotorer predikerer hva slags preferanse en kjøper har til et produkt. Preferansemåltallet brukes blant annet til å:

  • målrette reklamer og kampanjer
  • differensiere prising
  • gjennomføre kryssalgs- og oppsalgsaktiviteter

 

I våre analyser av sosiale medier leser vi tekster fra mange kilder, blant annet nettsteder, facebook, twitter og andre sosiale kanaler. Vi samler og analyserer tekstene. Våre løsninger besvarer blant annet spørsmål som:

  • Hva er kundene opptatt av for tiden?
  • I hvilken grad er kundene fornøyd med vår virksomhet eller ikke?
  • Hvem bidrar til å spre gode budskap om vår virksomhet og hvem sprer negative budskap?

 
Bedrageri og svindel kan i dag avdekkes ved hjelp av massiv og intelligent bruk av datanalyse, datavitenskap, maskinlæring og grafanalyse. Vi samler data, analyserer disse og avdekker mistenkelige avvik. 
 

Analyse av kundesenterkommunikasjon.  Vi analyserer tale og tekster og finner - til forskjell fra kundesentersystemet - også de av kundens klager, forespørsler, meninger og holdninger som ligger skjult under overflaten. Chronos har en egen løsning som kan skreddersyes og koples opp mot de aller fleste kundesentersystemer. Vi samarbeider med rådgivingsfirmaet Effecto Consulting som har utstrakt ledererfaring innen kundesenterprosessen. 

 

Selvlærende systemer kan lære hvilke fakta som påvirker og bestemmer innhenting av fakta og vedtak i saksbehandlingsprosessen. Basert på historiske vedtak, og en mest mulig komplett mengde av informasjonen som leder til vedtaket, bygger vi opp ett selvlærende system som gjennomfører saksbehandlingen. Basisinformasjonen kan værre rene strukturerte data i et saksbehandlingssystem, alle tilhørende dokumenter, samt eventuelle eksterne kilder. 

 
I dag endres prisene på stadig flere produkter dynamisk og i stadig raskere takt. Prisene kan endres basert på tidspunkt, etterspørsel, lagerbeholdning o.l.. Handelsbørser, som for eksempel energimarkedet har løpende dynamisk prising. Chronos setter opp selvlærende systemer som automatisk kan forhandle pris basert på de faktorene og retningslinjer virksomheten setter.
 

I kapasitetplanlegging estimerer og planlegger virksomheten behovet for produksjonskapasitet basert på etterspørsel av produkter, infrastruktur eller tjenester. Vi finner fram til optimal arbeidsmengde virksomheten kan fullføre hensyntatt kvalitetsproblemer, forsinkelser, materialhåndtering o.l.. Til forskjell fra tradisjonell såkalt "integer programming" og "dynamisk programmering" bruker vi intelligente læringsalgoritmer til dette.

 

Vi analyserer historiske virksomhetsdata og eksterne data som samvarierer for å lage gode prediksjoner. Vi predikerer omsetning, resultat og ressursbehov og andre framskrivinger av tidsserier. Vi designer, bygger og tuner avanserte løsninger basert på avanserte statistiske læringsalgoritmer og nevrale nettverk. 

 

Vi optimaliserer trafikken i logistikk- og materialhåndteringssystemer. Tradisjonelt er dette optimalisert ved simuleringsmodeller og kapasitetstester i anlegget.  Vi bygger såkalte forsterkende læringsmodeller som konvergerer mot optimal ytelse basert på informasjon om historisk og løpende ytelse og løpende tilbakekopling i produksjonen.

 

Chronos bruker avanserte algoritmer for å avdekke kundegrupper og kunder med høy risiko for å avvikle sitt kundeforhold. Vi analyserer hva som skal til for å beholde disse kundene.