Les modèles d’analyse prédictive d'HLi Lab adaptables aux cas clients

Accueil / Nos métiers / HLi Lab & le machine learning / Modèles d’analyse prédictive adaptables

HLi Lab a développé ses propres algorithmes d’analyse prédictive pour ses clients.

Les trois modèles réalisés par les data scientist d’HLi Lab :

  • utilisent les données internes, externes open data et open map, le machine learning, l’imbrication d’algorithmes,
  • restituent l’information sous forme d’interfaces de data visualisation,
  • sont adaptables aux différents cas rencontrés par ses clients.

1 – Modèle d’analyse prédictive pour le churn et l’appétence des clients à une offre

Cette solution, Multidimensional Churn AnalysisMCA d’HLi projet labellisé par Cap Digital, permet de :

  • prédire les clients qui vont partir à la concurrence,
  • comprendre les raisons du risque de départ à la concurrence,
  • prendre en compte les réclamations clients en temps réel pour réajuster le modèle de machine learning, apprentissage automatique,
  • mettre en place des actions marketing sur les clients risqués avec un argumentaire adapté à leur profil,
  • suivre l’efficacité des campagnes marketing et de réajuster leur ciblage si besoin avec une approche test & learn c'est à dire apprendre en testant,
  • mieux orienter ses offres de produits et services, son (e-) marketing, son (e-) commerce pour éviter le départ de clients à l’avenir.

Churn ou attrition : la perte de clientèle ou d’abonné

2 – Modèle d’analyse prédictive pour la fraude  

Cette solution de prédiction de la fraude qui permet  de détecter la fraude à l’octroi de crédit est destinée aux établissements de crédit.

3 – Modèle de maintenance prédictive pour prévoir les incidents

Cette  solution de Maintenance Prédictive et d’Optimisation de l’Investissement (solution HLi MPOI), permet de :

  • prédire les pannes sur les réseaux internet, d’eau, de gaz, d’électricité ou sur des équipements,
  • remonter les alertes sur des incidents de logistique.

ZOOM sur cette solution de maintenance prédictive (MPOI) qui :

  •  utilise les données internes (capteurs, bases de données internes) et externes (open data, open map),
  •  s’appuie sur des algorithmes de machine learning permettant de prédire le risque d’incident, de panne ou de dégradation,
  • restitue les alertes et les prévisions sous forme de carte dynamique ou de reporting.

Ses avantages

  • Gérer sa maintenance (prévision du stock et planification des interventions),
  • Intervenir avant qu’une panne ne survienne,
  • Optimiser sa politique d’investissement,
  • Augmenter la satisfaction client en évitant les désagréments relatifs aux incidents, pannes ou dégradations.