Voorspellen van vervroegde hypotheekaflossing

MACHINE LEARNING VOOR KLIMAAT-OPLOSSINGEN

Datamining voor misdaadanalyse

Churn-preventie voor webwinkels

Home Owners
Security Camera
Image by Mein Deal
 

Voorspellen van vervroegde hypotheekaflossing

Vervroegde hypotheekaflossing had invloed op 10,4% van de portefeuille in een Nederlandse dochteronderneming van een grote internationale bank. Het doel van deze studie was om risicovolle klanten te detecteren om renteverlies te voorkomen.

Met behulp van de DataDetective-datamining-software door specialisten van Sentient, waren interessante inzichten, relaties en verklaringen snel te vinden in de databases van onze klant. Een scoremodel werd getraind op 20000+ hypotheken en toegepast op de andere 5000.

Het DataDetective-voorspellingsmodel kon tot 7 keer meer klanten selecteren die hun hypotheek eerder zouden beëindigen dan de gemiddelde benchmark-voorspellingsmodellen.

MACHINE LEARNING IN FABRIEKEN VOOR KLIMAATOPLOSSINGEN

Een producent van kunstmestkorrels wilde het gebied van machine learning benutten, om het vochtgehalte op een belangrijk punt in hun proces continu te kunnen voorspellen om hun gasverbruik te minimaliseren.

Inzicht in het productieproces om het gasverbruik te optimaliseren en de verfijning van chemische elementen te verbeteren, bereikt met onze vooraanstaande A.I.-oplossingen toegepast op de productiegegevens die onze klant helpt om hun klimaatdoelstellingen te bereiken.

 
 

Datamining voor misdaadanalyse

De toepassing van DataDetective bij wetshandhaving heeft een indrukwekkend track record opgeleverd in vergelijking met conventionele methoden.

Analisten schatten dat DataDetective hun werk 10 tot 20 keer efficiënter heeft gemaakt. Een persoon zoeken aan de hand van een beschrijving leidt 50% vaker tot de juiste match.

Een vergelijkende studie heeft aangetoond dat criminele activiteiten met meer dan 15% zijn gedaald als gevolg van maatregelen die waren gebaseerd op DataDetective-resultaten.

Churn-preventie voor webwinkels

Het klantverloop of de activering beïnvloedde 87% van het online klantenbestand van een grote warenhuisketen. Het doel van het project was om een model te bouwen dat klantgedrag bij online bestellen kon voorspellen.


Op basis van deze voorspelling kunnen grote potentiële klanten worden benaderd voor reactivering om churn of onder activering te voorkomen. Een database met 630.000 transacties werd gebruikt om een voorspellingsmodel te bouwen.


Uit de eindresultaten bleek dat dit model met 68% nauwkeurigheid voorspelde of een klant zou churnen. Dit kwam neer op een potentiële extra omzet van € 25 mln per jaar voor onze klant.

 
 

Analytische CRM-service voor verzekeringen

Het doel van dit project was om verzekeraars en hun agents te ondersteunen bij marketingactiviteiten en klantrelatiebeheer in business-to-business.

Inzicht in de structuur van een zakelijke relatieportfolio en een lijst met potentiële klanten is verkregen met dataminingtechnieken die worden toegepast op een datakluis beheerd door Sentient.

 

Door het klantenbestand van een bepaald verzekeringskantoor te vergelijken met alle gegevens in de gegevenskluis, werd het gedrag of de interesse van zijn klanten voorspeld.

Wilt u meer weten over de casestudy's?

Neem contact met ons op via info@sentient.nl

+31 (0)20 530 0330

©2020 by Sentient Information Systems B.V.