La tecnología está provocando importantes procesos de disrupción y transformación en el ámbito financiero. En este escenario, Treelogic, como empresa intensiva en I+D+i, pone al servicio de los principales actores del sector sus conocimientos, capacidades y experiencia en innovación.
Nos focalizamos en los procesos relacionados con la transformación digital de entidades financieras y aseguradoras para satisfacer las necesidades de clientes cada vez más exigentes y con nuevos hábitos de relación y comunicación con sus proveedores.
Trasladamos nuestra experiencia y conocimiento en Big Data & Analytics proponiendo las tecnologías que mejor se ajustan a cada caso de uso.
Cubrimos todas las fases de un proyecto de análisis y procesado de datos: diseño, selección de tecnologías, construcción e integración de la arquitectura, despliegue de los entornos y desarrollo de casos de uso analíticos.
Acompañamiento al cliente por parte de profesionales expertos en tecnologías avanzadas, con experiencia tanto en la actividad de I+D como en proyectos innovadores.
Diseño de la estructura del sistema que se ajusta a los requerimientos del tratamiento masivo de datos; volumetría, rendimiento, seguridad, etc.
Análisis, diseño e implementación de la solución que responde a las necesidades de casos de uso de negocio concretos planteados por el cliente.
Soluciones
SERIF es una familia de soluciones de detección, análisis e investigación de fraude en banca y seguros que, mediante el uso de tecnologías de Big Data y Data Science, permite analizar grandes volúmenes de datos optimizando los resultados.
Modela todos los datos existentes en la compañía, permitiendo visualizar distintos tipos de relaciones. Mediante una interfaz interactiva se facilita la investigación de siniestros, personas o activos asegurados, así como el descubrimiento de posibles redes de fraude.
Con el análisis de información pública disponible en Internet, esta solución permite el enriquecimiento de los datos internos de la compañía, en muchos casos de baja calidad e incompletos, con datos externos que se consideran relevantes para el objeto del estudio.
Destacados
Clasificación de transacciones, estudio de relaciones entre datos internos, enriquecimiento con fuentes externas (redes sociales, webs, open data, etc.), identificación de patrones de comportamiento.
Predicción del tiempo de vida de clientes, modelos de churn, propensión a compra de determinados productos, predicción de conductas concretas como la amortización anticipada de un crédito.
Recomendación personalizada y cross selling de productos para mejorar la experiencia de cliente, basada en información histórica en combinación con el contexto espacio-temporal.
Ponte en contacto con nosotros, estaremos encantados de estudiar cómo podemos ayudarte.