KjellDell (fintech)
Signalmotor för handel med flera indikatorer och Bayesiansk optimering av strategiparametrar, schemalagd i produktion.
Prediktiva AI-modeller som används i verkliga beslut
En modell som ligger kvar i en notebook gör ingen nytta. Vi bygger prediktiva modeller på er data och kopplar dem till de processer och system där besluten faktiskt fattas – och mäter om de gör skillnad.
- Python
- scikit-learn
- TensorFlow
- Azure Machine Learning
- Databricks · MLflow
- Microsoft Fabric
- Power BI
Typiska användningsfall
- Efterfrågeprognoser för lager, inköp och bemanning.
- Prognoser för beläggning, flöden och kapacitet.
- Kundbortfall (churn): vilka kunder som behöver uppmärksamhet, och när.
- Avvikelsedetektion i transaktioner, sensordata och driftflöden.
- Klassificering och prioritering av ärenden, ordrar eller prover.
- Rekommendationer och personalisering i en produkt.
Från idé till drift
- Avgränsa beslutet som modellen ska stödja och hur nyttan ska mätas.
- Kontrollera att datan räcker – ofta är det här det största arbetet.
- Börja med en enkel baslinje och öka komplexiteten bara när det lönar sig.
- Driftsätt med MLOps: versionering, schemalagd omträning och övervakning av träffsäkerhet och datadrift.
- Gör resultatet tillgängligt där det behövs – i Power BI, via ett API eller direkt i affärssystemet.
Referenscase
Exempel från uppdrag
Onlinezon – Dynamic Health
AI-drivna hälsorekommendationer utifrån biomarkörer i en konsumentapp.
Vanliga frågor
Hur mycket data behövs?
Det beror på problemet. Vi gör en snabb kontroll av datan innan vi lovar något, och säger ifrån om den inte räcker.
Vad är skillnaden mot generativ AI?
Prediktiva modeller räknar fram en siffra eller en kategori – hur många, vilken, hur sannolikt. Generativ AI skapar och sammanfattar text. Många lösningar kombinerar båda.
Fler tjänster
Kontakt
Har du något på gång?
Skicka ett mejl så bokar vi ett kort samtal. Inga säljled, inga förhandlingar — bara prat om problemet och vad som vore rimligt att göra åt det.