Aggiornare la piattaforma SAS sviluppata nei primi anni 2000 alle tecnologie attuali, sia per il back-end che per il front-end web.

‍
Il cliente aveva una piattaforma sviluppata in SAS ad inizio anni 2000 che provvede a:
- Caricare dati da fonti eteroegenee
- Creare report statici e dinamici sia a video che scaricabili in vari formati tramite pagine web
- Creare e spedire i files agli enti regolatori (Bankitalia, Consob, Agenzia delle Entrate, …)
Eseguito:
- Porting sulla nuova piattaforma
- Testing di tutte le funzionalità sia di back-end che di front-end
- Sia per il server di sviluppo che di produzione

‍
Tecnologie utilizzate: SAS, Unix, HTML, Javascript, CSS

‍

L’obiettivo dell’Ente era quello di rendere più efficiente ed accurato il processo di stima delle schede bambino da richiedere sull'anno fiscale successivo in funzione delle diverse dinamiche impattanti tale stock.

Una cartellina, dietro la quale di fatto c'è un bambino che può ricevere sostegno da uno specifico donatore (attraverso la comunità che supporta la sua famiglia), contiene infatti delle informazioni con una validità temporale limitata. Su di essa possono esserci poi dinamiche differenti che possono incidere in termini di permanenza nello stock: il flusso di nuove acquisizioni previste, la mancata conversion di queste ultime, il churn del donatore (per cui la cartellina torna in stock), il churn della cartellina stessa (ad esempio per impossibilità nel continuare il sostegno a distanza) etc.. In astratto, le stesse sorti di un qualsiasi prodotto a magazzino.
Tutte queste dimensioni venivano "gestite" a mano su fogli excel, con un dispendio di tempo enorme (una persona su un mese lavorativo) ed una precisione limitata dallo strumento stesso.
Grazie al progetto invece, andando ad implementare lo studio statistico delle suddette dimensioni ed approcciando il tutto con un approccio simulativo, il tutto si è ridotto ad un effort di poche ore.

Tecnologie utilizzate: SAS

Gestire l’intera infrastruttura SAS per uno dei leader italiani nel campo dell’outsourcing IT per realtà finanziarie, nonché soluzioni ad hoc per ottimizzare i servizi erogati a clienti terzi nel pieno rispetto della governance.

L’infrastruttura di circa 40 macchine Linux, è divisa in 3 ambienti sui livelli di Sviluppo, Addestramento e Produzione e comprende i seguenti prodotti SAS: Business Rules Manager, Model Implementation Platform, Office Analytics, Regulatory Risk Management, Risk and Finance Workbench, Visual Analytics, Credit Scoring, Data Integration, Decision Services, Enterprise BI, Enterprise Miner, Federation. Le attività includono: monitoring, tuning e aggiornamento costante dell’infrastruttura, integrazione con LDAP e DB Oracle, Postegresql, Microsft SQL, Hadoop, nonché la puntuale segregazione e customizzazione dei dati sia del cliente stesso, che di clienti terzi.

Prevenzione, troubleshooting e risoluzioni di incidents 24/7 con Root Cause Analysis precise ed accurate.

Tecnologie utilizzate: SAS

Il progetto consiste nel realizzare alcune simulazioni sul rischio di credito. Nello specifico, T4V ha seguito i seguenti filoni di intervento:
‍
- Preparazione dei dati in input alle simulazioni: integrazione delle variazioni di parametri stabilite dal gruppo di modelling (probabilità e stato di default, esposizione, portafoglio…) ai valori di baseline della banca
- Sviluppo di un processo di reportistica per il confronto dei dati pre e post simulazione, e manteinance dello stesso: estrazione relativa alla singola simulazione, confronto fra differenti simulazioni, confronto pre-post simulazione, aggregazione dei dati fra differenti banche del gruppo  
- Supporto agli utenti nell’analisi degli output
‍
Tecnologie utilizzate: SAS Guide

La gestione delle piattaforme si focalizzava nel controllo del loro funzionamento, intervento in caso di anomalie, update dei vari componenti, interfaccia con SAS per la soluzione di problematiche, help desk verso gli utenti interni.
‍
Reperibilità H24

Tecnologie utilizzate: SAS 9.1.3-9.4

I dati estratti da varie fonti erano opportunamente sintetizzati e manipolati per alimentare i report finali su V.A. volti ad individuare le cause delle mancate fatturazioni rispetto ai target previsti mensilmente.
Tecnologie utilizzate: SAS 9.1.4 Foundation (Linux), SAS Enterprise Guide, SAS Visual Analytics

Costruire il sistema di ingestion e la reportistica di base per monitorare il processo ed i dati in ingresso.‍

Il cliente aveva circa 1500 impianti sparsi per il mondo che spedivano 740 variabili ogni 10 secondi. È stato implementato:
- La raccolta dei dati in ingresso e la loro eventuale pulizia
- Il calcolo delle statistiche di base necessarie a monitare il processo (quali impianti stanno spedendo i dati, verifica che i dati ci siano tutti)
- Creazione dei report di disponibilità per vedere quanto calcolato al punto precedente
- Creazione dei report per identificare anomalie nei dati in ingresso‍

Tecnologie utilizzate: SAS Base, SAS Visual Analytics

‍

L’esigenza del Cliente era il miglioramento della conoscenza delle dinamiche dei punti vendita a fronte delle promozioni e dei volantini.

Appartenendo al settore discount, il Cliente non disponeva di un piano di fidelizzazione attraverso carte loyalty e, pertanto, la soluzione adottata per soddisfare tale esigenza è stata quella di analizzare lo scontrinato di tutti i punti vendita incrociando questi dati con i piani promozione e i volantini.
‍
Attraverso l’applicazione di modelli di analisi statistica relativi alla Market Basket Analysis è stato possibile raggiungere non solo l’obiettivo iniziale, ma anche tre obiettivi «secondari»:
1. la segmentazione dei clienti sulla base della composizione del carrello di acquisto e la conseguente creazione di cluster di comportamento d’acquisto
2. gli effetti di cannibalizzazione / trascinamento delle promozioni e dei volantini
3. l’analisi delle performance dei singoli punti vendita

Tecnologie utilizzate: SAS

Obiettivo principale del progetto è la migrazione di tutti i processi scritti in linguaggio SAS verso l’ambiente cloud di Microsoft Azure sulla piattaforma di sviluppo Databricks traducendo gli stessi processi in linguaggio PySpark e integrandoli con un’infrastruttura cloud.

Tali processi riguardano diverse tematiche: l’analisi del customer portfolio dei Sales Assistant dei negozi e individuazione del Sales Assistant più adeguato, analisi del comportamento d’acquisto e individuazione di KPI riguardanti i clienti che hanno acquistato nei negozi, creazione di reportistica di controllo e suddivisione dei clienti in macrocategorie.

L’obiettivo è stato raggiunto convertendo il codice SAS dei processi dapprima in una IDE locale in linguaggio Python3 sfruttando prevalentemente la libreria per la data analysis Pandas. Successivamente si è adattata tale versione all’ambiente di sviluppo Databricks in notebook PySpark. Il supporto continua con attività di manutenzione, analisi e integrazione dei dati, nuovi sviluppi verso gli stessi processi o altri ancora in notebook PySpark e Scala, supporto nella manutenzione anche delle pipeline presso l’ambiente Azure Data Factorty che si integrano con notebook Databricks.

Tecnologie utilizzate: Spyder IDE, Azure Databricks, Azure Data Factory, PySpark

L'obiettivo del cliente era quello di definire e sviluppare un complesso sistema di reporting avanzati a supporto delle attività CRM e Care.
‍
Tutti i report sono caratterizzati da un'elevata dinamicità, sia estrattiva che di consultazione.
Sono stati sviluppati sia report in cloud, consultabili quindi su una piattaforma web based, che report propagati  automaticamente via mail ai responsabili della rete vendita.

Tra i report: monitoring della codification (scontrini loyalty sul totale scontrini) e registration, monitoring  del comportamento di acquisto (visite, scontrino medio,...), performance del customer care, code del customer care, impatti di nuove aperture / chiusure di negozio, report di prodotto e sulle promozioni. Generalmente i dati sono corredati da comparazione con i risultati dell'anno precedente ed il confronto automatizzato con i dati di budget, il tutto su finestre temporali definibili dall'utente.

Tecnologie utilizzate: SAS

Obiettivo del progetto è di fornire la continuità del servizio con una disponibilità h24 di intervento su problematiche bloccanti gestendo gli ambienti SAS dell’azienda cliente, presente in Italia da oltre trent’anni.

L’achievement è garantito ogni giorno grazie all’impegno del team nell’evadere prontamente le richieste del cliente ed interventi tempestivi anche fuori orario lavorativo. I prodotti utilizzati sono Real-Time Decision Manager, GRID, Visual Analytics, Customer Intelligence, che permettono al cliente di raccogliere e analizzare i dati aziendali per convertirli immediatamente in informazioni di business rilevanti in modo da avere un’interazione con i dati rapida ed intuitiva, consentendo inoltre di risparmiare tempo utilizzando i processi automatizzati e interattivi che funzionano sia in ambiente batch che real-time e prendere decisioni di marketing da informazioni accurate sulle preferenze dei clienti garantiscono una visione a 360 gradi.

Il supporto offerto consiste nella gestione di dieci ambienti SAS composti da decine di macchine e centinaia di terabyte di dati che vengono processati per una continuità del servizio impeccabile.

Tecnologie utilizzate: SAS

‍

L'obiettivo dell'Ente era quello di avere una fotografia dei principali cluster socio comportamentali delle anagrafiche di tipo azienda. Presso questo ente non è prevista la tipologia "donatore regolare", ossia per il quale è prevista una ricorrenza nella donazione.
Il progetto era parte integrante di processo di completa revisione del piano di comunicazione rispetto a tale tipologia di donatori.

Il processo di clustering ha poggiato su una sotto-segmentazione legata alla recenza della donazione e alla durata del rapporto donativo (stante le dinamiche di mercato proprie dell'ente).
La definizione dei cluster è stata ricavata sui donatori active, per poi essere estesa sugli inactive (o ex donatori).
Sulla base di questa sotto segmentazione è stata dunque eseguito un processo di cluster analysis utilizzando sia dati socio-demografici che di comportamento donativo.

Tra le varie attività di advanced analytics, si è dovuto provvedere alla stima dei tratti socio-demografici qualora mancanti (dimensioni aziendali, fatturato,..)

Tecnologie utilizzate: SAS

Obiettivo del progetto è il supporto tecnico alle attività di gestione delle campagne di comunicazione e promozione del Cliente.

Le campagne riguardano essenzialmente la ricerca di target specifici di donatori di volta in volta differenti in base alle tipologie di interazione con la Fondazione stessa. Tale supporto coinvolge sia le campagne su cui opera l’utente finale sia gli oggetti e le definizioni che compongono le stesse o che compongono l’ambiente amministrativo delle piattaforme coinvolte. L’obiettivo viene raggiunto mantenendo efficiente l’ambiente del cliente, suggerendo interventi migliorativi, risolvendo problematiche infrastrutturali e operative e proponendo nuove soluzioni alle esigenze dell’utente finale. Ogni eventuale problematica e malfunzionamento viene segnalata dal Cliente utilizzando il sistema di ticketing T4V per le segnalazioni da parte del cliente.

L’obiettivo della società, un'importante player nel mercato degli apparecchi acustici, era quello di costruire un modello di repurchase sulla clientela della country Statunitense.

Sono stati costruiti differenti modelli a seconda della tipologia di cliente (interactive o no), facendo fruttare le varie aree informative: dal comportamento pregresso di acquisto, al comportamento di interazione in negozio, ai dati di geomarketing, fino alle condizioni audiologiche del cliente (ultime note ed evoluzione nel tempo).

Tecnologie utilizzate: SAS

Primo obiettivo del progetto è stato quello di segmentare i donatori in attivi, inattivi e prospect.

Successivamente è stato sviluppato un modello di propensione alla donazione applicato ai donatori presenti nei tre segmenti in modo da stimare l’atteso ammontare delle donazioni per l’anno in corso.

Tecnologie utilizzate: SAS