L’obiettivo dell’Ente era quello migliorare il processo di sollecito sui donatori del "sostegno a distanza" ritardatari rispetto all'ultimo versamento, ottenendo così un incremento sui tassi di retention. Il processo di fatto prevede fino a 4 step di sollecito.

Per fare questo sono stati effettuati test su due campioni omogenei utilizzando differenti successioni di combinazione di canale: in uno si dava priorità al canale telefonico mentre nell'altro a quello postale.

Il risultato finale in termini di performance non ha evidenziato differenze apprezzabili. E' stato però possibile, su tali basi dati, effettuare uno studio per stimare la probabilità di rispondere positivamente sui differenti canali, a fronte di diverse caratteristiche del cliente. La stima effettuata ha permesso di isolare profili più propensi ad un canale piuttosto che ad un altro al punto che, se fosse stata applicata la regola per selezionare in modo ragionato i profili, si sarebbero ottenuti fino a +9ppt di conversione a fine processo di sollecito (su una media del 50%).

Tecnologie utilizzate: SAS

Obiettivo del progetto è quello di abilitare il cliente all’adozione della nuova piattaforma SAS Infrastructure for Risk Managmement 3.6 (IRM) ed il relativo Content Package dedicato al Pillar III di Solvency II e ai Quantitative Report Template (QRT).

Le attività progettuali si compongono del supporto al PM Cliente, dell’analisi, dell’installazione della soluzione, della migrazione di dati pregressi, della realizzazione di nuovi processi di popolamento ed estrazione dati, dei System Test e del supporto UAT e della predisposizione della documentazione di progetto. Al termine del progetto di migrazione sono state organizzate sessioni di formazione agli utenti Risk e IT ed è stata attivata una fase di Application Maintenance.

Principali tecnologie utilizzate: SAS 9.4, SAS Stratum, SAS IRM 3.6, SAS Data Management Studio 2.9

L’obiettivo della società era quello di valutare lo stato complessivo della relazione con i clienti nel mercato spagnolo, gestito attraverso una società controllata.

È stato pertanto realizzato un piano di analisi articolate sulla base dei dati raccolti attraverso il programma di loyalty, quali, ad esempio, la Loyalty Program Analysis, la CVM Performance, la Behaviour Cluster Analysis e i Repurchase Model. Grazie ai risultato di queste ed altre analisi, il Cliente ha potuto meglio focalizzare le campagne di promozione dei propri prodotti.

Tecnologie utilizzate: Dataiku

Lo scopo del progetto è quello di aggregare i dati scaricati dalle varie fonti della banca cliente curandone la consistenza.

L’attività include anche la maintenance del flusso di controllo e il supporto agli utenti banca nella definizione delle logiche di aggregazione e nell’analisi dei risultati.

Tecnologie utilizzate: SAS Guide, SAS Data Integration, Shell.

‍

L'obiettivo di progetto è quello di predisporre un nuovo motore per ricondurre in modo centralizzato le attività di Risk Forecasting.

‍Il processo si compone di due moduli:
- Raccolta ed elaborazione dei dati Actual aggiornati
- Generazione di nuove metriche ed indicatori che rispondano ai requisiti delle politiche di Asset Quality (AQ) e di Loan Loss Provision (LLP)
L’esecuzione del motore viene gestita tramite la compilazione di un cruscotto interattivo.

Tecnologie utilizzate: SAS Guide, SAS Data Integration.

‍

L'obiettivo del cliente era quello di creare delle dashboard di controllo per l'analisi delle curve di perforazione e di rivedere il modello di Pore pressure.

Tecnologie utilizzate: SAS

Primo obiettivo del progetto è quello di importare quotidianamente e mensilmente i dati aziendali nel datawarehouse grazie a diversi processi di ETL e pubblicare i report per gli utenti tramite WebReportStudio su un motore OLAP.

‍
Oltre all’attività ordinaria di chiusure contabili mensili e trimestrali, sono state sviluppate procedure per richieste ad hoc del cliente in diversi ambiti aziendali quali ad esempio premi emessi, sinistri, portafoglio ect.
‍

Tecnologie utilizzate: SAS

Obiettivo del progetto è fornire uno strumento ai Sale Assistant dei vari Punti vendita in grado di indicare quale categoria di prodotti suggerire ai Clienti presenti in negozio.

Tale obiettivo è stato raggiunto sfruttando un’App già a disposizione dei Sales Assistant e potenziandola con un Motore di Raccomandazione basato su algoritmi di Machine Learning. Tali algoritmi suddividono periodicamente i Clienti in Gruppi di Comportamento basandosi sulla storia degli acquisti, sulla navigazione del sito eCommerce, sui questionari di Customer Satisfaction, interviste e partecipazioni ad eventi. A ciascuno di questi Gruppi diComportamento, i modelli associano una serie di categorie e sottocategorie di prodotti. Quando il Cliente entra in negozio e viene riconosciuto, i modelli verificano il Gruppo di Comportamento cui è stato associato e suggerisce al Sales Assistant i prodotti da proporre.

L’obiettivo del progetto è di fornire e predisporre la manutenzione costante con un’operatività diurna e notturna per le infrastrutture SAS presenti.
‍
Si tratta di circa 20 diversi ambienti che superano le settanta installazioni tra ambienti di system, sviluppo e produzione, sia in server fisici che virtuali su Linux (Redhat, HP-UX) e Windows. Dato L’elevato numero di installazioni, sono presenti praticamente tutte le soluzioni SAS, implementate in forme customizzate in base alle necessità del singolo progetto in modo da poter trarre i migliori risultati. Di questi ambienti, T4V cura la gestione sistemistica ed il monitoraggio 24/7, effettua attività di upgrade di ambienti, ad esempio dalle versioni SAS 9.4 e Viya 3.5 in single e multi-machine in ottica di implementazioni e di ottimizzazione continua, effettua le dismissioni dei server o delle installazioni che fanno riferimento alle versioni 9.2, garantendo una continua innovazione e sviluppo.

Scopo del progetto è fornire una manutenzione costante con un servizio H24 per tutta l’infrastruttura SAS, composta da oltre 100 VM accessibili da Cyberark su OS misto Windows e Linux, in modo da garantirne il perfetto funzionamento.

Gli ambienti SAS GRID in Collaudo e Produzione sono ridondati in Disaster Recovery ed ospitano i seguenti prodotti SAS: Grid 9.4, Data Quality Advanced, Governance and Compliance Manager, Risk Management for Banking, Enterprise Business Intelligence, Credit Scoring, FM, CRMS.

Queste soluzioni sono replicate su più ambienti in modo che ognuno sia utilizzato per funzioni specifiche, quali ad esempio: Risk, Audit, Convalida, Reporting, Sviluppo Modelli e molte altre.

È inoltre in corso la migrazione/upgrade di alcuni ambienti dalle versioni SAS 9.2 e 9.3, alla più recente release SAS 9.4 GRID, in ottica di modernizzazione e ottimizzazione continua, attraverso l’eliminazione progressiva dei Single Point Of Failure e garantendo così la continuità del business.

Tecnologie utilizzate: SAS

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, sviluppo della reportistica fruita dall’ azienda di riferimento Autorità di Regolazione per Energia Reti e Ambiente (ARERA).

‍
Tecnologie utilizzate: SAS 9.2-9.3, Visual Analytics

L’obiettivo della società era quello di prevede le potenziali vendite in Italia di una particolare classe di medicinali a seguito di puntuali iniziative di comunicazione e promozione.

Il mercato farmaceutico è infatti molto influenzato dai pareri dei medici, dalle conferenze e dalla presenze di gare d’appalto da parte delle centrali acquisto delle Regioni italiane, ad esempio, e la prima fase del progetto si è indirizzata all’individuazione di tutte le possibili fonti di informazione esterne all’azienda relativi ai seguenti target / stakeholder: Payors, Pazienti, Specialisti e Mercato.

E’ stata quindi valutata la miglior modalità di caricare tali informazioni su un data lake realizzato in ambiente cloud e di integrarle attraverso avanzate tecniche di Data Fusion.

Il passo successivo è stato quello di interpretare tali dati, sia numerici che testuali, alimentando un modello di simulazione basato sulle Path Analysis, confrontando i risultati ottenuti con le vendite misurate.

Infine, è stato utilizzato il modello di simulazione per verificare i potenziali benefici sulle vendite ottenibili attraverso l’applicazione di azioni di comunicazione / promozione mirate verso uno o più dei target sopra indicati: Payors, Pazienti, Specialisti e Mercato.

Tecnologie utilizzate: SAS

‍

L'obiettivo dell'Ente era quello di avere un sistema di previsione della probabilità di donazione nei 12 mesi successivi e di stima, sia del valore atteso, che del valore potenziale delle anagrafiche di tipo azienda (donatori, ex donatori, prospect). Il valore atteso è stato stimato grazie ai tratti socio-demografici ed al comportamento pregresso, il potenziale solo grazie ai suddetti tratti.

La duplice vista sul valore ha permesso di tarare al meglio le richieste sul donatore e comprendere possibili aree si upgrade donativo.

Il progetto era parte integrante di processo di completa revisione del piano di comunicazione rispetto a tale tipologia di donatori.

Tecnologie utilizzate: SAS

L'obiettivo del cliente era quello di dotarsi di un'infrastruttura dati ed analitica idonea allo sviluppo sia di report completamente automatizzati sulla base delle mutevoli esigenze del business che di modelli statistici.

Il tutto, attingendo all'intero parco informativo noto sul cliente (anagrafico, transato, comunicazioni outbound, ticket aperti tramite call center, dati di navigazione..).

E' stato dunque definito il nuovo data model a partire dai sistemi sorgenti (Salesforce, Marketind  cloud, Hana,...) e sono stati  costruiti i flussi ETL giornalieri del nuovo ambiente, sia di acquisizione che di ridefinizione delle strutture dati.

Data la complessità della soluzione, a T4V è stata assegnata anche la gestione e la manutenzione evolutiva successiva al Go Live.

Tecnologie utilizzate: SAS

Migrazione di report, dati e modelli analitici dalla piattaforma SAS 9.2 a SAS 9.4
‍
Il cliente ha dovuto migrare la piattaforma e tutta la reportistica da Clintrace, software non più supportato dal vendor, ad Oracle Argus.
Poiché Clintrace era la fonte dati principale della piattaforma di Farmacovigilanza, si è reso necessario modificare tutte le procedure di estrazione, caricamento e integrazione di quest’ultima per tenere conto della nuova organizzazione dei dati prevista da Oracle Argus.
Nello specifico si è proceduto a:
- Analizzare le basi dati Clintrace ed Argus
- Eseguire il porting delle basi dati da Clintrace ad Argus
- Riscrivere i programmi che creano la reportistica per gli enti regolatori per adeguarli al nuovo input (Argus)
- Installare e configurare un ambiente SAS Linux strutturato in sviluppo/collaudo/produzione
- Eseguire il passaggio da ambiente PC ad ambiente server Linux di cui sopra, in questo c’è stato un passaggio di versione da SAS 9.2 a SAS 9.4
- Eseguire un testing parallelo tra vecchio e nuovo per ottenere la validazione
‍
Tecnologie utilizzate: SAS, Clintrace, Oracle Argus