Situación/Escenario previo
- Problema empresarial: creciente número de suscriptores que experimentan bajas involuntarias.
- Más de 501 TP3T de proyectos de aprendizaje automático nunca llegan a producción debido a flujos de trabajo laboriosos e inconsistentes.
- Las mejoras manuales de los modelos de aprendizaje automático se realizan en respuesta al deterioro del rendimiento.
- Falta de escalabilidad y un alto impacto de la rotación de personal debido a la dependencia de personal clave.
Desafíos del cliente
- Estimar la probabilidad diaria de baja involuntaria (puntuación/predicción) para cada cliente con el fin de mejorar las campañas de retención y cobro.
- Gestionar el ciclo de vida de la solución de aprendizaje automático.
- Estandarizar los procesos operativos.
- Habilite o deshabilite funcionalidades de forma remota sin necesidad de implementar código nuevo.
- Utilice modelos de aprendizaje automático automáticos y con capacidad de autorreparación (reentrenamiento).
- Abordar el mal uso del talento: un alto volumen de tareas manuales y tareas con escaso impacto en el negocio.
Solución Strata / Facilitadores clave
- Cartera de algoritmos de aprendizaje automático de alto rendimiento y vanguardia.
- Solución de aprendizaje automático como producto
- Implementado en la cuenta en la nube del cliente.
- Manual de desarrollo y operacionalización de modelos de aprendizaje automático
- Sistema sin servidor y basado en eventos
- Desarrollo ágil: MVP + funcionalidades incrementales
Resultado
Marco de trabajo MLOps:
- Arquitectura altamente escalable y disponible
- Se entrega como un producto con capacidades para: Procesamiento de datos, Predicción, Monitoreo, Reentrenamiento automático (optimización del modelo).
- Rápida comercialización con implementación en producción con un solo clic.
- Permite el desarrollo ágil mediante lanzamientos graduales a producción (MVP).
- Funcionamiento y mantenimiento estandarizados y fáciles de controlar de las soluciones de aprendizaje automático.
Resultados
10% Incremento de las campañas de retención y cobro.
90% Reducción de las tareas operativas manuales y de los errores involuntarios.
70% Menor esfuerzo en versiones posteriores (nuevos mercados) gracias a una arquitectura replicable y escalable.
100% del equipo analítico centrado en el desarrollo y la mejora del rendimiento del modelo (uso eficaz del talento).
95% reducción del tiempo de despliegue.
