FALLSTUDIEN

Erhöhung der Akzeptanzrate durch maschinelles Lernen

Wir haben ein verhaltensbasiertes Modell zur Optimierung des Underwritings mit einem personalisierten Angebot in Echtzeit und mit minimaler Latenzzeit entwickelt. Das Modell berechnet die Wahrscheinlichkeit der Annahme eines jeden Kundenangebots auf der Grundlage von Hunderten von Merkmalen, einschließlich Daten der Kreditbüros. Die Zahl der angenommenen Kreditangebote stieg durch das individuelle Angebot für jeden Kunden um 30 %.

DevOps: Automatisiertes Deployment in Cloud

Wir haben die Deployment-Pipeline vollständig automatisiert und eine Infrastruktur als Code-Lösung geschaffen. Die Lösung ermöglicht jetzt Deployment neuer Microservices mit einem einzigen Klick. Erfahren Sie mehr über die Fallstudie.