• Процесс перевода средств по зарплатному проекту
• Операции с зарубежными валютами
• Генерация выписок по транзакционной истории
• Онлайн платежи по счетам
• Доступ к облачному сервису бухгалтерского учёта

• Достигнута требуемая эффективность управления кредитного процесса
• Автоматизирован процесс оценки кредитоспособности потенциальных клиентов
• Создана возможность быстрой настройки и вывода на рынок новых продуктов для удовлетворения текущих потребностей и предпочтений клиентов

• Команда экспертов PERAL TECHNOLOGIES внимательно изучили исходное технологическое решение и предложили пути к рефакторингу. В результате реализованный вариант рефакторинга позволил завершить проект раньше срока и сэкономить 32% запланированного на проект бюджета

• создана возможность одновременной работы с платформой для более 60 000 пользователей
• процесс подготовки и организации закупки был ускорен более чем в 6 раз – в среднем с 19 до 3 дней

• Время подготовки предложения по индивидуальному кредитованию было сокращено с 30 до 2 минут
• Расходы на поддержку и управление процессом кредитования сокращены на 30%

• По результатам опроса удовлетворённость клиентов от используемых сервисов повысилась с 64 до 91 процента
• Скорость урегулирования убытков в среднем сократилась с 30 до 4 дней

• Стоимость обслуживания процесса документооборота сокращена на 25%
• В следствии оптимизации процессов оформления продажи повысились на 17%

• Благодаря прямому доступу к управлению собственным портфелем количество клиентов увеличилось на 48%
• В результате предложенного механизма персонализации предложений продажи портфельных паёв возросли на 22% за отчётный период

• Внедрение данного сервиса позволило А3 предложить новый набор услуг и увеличило оборот организации в 2,5 раза
• Архитектура реализуемого решения позволила осуществить запуск всех услуг на платформе за 6 месяцев

• Итоговое решение было частично реализовано на opensource ПО, что сократило расходы от планируемых на 40%
• В ходе подготовки требований к решению состав задач был увеличен или детализирован более чем в 3 раза без изменения планируемого на внедрение бюджета

• Около 16 000 товаров, представленных в каталоге, легко обслуживаются администратором и доступны для поиска в каталоге для клиентов.
• Пользователями могут применять фиьтры в категориях по нескольким показателям, благодаря росту скорости доступа на 25%.

На основе предоставленных исторических данных (суммы сделок и характеристики недвижимости) и значений основных маркоэкономических показателей (динамика ВВП, уровень инфляции и т.д.) разработана модель с итоговым качеством предсказания стоимости недвижимости превышающем все используемые заказчиком модели

На основе исторических данных о дефолте и новостной ленты разработана модель предсказания дефолта на горизонте 1 год со значением ROC AUC более 0.85

Разработана модель определения вероятности дефолта корпоративного контрагента и определения кредитного рейтинга. Данная модель используется в процессе кредитного ценообразования (премия за риск) и при формировании отечности МСФО

Обучена нейросеть детекции и классификации объектов на основе одной из общепринятых архитектур. Кроме того в результате проведенной работы был выстроен процесс предобработки изображений, устранения шумов, обнаружения и классификации объектов и постобработки изображений. В результате качество работы модели превышает качество работы экспертов решающих подобные задачи.