Наука о данных может повысить ценность любого бизнеса, который использует ее правильно. Наука о данных ценна для любой компании в любой отрасли, от поиска статистики и анализа рабочих процессов до найма новых кандидатов и помощи персоналу в принятии более обоснованных решений. Самая большая причина его надвигающейся популярности — это его способность позволить брендам рассказывать свою историю в увлекательной и мощной манере. Когда бренды и компании всесторонне используют данные, они могут поделиться своей целью со своей целевой аудиторией, тем самым создавая более тесные связи с брендом. В конце концов, ничто так не привлекает потребителей, как эффективная и мощная история, способная пробудить все человеческие эмоции. Именно алгоритмы науки о данных помогают выполнять сложные задачи науки о данных, такие как прогнозирование, классификация, кластеризация и другие.
Прокладывая путь к успеху бизнеса через свои ценности, ЭКСЛ была основана на основных ценностях инноваций, сотрудничества, превосходства, честности и уважения. Команда обладает врожденной способностью работать вместе с клиентами для улучшения бизнес-результатов, операций и качества обслуживания клиентов. Благодаря предметной области, аналитике и технологическому опыту, ЭКСЛ служит незаменимым партнером для предприятий, управляемых данными. Его передовые аналитические решения основаны на предметной области, сквозных возможностях, исключительных талантах и непрерывных инновациях. Ученые данных в ЭКСЛ анализировать данные и генерировать более глубокое понимание, которое способствует развитию бизнеса клиентов.
Варун Аггарвал, вице-президент по аналитике в ЭКСЛ, был частью организации в течение 15 лет. Он был свидетелем захватывающих времен эволюции аналитики данных и вносил свой вклад посредством непрерывных инноваций на протяжении этих лет.
Успешный лидер в области больших данных, решающий бизнес-задачи
Варун глубоко увлечен решением сложных бизнес-задач своих клиентов с применением расширенной аналитики. Он любит вводить новшества в области прогнозного моделирования, направленные на повышение точности за счет улучшения алгоритмов, повышение эффективности за счет автоматизации логики и получение преимуществ за счет действенных идей. Некоторые из его работ включают:
Алгоритм восхождения на холм: Этот алгоритм повышает производительность модели. Он ищет оптимальное подмножество функций из заданного списка с заданной пользователем метрикой производительности в качестве целевой функции. Процедура использует процесс итеративного моделирования с восхождением на вершину путем оценки всех комбинаций n признаков перед восхождением до n+1.
Супер взаимодействия: Этот алгоритм фиксирует нелинейные отношения. Он исследует все возможные n-сторонние комбинации взаимодействий. Для n = от 2 до 5 всего 50 необработанных признаков могут образовать более 2 миллионов новых переменных! Процедура соответствующим образом сочетается с эффективными и действенными методами уменьшения переменных величин.
Рекомендатель сегментации: Алгоритм рекомендаций по сегментации позволяет принимать решения о сегментации данных. Он оценивает набор предварительно определенных стратегических сценариев на основе заданных данных и дает рекомендации для одной общей модели или моделей с несколькими сегментами. Процедура сочетает потребности бизнеса со статистическими тестами, такими как изменение знака корреляции, чрезмерная зависимость от конкретного предиктора и анализ шаблонов ошибок.
Улучшение кластеризации функций: Этот алгоритм выбирает прогностические и репрезентативные признаки. Он рекомендует выбор переменных на основе совместного анализа результатов кластеризации неконтролируемых признаков и контролируемого анализа ассоциаций. Процедура обеспечивает гибкость при составлении списка лучших переменных из каждой категории.
Инструмент оценки и анализа статистической модели (SMART): Это аналитический продукт на основе .Net и SQL, который служит универсальным решением для мониторинга моделей. Основные функции включают панель мониторинга с многоуровневыми представлениями, мониторинг по требованию, планировщик, управление моделями и полностью автоматизированную оценку моделей.
Оптимизатор моделирования медиа-миксов: Это статистический инструмент для оптимизации комплекса рекламы в отношении дохода от продаж или маркетингового бюджета. Эта функция оптимизации предоставляет действенные рекомендации по распределению расходов между различными онлайн- и офлайн-каналами маркетинга.
Такие ускорители аналитики позволили клиентам Varun получить более быстрые и улучшенные результаты в масштабе, тем самым создав дифференциацию «скорость окупаемости» и обеспечив принятие более эффективных решений для предприятий, управляемых данными.
Преодоление цифрового пространства с вкладом в науку о данных
Варун внес свой вклад в область аналитики данных не только в качестве индивидуального консультанта, но и руководя большими группами, состоящими из более чем 200 специалистов по данным, и обучив более 1000 специалистов по аналитике прогнозному моделированию. Фактически, он разработал и создал всеобъемлющий учебный курс по методологии обработки данных, который входит в флагманскую программу обучения его организации для новых сотрудников.
Варун был пионером в области машинного обучения в EXL десять лет назад. Он возглавил команду из 20 специалистов по данным, которые выиграли конкурс Heritage Health Prize, заняв второе место среди более чем 1600 участвующих команд по всему миру. На протяжении многих лет он был соавтором нескольких исследовательских работ и выступал на международных конференциях по расширенному анализу данных, бизнес-аналитике и машинному обучению, организованных такими организаторами, как North East SAS Users Group, New York Area SAS Users Group, IIM-Ahmedabad и Analytics India. Журнал. Его исследовательская работа охватывает сегментацию данных, разработку функций, выбор функций, обучение модели и проверку модели.
Сегментация данных
- Должен ли я построить сегментированную модель? Взгляд практика, конференция NYASUG, 14 января 2010 г., Университет Пейс, Нью-Йорк, США.
Разработка функций и выбор функций
- PROC LOGISTIC Plus: The Power of Variable Transformations, конференция NESUG, 14-17 сентября 2008 г., Питтсбург, Пенсильвания, США
- Выбор функций и методы уменьшения размеров в SAS, конференция NESUG, 11–14 сентября 2011 г., Портленд, Мэн, США
- Стратегии разработки признаков: руководство для практиков, 5-я Международная конференция IIMA по расширенному анализу данных, бизнес-аналитике и разведке, 8-9 апреля 2017 г., Ахмадабад, Индия
Обучение модели
- Ensemble Hybrid Logit Model, KDD Cup 2010, Educational Data Mining Challenge, организованный PSLC DataShop, июль 2010 г.
- Решение загадки CECL с помощью анализа рисков, 6-я Международная конференция IIMA по расширенному анализу данных, бизнес-аналитике и разведке, 6-7 апреля 2019 г., Ахмедабад, Индия
- Обнаружение мошенничества с кредитными картами с использованием разработки функций и машинного обучения, представлено на Саммите разработчиков машинного обучения 2022, организованном журналом Analytics India Magazine и опубликовано Ассоциацией специалистов по данным, Lattice, The Machine Learning Journal, том 3, выпуск 1, январь, март 2022 г.
Проверка модели
- Валидация модели розничного кредитного риска: аспекты производительности и стабильности, 4-я Международная конференция IIMA по расширенному анализу данных, бизнес-аналитике и разведке, 11-12 апреля 2015 г., Ахмадабад, Индия
Кроме того, Варун является соавтором серии официальных документов EXL по прогнозированию кредитных убытков.
Расширенная аналитика в основе инноваций
Варун является выпускником Делийской школы экономики и присоединился к EXL в 2007 году, пройдя обучение в кампусе. Имея 15-летний опыт работы в области консалтинга и расширенной аналитики, он решал сложные проблемы для компаний из списка Fortune 500 в банковском, телекоммуникационном и коммунальном секторах. Эти бизнес-задачи включают (но не ограничиваются) андеррайтинг кредитных рисков, управление оттоком клиентов, прогнозирование кредитных убытков, моделирование реакции на кампании, оптимизацию маркетингового комплекса, стратегии перекрестных продаж и сегментацию клиентов. В настоящее время он занимает должность вице-президента по аналитике в EXL, возглавляя команду из более чем 200 специалистов по данным.
Варун увлечен улучшением алгоритмов обработки данных и является страстным исследователем в области расширенной аналитики, машинного обучения и глубокого обучения, уделяя особое внимание решению реальных бизнес-задач и созданию ценности для своих клиентов. Он представлял EXL на нескольких соревнованиях по интеллектуальному анализу данных и руководил разработкой нескольких аналитических продуктов. Он получил более 5 престижных наград EXL за инновации и развитие интеллектуального капитала.
Сообщение Варун Аггарвал: Превращение проблем бизнеса в цели с помощью передовых алгоритмов обработки данных впервые появилось на .
