CNH Industrial sceglie una soluzione di advanced analytics basata su reti neurali per migliorare l'estrazione di insight dai commenti dei dealer riguardanti le richieste di assistenza in garanzia.
#NLP
#Neural Network
#Data Analysis
CNH Industrial è un produttore globale di macchinari per l'agricoltura e le costruzioni. L'azienda ha più di 37.000 dipendenti e opera in 180 Paesi. Per determinare le principali cause di guasto delle proprie macchine, CNH Industrial utilizza una serie di rapporti - definiti "documenti di reclamo" - compilati dai meccanici durante le riparazioni, che descrivono il problema del cliente (compresa la causa del guasto della macchina e la soluzione adottata). Gli ingegneri dovevano leggere ogni singolo documento di reclamo per identificare i problemi più comuni.
L'analisi dei reclami veniva condotta in modo unidimensionale, considerando la categoria di prodotto e filtrando per singola parola, limitando così la profondità dell'indagine. A limitare l'analisi erano anche i limiti manuali degli ingegneri, ad esempio la capacità di tenere traccia delle modalità di guasto o il numero di documenti che potevano elaborare contemporaneamente. La sfida di questo progetto è stata quindi quella di rendere il processo analitico più scalabile ed efficace, introducendo un'analisi più approfondita.
Il problema è stato affrontato in modo innovativo: Target Reply ha optato per un approccio semantico anziché quello classico frequentista, non limitando l'analisi alle probabilità delle singole parole, ma basandosi sull'intero contesto semantico.
Un algoritmo di NLP ha introdotto una nuova dimensione volta a identificare l'argomento di ogni reclamo, favorendo un'analisi cross-prodotto precedentemente irraggiungibile.
La soluzione è costruita a moduli, in modo che ogni componente sia facilmente aggiornabile ogni volta che vengono rilasciati algoritmi nuovi e innovativi.
I risultati sono stati integrati in una dashboard che gli utenti possono facilmente esplorare e personalizzare.
L'algoritmo sviluppato gestisce una grande quantità di testo grezzo e fornisce insights rapidi e significativi. L'outcome viene fornito tramite una dashboard in grado di veicolare facilmente la complessità del modello in una piattaforma interattiva. Attraverso la dashboard, gli utenti sono in grado di analizzare argomenti condivisi in diversi reclami, abilitando un'analisi più efficiente ed efficace. La riutilizzabilità degli algoritmi garantisce flessibilità al processo, che ora è in grado di adattarsi a diversi contesti e database.
CNH Industrial (NYSE: CNHI/MI: CNHI) è un'azienda di attrezzature e servizi di livello mondiale. Spinta dal suo obiettivo di Breaking New Ground, incentrato su innovazione, sostenibilità e produttività, l'azienda fornisce la direzione strategica, le capacità di ricerca e sviluppo e gli investimenti che consentono il successo dei suoi marchi globali e regionali. A livello globale, Case IH e New Holland Agriculture forniscono applicazioni agricole a 360°, dalle macchine agli attrezzi e alle tecnologie digitali che le migliorano; CASE e New Holland Construction Equipment offrono una linea completa di prodotti per l'edilizia che rendono il settore più produttivo. In qualità di azienda globale, gli oltre 37.000 dipendenti di CNH Industrial fanno parte di un ambiente di lavoro diversificato e inclusivo, volto a consentire ai clienti di crescere e costruire un mondo migliore. Per ulteriori informazioni, visita: cnhindustrial.com
Target Reply è la società del gruppo Reply specializzata nella realizzazione di soluzioni di Big Data e Advanced Analytics. Target Reply supporta le aziende dall’identificazione dei bisogni alla progettazione e realizzazione delle soluzioni tramite tecnologie di integrazione dati, di data modelling, di analisi predittiva, utilizzando gli strumenti più innovativi nell’ambito del Business Discovery e dei Big Data. Target Reply ha maturato esperienze significative presso i maggiori gruppi aziendali italiani ed esteri ed è in grado di operare in tutti i principali mercati: Telco, Finance e Manufacturing.