Портал для связи

    BaseGroup Labs

    BaseGroup Labs — профессиональный поставщик программных продуктов и решений в области анализа данных. Компания BaseGroup Labs специализируется на разработке систем для глубокого анализа данных, охватывающих вопросы сбора, консолидации, очистки данных, построения моделей и визуализации.

    BaseGroup Labs создана в 1995 году в Рязани и первоначально занималась созданием заказного программного обеспечения. Начиная с 1999 года, компания сконцентрировала все свои ресурсы на разработке программных систем, предназначенных для анализа данных. Было выполнено множество проектов в этой области с российскими и зарубежными компаниями, пока со временем все эти разработки не трансформировались в аналитическую платформу Deductor.

    Deductor является платформой, на базе которой создаются законченные аналитические решения. Платформа ориентирована на применение экспертами в различных предметных областях, позволяет обрабатывать любую структурированную табличную информацию. Это доступная по цене и простая в использовании система с прекрасными аналитическими возможностями.

    Год основания: 1995

    Штаб-квартира: Рязань

    Генеральный директор: Алексей Арустамов

    Официальный сайт: www.basegroup.ru

    Компания BaseGroup Labs оказывает партнерам мощную маркетинговую поддержку — обучение, сертификация, консультации, привлечение к реализации проектов, совместный маркетинг, учет пожеланий при разработке следующих версий продуктов.

    Все продукты данного вендора

    Deductor

    Системы бизнес-планирования

    Deductor является аналитической платформой, основой для создания законченных прикладных решений. Реализованные в Deductor технологии позволяют на базе единой архитектуры пройти все этапы построения аналитической системы: от создания хранилища данных до автоматического подбора моделей и визуализации полученных результатов.

    Deductor предоставляет аналитикам инструментальные средства, необходимые для решения самых разнообразных аналитических задач.

    Преимущества Deductor:

    • Системы корпоративной отчетности. Готовое хранилище данных и гибкие механизмы предобработки, очистки, загрузки и визуализации позволяют быстро создавать законченные системы отчетности в сжатые сроки.
    • Обработка нерегламентированных запросов. Например, конечный пользователь может с легкостью узнать, сколько было продаж товара по группам в определенную область с разбивкой по месяцам, и просмотреть результаты наиболее удобным для него способом.
    • Анализ тенденций и закономерностей, планирование, ранжирование. Простота использования и интуитивно понятная модель данных позволяет проводить анализ по принципу «что-если», соотносить гипотезы со сведениями, хранящимися в базе данных, находить аномальные значения, оценивать последствия принятия бизнес-решений.
    • Прогнозирование. Построив модель на исторических примерах, можно использовать ее для прогнозирования ситуации в будущем. По мере изменения ситуации нет необходимости перестраивать все, необходимо всего лишь дообучить модель.
    • Управление рисками. Реализованные в системе алгоритмы дают возможность достаточно точно определиться с тем, какие характеристики объектов и как влияют на риски, благодаря чему можно прогнозировать наступление рискового события и заблаговременно принимать необходимые меры к снижению размера возможных неблагоприятных последствий.
    • Анализ данных маркетинговых и социологических исследований. Анализируя сведения о потребителях, можно определить, как изменяются их пристрастия в зависимости от возраста, образования, социального положения, материального состояния и множества других показателей. Понимание этого будет способствовать правильному позиционированию продуктов и стимулированию продаж.
    • Диагностика. Механизмы анализа, имеющиеся в системе Deductor, с успехом применяются в медицинской диагностике и диагностике сложного оборудования. Например, можно построить модель на основе сведений об отказах. При ее помощи быстро локализовать проблемы и находить причины сбоев.
    • Обнаружение объектов на основе нечетких критериев. Часто встречается ситуация, когда необходимо обнаружить объект, основываясь не на таких четких критериях, как стоимость и технические характеристики продукта, а на размытых формулировках, например, схожесть продуктов с точки зрения потребителя.

    Алфавитный указатель: