Machine Learning-gel támogatott marketing folyamatok – Netpincér esettanulmány
Az előadásban szó lesz arról, hogy miben más egy teljesen automatizált Azure felhőalapú és a napi üzleti folyamatokba integrált e-commerce Machine Learning ajánlórendszer a lassan változó termékpalettájú ajánlórendszerekhez képest, milyen komponensek és szolgáltatások szükségesek a Machine Learning modell építéstől a teljes automatizáláshoz. Bemutatom, hogy az egyes komponesnek milyen üzleti előnyöket hordoznak, valamint beszélek a külső azon belül is a geolokációs adatok szerepéről a story-telling PowerBI vizualizációban és Machine Learning elemzésekben.
Igyekszem mindezt olyan konkrét iparági esettanulmányokon keresztül bemutatni, mint a DeliveryHero magyar leányának, a Netpincér ajánlórendszerének kialakítása.
Fekete Csaba Csongor
Vezérigazgató, Grape Solutions Zrt.
Csongor 1995-től foglalkozik adatbázis alapú üzleti megoldásokkal. Az ELTE-n Matematika – Informatika szakon majd Corvinus Vezető Képző Intézetében IT Management szakon szerzett diplomát. Magyarországi bankszektorban elsőként épített fel BI kompetencia központot, majd a világ egyik legnagyobb bankjánál vezető szerepet töltött be Adattárház, BI és CRM kialakításában és reformációjában EMEA szintű regionális igazgatóként. Több iparágban vezetett built-in Machine Learning projekteket és több mint 10 országban implementált Big Data Stream Processing-re épülő CRM megoldásokat.
2014-ben alapítja meg a HolistiCRM Machine Learning alapú CRM és digitális marketing optimalizációval foglalkozó tanácsadó céget.
2015-től vezérigazgató a Grape Solutions Zrt.-nél, mely a teljes szoftverfejlesztési spektrumot lefedi, BI és felhőszolgáltatások területén pedig kiemelt Black Belt partnere a Microsoftnak. 2017-ben 160 pályázó közül első díjat nyer az InnoMax Business kategóriában a Healthbot mesterséges intelligenciát alkalmazó orvos beteg kapcsolatot segítő egészségügyi chatbot megoldással.