Библиотеки компонентов Loginom Kits: кому и для чего

Одно из ключевых преимуществ low-code платформы Loginom — возможность повторного использования наработок. Каждый аналитик может создать авторский сценарий, собрать его в подмодель и в дальнейшем многократно применять на новых данных. Подмодели можно публиковать, делиться ими с коллегами, продавать как готовые решения.

Переиспользование наработок является предпосылкой формирования библиотек Loginom Kits — наборов компонентов для реализации прикладных бизнес-задач, эталонно спроектированных экспертами Loginom Company.

Определим основные понятия Loginom Kits. Компонент библиотеки — это некая подмодель с реализованным сценарием обработки данных, образцовым с точки зрения методологии и экспертизы. Доступ внутрь подмодели может быть как открытым («белый ящик»), так и закрытым («черный ящик»). Библиотека — набор компонентов и мета-компонентов, логически объединенных для решения конкретной задачи.

Готовые библиотеки Loginom Kits предназначены для получения ответов на прикладные бизнес-вопросы в сфере формирования профиля клиента, кредитного скоринга, сегментации потребителей и т.д. Обзорная информация о библиотеках приведена в таблице:

Для подключения любой из библиотек компонентов Loginom Kits достаточно:

1. Скачать релиз библиотеки с GitHub.
2. Положить папку на сервер или локальный ПК.
3. В сценарий добавить ссылку на пакет с библиотекой.

Классификация библиотек происходит по нескольким критериям:

• по доступности: открытые и закрытые;
• по лицензии: для коммерческого и некоммерческого использования;
• по применимости в редакция платформы: для Community Edition и для коммерческих редакций;
• по циклам: базовый и бизнес-циклы.

Рассмотрим задачи и функционал каждой из библиотек компонентов Loginom Kits подробнее.

Silver Kit

Помогает облегчить ежедневный труд аналитика. В библиотеке собраны простые компоненты, которые сгруппированы в 3 класса:

1. ETL и подготовка данных: ABC-анализ, в том числе методом касательных, XYZ-анализ, выделение и заполнение периодов, редкие значения, разбиение на пачки, разделитель строк, разметка событий, сэмплинг объектов, популярные объекты.
2. Data Mining: AUC, ROC-анализ, динамика событий, кластерные силуэты, сравнение кластеризаций, сравнение метрик, статистическая значимость, метрики классификации, тривиальная модель.
3. Утилиты: генератор календаря и пустых полей, категория к числу, случайная категория и фильтр столбцов JS.

Python Kits

Представляет собой набор библиотек компонентов:

• loginom_python_kit_ldp — расширяют стандартный функционал платформы;
• loginom_pandas_kit_ldp — вызывают функции по манипуляции с датасетами из Pandas;
• loginom_sklearn_kit_ldp — обучают и прогоняют алгоритмы и модели, доступные в библиотеке Scikit-learn;
• loginom_optbinning_kit_ldp — используются для оптимального квантования из библиотеки OptBinning;
• loginom_sklearn_meta_ldp — пакет с метакомпонентами библиотеки Sklearn Kit, предназначен для обучения ML-моделей.

Набор библиотек Python Kits применяется для:

• рутинных операций с данными, расширяющими стандартный функционал Loginom;
• переноса существующего кода на Python в Loginom, используя no-code подход;
• разработки универсальных шаблонов сценариев Loginom, с возможностью использования на любом наборе данных;
• внедрения в сценарий Loginom моделей машинного обучения из библиотек на Python.

Churn Kit

Применяется для решения следующих задач:

• исследование активности, удержания и оттока клиентов по когортам в динамике;
• вычисление дат и точек ухода пользователей различными методами, в том числе с учетом индивидуальной частоты визитов;
• обоснование корректности выбранного метода обнаружения оттока для исследуемой базы;
• определение порогового индекса оттока, соответствующего интервалам неактивности клиентов;
• расчет значений для каждого пользователя на заданную дату;
• построение кривых удержания;

RFM Kit

Используется для задач:

• построение модели сегментации клиентской базы одним из базовых методов;



• формирование RFM-семейства с автоматическим расчетом границ сегментов;
• скоринг клиентской базы или отдельного пользователя с экспертным заданием границ сегментов;
• быстрая проверка гипотез в отношении баз данных.

Single View Kit

Предназначена для формирования профиля клиента:

• расчет показателей из транзакций для витрин данных в ритейле или банковской сфере;
• описательное моделирование (кластеризация, шаблоны покупок...);
• предсказательное моделирование поведения потребителей;
• быстрая проверка гипотез в отношении клиентских баз данных.

Scoring Engine Kit

Используется в кредитном скоринге:

• расчет скорингового балла по скоринговой карте, заданной в табличном виде;
• преобразование непрерывных атрибутов в категориальные (биннинг) на основе таблицы соответствий;
• формирование кодов причин отказов на основе сопоставления с нейтральным баллом.

Vintages Kit

Предназначена для решения задачи винтажного анализа:

• построение матриц миграции по портфелю кредитных счетов;
• выбор окна наблюдения для задачи кредитного скоринга;
• исследование данных по просрочкам: аудит, проверка на наличие ошибок, отбор счетов для анализа;
• винтажный анализ PDL-займов (PayDayLoans — займы в МФО в сегменте «до зарплаты»).

Преимущества использования библиотек Loginom Kits

1. Применение готового инструмента — не нужно самостоятельно «изобретать велосипед».
2. Облегчение повседневной, рутинной работы аналитиков.
3. Ускорение разработки сценариев.
4. Обучение правильному проектированию алгоритмов анализа данных.
5. Получение доступа к предметной экспертизе.
6. Простая передача знаний.
7. Поддержка на этапе прохождения курсов Loginom Skills.

Если вы тоже хотите применять библиотеки компонентов Loginom Kits для решения задач бизнеса, свяжитесь с нами.

Другие материалы по теме:

Сегментация клиентов по лояльности или RFM-анализ

ABC XYZ — анализ продаж для умного управления бизнесом