Предложения по исследованиям в области торгового эквайринга

Существующий задел (пример 1)
Анализ картины посещаемости и привлекательности объектов и публичных пространств
Инструменты — краулинг соцсетей, модели мобильности населения
Примеры — распределение данных Instagram по Васильевскому острову с рассчитанным по модели распределением плотности населения
Анализ и моделирование мобильности городского населения

Существующий задел (пример 2)
Анализ демографической, социальной, психологической активности населения с геопривязкой данных
Инструменты — краулинг соцсетей, технологии больших данных
Примеры — «эмоциональная карта» Сочи на основе анализа фото из соцсетей; анализ динамики интересов посетителей Vk Fest
Интеллектуальный анализ данных в социальных сетях

Существующий задел (пример 3)
Анализ распределения городских финансовых потоков с учетом суточной, недельной и годовой ритмики
Инструменты — модели пассажиропотока, модели мобильности населения
Пример — моделирование суточной ритмики пассажиропотока метрополитена СПб, и связанная тепловая карта распределения потребительской активности горожан
Моделирование потребительской активности в городе

Направления исследований
1. Сегментирование торговых предприятий (клиентов банка-эквайрера)
Входные данные: локации торгово-сервисных точек (ТСТ), род деятельности ТСТ, давность работы на рынке, ставки комиссий, временные ряды (по отчетным периодам) — число операций, общий оборот, торговая уступка, чистый доход, данные из открытых источников о предприятиях – потенциальных клиентах.
Методы и модели: алгоритмы кластеризации, деревья решений, модели скоринга
Результаты работ по направлению:
программный модуль (ПМ) сегментирования и классификации ТСТ. Задачи: выделение сегментов рынка, выявление факторов доходности эквайринга, классификация потенциальных и новых клиентов по частичным данным.
ПМ анализа и визуализации сегментов рынка (см. пример 2).
Задачи: визуальное представление и анализ сегментов с геопривязкой данных, моделирование добавления ТСТ с определением класса и прогнозированием уровня доходности.

Направления исследований
2. Восстановление процессов платежной системы по косвенным данным и данным открытых источников
Входные данные: информация по доходности ТСТ, экспертные оценки типов транзакционной активности для различных ТСТ/классов ТСТ, транзакционные данные по ТСТ (дата, время, размер транзакции), набор достоверных (ground truth) данных по типам карт (по части ТСТ/отчетных периодов), тарифы платежных систем, статистика по числу карт различных типов, эмитированных в регионе, открытая статистика национальной платежной системы
Методы и модели: имитационное моделирование, методы машинного обучения
Результаты работ по направлению:
ПМ анализа транзакционной активности торгово-сервисных предприятий.
Задачи: определение доли карт различных типов, проведенных
через ТСТ за отчетный период, идентификация паттернов транзакций, классификация ТСТ по паттернам транзакций.

Направления исследований
3. Предсказательное моделирование транзакционной активности ТСТ
Входные данные: результаты работ по направлениям 1 и 2 (классы ТСТ, паттерны транзакций), транзакционные данные по ТСТ (дата, время, размер транзакции, идентификатор плательщика), демографические данные
Методы и модели: модели пассажиропотока, модели мобильности населения, интеллектуальный анализ данных, дискретно-событийное моделирование
Результаты работ по направлению:
ПМ предсказательного моделирования платежной активности.
Задачи: имитационное моделирование деятельности ТСТ с учетом суточной, недельной и годовой ритмики, а также мобильности населения, идентификация моделей платежного поведения клиентов, соотнесение классам ТСТ моделей платежного поведения клиентов, анализ и предсказание проходимости ТСТ, в том числе качественный анализ потоков плательщиков