Klantsignalen analyseren met machine learning

Klantverloop is in de commerciële wereld een normaal verschijnsel. Een van onze opdrachtgevers waar je een lening kunt afsluiten wil weten of op basis van beschikbare informatie en gelogde data in systemen kan worden voorspeld of een klant wil switchen van financieel dienstverlener. Onderzoek welke gegevens bruikbaar zijn en maak een machine learning model dat op basis van de informatie klantverloop kan voorspellen.

Benodigde interesse(s)

  • Machine Learning
  • .NET
  • Data
  • Artificial Intelligence

Wat krijg je

  • Een uitdagende stageopdracht
  • Professionele begeleiding
  • Trainingen gericht op jouw stagetraject
  • Sparren met andere stagiairs en collega’s

Wat je gaat doen

  • 35% Stageonderzoek
  • 40% Analyseren, ontwerpen, realiseren
  • 25% Documentatie

Een opdrachtgever van Info Support die financiële producten aan consumenten verstrekt, heeft te maken met klanten die hun financiering inlossen en elders een lening afsluiten. Dit soort verloop (customer churn) is normaal, maar slecht te voorspellen. De organisatie wil klantverloop beter voorspelbaar maken, zodat er tijdig maatregelen genomen kunnen worden om klanten alsnog te behouden.

Welke gelogde informatie of signalen (events) die worden vastgelegd in onze systemen kunnen worden gebruikt om te voorspellen wanneer een klant van plan is weg te gaan? En welke signalen kunnen we gebruiken om de klantervaring en dienstverlening te verbeteren?

De opdracht

Tijdens jouw stageopdracht onderzoek je de beschikbare informatie en gelogde data in onze systemen en bepaal je welke signalen gebruikt kunnen worden om klantverloop te voorspellen. Vervolgens onderzoek je welke daarvan actionable zijn en hoe deze kunnen worden gebruikt om de dienstverlening te verbeteren. Je maakt een machine learning model dat op basis van de geïdentificeerde informatie en/of signalen klantverloop kan voorspellen. Je bewijst de werking van dit model met een Proof of Concept.

Solliciteren?
Solliciteer via onderstaand formulier op deze opdracht.
Een technische test, kennismakingsgesprek, technisch gesprek en de contractondertekening maken onderdeel uit van de sollicitatieprocedure.

Meld je aan voor deze opdracht

  • Geaccepteerde bestandstypen: docx, doc, txt, pdf.
  • Geaccepteerde bestandstypen: docx, doc, txt, pdf.