Мы строим аналитику и ИИ на данных казахстанских компаний
Шесть кейсов: прогноз потребления газа по 3,1 млн лицевых счетов, чат-бот к базе на 102 млн строк,
предсказание оттока персонала, финмодель холдинга офлайн, вагонный парк и аптечные сети.
Всё, что на этом экране, построено на реальных проектах.
50+ внедрённых BI-проектов
30+ заказчиков в Казахстане
12+ ML-моделей в продакшене
102 млн строк в крупнейшей витрине
on-prem всё в контуре заказчика
QazaqGaz Aimaq
1
Прогноз потребления газа и поиск аномалий
Модель считает потребление на 12 месяцев вперёд по каждому лицевому счёту и сама помечает
подозрительные: нулевики, счета сверх техмаксимума, корректировки.
LightGBM SHAP PostgreSQL Power BI
3,1 млн лицевых счетов
14 регионов
8,6% WMAPE
Открыть кейс →
QazaqGaz Aimaq
2
Чат-бот к данным: вопрос на русском → SQL → ответ
Спрашиваете «сколько нулевиков в Атырау в мае» — бот сам выбирает витрину, пишет SQL,
проверяет его и возвращает цифру с пояснением.
LLM NL → SQL RAG-глоссарий FastAPI
102 млн строк в базе
6 витрин данных
~2 с среднее время
Открыть кейс →
KAZ Minerals
3
Кто уволится в ближайшие месяцы — и что с этим делать
Классификатор находит людей в зоне риска, RL-агент подбирает действие для удержания.
HR получает не «вероятность», а список задач на неделю.
Random Forest PPO / RL SHAP 1С:ЗУП
~80% точность
26 признаков
5 типов действий
Открыть кейс →
ШарҚұрылыс
4
Центр управления данными холдинга — офлайн, на ноутбуке
Финмодель из Power BI перенесена в локальную витрину, сверху — языковая модель.
Работает без интернета: цифры не покидают периметр компании.
Qwen3 8B Ollama SQLite FastAPI
111 DAX-мер перенесено
10 объектов строительства
0 внешних сервисов
Открыть кейс →
ТТС
5
Вагонный парк: простой в ремонте и качество первички
Видно, где вагон стоит дольше нормы, какой этап его держит и какое подразделение
вносит данные с ошибками. «Красная зона» — простой свыше 1000 суток.
АСУ КТТ Power BI Гео-аналитика Data Quality
32,5 тыс вагонов в парке
25 станций ремонта
11 подразделений
Открыть кейс →
Haleon Kazakhstan
6
Аптечные сети: единый куб продаж и прогноз спроса
Sell-Out из 11 аптечных сетей в разных форматах сводится в одну витрину.
Дальше — прогноз спроса по SKU и обоснованный квартальный план.
Airflow LightGBM SARIMAX Power BI
11 аптечных сетей
138 SKU в модели
11,4% MAPE прогноза
Открыть кейс →