O nas - Lynukay
Analityka finansowa
oparta na danych,
nie na przeczuciach
Od 2014 roku pracujemy z organizacjami, które chcą podejmować decyzje finansowe na podstawie konkretnych sygnałów - nie ogólnych trendów. Łączymy wiedzę o rynkach z narzędziami predykcyjnymi, żeby wyniki miały sens w kontekście lokalnych warunków.
Porozmawiajmy o projekcieKto stoi za analizami
Nasz zespół składa się z analityków danych i specjalistów od modeli predykcyjnych z doświadczeniem w sektorze finansowym. Każdy projekt prowadzony jest przez osobę, która rozumie zarówno techniczną stronę modelu, jak i praktyczny kontekst decyzji.
Pracujemy w małych grupach roboczych - nie delegujemy zadań do anonimowych zespołów. Każdy klient ma przypisanego analityka, który zna jego dane od początku do końca.
Modele budujemy na danych klienta, nie na gotowych szablonach. Dobieramy algorytmy do charakteru danych - czasem to proste regresje, czasem sieci neuronowe, zależy od tego, co rzeczywiście działa.
Radosław Kwiatkowski
Główny analityk danych
Specjalizuje się w szeregach czasowych i modelach prognozowania przepływów pieniężnych. Wcześniej pracował przy projektach dla instytucji finansowych w regionie śląskim - zna specyfikę lokalnych rynków.
Dorota Szymańska
Specjalista ds. modeli predykcyjnych
Zajmuje się walidacją modeli i interpretowalnością wyników - dba o to, żeby rekomendacje były zrozumiałe dla osób podejmujących decyzje, nie tylko dla innych analityków.
Marek Olszewski
Konsultant ds. wdrożeń
Odpowiada za integrację modeli z procesami klienta. Jego praca zaczyna się tam, gdzie kończy się analiza - pilnuje, żeby wyniki faktycznie trafiały do codziennej pracy zespołów finansowych.
Liczby, które coś znaczą w naszej pracy
Dokładność prognoz kwartalnych (ostatnie 4 lata)
| Rok | Dokładność |
|---|---|
| 2021 | 78% |
| 2022 | 82% |
| 2023 | 86% |
| 2024 | 89% |
projektów analitycznych zrealizowanych dla klientów z sektora finansowego, produkcyjnego i usługowego
Modele szeregów czasowych - prognozowanie przychodów, kosztów i przepływów pieniężnych w horyzoncie 3–18 miesięcy
Analiza anomalii - automatyczne wykrywanie odchyleń od wzorców historycznych przed ich wpływem na wyniki
Scenariusze warunkowe - modele reagujące na zmiany parametrów wejściowych, przydatne przy planowaniu budżetowym
Diagnoza danych
Zanim cokolwiek zaproponujemy, sprawdzamy, z jakimi danymi faktycznie mamy do czynienia - ich jakość, kompletność i historię. Nie każdy zbiór danych nadaje się do modelowania predykcyjnego bez wcześniejszego przygotowania.
Dobór metody do problemu
Nie stosujemy jednego podejścia do wszystkich przypadków. Wybór modelu zależy od charakteru danych, długości historii i tego, jaki rodzaj błędu prognozy jest dla klienta bardziej kosztowny.
Wdrożenie i monitoring
Model nie kończy się na raporcie. Pomagamy zintegrować wyniki z procesami decyzyjnymi i monitorujemy jakość prognoz w czasie - bo dane się zmieniają i model musi za nimi nadążać.