تعتزم الشركة المصرية للاستعلام الائتماني «آيسكور» إطلاق شركتها التابعة الجديدة «iservices» مطلع عام 2027، لتقديم خدمات الاستشارات وتحليل البيانات وتطبيقات الذكاء الاصطناعي للمؤسسات الحكومية والخاصة العاملة في القطاعات غير المالية، في إطار استراتيجية تستهدف التوسع في توظيف الخبرات التكنولوجية والمعلوماتية خارج القطاع المالي.
تستهدف الشركة الجديدة تقديم حلول متخصصة للشركات والمؤسسات العاملة في القطاعات الصناعية والتجارية والخدمية، تشمل إعداد دراسات السوق، وتحليل مخاطر الاستثمار، وقياس الأداء المؤسسي ومقارنته بمؤشرات السوق، إلى جانب تطوير نماذج تحليل سلوك العملاء والتنبؤ باحتياجاتهم المستقبلية.
جاء ذلك خلال استعراض «آيسكور» خطتها للتوسع في الخدمات التكنولوجية والمعلوماتية، على هامش مشاركتها في الدورة الثلاثين من معرض ومؤتمر القاهرة الدولي للتكنولوجيا للشرق الأوسط وأفريقيا «Cairo ICT 2026»، الذي انطلقت فعالياته السبت 7 نوفمبر بمركز مصر للمعارض الدولية بالقاهرة الجديدة.
«آيسكور» توسع خدماتها خارج القطاع المالي
تأتي الخطوة استجابة لطلبات تلقتها الشركة من مؤسسات وشركات تعمل خارج القطاع المالي، للاستفادة من خبراتها المتراكمة في إدارة البيانات وتحليلها وتطوير النماذج التنبؤية، بما يساعدها على تحسين كفاءة العمليات وتطوير استراتيجيات النمو والتوسع.
تعتمد «iservices» على نموذج أعمال يجمع بين الخبرات المعلوماتية والتحليلية والتقنيات الحديثة، لتقديم حلول تتناسب مع طبيعة كل مؤسسة واحتياجاتها، مع الالتزام بضوابط سرية البيانات وحمايتها.
تستهدف الخدمات الجديدة مساعدة المؤسسات على تقييم مراكزها التنافسية وتحديد فرص النمو وتحسين قرارات الاستثمار، فضلاً عن تطوير استراتيجيات التسويق والمبيعات بالاستناد إلى مؤشرات مستمدة من البيانات الفعلية، دون الكشف عن المعلومات السرية للمؤسسات أو منافسيها.
الذكاء الاصطناعي يختصر سنوات من تطوير البيانات
تتوقع «آيسكور» أن تسهم الشركة الجديدة في اختصار فترة تتراوح بين 3 و4 سنوات من المراحل التي تحتاجها المؤسسات لتجميع البيانات وتطوير نماذج الذكاء الاصطناعي والتعلم الآلي واختبارها، عبر إتاحة مؤشرات تحليلية ونماذج متقدمة قابلة للاستخدام في تطبيقات الأعمال المختلفة.
في هذا الإطار، تعمل «iservices» على تطوير بنك للخصائص التحليلية «Features Bank» قائم على البيانات الضخمة، يتيح متغيرات ومؤشرات تساعد الشركات على بناء نماذج أكثر دقة وكفاءة، مع مراعاة جودة البيانات والحد من التحيز في نتائج التحليل.
