Wichtige Details

KI-Lösung zur Erkennung geschlechtsspezifischer Unterschiede, um die Kluft zwischen den Geschlechtern bei Zugang und Nutzung von Mobiltelefonen zu schließen.

Kunde

Der Kunde ist GSMAist eine globale Organisation, die das Mobilfunk-Ökosystem vereint, um Innovationen zu entdecken, zu entwickeln und zu liefern, die für positive Geschäftsumgebungen und gesellschaftliche Veränderungen grundlegend sind. Sie vertreten Mobilfunkbetreiber und Organisationen aus dem gesamten mobilen Ökosystem und angrenzenden Branchen.

Der Kunde wandte sich an ESSID Solutions, um das Inclusive Tech Lab bei der Weiterentwicklung seines bestehenden Systems zur Geschlechtererkennung zu unterstützen. KI der Mobiltelefonnutzer.

Herausforderung: Entwicklung eines Toolkits zur Gender-Analyse und -Identifizierung

Frauen sind eine starke Quelle des Wachstums, sie sind entscheidend für die Entwicklung eines Landes. Ungleichheiten zwischen Männern und Frauen können den landesweiten Fortschritt in den Bereichen Gesundheit, Bildung und Lebensstandard verringern. Auch heute noch sind Frauen mit systembedingten und vor allem oft nicht gemessenen Hindernissen konfrontiert, die sie daran hindern, ihren Rückstand aufzuholen und die Kluft zwischen den Geschlechtern zu schließen.

Wenn es um Konnektivität und die Mobilfunkbranche geht, sind in Ländern mit niedrigem und mittlerem Einkommen 390 Millionen Frauen nicht vernetzt, und 184 Millionen weniger Frauen als Männer besitzen ein Mobiltelefon. Dabei sind Frauen nicht nur ein "Segment", sondern die Hälfte des potenziellen Kundenstamms. Dies ist eine Herausforderung und eine hervorragende Gelegenheit für Telekommunikationsbetreiber weltweit. Überwindung der Geschlechterkluft kann Frauen, der Gesellschaft und der Mobilfunkbranche im Allgemeinen zugute kommen.

Die Kluft zwischen den Geschlechtern zu schließen, GSMA erforderlich, um die geschlechtsspezifische Datenlücke. Heute benötigen Mobilfunkbetreiber in Ländern mit niedrigem und mittlerem Einkommen mehr KYC-Daten, um Engpässe bei der Verbreitung von Mobiltelefonen unter Frauen besser zu verstehen und Produkte für Frauen zu entwickeln.

Beseitigung der geschlechtsspezifischen Datenlücke und Verwaltung der Mobiltelefondatenanalyse, GSMA Vernetzte Frauenwurde in Zusammenarbeit mit ESSID Solutions mit der Aufgabe betraut, ein Toolkit zur Analyse und Identifizierung der Geschlechter zu entwickeln.

Lösung: Docker-App zur Analyse und Identifizierung des Geschlechts der Teilnehmer

Hauptziel der Entwicklung des Toolkits war es, den Mobilfunknetzbetreibern (MNOs) ein Tool an die Hand zu geben, das sie einfach installieren und vor Ort ausführen können, um qualitativ hochwertige geschlechtsspezifische Kennzeichnungen für ihren Teilnehmerstamm vorherzusagen und Einblicke aus dem Analyse-Dashboard zu erhalten.

Das Team von ESSID Solutions hat in Zusammenarbeit mit dem GSMA Inclusive Tech Lab das bestehende Toolkit überarbeitet und verbessert, um eine umfassendere Analyseumgebung zu schaffen, die den Anforderungen des Mobilfunkbetreibers gerecht wird. In enger Zusammenarbeit mit unserem Kunden haben wir die Version 3.0 des Produkts entwickelt.

Die Lösungskomponenten werden in Docker-Containern bereitgestellt und betrieben. Die Architektur ist so aufgebaut, dass der MNO das System in seinen Räumlichkeiten oder in der Cloud betreiben kann. Die Nutzung des Tools umfasst drei Hauptschritte:

• Vorbereitung der Rohdaten: Der Benutzer beginnt mit der Angabe des Speicherorts verschiedener Rohdatendateien, z. B. Umfragedaten mit geschlechtsspezifischen Kennzeichnungen, Anrufdatensätze, Transaktionshistorie für mobiles Geld usw. Dieser Schritt umfasst die Vorbereitung und Organisation der erforderlichen Daten für die weitere Analyse.
• Modellierung: In diesem Schritt führt der Benutzer Experimente durch, um die optimale Klassifikationsmodell zur Vorhersage das Geschlecht der Abonnenten. Durch die Nutzung der angegebenen Datensätze kann der Benutzer verschiedene Modelle trainieren und bewerten, um dasjenige zu ermitteln, das die beste Leistung erbringt.
• Erstellung von Vorhersagen und Analyseberichten: Sobald das bevorzugte Klassifizierungsmodell identifiziert ist, erstellt der Benutzer auf der Grundlage des trainierten Modells Vorhersagen zum Geschlecht. Diese Vorhersagen werden dann verwendet, um einen umfassenden Analysebericht zu erstellen. Der Bericht soll wertvolle Informationen für die Entscheidungsfindung und strategische Planung innerhalb des Mobilfunknetzbetreibers liefern.

Der gesamte Ablauf ist im Folgenden dargestellt:

Das Hauptziel des ESSID Solutions-Teams bestand darin, eine benutzerfreundliche, anpassungsfähige und flexible Lösung zu entwickeln. Sie ermöglicht es den Nutzern, mühelos verschiedene Algorithmen für maschinelles Lernen zu erkunden und mit verschiedenen Modellen zu experimentieren, um das effektivste zu ermitteln.

Die Lösung bietet eine optimierte Pipeline, die ohne umfassende technische Kenntnisse konfiguriert und ausgeführt werden kann.

Die Bewältigung der Herausforderung, riesige Datenmengen zu verwalten und gleichzeitig einen stabilen Arbeitsablauf aufrechtzuerhalten, war eine wichtige Priorität.

Ergebnis: Verringerung der geschlechtsspezifischen Unterschiede und Schaffung eines integrativeren Ökosystems

Das Ergebnis unserer Arbeit ist ein fortschrittliches Toolkit zur Analyse und Identifizierung des Geschlechts. Das Schöne an der Lösung ist, dass sie es den Mobilfunknetzbetreibern ermöglicht, das Geschlecht ihrer Abonnenten auf der Grundlage der Telefonnutzungshistorie zu identifizieren und Einblicke in die geschlechtsspezifischen Unterschiede zu erhalten. Mithilfe der Lösung können sie die neuesten Daten über die geschlechtsspezifische Kluft im Mobilfunk untersuchen und verstehen, was nötig ist, um sie zu schließen.

Wir sind dem GSMA-Team dankbar, dass es unser Unternehmen eingeladen hat, an einem so komplexen und anspruchsvollen Projekt mitzuarbeiten. Wir haben die Ergebnisse pünktlich fertiggestellt und die Erwartungen des Auftraggebers erfüllt.