Wichtige Details

Verbesserte Datenverarbeitungs- und Speichervorgänge.

Kunde

Der Kunde ist ein Anbieter von benutzerfreundlichen und personalisierten Anwendungen im Bereich Gesundheit und Wohlbefinden. Mehr als 75 Mio. Nutzer weltweit haben diese Apps installiert, um die Qualität von körperlicher Aktivität, Ernährung, Schlaf und Achtsamkeit zu verbessern.
Der Kunde benötigte die Hilfe eines zuverlässigen prädiktive Analysedienste Anbieter, um herauszufinden, wie prädiktive Analysen zur Verbesserung von Gesundheits- und Fitness-Apps genutzt werden können.

Herausforderung: Verbesserung bestehender Fitness-Apps mit künstlicher Intelligenz (KI)

Der Kunde wollte das bestehende System ausbauen, um den Nutzern zusätzliche Anleitungen zu Gesundheit und Lebensstil zu geben. Unser Team sollte eine Business-Intelligence (BI)-Lösung entwickeln, die mit den über eine App gesammelten Nutzerdaten arbeitet.

Eine neu gestaltete KI-basierte Fitness-Coaching-App sollte die Arbeit mit großen Datenmengen über die Gesundheits- und Fitnessaktivitäten der Nutzer unterstützen, die in der Datenbank des Kunden gespeichert sind. Außerdem sollte diese App als eine Art Fitness und Gesundheit AI Empfehlungssystem Generierung entsprechender personalisierter Empfehlungen.

Lösung: maschinelles Lernen für den Aufbau von prädiktiven Analysemodulen und für die explorative Datenanalyse

1. Die Qualität der Daten und das Datenbankdesign waren für die Analyse ineffizient. Das Team von ESSID Solutions führte die grundlegende Datenmigration vom Speicher des Kunden zum Datenspeicher des InData Labs durch. Wir spezifizierten auch, wie das Daten-Repository aussehen sollte, um mehr nützliche Daten zu speichern.

Unser nächster Schritt bestand darin, die für die Visualisierung der Daten erforderlichen Tabellen zu erstellen.

Als Rohdatenspeicher diente ein Couchbase-Cluster. Wir fügten Kafka für einen zuverlässigen Datentransfer zum BI Data Warehouse (DWH) hinzu, d.h. PostgreSQL, unter Verwendung von Spark-Prozeduren. Zusätzlich zum BI DWH verwendeten wir Apache Superset, um interaktive Dashboards bereitzustellen.

Unsere Lösungen boten Marketingmanagern und Datenanalysten die Möglichkeit, Filterparameter auszuwählen, einschließlich, aber nicht beschränkt auf:

• Gewichtszunahme
• Gewichtsverlust
• Geschlecht
• Body-Mass-Index (BMI)
• Art der Plattform, auf der die Anwendung ausgeführt werden soll
• Zahlungsmethode
• Interaktive Filter (z. B. für die Echtzeitüberwachung der Anzahl der Installationen während einer Marketingkampagne)

Insgesamt umfasste die Lösung 10 Dashboards, um ein höheres Maß an Personalisierung zu ermöglichen.

2. Eine weitere Herausforderung bestand darin maschinelles Lernen (ML) einsetzen um ein Empfehlungssystem zu entwickeln, das es der bestehenden App ermöglicht, personalisierte Empfehlungen zu geben.

Wir haben das ML-basierte Modell so trainiert, dass es auf der Grundlage der Daten funktioniert, die Nutzer über ihre Profile mitteilen. Ein Nutzer lädt die App herunter, installiert sie und gibt grundlegende persönliche Daten ein, woraufhin der Algorithmus den am besten geeigneten Plan aus den vorhandenen Plänen auswählt.

Außerdem haben wir ein baumbasiertes Empfehlungssystem und assoziative Regeln unter Verwendung des Apriori-Algorithmus, alles in Python geschrieben.

Die automatisch generierten Empfehlungen hängen vom Fitnessniveau des Nutzers ab. Wenn persönliche Daten darauf hindeuten, dass ein Nutzer die aktuell eingestellten Aktivitäten leicht bewältigen kann, kann das System empfehlen, die nächste Stufe zu erreichen. Andernfalls kann die App empfehlen, das Training auf dem aktuellen Level zu wiederholen.

Alle Daten für die Trainingsdatensätze wurden vom Kunden bereitgestellt. Die Hauptquelle für die Datenerfassung war das GPS, sofern der Nutzer dies erlaubte.

Ergebnis: Fortschrittliche KI-basierte Fitness-App mit personalisierter Empfehlungsfunktion

Das Team von ESSID Solutions hat die bestehenden mobilen Fitness-Apps des Kunden mit prädiktiven Analysefunktionen erweitert.

Der Kunde profitierte von der Zusammenarbeit mit ESSID Solutions in den folgenden Bereichen:

• Persönlichere Kundenerfahrung im Vergleich zur ursprünglichen Kapazität der App
• Bessere Datenverarbeitung und -speicherung
• Prädiktive Analysefunktionen

Wir boten dem Kunden an, modernste Ansätze und Technologien zu nutzen, um gefragte Dienstleistungen anzubieten und die Zahl der Kunden zu erhöhen.

Arbeiten Sie mit ESSID Solutions an Ihrem Prädiktive Analytik Projekt