Principais pormenores

Melhoria das operações de processamento e armazenamento de dados.

Cliente

O Cliente é um fornecedor de aplicações de fácil utilização e personalizadas na área da saúde e bem-estar. Mais de 75 milhões de utilizadores em todo o mundo instalaram estas aplicações para melhorar a qualidade da atividade física, nutrição, sono e mindfulness.
O Cliente necessitava da ajuda de um serviços de análise preditiva para encontrar formas de utilizar a análise preditiva para melhorar as aplicações de saúde e fitness.

Desafio: melhorar as aplicações de fitness existentes com inteligência artificial (IA)

O cliente pretendia elevar o nível do sistema existente para fornecer aos utilizadores orientações adicionais sobre saúde e estilo de vida. A nossa equipa foi desafiada a adaptar uma solução de Business Intelligence (BI) para trabalhar com os dados dos utilizadores recolhidos através de uma aplicação.

Esperava-se que uma aplicação renovada de treino de fitness baseada em IA suportasse o trabalho com grandes quantidades de dados sobre a saúde do utilizador e as actividades de fitness armazenadas na base de dados do cliente. Além disso, previa-se que esta aplicação funcionasse como um fitness e saúde IA sistema de recomendação gerando recomendações personalizadas relacionadas.

Solução: aprendizagem automática para criar um módulo de análise preditiva e permitir a análise exploratória de dados

1. A qualidade dos dados e a conceção da base de dados eram ineficientes para a análise. A equipa da ESSID Solutions realizou a migração básica dos dados do armazenamento do cliente para o armazenamento de dados do InData Lab. Também especificámos como deveria ser o repositório de dados para armazenar dados mais úteis.

O nosso próximo passo foi mapear as tabelas necessárias para visualizar os dados.

Havia um cluster Couchbase como armazenamento de dados brutos. Adicionámos o Kafka para uma transferência de dados fiável para o armazém de dados do BI (DWH), ou seja, PostgreSQL, utilizando procedimentos Spark. No topo do BI DWH, utilizámos o Apache Superset para fornecer dashboards interactivos.

As nossas soluções proporcionaram aos gestores de marketing e analistas de dados a opção de selecionar parâmetros de filtragem, incluindo, mas não se limitando a:

• Aumento de peso
• Perda de peso
• Género
• Índice de massa corporal (IMC)
• Tipo de plataforma para executar a aplicação
• Método de pagamento
• Filtros interactivos (por exemplo, para monitorização em tempo real do número de instalações durante uma campanha de marketing)

No total, a solução incluía 10 painéis de controlo para permitir um maior nível de personalização.

2. Outro desafio era utilizar a aprendizagem automática (ML) para criar um sistema de recomendação que permitisse que a aplicação existente fornecesse recomendações personalizadas.

Treinámos o modelo baseado em ML para funcionar com base nos dados que os utilizadores partilham através dos seus perfis. Um utilizador descarrega e instala a aplicação e introduz dados pessoais básicos, e o algoritmo escolhe o plano mais adequado entre os existentes.

Além disso, criámos um sistema de recomendação baseado em árvores e extração de regras associativas utilizando o algoritmo Apriori, tudo escrito em Python.

As recomendações geradas automaticamente variam consoante o nível de aptidão física do utilizador. Se os dados pessoais sugerirem que um utilizador consegue lidar facilmente com as actividades definidas atualmente, o sistema pode recomendar a passagem para o nível seguinte. Caso contrário, a aplicação pode recomendar a repetição dos exercícios no nível atual.

Todos os dados para os conjuntos de dados de treino foram fornecidos pelo cliente. A principal fonte de recolha de dados foi o GPS, se permitido por um utilizador.

Resultado: aplicação de fitness avançada baseada em IA com função de recomendação personalizada

A equipa da ESSID Solutions melhorou as aplicações móveis de fitness existentes do Cliente com capacidades de análise preditiva.

O Cliente beneficiou da colaboração com a ESSID Solutions nos seguintes aspectos:

• Experiência do cliente mais personalizada em comparação com a capacidade inicial da aplicação
• Melhor processamento e armazenamento de dados
• Capacidades de análise preditiva

Oferecemos ao Cliente a utilização de abordagens e tecnologias de ponta para fornecer serviços procurados e aumentar o número de clientes.

Trabalhe com a ESSID Solutions no seu Análise preditiva Projeto