Kit de ferramentas de análise e identificação de género da IA

Kit de ferramentas de análise e identificação de género da IA

Principais pormenores

Solução de deteção de género por IA para ajudar a colmatar o fosso entre homens e mulheres no acesso e utilização de telemóveis.

  • Desafio
    Análise de género e desenvolvimento de um conjunto de ferramentas de identificação
  • Solução
    Aplicação Dockerizada para análise e identificação do género do assinante
  • Tecnologias e ferramentas
    Docker, Node.js, React, Python, Celery, Redis, Flask, PySpark, Pandas, Scikit-learn, LightGBM, XGBoost, HyperOpt, SHAP

Cliente

O Cliente é GSMAA empresa é uma organização global que unifica o ecossistema móvel para descobrir, desenvolver e fornecer inovações fundamentais para ambientes comerciais positivos e mudanças na sociedade. Representam operadores móveis e organizações de todo o ecossistema móvel e indústrias adjacentes.

O cliente contactou a ESSID Solutions para apoiar o Inclusive Tech Lab no avanço do seu sistema existente que efectua a deteção de género IA dos utilizadores de telemóveis.

Desafio: análise do género e desenvolvimento de um conjunto de ferramentas de identificação

As mulheres são uma poderosa fonte de crescimento, são cruciais para o desenvolvimento de um país. As desigualdades entre homens e mulheres podem reduzir os progressos registados a nível nacional em matéria de saúde, educação e nível de vida. Atualmente, as mulheres ainda enfrentam obstáculos sistémicos e, sobretudo, muitas vezes não medidos, para recuperar o atraso e colmatar as disparidades entre homens e mulheres.

No que diz respeito à conetividade e à indústria móvel, nos países de baixo e médio rendimento, 390 milhões de mulheres não estão ligadas e menos 184 milhões de mulheres do que homens possuem um telemóvel. No entanto, as mulheres não são apenas um "segmento", mas metade da base de clientes potenciais. Trata-se de um desafio e de uma excelente oportunidade para os operadores de telecomunicações de todo o mundo. Colmatar o fosso entre os géneros pode beneficiar as mulheres, a sociedade e a indústria móvel em geral.

Para colmatar as disparidades entre homens e mulheres, GSMA necessário para fechar o disparidade de dados entre géneros. Atualmente, os operadores de telemóveis dos países de baixo e médio rendimento precisam de mais dados KYC para poderem compreender melhor os estrangulamentos na penetração dos telemóveis entre as mulheres e conceber produtos dirigidos a elas.

Para colmatar a lacuna de dados sobre o género e gerir a análise de dados de telemóveis, GSMA Connected Womenem parceria com a ESSID Solutions, foi desafiado a desenvolver um kit de ferramentas de análise e identificação de género.

Solução: aplicação dockerizada para análise e identificação do género dos assinantes

O principal objetivo do desenvolvimento do conjunto de ferramentas era fornecer aos operadores de redes móveis (ORM) uma ferramenta que pudessem instalar e executar facilmente no local para prever rótulos de género de alta qualidade para a sua base de assinantes e obter informações a partir do painel de análise.

A equipa da ESSID Solutions, em apoio ao GSMA Inclusive Tech Lab, refactorou e melhorou o toolkit existente, trazendo um ambiente analítico mais completo para responder às necessidades do operador móvel. Trabalhando em estreita colaboração com o nosso cliente, construímos a versão 3.0 do produto.

Os componentes da solução são implementados e operados em contentores Docker. A arquitetura está estruturada de forma a que o operador de rede móvel possa executar o sistema nas suas instalações ou na nuvem. A utilização da ferramenta envolve três etapas principais:

  • Preparação de dados brutos: O utilizador começa por especificar a localização de vários ficheiros de dados brutos, tais como dados de inquéritos que contêm etiquetas de género verdadeiras, registos de detalhes de chamadas, histórico de transacções de dinheiro móvel, etc. Esta etapa envolve a preparação e organização dos dados necessários para análise posterior.
  • Modelação: Nesta etapa, o utilizador realiza experiências para identificar a melhor modelo de classificação para prever o género dos assinantes. Ao utilizar os conjuntos de dados especificados, o utilizador pode treinar e avaliar vários modelos para determinar aquele que apresenta o melhor desempenho.
  • Geração de previsões e relatórios analíticos: Uma vez identificado o modelo de classificação preferido, o utilizador passa a gerar previsões de género com base no modelo treinado. Estas previsões são então utilizadas para gerar um relatório analítico abrangente. O relatório tem como objetivo oferecer informações valiosas para a tomada de decisões e o planeamento estratégico no MNO.

O fluxo completo é apresentado a seguir:

deteção de género em IA

O principal objetivo da equipa da ESSID Solutions era criar uma solução fácil de utilizar, adaptável e flexível. Permite aos utilizadores explorar sem esforço vários algoritmos de aprendizagem automática e experimentar diferentes modelos para identificar o mais eficaz.

A solução oferece um pipeline simplificado que pode ser configurado e executado sem a necessidade de conhecimentos técnicos alargados.

A resposta ao desafio de gerir grandes volumes de dados e, ao mesmo tempo, manter um fluxo de trabalho resiliente era uma prioridade fundamental.

Resultado: reduzir as disparidades entre homens e mulheres e criar um ecossistema mais inclusivo

O resultado do nosso trabalho é um kit de ferramentas avançado de análise e identificação de género. A vantagem da solução é que permite aos operadores de redes móveis identificar o género dos seus assinantes com base no histórico de utilização do telefone e fornece informações sobre a diferença de género. Utilizando a solução, podem explorar os dados mais recentes sobre a diferença de género nas comunicações móveis e compreender o que é necessário para a colmatar.

Estamos gratos à equipa da GSMA por ter convidado a nossa empresa a colaborar num projeto tão complexo e desafiante. Concluímos as entregas a tempo e correspondeu às expectativas do Cliente.