Zensors может использовать краудсорсинг и машинное обучение для извлечения данных из изображений. Мы обсудили приложения мониторинга и уведомлений в реальном времени. Сегодня мы хотим взглянуть на аналитическую сторону истории и на то, как Zensors могут принести пользу специалистам по данным.
AI Пейзаж
Чтобы начать наше исследование, мы рассмотрели существующие предложения в области продуктов для машинного обучения. Некоторые из рассмотренных нами продуктов включают AWS SageMaker, AWS DeepLens и C3 IoT. Мы обнаружили, что текущие предложения по машинному обучению в основном нацелены на разработчиков, исследователей и технических специалистов. Технологии ИИ и машинного обучения стали более доступными, чем раньше, благодаря эффективным облачным платформам, но большинство существующих продуктов ИИ по-прежнему требуют технических знаний для настройки и обслуживания. По сравнению с крупными компаниями, которые обычно имеют собственную технологическую команду или используют сторонние технологические продукты, малому и среднему бизнесу не хватает возможностей для получения преимуществ от технологий машинного обучения.
Альтернативные варианты использования
Основные варианты использования Zensors демонстрируют эффективность мониторинга и уведомлений в реальном времени. Чтобы дополнить эти варианты использования, мы провели мозговой штурм альтернативных вариантов использования Zensors. Работая в области машинного обучения и науки о данных, мы хотели изучить, как Zensors могут принести пользу инженерам по машинному обучению и исследователям данных. Один из вариантов использования, который мы обсуждали, заключался в использовании краудсорсинговой платформы Zensors для обучения классификаторов машинного обучения специально для контекста, но от этой идеи позже отказались из-за отсутствия конкурентного преимущества.
Другое предложение заключалось в использовании данных Zensors для последующего анализа данных для создания бизнес-аналитики. В этом случае пользователи используют уникальную силу Zensors в создании данных из физических пространств и используют эти данные, чтобы заполнить пробел в существующем рабочем процессе обработки данных. Эти данные могут быть использованы для оптимизации эффективности и реинжиниринга процессов.
Последующая интеграция
После того, как Zensors сгенерируют данные, возникает следующий вопрос: как наши пользователи будут их использовать. Для бизнеса, у которого уже есть рабочий процесс аналитики данных, они используют аналитическое программное обеспечение, такое как Tableau или Microsoft Power BI. Эти инструменты помогают им визуализировать и анализировать огромный объем данных для сбора информации. Другая возможность для компаний - иметь собственную программную инфраструктуру для удовлетворения своих потребностей в данных. В любом случае нам нужно будет узнать, как интегрироваться в существующий конвейер данных пользователей и есть ли стандарт в их конкретных отраслях.
Вывод
Данные, которые генерирует Zensors, имеют огромную ценность. Ценность этих данных действительно зависит от того, как наши пользователи решат их использовать и могут ли они формировать эффективные запросы. Существует два подхода к предоставлению ценности данных Zensors нашим пользователям: ориентация на пользователей, которые уже установили рабочий процесс анализа данных и интеграция в свою существующую систему, или обучение новых пользователей ценности аналитики данных и помощь им в настройке рабочего процесса. Любой из подходов предлагает уникальный набор задач UX, и мы рады узнать, как лучше всего предоставлять данные Zensors пользователям в наших исследованиях пользователей.
