Следуйте за нами в нашем путешествии по данным

Аналитика данных, большие данные, временной анализ, алгоритмы кластеризации, машинное обучение, искусственный интеллект, текстовая аналитика, NLP, NLG, анализ настроений, прогнозные модели, визуализации, нейронные / сущностные сетевые графы, контекстная аналитика на основе данных

Эти слова действительно звучат круто, и мы тоже так думали в 2011 году. Да, мы хотели изменить мир, как и все другие стартапы, но мы также хотели создать что-то незатейливое и простое.

Что мы заметили

Когда мы начали думать об интеллектуальном анализе данных еще в 2011 году и опросили людей, мы столкнулись с некоторыми проблемами -

  • Огромный объем данных вокруг нас был разрознен в инструментах для прослушивания социальных сетей, поиске новостей Google и т. Д. Было еще много неиспользованных данных - устаревшие базы данных, беспорядочные порталы, неясные тексты, отраслевые публикации и патенты и т. Д.
  • Выявление интересных закономерностей и долгосрочных идей было трудоемким и трудоемким, даже для людей, использующих высококачественные инструменты для прослушивания социальных сетей.
  • Интеллектуальный анализ и обработка данных стали обязанностью специалистов по данным или других технических специалистов, связанных со сложным кодированием и алгоритмами, которые непрофессионал не мог быстро освоить.
  • Как правило, анализ проводился путем экспорта данных в электронные таблицы и создания монотонных графиков. Визуализации, как правило, хорошо выглядели на бумаге, но не предлагали действенных идей для вашей организации / конкурентов / отрасли / мероприятий.
  • Для получения более глубокого понимания у организаций обычно не было иного выбора, кроме как обращаться к компаниям, занимающимся исследованием рынка, тем самым тратя значительные средства на качественные и количественные методы сбора и анализа данных, которые на самом деле давали только моментальный снимок во времени. Постоянное понимание было недоступно для большинства организаций.

Запуск Klood Engine

Чтобы разобраться в этих и других проблемах, мы начали смиренно. В те первые дни наш продукт (Klood Engine) приобрел форму социального прослушивания, автоматизированного планирования / публикации и инструмента ответа клиентов для организаций.

Движок Klood использовал развивающийся ИИ, чтобы определять, что публиковать и когда публиковать, чтобы обеспечить максимальный охват бизнеса через социальные сети. Механизм постоянно отслеживал производительность на всех платформах, чтобы помочь определить лучшие каналы социальных сетей для развития нового бизнеса.

Все это было здорово, но мы поняли, что попали в ловушку. Мы делали то же самое, что и большинство других компаний, занимающихся прослушиванием социальных сетей и аналитикой, - распространяли метрики тщеславия вокруг охвата и лайков. Мы не создавали ничего впечатляющего.

Однако у нас была мини-версия функции, которая могла стать чем-то необычным. Мы также знали, что данные были ценными; вопрос был в том, как пользователи хотели его использовать.

Радар становится реальностью

Мы убили Klood Engine и сконцентрировали наши усилия на создании одной функции, у которой были огромные возможности.

Эта функция прекрасно справилась с 3 вещами:

  • Позвольте вам получить доступ к миллионам документов из 80 000+ источников данных
  • Помогли вам уточнить данные с максимальной точностью с помощью инструментов поиска и фильтрации.
  • Работали с вами, чтобы исследовать, визуализировать и находить связи между вашими данными с минимальными затратами времени

Мы назвали этот продукт: Радар.

Радар развивается

Радар в последние годы развивался сам по себе. Изначально мы сотрудничали с одним из наших клиентов, агентством маркетинговых исследований MMRI, которое приобрело нас в 2016 году.

На деловом фронте:

  • Мы начали предоставлять Radar как управляемую услугу через MMRI. Мы стали тихим технологическим партнером, предоставляющим интеллектуальные данные клиентам MMRI.
  • Мы также привлекли множество клиентов, оказывающих профессиональные услуги и бухгалтеров, которые в конечном итоге перешли от подхода к управляемому обслуживанию и начали использовать Radar непосредственно в своих проектах.
  • Мы поняли, что MMRI имеет большой опыт в фармацевтике и банках и, следовательно, имеет смысл ориентироваться на одну вертикаль за раз.

На лицевой стороне продукта:

  • Мы усовершенствовали наш продукт, чтобы помочь пользователям получать как можно более точные данные - с помощью внутреннего интегрированного klood_score и других факторов.
  • Мы сделали наши функции поиска более мощными, автоматизированными и интуитивно понятными.
  • Мы предоставили визуализации для представления ваших данных, сосредоточив внимание на минимальном количестве диаграмм, необходимых для анализа ваших данных. Для тех, кто ищет красочную настраиваемую панель инструментов (например, Tableau и т. Д.), Мы упростили экспорт данных в выбранный вами инструмент презентации.
  • Мы интегрировали радарную технологию в Football Whispers, первый в мире предсказатель футбольных трансферов. Это работает на запатентованных алгоритмах, разработанных в сотрудничестве с Klood и Университетом Шеффилда.
  • Мы создали график распознавания сущностей, который помогает вам визуализировать связи между вашими данными, выявлять закономерности и тенденции очень быстро. Google предоставляет вам миллионы результатов, однако вам понадобится целая жизнь, чтобы прочитать их и получить из них понимание. Мы рано поняли, что сила данных заключается в эффективной навигации по этой сложной паутине информации и в эффективном предоставлении информации через контекст и связи.
  • Мы обнаружили некоторые фантастические идеи, взяв на себя множество банковских, страховых и розничных проектов с помощью наших собственных аналитиков. Этот интеллект вошел непосредственно в наши алгоритмы, чтобы создать гораздо более надежный продукт данных.

Заглядывая в будущее

Мы, наконец, готовы выйти на рынок Северной Америки и решить некоторые сложные проблемы, преследующие организации и правительства.

Вот что нас ждет в 2017 году с точки зрения продукта:

  • Обработка естественного языка. Представление идей в формате разговора, похожем на человеческий, оказывается гораздо более эффективным, чем размещение нескольких визуализаций в отчете и надежда на принятие правильного решения на их основе. Поэтому мы также начали работать над обработкой естественного языка, чтобы предоставлять информацию в более удобном для восприятия формате.
  • Распознавание изображений и оптическое распознавание символов. В изображениях содержится так много данных, которые по-прежнему сложно анализировать. Примерно только 40% изображений в Instagram также содержат текст, объясняющий, что они показывают, а это означает, что без распознавания изображений они остаются недоступными для компьютерного анализа. Как и некоторые из крупнейших технологических компаний в мире, мы хотим решить эту проблему - и мы продолжаем сканировать горизонт в поисках новых подходов, которые помогут нам решить эту проблему.
  • Расширенный интеллект. Мы продолжим позволять нашему человеческому интеллекту взаимодействовать с машинами, чтобы получать междисциплинарные идеи и рекомендации для различных отраслей. Мы внедряем в наши алгоритмы полученные человеком знания по вертикали / отрасли, чтобы проводить эффективный анализ, ориентированный на конкретную предметную область.

Зачем мы все это делаем? Мы хотим демократизировать понимание мировой информации, позволяя организациям принимать более обоснованные решения.

Если мы вызвали у вас интерес или вы просто хотите поздороваться!, Посетите нас на radar.klood.com или оставьте сообщение на info [at] klood [dot] com.