IHRE TRÄUME VERWIRKLICHEN
Machine Learning - Beratung - Integration
Machine Learning - Beratung - Integration
In letzter Zeit haben sich die Technologien des Machine Learning (ML) rasant weiterentwickelt und erreichen eine immer breitere Akzeptanz in der Wirtschaft. ML-Algorithmen werden bereits routinemäßig bei Problemen eingesetzt, wie z.B. Dokumentenklassifizierung und Stimmungsanalyse, Objekterkennung in Bildern, menschliche Haltungsschätzung in Videos, Nachfrageprognose, Chat-Bots und andere. Nicht selten ist die Möglichkeit, ML auf ein Geschäftsproblem anzuwenden, nicht offensichtlich und erfordert eine angemessene Analyse und Formulierung, um zu einer erfolgreichen Lösung zu gelangen. Datenaufnahme, -reinigung, -speicherung und -analyse gehen in der Regel Hand in Hand mit Machine Learning. Wir glauben fest daran, dass wir über das richtige Verhältnis von akademischem Wissen und angewandten Fähigkeiten verfügen, um eine solide ML-Geschäftslösung zu liefern.
Wir können Ihre Geschäfts- und Technologielandschaft analysieren und Ihnen helfen, den richtigen Ansatz zur Lösung der anstehenden Probleme zu finden. Ob Sie Wettbewerbsvorteile erzielen, Kosten optimieren oder Innovationen einführen wollen, um den Status quo in Frage zu stellen, wir wissen, dass jeder Business Case einzigartig ist, und wir möchten gerne von Ihnen hören. Neben ML umfasst das Beratungsportfolio von Mopano das gesamte Leistungsspektrum, angefangen vom Design-Denken und der Anforderungsspezifikation über Projektmanagement, Front- und Backend-Entwicklung bis hin zu Dokumentation und Schulungen. Unser Team verfügt über umfangreiche Erfahrung in verschiedenen Bereichen, wie z.B. Telekommunikation, Transport, Bankwesen, Automobil, Versorgungsunternehmen, Einzelhandel, Reisen und Agribusiness, und wir sind gespannt, noch mehr zu erfahren.
Geschäftskritische Systeme müssen oft erweitert werden und sind in der Regel nicht gut miteinander integriert. Das kann Innovationen behindern und die Effizienz des Unternehmens stark beeinträchtigen, was die Anpassung an neue Technologien und geschäftliche Herausforderungen erschwert. Unser Team verfügt über umfangreiche Erfahrung in verschiedenen Technologien zur Unternehmensintegration, darunter BMP, Workflow, Messaging und Prozessautomatisierung. Wir können Ihnen auch helfen, die Vorteile moderner Cloud-Technologien und Paradigmen wie Container, Microservices und Serverless-Technologie zu nutzen. Und nicht zuletzt können wir auch eine maßgeschneiderte ML-Lösung in Ihre Softwarelandschaft, Ihre Geschäftsprozesse und Ihre Benutzeroberfläche integrieren, um eine komplette, durchgängige Lösung zu erhalten.
Dmitry ist seit mehr als 10 Jahren im Bereich Machine Learning tätig. Er hat einen M.Sc. in Computational Neuroscience von der TU Berlin und einen Doktortitel in Robotik von der Universität Stuttgart, Deutschland. Dmitry hat Data Warehouses für deutsche Fintech-Unternehmen erstellt und verfügt über umfangreiche Erfahrung in den Bereichen Data Engineering, Analyse und Modellierung. Vor kurzem widmete er sich dem Bereich Computer Vision, Deep Learning und Object Detection.
Dobromir ist seit mehr als 10 Jahren in der Softwarebranche tätig und verfügt über fundierte Erfahrung in der Softwareentwicklung und im Management von Projekten und Personen. Sein Hintergrund reicht von reinen Backend-Lösungen bis hin zur kompletten Stack-Web-Entwicklung. Seine Interessen bewegten sich in den letzten Jahren in Richtung AI und ML - allgemeine Regressions- und Klassifikationsprobleme sowie die Anwendung von ML im IoT. Er war Dozent an der Technischen Universität Sofia und mehreren privaten Software-Akademien.
Svetlio ist ein erfahrener Softwareentwickler. Er hat an einer Vielzahl von Großunternehmensprojekten für Unternehmen wie IBM, Lufthansa, British Gas und CERN gearbeitet. Er hat einen B.Sc. in Mathematik und Informatik von der Technischen Universität Sofia und einen M.Sc. in Informationssicherheit von der Universität Sofia. Svetlio verfügt über umfangreiche Erfahrung im Java-Ökosystem und hat an mehreren Big Data- und IoT-Projekten gearbeitet. Er hat auch ein großes Interesse am angewandten Machine Learning im Bereich des Devisenhandels.
Ivo ist ein zielorientierter professioneller Softwareberater mit mehr als 18 Jahren Erfahrung in Analyse, Design, Entwicklung und Architektur von großen verteilten Softwarelösungen. Er hilft Unternehmen, große Daten- und Künstliche Intelligenz- Projekte in Geschäftserfolge umzusetzen. Er glaubt, dass das Machine Learning die Unternehmen so viel verändern wird, wie sich die meisten Fachexperten heute nicht vorstellen können.
Antony ist ein Lösungsarchitekt mit über 17 Jahren Berufserfahrung. Derzeit konzentriert er sich auf die Integration von Unternehmenssystemen bei Kunden wie Telecom Austria, Deutsche Bahn AG, Paul Hartman AG, etc. Im Laufe der Jahre hat er Projekte in vielen verschiedenen Branchen abgeschlossen, darunter Banken, Transport, Telekommunikation, Einzelhandel und Versorgungsunternehmen. Er glaubt, dass Kundenorientierung schwer zu verdienen ist, so dass er nie versäumt, das Versprochene zu halten, unabhängig vom erforderlichen Aufwand.
Manuela ist Business Analystin mit mehr als 14 Jahren Berufserfahrung in verschiedenen Rollen. Sie hat einen Master-Abschluss in Angewandter Psychologie. Ihre Karriere hat in mehreren Branchen positive Auswirkungen hinterlassen, beispielsweise in der Medizin- und Pharmabranche, im Einzelhandel und in der öffentlichen Verwaltung. Sie hat die Fähigkeit, unterschiedliche Persönlichkeiten in leistungsstarken Teams zusammenzubringen. Wir freuen uns jetzt sehr, Manuela als unsere Business Analystin und Business Development Consultant zu haben.
Im Jahr 2018 stellte uns eine unserer Tochtergesellschaften den CEO von MOTORcheckUP vor. Es ist ein interessantes Unternehmen, das schnelle und einfache Testsätze für Motoröle und andere Autoflüssigkeiten verkauft. Der Kunde würde einfach einen Tropfen Öl auf das Testset geben und warten, bis es reif ist. Dann können sie je nach Farbe, Struktur und Form des Flecks den Zustand des Automotors beurteilen. Das Unternehmen war bereits auf dem lokalen Markt erfolgreich, hatte aber aufgrund des manuellen Prozesses der Testauswertung Schwierigkeiten bei der Skalierung. Der CEO fragte uns, ob wir den Prozess der Testauswertung automatisieren können. Er war entmutigt, denn mehrere andere Unternehmen hatten es bereits versucht und sind mit dieser Aufgabe gescheitert. Wir haben die Herausforderung angenommen und die erste Phase des Projekts zeitlich begrenzt, um die Risiken zu minimieren. Zuerst haben wir einige bestehende Cloud-Services ausprobiert, in der Hoffnung, bei einem schnellen PoC zu landen, aber leider hat keiner von ihnen gute Ergebnisse erzielt. Dann entschieden wir uns, den neuesten Stand des DeepLearning zu erforschen, der möglicherweise auf die Aufgabe anwendbar ist. Zuerst hatten wir einige Probleme aufgrund von verschmutzten Eingabedaten. Die Geräte, die zur Aufnahme der Testfotos verwendet wurden, mussten angepasst werden, um die Qualität der Bilder zu verbessern. Dann, nach einigen zusätzlichen Datenbereinigungen, zeigte eines der Modelle bereits vielversprechende Ergebnisse. Wir haben das ausgearbeitet und schließlich eine Lösung auf Basis von Tensorflow gefunden, die bereits gut genug für den Einsatz in der Produktion war. Unser Kunde war sehr zufrieden und fragte uns, ob wir eine Komplettlösung bauen und das Deep-Learning-Modell in diese integrieren können. Auf Wunsch haben wir alle erforderlichen Front- und Backend-Komponenten implementiert und mit dem Deep- Learning-Modell verkabelt. Dann haben wir die komplette, containerisierte Lösung in der vom Kunden bevorzugten Cloud implementiert. Das Endergebnis für unseren Kunden war, dass er international expandieren und Tochtergesellschaften in mehreren Ländern der Welt (VAE, Türkei, Russland, etc.) gründen konnte.
Bereits 2016 erhielten wir eine Anfrage vom Inhaber von W-Reservation - einem jungen Reiseveranstalter, der sich auf den osteuropäischen Markt konzentriert. Sie wuchsen schnell und hatten ein Problem mit dem Debitorenmanagement (AR). Ihr Geschäftsmodell war einfach. Nach einer erfolgreichen Reservierung sollten die Hotels die Provision innerhalb der Vertragslaufzeit zahlen. Allerdings wurden die Zahlungen oft verzögert und manchmal gar nicht bezahlt (Forderungsausfall). W-Reservation wollte dieses Problem flexibel und passend zu ihrem Geschäftsmodell angehen. Nämlich wollten sie die erwarteten Gewinne mit den erwarteten Forderungsausfällen in Einklang bringen, indem sie das Engagement des Hotels gegenüber ihren Nutzern anpassen. Wir haben ein Machine Learning Modell erstellt, das Faktoren wie frühere Buchungen, Zahlungen usw. berücksichtigt und einen Forderungswert berechnet. Anschließend haben wir das Modell in das bestehende Java-Backend integriert und Management-Benutzeroberflächen hinzugefügt, um den Betrieb des Systems durch die Backend-Benutzer zu erleichtern (z.B. manuelle Anpassung der Bewertung bei Bedarf). Dies führte zu einem deutlichen Rückgang der Forderungsausfälle bei gleichzeitigem Erhalt des Umsatzvolumens. Der Nettoeffekt war eine Gewinnsteigerung ohne negative Auswirkungen auf die Kundenzufriedenheit und -bindung. Nach diesem erfolgreichen Projekt haben wir unsere Beziehung zu W-Reservation gepflegt und ihnen bei anderen Herausforderungen geholfen, wie z.B. der Integration mit mehreren GDS-Systemen.
Im Sommer 2014 nahmen wir an einer DataScience-Veranstaltung teil, bei der wir den CEO von SmartShopper trafen - einem jungen Startup-Unternehmen mit der Mission, das Einkaufserlebnis im Geschäft zu verändern. Ihre Idee war, Produktbewertungen aus verschiedenen Quellen zusammenzufassen und sie zu einer einheitlichen Produktbewertung zu destillieren. Der CEO war besorgt, dass vielen Produkten die bestehenden Bewertungen unter amazon.com, bestbuy.com etc. fehlten, was zu ungenauen Bewertungen und unzufriedenen Kunden führte. Auf der anderen Seite wurden dieselben Produkte in verschiedenen Foren und Artikeln breit diskutiert. Er wollte diese zusätzlichen Quellen nutzen, um Ratings auf Basis der Stimmungen für das jeweilige Produkt zu berechnen. Dies war jedoch um eine Größenordnung komplexer, als nur die Verwendung der offiziellen APIs seiner üblichen Quellen. Nach sorgfältiger Abwägung von Umfang und Zeitrahmen haben wir einen Projektplan für ein PoC erstellt, der dem begrenzten Budget seiner Frühstartphase entspricht. Unser Team hat mehrere verschiedene Ansätze ausprobiert, von klassischen NLP- Lösungen bis hin zu Deep Neural Networks, die von demjenigen verwaltet und installiert wurden, der am besten zu SmartShopper passt. Die von uns implementierte Sentimentanalyselösung war erfolgreich und spielte eine entscheidende Rolle für das zukünftige Produktwachstum.