“磚已經大大提高了在我們的數據跨職能團隊合作,讓我們共同努力新數據驅動的創新改善工作場所的安全。”
許多工業傷害不會在一夜之間發生。他們發展緩慢,長期重複性的運動有害,最終導致物理傷害,在糟糕的情況下,是無法彌補的。StrongArm技術是解決這一問題可穿戴設備跟蹤日常運動和活動以及佩戴者的直接環境。磚,他們能夠實時攝取大量的下遊的物聯網數據機器學習提供專有的安全分數和分類的活動來預測風險,導致一個更聰明,更安全的環境:StrongArm已經能夠工業工作場所受傷率減少一半以上,並提供數百萬美元的醫療和保險成本節約他們的顧客和顧客的員工。beplay体育app下载地址
利用數據的複雜性來改善工作場所的安全
工傷是一個大問題,可以產生重大的成本影響,不僅對員工的雇主也必須首當其衝的醫療費用。
“下腰處的傷是最常見的類型的損傷在工業工作區。每次一個工人受傷,它通常成本超過65000美元的醫療費用,”科比Eadon解釋說,CIO StrongArm技術。
StrongArm的目標是捕捉每一相關數據每天point-roughly 120萬數據點,每個存在預測損傷和防止這些成本失控的發生。如此大量的時間序列數據實時流動,他們努力建立可靠和高性能ETL管道可能規模滿足數據科學的需要。維護基礎設施還需要大量資源,往往采取整個星期提供足夠穩定來處理他們的工作負載集群。
從數據科學的角度來看,從一個筆記本電腦工作證明極限的能力有效地執行特定的查詢和無法對整個數據集訓練他們的模型。
在各種數據團隊,兩個係統之間的協作和人員是具有挑戰性的。數據專業人員已經鬥爭與合作團隊往往是孤立的,他們的工作曆史上不異花授粉和緊迫性,但是沒有合適的工具來促進團隊合作需要,隻是加劇了這種情況。
一個統一的數據湖和流線型的機器學習生命周期
與磚統一數據分析平台、迭代和協作不再是一個問題作為數據工程,數據科學和分析師能夠更容易Beplay体育安卓版本地一起工作的數據。
三角洲湖解決數據可靠性的問題,讓他們輕鬆輕鬆攝取實時物聯網數據從各種來源。數據無縫管道流動到數據科學團隊,數據科學團隊能夠更容易地與機器學習創新。MLflow簡化整個機器學習生命周期,以確保最好的模型使其生產。
“磚之前,我沒有辦法我數據結構科學研究項目。如果我有一個模型和迭代20次,我會忘記我的第一個模型的結果是什麼,所以我將不得不挖掘,“濕婆Bommireddy StrongArm數據科學家說。“MLflow易於管理,解決了數據的迭代特性科學。”
最後一批受益於整個組織統一的數據分析師團隊。馬特說,能夠產生結果對於非技術團隊已經非常滿足。“我可以提供所有團隊有意義的結果,數據特有的,在15分鍾內,”他說。“磚已經解決了很多數據用例”。
背後的故事:數據團隊的影響
傷害減少60%導致超過5美元的成本節約
StrongArm現在能夠解鎖的見解從傳感器數據,轉化為新的戰略客戶可以使用可能改善工作場所的安全,員工的生計。beplay体育app下载地址
後執行深深入分析他們的一個最大的財富100強客戶,StrongArm測量減少工作場所傷害60%,交付一個儲蓄總值5347368美元的投資回報率(RObeplay体育app下载地址I) 355%。同時,StrongArm已經能夠減少受傷的風險評估的誤差從23%降至5%——78%的改善。
“我們的業務保護工業的運動員。,”Eadon解釋道。“磚允許我們釋放數據和機器學習的力量來幫助工作場所變得更安全、更有效率,更好的環境,數以萬計的產業工人,我們依靠在我們的日常生活。”
開始的數據分析師利用內部指標和生成指示板通過畫麵更好地理解他們的軟件和傳感器是如何執行的。今天,他們的數據分析師團隊運行的畫麵指示板數量——所有的磚——包括他們的軟件版本的性能,傳感器校準性能等等。
