Mit Machine Learning zu Smart Homes und nachhaltigerem Wohnen

Mithilfe von Data Science möchte uptodate das Kundenerlebnis verbessern und neue Services anbieten. Hierfür sollen besonders vielversprechende Ideen identifiziert, verifiziert und umgesetzt werden. Parallel soll die notwendige Infrastruktur entstehen – von Dashboards über die Datenspeicherung bis zu den Machine-Learning-Modellen. Wichtig ist dabei von Anfang an der sorgfältige und regelkonforme Umgang mit den Kundendaten.

Neue, cloud-basierte Dateninfrastruktur 

Zühlke stellt ein Projektteam zusammen und passt dieses dank ihres internationalen Pools aus Data Scientists, Machine-Learning-Experten und Data Engineers flexibel an jede neue Herausforderung an. Gemeinsam mit den Experten von uptodate identifiziert das Team vielversprechende Anwendungsfälle, validiert sie hinsichtlich des Business Values und unterstützt bei deren Umsetzung mit agilen Methoden. So entsteht iterativ und anhand von konkreten Anwendungen eine cloud-basierte Dateninfrastruktur. Darüber hinaus entwickelt das gemeinsame Team Maßnahmen, um die Einhaltung der DSGVO sicherzustellen – beispielsweise die automatisierte, vollständige Löschung von Datensätzen auf Anfrage.

Startup wird zur Data Driven Company 

Die neue Infrastruktur ermöglicht es uptodate, Machine-Learning-Modelle anzuwenden und zu skalieren. Diese Machine-Learning-Modelle, beispielsweise zur Churn-Prediction, für die Bildverarbeitung oder für Recommender Systems, generieren echten Mehrwert für uptodate und bieten wertvolle Insights. Dank spezieller, für die Fachbereiche zugeschnittener Dashboards kann uptodate alle Entscheidungen datenbasiert treffen – das Startup wird so zur Data Driven Organisation. Die neu entwickelten Prozesse stellen nicht nur sicher, dass die DSGVO-Anforderungen eingehalten werden. Sie erlauben auch einen souveränen und leichtgewichtigen Umgang mit neuen Daten und Anwendungen.