BIG IDEA

MAIA

Opracowanie i wdrożenie kompleksowego, wielomodułowego systemu informatycznego do zapobiegania stratom i monitorowania jakości obsługi w restauracjach szybkiej obsługi.

STATUS: TRWA

O FIRMIE

DTiQ – firma założona w 1998 r. (pod nazwą DTT). Świadczy usługi z obszaru ograniczania strat dla klientów na świecie, w tym restauracji szybkiej obsługi, sklepów i hoteli. Autorskie, napędzane sztuczną inteligencją systemy wideo i przetwarzania danych, ułatwiają realizację manualnych i automatycznych audytów, wykonywanych przez audytorów, umożliwiając identyfikację naruszeń procedur i ograniczanie strat. W Polsce DTiQ jest obecna od 2018 r. w wyniku fuzji z EZUniverse. Na koniec 2020 r. zatrudniała w kraju blisko 120 osób.

Zadania DTiQ w obszarze ograniczania strat realizowane były w oparciu o dwa filary: system integrujący dane transakcji z monitoringiem oraz manualnie przeprowadzane audyty działalności klientów. Wyzwaniem stała się olbrzymia ilość danych spływających każdego dnia do systemu, przechowywanie ich i przetwarzanie – zidentyfikowanie wśród tych danych, trendów i konkretnych sytuacji, które mogą posłużyć do optymalizacji procesów biznesowych u klientów.

Z potrzeby automatyzacji audytów zrodził się pomysł na opracowanie cyfrowego „audytora”, napędzanego sztuczną inteligencją i algorytmami uczenia maszynowego. Jego zadaniem jest przetwarzanie i analiza danych z kamer monitoringu oraz transakcji z kas pod kątem optymalizacji jakości usług i wykrywania nieprawidłowości.

Projekt MAIA wspomaga również procesy decyzyjne, dostarczając zautomatyzowane pomiary, wstępne analizy i spostrzeżenia.

Cele projektu

  • automatyzacja i wsparcie działań audytorów i analityków DTiQ (w tym skrócenie czasu przygotowania raportów i analiz o 30%, rozszerzenie zakresu zbiorów danych)
  • pozyskanie nowych klientów dzięki poszerzeniu portfolio produktowego
  • zwiększenie precyzji pomiarów względem konkurencyjnych rozwiązań

 

Najważniejsze etapy

  • wybór i testy algorytmów
  • implementacja chmury do realizacji procesów detekcji (również nieprawidłowości transakcyjnych)
  • wdrożenie narzędzi integracji danych z rozproszonych systemów klienckich
  • wdrożenie rozwiązań u klientów ze wsparciem zespołu developerskiego i produktowego.

Mierzalne efekty

szerokie wdrożenie

wdrożenie systemu w kilkuset restauracjach w Europie i Stanach Zjednoczonych

Nowe zdolności organizacji

  • zbudowanie bazy wiedzy i know-how w zakresie metodologii wytwarzania i wdrażania produktów opartych na algorytmach uczenia maszynowego
  • powołanie zespołu specjalistów i adeptów uczenia maszynowego, wspieranych przez audytorów adnotujących oraz ewaluujących algorytmy
  • inwestycje w sprzęt (jednostki o dużej mocy obliczeniowej, serwery).
  • poszerzenie kompetencji zespołu developerskiego i produktowego o wiedzę na temat rozwiązań chmurowych i praktyk agile
  • otwarcie ośrodka badawczo-rozwojowego, którego jednym z zadań jest edukacja całej organizacji w zakresie możliwości i ograniczeń stosowanych technologii.

Okiem menadżera

KRZYSZTOF OSIŃSKI
SENIOR VP OF RESEARCH AND DEVELOPMENT, DTIQ

Obrana przez naszą organizację droga nie jest łatwa i niesie za sobą sporo nowych wyzwań nie tylko w obszarze technologii, ale także w obszarze organizacji naszych wewnętrznych procesów.

AGNIESZKA BIER
DIRECTOR OF DATASCIENCE, DTIQ

Jakość algorytmów SI determinują dane, doświadczenie i baza wiedzy, w oparciu o które są budowane. Projektując MAiA, wykorzystaliśmy lata doświadczeń DTiQ w gromadzeniu, analizie i interpretacji danych, co przekłada się na konkurencyjność wytworzonych rozwiązań.

LESSONS LEARNED

sztuczna inteligencja

Produkty oparte na technologiach sztucznej inteligencji wymagają opracowania nowych procesów implementacji, wdrażania i monitoringu. Istotna jest zwłaszcza ewaluacja na coraz szerszym rynku – produkt, który sprawdził się w jednym środowisku może wymagać dostosowania w innych warunkach.

sztuczna inteligencja

współpraca z klientami

Działy technologiczne i produktowe nauczyły się bezpośredniej współpracy z klientami w oparciu o metodologie agile i tworzenie oprogramowania na podstawie walidacji hipotez, pilotów i projektów „proof-of-concept”. Kluczowe stało się również skoordynowanie działań z działami sprzedaży i wsparcia klienta.

współpraca z klientami

konfiguracja

Specyfika produktów SI i ich wrażliwość na detale konfiguracyjne powoduje, że niezwykle istotne jest odpowiednie przeszkolenie osób konfigurujących algorytmy u klienta oraz instalujących sprzęt. Projektując produkty należy pamiętać o ostatniej fazie wdrożenia, jaką jest fizyczna konfiguracja narzędzi.

konfiguracja