En klient kom med tanken att plattformen skulle förbättras med datateknik och maskininlärning verktyg så att den kunde föreslå mentorer till användarna snabbare och mer exakt. Data bör samlas in och förfinas ordentligt innan de används av rekommendationssystem, tidsloggningsverktyg och annan programvara.

För att lösa problemet behövde Innowise Groups mjukvaruingenjörer

studera kundens befintliga dataflödesdesign;
återuppbygga dataflödet;
automatisera en rad manuella processer;
designarkitektur som säkerställer både funktionalitet och säkerhet.

Lösning

Innowise Group har byggt från grunden en plattform som ger mentorer och coacher en verktygssats för att interagera med varandra på ett effektivt och bekvämt sätt. Lösningen har utvecklats för att ersätta den tidigare versionen av plattformen på grund av dess brist på svarshastighet och funktionalitet.

Föregående

Nästa

Våra mjukvaruingenjörer har utformat lösningen på ett sätt som gör det möjligt att snabbt samla in och uppdatera data från olika källor. Data förfinas automatiskt enligt de förinställda mallarna och skickas till de verktyg som använder den.

Amazon Web Services

Lösningen är baserad på Amazon Web Services på grund av dess säkerhet, flexibilitet, skalbarhet och kostnadseffektivitet.

Tränare och vanliga kunder kan skicka in sina data i olika former till plattformen, inklusive text, bilder, videor, dokumentskanningar osv. Dessa data laddas upp till AWS och lagras i en datasjö.

ETL-rörledningar

Våra dataingenjörer har utvecklat och introducerat ETL-rörledningar för att automatiskt samla in databitar från användarna till molnlagringen.

Föregående

Nästa

Datasjö och datalager

Data som samlas in via ETL-rörledningar förfinas i datasjöar. Denna process drivs av Airbyte och dbt. När data har förfinats överför Apache Airflow den till datalagret där den kan användas för olika ändamål, till exempel

rekommendera och meddela mentorer om lämpliga coacher mer exakt;
uppskattning av användaraktivitet och produktivitet;
förutsäga användarbeteende inom olika områden;
ge säkra automatiserade betalningar till mentorerna;
upptäcka bedrägerier;
utföra KYC, AML, ATF-åtgärder osv.

Teknik och verktyg

Back-end

Python 3.x, Flask, Celery, WebSockets, Django REST-ramverk, Pytest

Front-end

TypeScript

Databaser

PostgreSQL, Redshift, S3, SalesForce, Elasticsearch

DevOps

Kubernetes, Apache Airflow, Terraform, plural, astronom

Cloud

Google Cloud Platform, AWS

VCS

GitLab, GitHub

Process

Med hänsyn till alla projektkrav och detaljer har vi valt Scrum som en mjukvaruutvecklingsmetodik, som genomför sprint- och Sprintöversikter två gånger i veckan för att visa framstegen. Vi använde Jira och Confluence och höll möten och övergripande kommunikation med kunden i Microsoft Teams.

Vårt team utvecklade kraven enligt kundens vision av lösningen och dokumenterade dem. Under utvecklingsprocessen analyserade, förfinade och sönderdelade vi ständigt kraven i uppgifter och deluppgifter för enklare framstegsspårning. Efter att flera uppgifter hade slutförts kontrollerade innowise Groups kvalitetssäkringsingenjörer om lösningen överensstämde med de angivna kraven, var felfri och vårt team var på samma sida med kundens vision och förväntade resultat.

Team

Dataingenjörer

Back-end utvecklare

Front-end utvecklare

ML-ingenjör

Datavetare

BI-utvecklare

Affärsanalytiker

Projektledare

QA-ingenjörer

Resultat

Innowise Group har byggt en säker plattform som gör det möjligt för kundens anställda att samla in, lagra och hantera data från studenter och handledare på plattformen. På grund av lösningens säkerhet och strikt åtkomst- och driftskontroll kan denna information användas för olika ändamål utan rädsla för att läcka ut.

Våra mjukvaruingenjörer har automatiserat ett antal processer som tidigare var manuella och utformat dataflödet för att göra lösningen så effektiv som möjligt.

Projektets löptid

Sedan 2020
Projektet pågår fortfarande; i detta skede stöder vi plattformen och implementerar nya funktioner

Relaterade fall

Kontakta oss!

Boka ett samtal eller fyll i formuläret nedan så återkommer vi till dig när vi har behandlat din förfrågan.

Vad händer härnäst?

Efter att ha mottagit och behandlat din begäran kommer vi att återkomma till dig inom kort för att specificera dina projektbehov och underteckna en NDA för att säkerställa konfidentialitet av information.

Efter att ha undersökt kraven utarbetar våra analytiker och utvecklare en projektförslag med arbetets omfattning, lagets storlek, tid och kostnad. uppskattningar.

Vi ordnar ett möte med dig för att diskutera erbjudandet och komma överens.

Vi skriver på ett kontrakt och börjar arbeta med ditt projekt så snabbt som möjligt.

Digital utbildningsplattform

Kund

Utmaning

Lösning

Teknik och verktyg

Process

Team

Resultat

Relaterade fall

Kontakta oss!

Vad händer härnäst?

Låt^●s utvecklas
programvara tillsammans!

Den här webbplatsen använder cookies

Stäng

Digital utbildningsplattform

Kund

Utmaning

Lösning

Teknik och verktyg

Process

Team

Resultat

Relaterade fall

Kontakta oss!

Vad händer härnäst?

Låt●s utvecklas programvara tillsammans!

Den här webbplatsen använder cookies

Stäng

Låt^●s utvecklas
programvara tillsammans!