En kund kom med idén att plattformen skulle utökas med följande datateknik och maskininlärning verktyg för att snabbare och mer exakt kunna föreslå mentorer till användarna. Uppgifterna bör samlas in på ett korrekt sätt och förfinas innan de används av rekommendationssystem, tidsregistreringsverktyg och andra programvaror.

För att lösa problemet behövde Innowise Groups mjukvaruingenjörer

studera kundens befintliga dataflöde;
bygga om dataflödet;
automatisera en rad manuella processer;
en designarkitektur som garanterar både funktionalitet och säkerhet.

Lösning

Innowise Group har byggt upp en plattform från grunden som ger mentorer och coachees en uppsättning verktyg 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 bristande 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. Uppgifterna förädlas automatiskt enligt förinställda mallar och skickas till de verktyg som hanterar dem.

Amazon Web Services

Lösningen bygger på följande Amazon Web Services på grund av dess säkerhet, flexibilitet, skalbarhet och kostnadseffektivitet.

Tränare och stamkunder kan skicka in sina uppgifter i olika former till plattformen, t.ex. text, bilder, videor, dokumentskanning osv. Dessa data laddas upp till AWS och lagras i en dataljö.

ETL-pipelines

Våra dataingenjörer har utvecklat och infört ETL-pipelines för att automatiskt samla in datamängder från användarna till molnlagret.

Föregående

Nästa

Datasjö och datalager

Data som samlas in genom ETL-pipelines förädlas i datalager. Denna process drivs av Airbyte och dbt. Efter att data har förädlats, Apache Airflow överför den till datalageret där den kan användas för olika ändamål, t.ex.

rekommendera och meddela mentorer om lämpliga coachees mer exakt;
uppskatta användarnas aktivitet och produktivitet;
förutsäga användarnas beteende inom olika områden;
tillhandahålla säkra automatiska betalningar till mentorerna;
upptäcka bedrägerier;
utföra KYC-, AML- och 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

Moln

Google Cloud Platform, AWS

VCS

GitLab, GitHub

Process

Med hänsyn till projektets krav och särdrag har vi valt Scrum som metodik för programvaruutveckling och genomför sprintar varannan vecka och sprintöversikter för att visa på framstegen. Vi använde Jira och Confluence och höll mötena och den övergripande kommunikationen med kunden i Microsoft Teams.

Vårt team utvecklade kraven enligt kundens vision av lösningen och dokumenterade dem. Under utvecklingsprocessen analyserade, förfinade och dekomponerade vi ständigt kraven i uppgifter och deluppgifter för att lättare kunna följa utvecklingen. Efter att flera uppgifter hade slutförts kontrollerade Innowise Groups kvalitetssäkringsingenjörer om lösningen överensstämde med de skisserade kraven, om den var felfri och om 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 den strikta åtkomst- och driftskontrollen kan informationen användas för en mängd 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 varaktighet

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

Relaterade fall

Behöver du en teknisk lösning? Kontakta oss!

Vad händer härnäst?

När vi har tagit emot och behandlat din begäran kommer vi att kontakta dig. för att beskriva dina projektbehov i detalj och underteckna ett NDA för att säkerställa att för att garantera konfidentialitet för informationen.

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 fram till en överenskommelse.

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

Digital utbildningsplattform

Kund

Utmaning

Lösning

Teknik och verktyg

Process

Team

Resultat

Relaterade fall

Behöver du en teknisk lösning? 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

Behöver du en teknisk lösning? Kontakta oss!

Vad händer härnäst?

Låt●s utvecklas. programvara tillsammans!

Den här webbplatsen använder cookies

Stäng

Låt^●s utvecklas.
programvara tillsammans!