Resumenes de los videos
Reinventing Retail with AI (Cloud Next ‘19)
Esta charla cuenta tre casos, el de nordstrom donde se mejoró la experiencia del cliente, Walt Disney Company donde se ayudo a personalizar la experiencia del cliente y Pitney Bowes ayudo a prevenir pedidos internacionales fraudulentos.
El cliente se esta volviendo mas intuitivo y demandante, los productos y el ciclo de vida de estos se estan recortando cada vez mas, el e-commerce global se esta volviendo cada vez mas competitivo, AI y ML estan transformando cada aspecto de la cadena de valor
Como el ejemplo de un call center, google considera que machine learning y AI podria ayudar un monton, se creo un agente IA(Contact Center AI) que se encargaba de responder las llamadas de manera inmediata, en la interacción este IA sabia donde dirigir la llamada y solucionar el problema con acceso a la data de manera mas rapida, si el problema se volvia mas complicado este pasaba la llamada a los trabajadores de call center
Recommendations AI, es parecido a lo que ocurre con netflix, que en base a tus preferencias y perfil te sugiere nuevos productos que consumir
En el caso de nordstrom se mejoró la experiencia del client usando el visual product search, el cual mejoró notablemente como ubicar los productos u diferentes opciones en base a la informacion visual que se compartia con la herramienta
En Disney con la ayuda de Recommendations AI, pudieron personalizar los parques y las tiendas virtuales en base a los gustos del cliente, colocar las recomendaciones, productos similares, hasta hicieron una prueba A/B/C recomendación de google, no recomendación y previa recomendación, aparte se dieron cuenta que gracias a esto podria darse cuenta que la data es importante para el negocio,la ubicación del producto es importante, el modelo a usar.
La comparación online fue fundamenta y asi como el expertise de la plataforma en si para hacerse cargo de la escalabilidad y la exactitud del producto
En Pitney Bowes ayudan a los retailers con las logisticas, satisfacción y entrega, asi como mejorar la expectativa del cliente, shipping cross-border es el caso que se estaba reviando, ya que habian quienes hacian pedidos fraudulentos, para tratar esto empezaron usando un sistema en base reglas, despues usaron un modelo ML que usaba data por bach, hasta que se llego al uso de AutoML Tables, lo cual permitia adaptar a cada situación un propio modelo, esto ayudaba a reducir los falsos positivos y solucionar el problema con las transacciones fraudolentas, asi mismo reducir el tiempo en responder.
Migrating a Big Data Environment to the Cloud, The Untold Story (Cloud Next ‘19)
Esta es la historia de como se migro LiveRamp, como siempre este tipo de actividades no ocurren siempre, es probable que sea una actividad unica en la historia de la empresa, y como cosa requerida es que se tenga la gente apropiada con la mentalidad apropiada para procedere con la migración.
Otro punto importante a tener en consideración es la seguridad, compara las opciones de cloud mas conveniente y vieron que GCP era el mas idoneo para su empresa.
Esto requirio que se genere un equipo adiciona, el original se encargaba del datacenter, mientras el nuevo se encargan de la migración.
Esto ayudo a que el nuevo equipo de programadores hacerles un tracking de los gastos que ellos podria requerir y aparte tener un especialista que ayude con todas las normas a serguir dentro y fuera de la empresa que debian cumplirse
Fue muy importante no asumir nada,
Desde la perspectide aun ingeniero de software, sabian que habia una gran infraestructura que migrar, las razones del por que migrar siempre eran las mismas, la escalabilidad, recuperación ante desastres, herramientas que son utiles en la nube, etc, etc. la diferencia con GCP es que les dio seguridad para seguir con la migración.
Dentro de la migración hubieron partes que no cambiaron, como la red comun para todas la aplicaciones y otras si cambiaron como uso de hadoop HDFS por GCS. Fue necesaria una traducion de HDFS a GCS, con esto la escalabilidad estaba considerada.
El otro problema es que a la par de estar dando servicio a sus clientes fue pasar la gran cantidad de data a la nube, se tenia que tener en consideracion que siempre llegaba data en tiempo real y esta debia ser tratada, tambien se le tenia que dar mas importancia a la data que tiene los SLA mas cortos(ser los primeros en migrar)
Ahora el siguiente paso piensan en hacer que CGP tome desiciones autonomas de si usar un BigTable, BigQuery o un DataFlow
La migracion va a ser confusa al inicio, lo que queda es seguir adelante, tomar desiciones , los problemas se iran solucionando poco a poco, debes ir de la mano con los skateholders para que puedan entender la importancia de este proceso para ti y para ellos, los riesgos y como lidiar con eso, y tambien no dejar de producir ganancias.
El otro punto es que todo tengan acceso al progeso de proyecto asi como la implementacion en software(Jira), hay que adaptarse al cambio y por ultimo la capacitacion de todos es importante
Data Science at Scale with R on GCP (Cloud Next ‘19)
R es muy usado , esta charla se basa en mostrar como puede ser usado R en el ecosistema on Google Cloud, como se sabe R es usado para entrenar y servir a los modelos de machine learning , se sabe que GCP puede escalar.
Dentro de los productos que ofrece, da facilidad para desarrollar aplicaciones, brindar base de datos, el uso de python y R, asi como diferentes notebooks, opciones de storage, spark, APIs especializadas para R(tensorflow, tfestimators, keras) y librerias R usando Git integracion y Cloud AI Hub
Se puede hacer uso de RStudio Server Pro y de GitHub, esto facilita el uso de diferentes herramientas que ayudan el procesamiento de la data usando R
Spark con cloud dataproc tambien puede ayudar a escalar R, esta herramienta permite usar ML tools, algoritmos y lenguales de programacion como R para ser usados en datasets de escala en la nube
