هل يمكنك التمييز بين مشترٍ محدد ، ومشتري محتمل ، ومتسوق نافذة بمجرد النظر إلى لقطات كاميرات المراقبة الخاصة بهم؟ حسنًا ، قد يكون ذلك ممكنًا الآن باستخدام تحليلات الفيديو ، والتي يمكنها التعرف على البيانات المكانية والزمانية لكائن ما وتحليل إجراءاته أو أنشطته الخاصة بناءً على تحركاته. ديب نورث يلبي هذا الجزء من صناعة التحليلات من خلال تسهيل الشركات لتنفيذ رؤى في الوقت الحقيقي من خلال تحليلات الفيديو. شاركت Analytics Insight في مقابلة حصرية مع Azhaan Merchant ، نائب الرئيس الأول للاستراتيجية وتطوير الأعمال ، أعماق الشمال.
1. ما هي المهمة والأهداف التي تم إنشاء الشركة؟ باختصار حدثنا عن رحلتك منذ بداية الشركة؟
نحن موجودون لأننا نعتقد أن البيانات والتعلم العميق يمكن أن يكون لهما تأثير إنساني على تجارب العالم الحقيقي. مهمتنا هي تمكين المؤسسات التي تعمل في العالم المادي برؤى دقيقة في الوقت الفعلي لصنع القرار حتى يتمكنوا من إنشاء تجارب واقعية أكثر ثراءً ونتائج أعمال أفضل.
تأسست شركة Deep North في عام 2016 من قبل Rohan Sanil و Jinjun Wang ، وهو خبير في معالجة إشارات الوسائط المتعددة والتعرف على الأنماط ورؤية الكمبيوتر والتحليلات. في عام 2016 ، كانت Sanil رائدة في تقنية اكتشاف الكائنات للمساعدة في توجيه الإعلانات المستهدفة من مقاطع الفيديو عبر الإنترنت. عندما رأت علامة تجارية كبرى ذلك ، تحداه لإنشاء وسيلة لتحديد وتحليل وفرز الأشياء التي تم التقاطها على كاميرات الفيديو الأمنية الخاصة بهم في حدائقهم الترفيهية. هذا الاستكشاف المستوحى من التطوير الذي من شأنه أن يطلق العنان لإمكانات CCTV وكاميرات الفيديو الأمنية المثبتة داخل البيئة المادية للعميل وتطبيق اكتشاف الكائنات وتحليلها في أي شكل من أشكال الفيديو. ولدت شركة ديب نورث بعد ذلك لتحقيق كامل الإمكانات التحويلية للذكاء الاصطناعي في العالم المادي حتى تتمكن الشركات من تقديم تجارب عملاء أفضل وأكثر أمانًا واستثنائية.
بعد تغيير علامتها التجارية في عام 2018 ، قامت شركة Deep North بتوسيع نطاق توفر رؤية الكمبيوتر ومنتجات تحليلات الفيديو الخاصة بها لتشمل مجموعة متنوعة من الأسواق بما في ذلك تجار التجزئة ومحلات البقالة والمطارات ومراكز التسوق والمطاعم والأحداث.
2. أخبرنا كيف تساهم شركتك في صناعة الذكاء الاصطناعي / تحليلات البيانات الضخمة / الحوسبة السحابية للأمة وكيف تفيد الشركة العملاء.
نحن ندفع الآفاق في تحليلات الفيديو الذكية وعقدنا شراكة مع عمالقة التكنولوجيا مثل Nvidia و Dell لاستيعاب كميات هائلة من بيانات الفيديو وتشغيل خوارزميات رؤية الكمبيوتر الخاصة بنا باستخدام كل من البنية التحتية القائمة على الشركة والسحابة. تحتوي بنية أنظمتنا على حاويات متوافقة مع OCI تعمل على VMWare مع ظاهرية GPU أعلى خوادم Dell المتطورة. بالإضافة إلى ذلك ، قمنا مؤخرًا بالانتقال إلى الهندسة المعمارية الدقيقة لـ NVIDIA والتي ستسمح لنا بزيادة حجم الكاميرات التي يمكننا استخدامها لكل بطاقة GPU متاحة.
يتم إرسال جميع البيانات الوصفية من خلاصات الفيديو إلى السحابة حيث يستخدم خط أنابيب الاستدلال مكتبتنا التي تضم أكثر من 114 مليون عنصر لتحقيق دقة لا مثيل لها في الخوارزميات والتحليلات. ثم يتم تصور هذه البيانات في الوقت الفعلي ويمكن عرضها على بوابة الويب الخاصة بـ Deep North أو تطبيق الهاتف المحمول أو يمكن دفعها مباشرة إلى أي أداة ذكاء أعمال. مع أقل من ثانية من زمن الانتقال ، يمكننا تقديم تنبيهات في الوقت الفعلي مباشرة إلى لوحات معلومات عملائنا أو سماعات الرأس للاتصال الفوري حتى يتمكنوا من ضبط عمليات المتجر في الوقت الفعلي.
3. ما هو أكبر مزايا USP التي تميز الشركة عن المنافسين؟
تستخدم غالبية بائعي تحليلات الفيديو الحاليين التعرف على الوجه لتتبع سلوك المستهلك عبر البيئات المادية – ومع ذلك ، مع قوانين الخصوصية مثل القانون العام لحماية البيانات وقانون حماية خصوصية المستهلك ، لا يمكن استخدام مثل هذه البرامج دون موافقة المستهلك لأنها تخزن معلومات التعريف الشخصية (معلومات تحديد الهوية الشخصية). نتيجة لذلك ، يركز غالبية البائعين المنتشرين في الغرب على تحليل وتحديد الأشياء من وجهة نظر واحدة مثل مدخل المدخل أو عداد الخروج.
إن USP الرئيسي لشركة Deep North هو براءة اختراعها لإعادة تحديد الهوية والتي تستخدم خوارزميات تتبع تعتمد على الهيكل العظمي تقسم كل هيكل عظمي فردي إلى 124 متجهًا مختلفًا. يعتبر الجمع بين هذه النواقل المشابهة لبصمة الإصبع فريدًا لكل فرد ثم يتم تخزينه كرمز تجزئة مجهول الهوية في قاعدة البيانات السحابية الخاصة بنا. بفضل هذه الخوارزمية ، نحن قادرون على تتبع الأفراد عبر كاميرات متعددة حيث يمكننا إعادة تعريف كل هيكل عظمي باستخدام رمز التجزئة المجهول عند انتقالهم من زاوية كاميرا إلى أخرى – والذي بدوره يسمح لنا بتجميع رحلة العميل من الدخول. للخروج بطريقة متوافقة تمامًا مع اللائحة العامة لحماية البيانات (GDPR) دون تخزين معلومات تحديد الهوية الشخصية (PII). يعد هذا المستوى من البيانات متعددة الطبقات أكثر فائدة للمؤسسات حيث يمكنهم فهم شكل رحلة العميل بأكملها للمجموعات المختلفة.
4. كيف تساعد شركتك العملاء على تحقيق نتائج الأعمال ذات الصلة من خلال تبني الابتكارات التكنولوجية للشركة؟
في الوقت الحالي ، لا يتمتع معظم المشغلين بالوصول إلا إلى بيانات نقاط البيع داخل متاجرهم الفعلية ، وهناك ثقب أسود كامل للمعلومات حول ما يفعله العميل من وقت دخوله المتجر إلى وقت مغادرته. يساعد Deep North المشغلين على فتح عدة شرائح جديدة من البيانات المتعلقة بما يفعله العميل في كل نقطة – ما هي التركيبة السكانية التي تأتي في الغالب إلى المتجر؟ أين بالضبط أمضوا الوقت؟ ما هي المنتجات التي لامسوها؟ هل كان هناك مندوب مبيعات حاضرًا لمساعدتهم؟ هل كان هناك طابور طويل عند تسجيل المغادرة؟ يتيح الوصول إلى هذه المعلومات للمشغلين فهم مسار تحويل العميل بشكل أكثر وضوحًا حتى يتمكنوا بشكل استباقي من تحسين التجربة داخل المتجر لكل متجر من متاجرهم.
بعد فتح هذه البيانات ، تعمل خوارزمية Deep North على التحسين بشكل دائم بمرور الوقت ويوجه محرك التحليلات التنبؤية الشركات بشكل استباقي حول كيفية تشغيل متاجرها. يتم تقديم اقتراحات لا تقدر بثمن مثل – ما هو تصميم المتجر المثالي؟ كم عدد ساعات العمل المطلوبة في المنزل الأمامي والخلفي؟ أين يجب أن تضع شركاء المبيعات الخاصين بك؟ ما هو مزيج المنتجات المثالي المتعلق بالتركيبة السكانية للعملاء الذين يدخلون هذا المتجر؟
5. كيف ترى الشركة والصناعة في المستقبل المقبل؟
مع استمرار شركات مثل NVIDIA في إنفاق المليارات على تطوير البنية الدقيقة لوحدة معالجة الرسومات ، تتحسن الكفاءة والقدرة الحسابية لنشر الأنظمة الأساسية القائمة على رؤية الكمبيوتر بشكل كبير كل عام. بالإضافة إلى ذلك ، مع استمرار انتشار البنية التحتية لشبكة 5G على نطاق واسع ، يصبح استخدام البنية الخارجية أكثر عملية حيث يمكنك تحميل بيانات الفيديو مباشرة من الكاميرات لتتم معالجتها في الوقت الفعلي في السحابة. سيؤدي كل من هذين التقدمين في حد ذاته إلى زيادة اعتماد حلول تحليلات الفيديو مثل Deep North حيث يمكن للمشغلين إضاءة متاجرهم بين عشية وضحاها بأقل التكاليف والمشاحنات. بمجرد التكلفة والوقت اللازم للنشر ، لا يوجد سبب كافٍ لمشغلي المتاجر الفعلية لعدم فتح شرائح ضخمة من البيانات الموجودة في أصول الفيديو الخاصة بهم – سيصبح قريبًا ضروريًا مثل Google Analytics للتجارة الإلكترونية.
6. ما هي قطاعات الصناعة التي تركز عليها حاليًا؟ وما هي إستراتيجية الدخول إلى السوق الخاصة بك؟
تأتي غالبية عائداتنا اليوم من متاجر التجزئة الكبيرة ومحلات السوبر ماركت ومراكز التسوق. نحن منتشرون أيضًا مع بعض المطارات ، QSRs ، والمستودعات. تتمثل إستراتيجيتنا في الوصول إلى السوق في العثور على 2000 عميل عالمي راسخ في كل قطاع لديه شهية قوية لاستيعاب جيوب جديدة من البيانات كعامل تسريع لتغيير الطريقة التي يديرون بها متاجرهم. نحن نعمل مع هؤلاء العملاء الأساسيين لفهم نتائج الأعمال التي يمكن أن يساعدهم حل تحليلات الفيديو الخاص بنا في حلها وبمجرد أن نفهم أهدافهم ، يمكننا إعادة الغرض من خوارزميات رؤية الكمبيوتر الأساسية لدينا لمساعدتهم على فتح البيانات من أصول الفيديو الموجودة لديهم في الطوب الخاص بهم متاجر الهاون. بعد تحديد المسارات الفورية نحو عائد الاستثمار ، نقوم أيضًا بإنشاء خريطة طريق للخوارزميات الفريدة والميزات التي يمكننا تطويرها لزيادة تعزيز تجربتهم في المتجر. بعد التحقق من صحة أطروحتنا بنجاح عبر متاجر وتنسيقات متعددة ، نقوم بعد ذلك بطرح مخطط عبر التنسيق بأكمله. يمكننا بعد ذلك بناء دراسة حالة وورقة بيضاء تساعدنا في التعامل مع عملاء متشابهين في مناطق جغرافية مختلفة يواجهون في الغالب نفس المشكلات.
المنشور مقابلة حصرية مع Azhaan Merchant ، نائب الرئيس الأول للاستراتيجية وتطوير الأعمال ، Deep North ظهر لأول مرة .
لتكنولوجيا المعلومات ، تكنولوجيا إدارة تكنولوجيا المعلومات ، تكنولوجيا التعليم ، صور التكنولوجيا ، خصائص تكنولوجيا التعليم ، مركز تكنولوجيا المعلومات ، قطاع تكنولوجيا المعلومات والأخبار التقنية اليومية ، يرجى متابعة مدونتنا.
إرسال تعليق