Projekty, które zrealizowaliśmy

Sprawdź, co zyskali nasi Klienci dzięki rozwiązaniom Data Science.

Kompleksowa aplikacja do rozliczania zeznań podatkowych w Niemczech

Problem: brak możliwości łatwego i szybkiego rozliczenia podatków na podstawie otrzymanych kart podatkowych.

Rozwiązanie: intuicyjna, kompleksowa aplikacja dla klientów indywidualnych oraz biznesowych.

Wydobycie danych z karty podatkowej w zaledwie 13 sekund ze skutecznością 93% - niemożliwe? Nikt nie lubi podatków… A gdyby tak rozliczać się szybko i przyjemnie? Najnowsze technologie machine learning oraz sieci neuronowych zastosowane w aplikacji pozwalają zaoszczędzić czas w dużych organizacjach. Automatyzacja jest gwarancją usprawnienia procesów w każdym przedsiębiorstwie.

Wśród wielu funkcjonalności aplikacji, możemy wyróżnić sześć rozwiązań, które mają istotny wpływ na wysoką jakość działania aplikacji.

1. Wybór profili

W celu maksymalnego uproszczenia i skrócenia procesu składania wniosku podatkowego, dla użytkownika wybierane są tylko te profile, które go dotyczą. W pierwszych etapach pracy nad deklaracją, odpowiada on na proste pytania. Na podstawie otrzymanych informacji, aplikacja generuje formularz idealnie skrojony i dopasowany do klienta.

2. Przetwarzanie karty podatkowej

Użytkownik aplikacji jest w stanie zaoszczędzić nawet kilkanaście minut dzięki funkcjonalności skanowania karty podatkowej za pomocą urządzenia mobilnego. W zaledwie 13 sekund system wydobywa dane ze skutecznością (dla wszystkich pól) około 93% i wprowadza je w odpowiednie pola formularza. Sprawia to, że proces rozliczenia zeznań podatkowych przez aplikację jest niezwykle szybki, a dzięki nowoczesnemu interfejsowi użytkownika - bardzo intuicyjny.

3. Kalkulator podatkowy

W aplikację wbudowany jest również kalkulator podatkowy, przeliczający przysługującą użytkownikowi kwotę zwrotu bądź koniecznej dopłaty. Jej wartość klient poznaje tuż po wprowadzeniu pierwszych danych, a wraz z wypełnianiem kolejnych kroków formularza jest ona aktualizowana.

4. Wielojęzyczność aplikacji

Z aplikacji można korzystać w dwóch wersjach językowych. Jest ona dostępna w języku angielskim oraz polskim. Co istotne, istnieje możliwość łatwego ich przełączania – nie ma konieczności przeładowywania przeglądarki.

5. Wsparcie klientów biznesowych

Dodatkowe rozwiązania wspierające pracę klientów biznesowych pozwalają zaoszczędzić czas w dużych organizacjach. Na podstawie przesłanego pliku zawierającego karty podatkowe, system tworzy listę z nowymi zeznaniami i przeprowadza użytkownika po kolei przez każdy wniosek z osobna. Klienci biznesowi otrzymują również ofertę zawierającą dostosowane do nich warunki handlowe, definiowane przez pakiety wniosków w atrakcyjnych cenach.

6. Płatności

Dzięki zastosowaniu dwóch różnych platform płatniczych, użytkownik posiada możliwość wyboru waluty, w jakiej chce zapłacić za rozliczenie swoich wniosków podatkowych.

Algorytm wspierający domy mediowe w zakresie monitorowania reklam online

Problem: brak możliwości weryfikacji liczby odsłon i kliknięć reklam - sprawdzenie zgodności wyświetlania kampanii reklamowych online ze statystykami serwerów reklamowych

Rozwiązanie: łatwy i wydajny system pozwalający monitorować reklamy w Internecie w szybki sposób - śledzenie odsłon oraz kliknięć i porównywanie z danymi podawanymi przez agencje marketingowe

Jak monitorować reklamy online? Czy kampanie reklamowe są wyświetlane zgodnie ze statystykami serwerów reklamowych? Zespół DLabs znalazł odpowiedzi na powyższe pytania. Napisany silnik pozwala przyjmować duże ilości danych, a następnie agregować je i przetwarzać – generuje raporty oraz pokazuje dane w czasie rzeczywistym. A to wszystko okraszone certyfikacjami Google oraz Onet dotyczącymi wymagań ruchu.
Jeden z klientów DLabs dostrzegł u swoich partnerów biznesowych potrzebę możliwości sprawdzenia czy ich kampanie reklamowe są wyświetlane zgodnie ze statystykami różnych serwerów reklamowych. Ad serwery same zliczają swoje statystyki, co powoduje częste zakłamania. System został wyposażony o funkcje bazujące na eksploracji danych, a intuicyjny system statystyk pozwala generować raporty oraz podglądać je w czasie rzeczywistym.

Interesujące aspekty projektu

  • 6.000 zapytań na sekundę - w przypadku zwiększenia natężenia ruchu, możliwość poziomowego skalowania systemu.

  • Testowanie wielorakich technologii, w celu podjęcia decyzji, jaka kombinacja przyniesie najlepsze rezultaty w najkrótszym czasie. Testowane technologie: Twisted, Gevent, Redis, Consul, Docker Swarm, Docker Compose, ZMQ, Celery, RabbitMQ.

  • Najlepsze osiągnięcia możliwe były do uzyskania przez wykorzystanie możliwości płynących z połączenia kilku technologii. W tym przypadku użycie języków Python, R i C++ połączonych z Redisem, PostgreSQL, Nginx, Dockerem i wieloma innymi technologiami, które pozwoliły uzyskać unikalną jakość

  • Agile’owe podejście do projektu. Projekt rozpoczął się od zdefiniowania testów, których celem było sprawdzenie, czy wybrane technologie spełnią wymagania postawione przez klienta. Celem było stworzenie wydajnego systemu, który obsłuży wiele tysięcy połączeń na sekundę i przeprowadzi na nich analizę. Po zdefiniowaniu testów, rozpoczeto próby każdej technologii w celu znalezieniu takiej, która spełniła wszystkie wymagania. Dzięki temu zespół zaoszczędził czas na niepotrzebnych pracach deweloperskich.

Algorytm umożliwiający precyzyjne targetowanie użytkowników na Facebooku

Problem: precyzyjne targetowanie użytkowników na Facebooku – stworzenie kreacji graficznej gwarantującej zwiększenie konwersji.

Rozwiązanie: budowa systemu umożliwiającego tracking reklam/ użytkowników/ pikseli, generowanie briefów kreatywnych dla graphic designerów na podstawie słów kluczowych oraz grupy docelowej kampanii.

Korzystasz z promocji na Facebooku? Wydaje się Tobie, że wiesz, do kogo kierujesz reklamy i jaka kreacja graficzna zapewni Tobie konwersję? Zespół DLabs wie, jak zwiększyć CTR nawet o kilkaset procent! Stworzony algortym targetuje użytkowników po cechach psychologicznych i podpowiada, w jaki sposób stworzyć reklamę, aby zapewnić najwyższe prawdopodobieństwo kliknięcia. Dzięki DLabs reklama na Facebooku zyskuje nowy wymiar.
Zbudowany przez zespół DLabs system to narzędzie do precyzyjnego targetowania użytkowników Facebooka w oparciu o ich cechy psychologiczne. Biorąc pod uwagę krótki opis kampanii, np. podstawowe dane demograficzne (płeć, wiek, wielkość miasta itp.) oraz słowa kluczowe opisujące grupę docelową, algorytm dzieli targetowaną trupę na podgrupy o określonym profilu psychologicznym i preferencjach estetycznych. Każda taka podgrupa jest opisywana w kategoriach twórczych skrótów, w których najważniejsze są: sposób wyszukiwania tych użytkowników na Facebooku oraz rodzaj treści jaki jest dla nich najbardziej interesujący. Wygenerowany brief kreatywny pomaga w stworzeniu reklamy wizualnej maksymalnie dopasowanej do grupy, a tym samym daje gwarancję zwiększenia konwersji.
Algorytm to wynik 6-miesięcznej pracy psychologów, deweloperów oraz zespołu data science. Ze względu na różnice społeczne między narodami, system jest obecnie ukierunkowany wyłącznie na polski rynek.

Business Intelligence software dla Wyższej Szkoły Europejskiej w Krakowie

Problem: analiza dużych zbirów danych przez pracowników – czasochłonność pracy, mniejsza efektywność, większa szansa pojawienia się błędów.

Rozwiązanie: algorytm analizujący opłacalność kierunków na uczelni oraz obniżający koszty ręcznej analizy na podstawie dużych ilości danych.

Celem projektu było stworzenie narzędzia integrującego duże i rozproszone zbiory danych. Następnie dokonanie ich cyfrowej analizy w ułamku sekund, a nie jak do tej pory, przez wiele tygodni za pomocą pracowników administracji.
System jest ważną częścią działalności uczelni. Pozwala weryfikować jakość kształcenia przez pryzmat osiągnięć absolwentów na rynku pracy, a także pozwala ustalać plany biznesowe w oparciu o miarodajne prognozy odnośnie opłacalności przyszłych kierunków studiów.
Dużym problemem były dane rozproszone w wielu źródłach. Należały do nich liczne bazy danych SQL, ale także surowe źródła takie jak: pliki tekstowe, pliki pdf, dokumenty odc, arkusze kalkulacyjne. Pierwszym krokiem podjętym przez zespół DLabs było doprowadzenie do integracji tych źródeł danych do postaci hurtowni danych. Następnie w systemie został utworzony interfejs do eksploracji danych, aby w łatwy sposób można było generować wskaźniki mówiące o zachowaniach studentów na rynku. Jednym z podstawowych założeń projektu było, aby system był intuicyjny i łatwy w obsłudze dla każdej osoby z uczelni. W rezultacie system daje dokładniejsze wyniki analizy (w czasie rzeczywistym), redukując koszty tysięcy godzin prac administracyjnych rocznie.

Projekt DiabetesLab – aplikacja Suguard

Problem: brak narzędzia ułatwiającego osobom chorym na cukrzycę zarządzanie chorobą, planowanie diety oraz układanie planów treningowych.

Rozwiązanie: stworzenie aplikacji mobilnej Suguard oferującej spersonalizowane rady oraz sugerującej harmonogram aktywności fizycznej.

Szacuje się, że 415 milionów ludzi na świecie cierpi na cukrzycę. Przewidywany wzrost tej liczby określany jest na ok. 642 miliony przed rokiem 2040. Z powodu cukrzycy umiera co sześć sekund jeden człowiek (pięć milionów rocznie) – to więcej niż na HIV, gruźlicę oraz malarię łącznie. Jednym z 415 milionów chorych jest Przemysław Majewski CEO DLabs.
Technologia stworzona przez zespół DLabs wykorzystuje sztuczną inteligencję, aby spersonalizować terapię cukrzycową i pomóc pacjentom w codziennym, samodzielnym zarządzaniu tą przewlekłą chorobą. Rozwiązanie to przyniesie korzyści osobom cierpiącym na cukrzycę typu 1, ponieważ wymaga ona intensywnego leczenia i wyjątkowej opieki, w szczególności podczas zajęć sportowych. W następnym kroku zespół zamierza dostosować rozwiązanie do potrzeb pacjentów z cukrzycą typu 2 i rozważać inne segmenty klientów. Celem projektu jest przekwalifikowanie rynku, koncentrując się na inwestycjach zapobiegających powikłaniom wynikającym z cukrzycy, co pozwoli uniknąć kosztownego leczenia i ryzyka poważnych konsekwencji.
Pomysłem DiabetesLab Poland jest rozwinięcie i wprowadzenie na rynek aplikacji mobilnej Suguard, nad którą prace trwają już od kilku lat. Ma być to aplikacja, która będzie oferować spersonalizowane medyczne rady i „poprowadzi” użytkownika przez cały dzień. Suguard to nasz osobisty asystent w sprawach związanych z cukrzycą. Celem DiabetesLab Poland jest wprowadzenie aplikacji na rynek międzynarodowy. Z pomocą sztucznej inteligencji oraz poprzez analizę danych dotyczących zdrowia aplikacja umożliwi ułożenie spersonalizowanego planu leczenia oraz zasugeruje harmonogram aktywności fizycznej. Suguard ma pomagać pacjentom uzyskać stabilny poziom glukozy we krwi. W szczególności tym pacjentom, którzy prowadzą aktywny tryb życia, po to, aby poprawić stan ich zdrowia, samopoczucie, a także zredukować koszty leczenia.

Członkowie naszego zespołu analityków i inżynierów brali również udział w następujących projektach:

System wspierania decyzji dla Straży Pożarnej

Problem: podejmowanie strategicznych decyzji w sytuacjach kryzysowych pod presją czasu.

Rozwiązanie: system poprawiający skuteczność akcji ratowniczych dzięki analizie danych w trybie rzeczywistym.

Celem tego projektu była poprawa bezpieczeństwa strażaków oraz optymalizacja efektów akcji ratowniczej. Sednem projektu było zaprojektowanie nowoczesnego systemu zarządzania ryzykiem, który pomógłby dowódcy podczas akcji w budynku.
Chief Science Officer zespołu DLabs brał udział w stworzeniu nowoczesnych narzędzi wspomagania decyzji oraz rekomendacji dla dowódców Państwowej Straży Pożarnej podczas akcji ratowniczo-gaśniczych. Serce systemu stanowią algorytmy detekcji aktywności oraz nawigacja zliczeniowa z wykorzystaniem jednostki IMU (inertial measurement unit - inercyjne jednostki pomiarowe).
Ilość informacji, presja czasu oraz niewyobrażalna odpowiedzialność może skutecznie przeszkodzić podjęciu optymalnych w danej sytuacji decyzji. Nowoczesne metody wykorzystania danych, już dziś umożliwiają nam nawiązanie skutecznej interakcji człowieka z maszyną, tym samym znacznie ułatwiając strażakom pracę w akcjach podwyższonego ryzyka. Znalezienie takich rozwiązań wymaga doskonałej znajomości złożonych algorytmów dynamicznego zarządzania ryzykiem. System ten zarówno ocenia i prognozuje czynniki ryzyka w czasie rzeczywistym, jak i asystuje dowódcy proponując optymalne scenariusze dla danej akcji. Scenariusze te powstają na podstawie modeli opartych o symulacje komputerowe i dane historyczne.

Interesujące aspekty projektu

Jedną z ważniejszych kwestii było znalezienie właściwych algorytmów dla następujących problemów:
  1. Estymacja ścieżki poruszania się strażaka wewnątrz budynku.
  2. Model rozprzestrzeniania się ognia wewnątrz pomieszczeń.
Dla naszego data scientista najbardziej interesujące było stworzenie wersji filtru Kalmana wykorzystującego dane z żyroskopów, akcelerometrów, który poprawił trajektorię osoby.

Algorytm wspierający pracę spółki brokerskiej

Problem: przewidywanie strategii handlowych na rynkach walutowych.

Rozwiązanie: system, który będzie przewidywał zmiany trendu na giełdzie tak, aby wcześniej sprzedać lub kupić akcje.

W projekcie na rzecz międzynarodowego funduszu hedgingowego celem było przewidywanie strategii handlowych poprzez użycie modeli statystycznych na rynkach walutowych.
Początkowe zadania skupiały się na analizie ilościowej, tzn. na zbieraniu, agregowaniu i analizowaniu archiwalnych danych rynkowych dla transakcji. W tej części ważnym elementem było generowanie statystyk oraz raportów ze zbiorów danych typu big data. Następnie trzeba było się skupić na stworzeniu odpowiednich algorytmów grających z wysoką częstotliwością, przy niewielkim opóźnieniu. W trakcie projektu trzeba było dokonać opracowania i analizy rozmaitych modeli statystycznych oraz analizy historycznych danych rynkowych przy użyciu technik z dziedziny data mining.

Interesujące aspekty projektu

Najlepszych rezultatów dostarczył Filtr Kalmana, do którego zaimplementowana została tzw. teoria portfelowa Markowitza.

Biuro Gdańsk
ul. Lęborska 3B / 1.36
80-386 Gdańsk

Biuro Toruń
ul. Przedzamcze 8 / 204
87-100 Toruń