Review Mallorca Hackathon 2017

In May 2017 our first Implisense Hackathon took place. Where? On the sunny island of Mallorca. We booked a finca owned by nice people from London and spent a week working on creative coding. Beside  cooking together, hands-on-traninig in Go, fitness training, we worked on four challenges:

  • Automated predictions
  • Proximity Geo-Analysis
  • Chatbots for complex searches
  • Image annotation for Facial Keypoints
In the middle of the night

Automated predictions

Time series data plays a major role in the Big Data phenomenon. At the same time, the tools have become better in dealing with massive time series. We were curious to know if new open source tools could be used to predict future management changes at scale. This idea came from discussions with some customers who were able to place their infrastructure projects whenever a change of key management personnel took place six months ago. How well can time series data from management changes be used for sales related predictions? We found out it was possible to predict the month, week and volume of expected management changes for selected industries with justifiable estimation errors. The team discussed then how to combine these predictions with recent developments for a given company to deliver account specific pre alerts.
The team also tested whether the approach is suitable for predicting newly available content from websites. This would allow us to optimize the utilization of our IT and achieve a higher degree of up-to-dateness on the customer side. Team Operations integrates these developments into the production system for 2018. Open jobs here.

Proximity Geo-Analysis

Many product buyings have a sublime spatial reference. But for many vendors complex geo-data analysis would not be feasible. Freight forwarders e.g. usually settle near motorway exits, ports or airports. Management consultants are usually located in the city centre or near airports or high-speed train stations. If geographic proximity to specific points of interest (POIs) plays a role in the implementation of business models, how can we integrate these characteristics into our customer recommendations? A team has developed a component to calculate the routing distances per company location to selected points of interest from open street maps, such as the proximity to the nearest motorway access road or the distance to the nearest industrial park. Exemplary analyses have shown which unexpected challenges arise during the integration of OSM data and which geo-data should rather be obtained by commercial providers in order to achieve a higher reliability in the significance. The newly developed geodata is included as additional data points in our Company Index. The responsible colleagues in the Data Analytics team are looking for additional employees for further geodata analyses.

Chatbots für complex searches

Chatbots promise – after the fulminant awake of Siri, Alexa and Co – natural interactions beyond the classical interfaces in the business area also for professional users. We asked ourselves which complex searches could be realized more efficiently via chatbots. Could we develop our own chat bots based on our API? Could they be integrated into popular Messenger systems such as Whatsapp, Telegram or Slack? This challenge was taken up by two teams and until the end of the week a first chatbot was developed to allow company selections using faceted full-text searches. These developments are being incorporated into a new service that will be tested in 2018 with pilot customers from the Enterprise segment.

Image Annotation for Facial Keypoints

An interesting side issue was dealt with by a team in the field of visual analytics. Our open source tool Dalphi was developed to generate training data for machine learning processes. So far, we have used it primarily for analyzing mass text data. From the feedback from other startups we have learned that the generation of training examples is also time-consuming for the automated analysis of mass image data. The team has decided to develop an appropriate annotation interface for the hackathon and to use it for the recognition of features in faces (facial keypoints). As a backend service, a Convolutional Neural Network (CNN) consisting of annotated images should be trained in order to obtain a model for keypointer recognition. At the end of the hackathon, models were trained to recognize certain people in photos. We will discuss these new analytical skills with our key accounts to find the best practical use case for them. Useful. We were able to sort all photos of the Mallorca Hackathon according to the recognizable persons without having to ask Google or Apple.

The next day we went to Playa de Formentor to enjoy the natural beauty of Mallorca

Summary

We worked on four challenging ideas in five days. We examined their technical feasibility. Mallorca is an ideal place for that, especially in early May. The island is very easy to reach from Germany. There are inexpensive properties with low season rates and the places and beaches are not very crowded.

We organize more hackathons:  The next one is already planned in the desert of North Africa. Join the team? Job offers can be found here: https://implisense.com/en/jobs/

Review Mallorca Hackathon 2017

Auf der sonnenverwöhnten Insel Mallorca nahe Campos fand im Mai der Implisense Hackathon 2017 statt. In einer idyllisch gelegenen Finca von Besitzern aus England haben wir uns eine Woche lang mit kreativem Coding beschäftigt, um einige der besten Ideen aus vergangenen Kundengesprächen einer technischen Machbarkeit zu unterziehen. Neben gemeinsamem Kochen, Hands-on-Go-Trainings angesichts des zweiten stattgefundenen AlphaGo-Turniers, morgendlichen Fitnesstrainings und Ausflügen an den nahen Strand von Es Trenc haben wir vier Challenges in Teams bearbeitet:

  • Automatisierte Prognosen
  • Proximity Geo-Analysis
  • Chatbots für komplexe Suchen
  • Image Annotation für Facial Keypoints
Abendliches Coden in den Teams

Automatisierte Prognosen

Die Erfassung von zeitpunktbezogenen Daten in hoher Auflösung hat einen großen Anteil am Phänomen Big Data. Gleichzeitig sind die Werkzeuge besser geworden, um mit umfangreichen Zeitreihen umzugehen. Wir wollten wissen, ob sich neue Open Source Werkzeuge dafür nutzen lassen, um eine temporale Abschätzung künftiger Managementveränderungen vorherzusagen. Diese Idee stammt aus Gesprächen mit Kunden, die immer dann ihre Infrastrukturprojekte platzieren konnten, wenn vor sechs Monaten ein Wechsel der Schlüsselpersonen im Management stattgefunden hatte. Wie gut lassen sich Zeitreihendaten von Managementveränderungen für Prognosen nutzen? Dabei zeigte, dass für ausgewählte Branchen sowohl der Monat, die Woche als auch das Volumen der erwarteten Managementveränderungen mit vertretbarem Schätzfehler vorhergesagt werden konnte. Das Team diskutierte darüber, wie man diese Vorhersagen pro Branche mit den jüngeren Entwicklungen pro Firma kombinieren kann, um Account spezifische Pre-Alerts zu liefern.
Weiterhin erprobte das Team, ob der Ansatz auch zur Vorhersage wahrscheinlich neu verfügbarer Contents von Webseiten geeignet ist. Damit könnten wir die Auslastung unserer IT optimieren und eine höhere Aktualität auf Kundenseite erzielen. Diese Entwicklungen integriert das Team Operations 2018 in das Produktivsystem. Verstärkung im Bereich Infrastructure ist hier erwünscht.

Proximity Geo-Analysis

Aus Gesprächen mit Anwendern wissen wir, dass viele Produktentscheidungen einen räumlichen Bezug haben, für die sich jedoch eine komplexe Geodatenanalyse nicht lohnen würde. Speditionen siedeln sich zumeist in der Nähe von Autobahnauffahrten, Häfen oder Flughäfen an. Unternehmensberater sitzen zumeist in der Innenstadt oder in der Nähe von Flughäfen bzw. ICE Bahnhöfen. Wenn die räumliche Nähe zu bestimmten Point of Interests (POIs) eine Rolle für die Umsetzung von Geschäftsmodellen spielt, wie können wir dann diese Merkmale in unsere Kundenempfehlungen integrieren? Ein Team hat eine Komponente entwickelt, um pro Firmenstandort die Routing-Distanzen zu ausgewählten Point of Interests aus Open Street Maps zu berechnen, etwa die Nähe zur nächsten Autobahnauffahrt oder die  Distanz zum nächsten Gewerbegebiet. Beispielhafte Analysen haben gezeigt, welche unerwarteten Herausforderungen bei der Integration von OSM Daten auftreten und welche Geodaten eher durch kommerzielle Anbieter bezogen werden sollten, um eine höhere Belastbarkeit in der Aussagekraft zu erreichen. Die neu entwickelten Geodaten fließen als weitere Datenpunkte in unseren Company Index ein. Die zuständigen KollegInnen im Team Data Analytics suchen für weitere Geodatenanalysen zusätzliche MitarbeiterInnen.

Chatbots für komplexe Suchen

Chatbots versprechen – nach dem fulminanten Einzug in den Privatkundenbereich über Siri, Alexa und Co – auch für professionelle Anwender natürliche Interaktionen abseits klassischer Oberflächen im Business-Bereich. Wir fragten uns, welche komplexen Suchen effizienter über Chatbots zu realisieren wären. Könnten wir auf Basis unserer API eigene Chatbots entwickeln, die sich in populäre Messenger-Systeme wie Whatsapp, Telegram oder Slack integrieren lassen? Diese Challenge haben gleich zwei Teams angenommen und bis zum Ende der Woche einen ersten Chatbot entwickelt, um Firmenselektionen mit Hilfe von facettierten Volltextsuchen zu ermöglichen. Diese Entwicklungen fließen in einen neuen Service ein, der 2018 mit Pilotkunden aus dem Enterprise Segment getestet wird.

Image Annotation für Facial Keypoints

Ein interessantes Randthema hat ein Team im Bereich Visual Analytics bearbeitet. Unser Open Source Tool Dalphi wurde zur Trainingsdatengenerierung für Prozesse des maschinellen Lernens entwickelt. Bislang haben wir dieses vor allem zur Analyse von Massentextdaten genutzt. Aus dem Feedback anderer Startups haben wir gelernt, dass auch zur automatisierten Analyse von Massenbilddaten die Generierung von Trainingsbeispielen aufwändig ist. Das Team hat sich für den Hackathon vorgenommen, ein entsprechendes Annotationsinterface zu entwickeln und dieses  zur Erkennung von Merkmalen in Gesichtern zu nutzen (Facial Keypoints). Als Backend-Service sollte ein Convolutional Neural Network (CNN) aus annotierten Bildern trainiert werden, um ein Modell zur Keypointerkennung zu erhalten. Am Ende des Hackathons wurden Modelle trainiert, um bestimmte Personen auf Fotos wieder zu erkennen. Diese neuen analytischen Fähigkeiten werden wir mit unseren Key Accounts diskutieren, um den besten praktischen Use Case dafür zu finden. Praktisch: Wir konnten sämtliche Fotos vom Mallorca Hackathon nach den erkennbaren Personen sortieren lassen, ohne Google oder Apple fragen zu müssen.

Morgens programmieren und dann zur Playa de Formentor

Fazit dieses Hackathons

Wir haben eine Woche lang auf Mallorca vier anspruchsvolle Ideen in Teams auf ihre technische Umsetzbarkeit hin untersucht, um die besten Hacks mit unseren Kunden zu diskutieren. Mallorca ist für derartige Unterfangen ein idealer Ort, insbesondere Anfang Mai. Mallorca ist aus Deutschland sehr gut zu erreichen. Es gibt günstige Objekte mit Tarifen der Nebensaison und die Orte und die Strände sind wenig besucht. Wir werden weitere Hackathons durchführen, der nächste ist bereits bereits geplant, in der Wüste Nordafrikas. Mitmachen? Stellenangebote gibt es hier: https://implisense.com/jobs/