GLP adota análise de dados orientada por IA no Microsoft Azure

Como ajudamos

Apresentada pela GLP com mais de 20 casos de uso em potencial para sua solução de análise de dados orientada por IA, a equipe da Foundry for AI by Rackspace (FAIR™) embarcou em uma série de sessões de descoberta para analisar meticulosamente as necessidades da GLP e identificar as necessidades mais pressionando caso de uso. Em meio à visita de uma equipe global a Cingapura, que se aproximava rapidamente, foi criada uma demonstração para mostrar o potencial de abordar o problema central do GLP: a transformação de seus relatórios diários por meio de recursos de consulta de dados aprimorados por IA.

“Fizemos algumas rodadas de nossos sprints. E de sprint em sprint, estava ficando cada vez melhor. O caso de uso se tornou muito mais utilizável e real para nossa organização”, explica Song. “Esse foi um diferencial importante para a Rackspace. Acho que a empresa tem uma abordagem diferente em relação às consultorias tradicionais. São muito mais simples, rápidos e práticos.”

Nathan Cheng, engenheiro de sistemas de análise de dados e aprendizado de máquina da Rackspace Technology, explicou os dois temas principais da lista de desejos: uma interface de produto fácil de usar e um sistema inteligente capaz de se aprofundar nas dimensões dos dados para responder a consultas comerciais complexas. Esta lista de desejos evoluiu para casos de teste concretos, marcando o roteiro para a progressão técnica do projeto.

Construir um centro centralizado para insights de dados abertos foi um empreendimento ambicioso que começou com foco na gestão de fundos e poderia ser estendido às métricas ESG e muito mais. O objetivo era criar uma interface dinâmica onde os usuários pudessem acessar facilmente seus históricos de conversas, principalmente ao revisar os KPIs de gestão de fundos por meio do aplicativo.

O design da interface focou em uma experiência de usuário coesa e funcionalidade fácil baseada em conversação. As interações precisavam ser registradas, pois a documentação era crucial para identificar e analisar quaisquer lacunas lógicas existentes, o que, por sua vez, informaria melhorias iterativas para o sistema. Depois, as conversas se voltaram para questões complexas, como comparar as métricas de taxa de ocupação de propriedades em diferentes bairros. Essas solicitações exigiam que o sistema analisasse diversas dimensões de dados, identificasse os dados relevantes e identificasse os fatores que levaram às mudanças nas métricas.

Fazendo a transição para a execução técnica, Srinivas Chakravarthy, Diretor Sênior de Desenvolvimento de Negócios da Rackspace, destacou a abordagem inovadora de elaboração de consultas SQL dinâmicas com base nas consultas dos usuários. Trabalhando inicialmente com arquivos CSP, o objetivo era fazer a transição para uma fase pronta para produção, onde os data lakes pudessem ser utilizados para acesso e análise de dados em tempo real. O processo envolveu a execução de uma consulta SQL, a interpretação dos dados e o fornecimento de respostas esclarecedoras ao usuário. Conseguir isso exigiu uma formulação SQL precisa, alinhando a tecnologia para compreender e responder às nuances contextuais de cada consulta.