Sa idejom da osnuju kompaniju čija će misija biti izvlačenje akcionih uvida iz podataka, kreiranje najboljih data proizvoda, sve u cilju stvaranja poslovne vrednosti za klijente, Darko i Miloš su 2015. godine osnovali Things Solver.
Things Solver gleda na Data Science kao pristup koji unapređuje proces donosenja poslovnih odluka, dok algoritmi mogu biti snažan prediktivni alat ako se pogodi prava mera i izabere adekvatan model mašinskog učenja. Odabir adekvatnog analitičkog modela podrazumeva razumevanje industrije u kojoj se projekat nalazi i posvećenost problemu koji traži rešenje iz podataka. Prava mera se stiče dugogodišnjim radom nad podacima, što je prva referenca kompanije Things Solver.
Projekti u fokusu u Things Solver-u
Projekti u Things Solveru uključuju kreiranje rešenja kao i razvijanje proizvoda, zasnovanih na analizi podataka. Kada je reč o rešenjima, ona uključuju biznis rešenja za banke, maloprodajne lance, osiguravajuće kuće i avio industriju. Ovakvi projekti podrazumevaju rešavanje konkretnog biznis problema, kao što su povećanje prodaje, sprečavanje churn-a, smanjenje troškova, razne optimizacije procesa i ekspanzija na nova tržišta. U zavisnosti od prirode i količine podataka koji su na raspolaganju razvijaju se rešenja koja integrišu prediktivne i analitičke modele uključujući klasifikacione modele, razne sisteme preporuke (bilo da možemo ili ne da identifikujemo kupce našeg klijenta), regresivne modele, klastering modele, detekciju anomalija i mnoge druge, uz korišćenje neuronskih mreža prema potrebi i kompleksnosti problema.
Osim kreiranja rešenja prilagođenih za specifične biznise i industrije, Things Solver radi i na razvoju Data Science proizvoda.
Coeus (Kios) je uslužni softver koji, iz poslovnih podataka, izvlači primenljive informacije i znanje. Rezultat su pravovremene i efikasne sugestije za donošenje dobrih poslovnih odluka. Coeus je osmišljen kao podrška prodajnim timovima da istražuju i pronalaze trendove u svojim podacima kroz nekoliko modula. Najveća vrednost biznisu iz perspektive korisnika Coeus‑a je personalizovan pristup i predložen tretman ka svakom kupcu, kao i mogucnost targetiranja veće grupe klijenata sa istim efektom.
SARA je proizvod namenjen telco industriji. U saradnji za A1 grupom, Things Solver radi na razvijanju proizvoda za podršku odlučivanju, koji uključuje optimalno CAPEX planiranje, optimizaciju operativnih delova mreže i automatizaciju mreže upotrebom SON (self-optimizing networks) alata zasnovanog na modelima mašinskog učenja, sa potencijalom da SARA evoluira u “insights driven” proizvod za automatsko donošenje odluka.
Na šta su ponosni u Things Solveru-u?
Deljenje znanja kao deo kulture
Jedna od novina koje se krčkaju u Things Solveru je i Things Solver Lab. Lab je nastao sa idejom da se omoguće kontinuirano učenje i razvoj. U okviru njega, radi se na R&D projektima, istraživanju novih tehnologija i isprobavanju novih alata, na osnovu inicijativa koje dođu od samih solvera.
Kako bi se omogućilo učenje i razmena znanja, nastala je TS Akademija, kao jedan od gradivnih blokova TS Laba. Održava se jednom nedeljno i u tom terminu solveri imaju priliku da nauče nešto novo, bilo kroz predavanja ili hands-on radionice, ili da sami predlože ili obrade buduće teme.
Osim istraživačkog dela, praktični deo uključuje razvoj već dva proizvoda. Jedan je proizvod za automatizovano predviđanje (forecast), dok je drugi proizvod za upravljanje modelima mašinskog učenja, od treniranja, evaluacije i produkcije, do monitoringa i njihovog automatizovanog smenjivanja u produkciji.
Lab je za sada interni projekat, sa idejom da se u bliskoj budućnosti uključe i eksterni saradnici, kao što su studenti, istraživači i domenski eksperti. Things Solver je tu da obezbedi neophodnu podršku za rad na projektima, kao i da podrži “spin off” novih startapa, ukoliko neka od ideja zaživi.
Things Solver danas broji 18 solvera.
Kako bi se pokrio celokupan proces analitike, okuplja tim ljudi komplementarnih veština i oblasti interesovanja. Osnovne role u kompaniji su Data Engineer, Data Scientist i Developer. Data inženjeri su zaduzeni za usklađivanje različitih izvora podataka, njihovo parsiranje, konsolidaciju, skladištenje, tokove, serviranje i produkcionalizaciju. Data sajentisti na osnovu definisanog problema i dostupnih podataka razvijaju analitičke i prediktivne modele, na osnovu kojih se izvlače uvidi i zaključci koji se prevode u akcioni plan. Developeri razvijaju prilagođene interaktivne web aplikacije, koje klijentima omogućuju analizu rezultata i manipulaciju.
Svaki tim je kombinacija ovih rola. Ono što je karakteristično za Things Solver timove jeste da su oni “self-organizing”, te tako nemaju klasičnog tim lidera. Timovi sami brinu o podeli posla i načinu rada, gde se stavlja akcenat na odgovornost, autonomiju i slobodu. S obzirom na to da se često susreću sa potpuno novim korisničkim zahtevima, timovi ponekad potroše većinu dana na brainstorming i žustre diskusije, koje uvek urode plodom. Ono što ih karakteriše jesu “problem-solving” pristup i posvećenost.
U Things Solveru su posebno ponosni što radnim prostorom vlada kućna atmosfera, pa se tako desi da neki posetioci osete potrebu da se izuju prilikom ulaska u kancelariju.
Data science u Srbiji kroz vizuru Things Solvera
Kao jedni od osnivača Data Science Srbija organizacije, zadržali su kulturu deljenja znanja i u okviru kompanije i preneli je na ostale članove tima. Things Solver je jedan od prvih partnera Data Science Srbija organizacije, i redovno je pokrovitelj različitih vidova okupljanja zajednice, kao i studentskih organizacija.
Budući da su potekli iz zajednice, oni veruju da je cirkulacija znanja ključna za napredak i razvoj. Zajednici vraćaju na više nacina: otvaranjem projekata na GitHubu, vođenjem bloga, saradnjom sa akademijom kroz projekte na kojima se radi na realnim problemima i održavanjem otvorenih radionica.
Osim cirkulacije znanja, Things Solver se zalaže i za decentralizaciju znanja, pre svega kroz saradnju sa univerzitetima u Beogradu, Novom Sadu i Kragujevcu, u okviru koje će solveri držati predavanja i praktične radionice i time buditi i pothranjivati svest o Data Science-u i njegovoj primeni.
