Gegevens en IBM AI gebruiken om economische voorspellingen over het coronavirus te doen

Een platform bouwen

Het idee voor de Risk, Readiness en Recovery-kaart, agratis versie daarvanis beschikbaar op de website van Wunderman Thompson en ontstond twee maanden geleden toen de wereldwijde pandemie zich versnelde, zegt Adam Woods, CTO bij Wunderman Thompson Data.

“We keken naar enkele van de visualisaties die rond COVID-19 binnenkwamen, en we werden geïnspireerd om echt te zeggen: laten we kijken naar het inzicht dat we hebben en kijken of dat een verschil kan maken”, zei Woods.

Awereldwijde marketingdochterondernemingvan het Britse multinationale communicatiebedrijf WPP plc heeft Wunderman Thompson duizenden gegevenselementen verzameld over 270 miljoen mensen in de VS, waaronder transactie-, demografische en gezondheidsgegevens. Die gegevens, die geanonimiseerd zijn, zorgden ervoor dat het bedrijf snel inzicht kreeg in de potentiële economische impact van het coronavirus.

"We hebben de economische schade gezien die dit heeft veroorzaakt, en dat zien we omdat we toegang hebben tot zeer diepgaande transactiegegevens", aldus Woods. “We konden de bal bijna in realtime zien vallen.”

We concentreren ons op “hoe kunnen we de merken waarmee we samenwerken helpen de juiste reactie te begrijpen en de manier waarop ze hun activiteiten moeten heropenen”, zei hij.

Wunderman Thompson Data, de technologietak van het bedrijf, ontwikkelde met behulp van die gegevens het interactieve Risk, Readiness and Recovery-platform.

Machine learning-technologie van IBM Watson bleek een integraal onderdeel van het platform.

Twee datagerichte bedrijven

Wunderman Thompson Data begon ongeveer een jaar geleden samen te werken met IBM Watson. Wunderman Thompson Data had een datameer en geconsolideerde data beschikten niet over moderne tools om machine learning-modellen te bouwen, zei Woods.

Het bedrijf keek dus naar de producten van verschillende datawetenschaps- en AI-leveranciers voordat het zich tot IBM richtte.

IBM leverde een schaalbaar systeem om het datawetenschapsprobleem van Wunderman Thompson op te lossen met behulp van Watson Studio, een machine learning-as-a-service-platform met tools voor datavoorbereiding, drag-and-drop machine learning-modelbouw en datavisualisatie.

“Ze hebben veel vertrouwen in hun vermogen om een ​​probleem op deze schaal aan te pakken”, zegt Woods, eraan toevoegend dat Wunderman Thompson Data ongeveer 20.000 verschillende functies in een machine learning-model kan inbrengen.

"Met deze tools kunnen we heel snel en kwalitatief hoogstaand modelbegrip realiseren", zei hij.

Wunderman Thompson Data schakelde het Data Science Elite Team van IBM in, aadviesbureau dat samenwerkt met klanten om AI aan te pakkenen analysegerelateerde gebruiksscenario's, om een ​​model voor snelle groeitests op te zetten.

“Organisch gezien wisten we dat dit de juiste dingen waren om te doen, maar we hadden gewoon geen manier om het project af te ronden,” zei Woods.

Het partnerschap tussen IBM en Wunderman Thompson heeft uiteindelijk het Risk, Readiness and Recovery-platform mogelijk gemaakt, dat gebruikmaakt van de data- en machine learning-modellen van Wunderman Thompson die zijn gebouwd met IBM Watson Studio.

Risico, gereedheid en herstel

Het platform richt zich, zoals de naam al doet vermoeden, op drie gebieden:

1. Risico.Gezondheidsomstandigheden, COVID-19 en volkstelling.
2. Bereidheid.Gezondheidsondersteuning binnen gemeenschappen.
3. Herstel.De impact van COVID-19 op de economie.

Risico identificeert hoeveel risico een bepaalde lokale overheidsorganisatie of postcodegebied in de VS loopt door COVID-19. Readiness identificeert intussen hoe voorbereid een gebied is door te kijken naar de beschikbaarheid van ziekenhuizen en intensive care-afdelingen, en Recovery identificeert hoe economisch getroffen lokale gebieden zijn, hoe snel ze kunnen herstellen en wanneer ze weer normaal kunnen worden.

Wunderman Thompson Data verkoopt de tool aan staats- en lokale overheden, maar ook aan zakelijke klanten.

"We hebben heel snel naar deze [gegevens] kunnen kijken en deze in een positie kunnen brengen... om merken op een zeer gelokaliseerde manier te helpen", aldus Woods.

Naarmate de economische gevolgen en, op sommige plaatsen, het herstel van de ergste pandemie voortduren, zal dit op een “heel andere provinciale basis plaatsvinden, en dat kunnen we aan de gegevens zien”, zei Woods.