Wykorzystanie Machine Learning do poprawy jakości życia pracowników

Aplikacja dla Praxis Workwell Ltd.

5000
respondentów
3,500
osób, na których
wytrenowano algorytm
uczenia maszynowego
.NET
Python
scikit learn

&  React

Istnieją setki czynników, które poprawiają jakość naszego życia. W rzeczywistości wiele z nich przeanalizowano naukowo. Udowodniono, że zmiany w poziomie naszej aktywności, diety, spożycia alkoholu i nikotyny, sytuacji mieszkaniowej czy poziomu stresu związanego z pracą sprawiają, że jesteśmy mniej lub bardziej szczęśliwi w życiu.

Wiedza akademicka w algorytmach

WorkWell to aplikacja oparta na tych zasadach. Wykorzystuje szereg badań akademickich, przełożonych na algorytmy sztucznej inteligencji i uczenia maszynowego (Artificial Intelligence, Machine Learning), które pomagają mierzyć prawie 200 różnych czynników ludzkiego życia i porównywać je ze uśrednionymi poziomami. Algorytm oferuje następnie zalecenia dotyczące tego jak możemy dokonać pozytywnych zmian w naszym życiu.

Praxis Workwell Limited to brytyjska firma naukowo-badawcza, która opracowała koncepcję aplikacji. Projekt miał odpowiadać na 2 pytania: co powoduje, że czujemy się spełnieni i szczęśliwi (tzw. „quality of life”) oraz jak to wpływa na naszą produktywność w pracy zawodowej (Human Capital Productivity).

My tę koncepcję zaimplementowaliśmy, a rozwiązanie udostępniliśmy w chmurze. Projekt został w całości zrealizowany przez nasz zespół .NET - stworzenie WorkWell było dużym wyzwaniem dla programistów w FINGO.

Pracowali ze świadomością, że ta aplikacja naprawdę może sprawić, że życie wielu osób stanie się lepsze. Projekt w drugim etapie był realizowany dla brytyjskiej organizacji rządowej. Wtenczas do algorytmów trzeba było dopasować nowe pytania związane z COVID-19. Chciano zrozumieć jak sytuacja na świecie wpłynęła na samopoczucie pracowników i jak można im udzielić wsparcia jednocześnie utrzymując ich produktywność.

Zmiany jakościowe

Aplikacja WorkWell jest skierowana głównie do pracodawców, którzy mogą anonimowo zadawać swoim pracownikom pytania dotyczące różnych aspektów życia. Narzędzie sugeruje również, co pracodawcy mogą zmienić, aby poprawić ogólne zadowolenie swoich pracowników. Stworzenie odpowiednich pytań do kwestionariusza wymagało udziału 5 tysięcy płatnych uczestników, którzy wypełniali ankietę w celu budowania bazy wiedzy dla algorytmów – było to konieczne do określenia statystycznych odpowiedzi.

Ta bardzo wnikliwa analiza prowadzi do pozytywnych zmian w pracy, które mogą bezpośrednio wpłynąć na efektywność każdej firmy. Zadowoleni i zrelaksowani pracownicy prowadzą do mniejszej absencji, lepszej produktywności i większych przychodów.

Technologia stojąca za szczęściem

Do zbudowania niezawodnego i wydajnego modelu ML wykorzystaliśmy bibliotekę scikit learn. Jest to wysokopoziomowe API napisane w Pythonie.

Pierwotną ideą było zastosowanie głębokich sieci neuronowych, jednak z uwagi na szczególne wymagania wydajnościowe, zdecydowaliśmy się na wykorzystanie biblioteki scikit learn. Doskonale spełniła swoje zadanie – również pod dużym obciążeniem.

Udało się wypracować kwestionariusz zawierający 200 pytań, na które można odpowiedzieć do 15 minut. Kwestionariusz zawierał pytania warunkowe, co wymagało dobrego podejścia do user experience i prezentacji danych.

Back-end został opracowany w .NET, podczas gdy wybraną technologią frontendową był React.

Kontakt

FINGO sp. z o.o.
  • Plac Powstańców Śląskich 7
    53-329 Wrocław, Polska
  • godz. 8:00 – 16:00
  • NIP 8942683871
FINGO sp. z o.o. z siedzibą we Wrocławiu, Plac Powstańców Śląskich 7, 53-329 Wrocław, zarejestrowana w Sądzie Rejonowym Wrocław-Fabryczna we Wrocławiu, VI Wydział Gospodarczy Krajowego Rejestru Sądowego pod nr KRS 0000020323. NIP 8942683871, REGON 932670710. Kapitał zakładowy 50.000,00 zł w pełni opłacony.
Używamy plików cookies, aby zwiększyć wygodę użytkownika strony. Brak zmiany ustawień przeglądarki oznacza na to zgodę.
Więcej