數據策略團隊在Showtime重點是民主化跨組織的數據和分析。他們收集大量用戶數據(例如顯示看,每天的時間,設備使用,訂閱曆史,等等)和使用機器學習來預測用戶行為,提高調度和編程。不幸的是,遺留技術架構拉離高價值數據科學團隊活動。
基礎設施的複雜性:發現基礎設施,允許靈活性,但沒有需要持續維護。
低效率的機器學習管道:流程開發,火車,和部署的機器學習模型是高度手冊和容易出錯,導致新車型的上市時間較慢。
磚平台為Showtime提供了Beplay体育安卓版本一個全麵管理工程服務,大大簡化了數據和改進他們的數據科學團隊的生產力。現在他們可以利用豐富的數據池內的見解發現推動觀眾參與的機會和減少生產。
自動化基礎設施:全麵管理,serverless雲基礎設施的速度、成本控製和彈性。
交互式工作區:簡化協作和無縫的跨團隊和多個編程語言來加速數據科學生產力。
簡化毫升生命周期:MLflow可以簡化整個毫升生命周期。
磚幫助Showtime民主化的跨組織的數據和機器學習,創建更多的數據驅動的文化。
快6倍管道:數據管道接管現在運行在不到24小時4小時使團隊更快的做出決定。
把基礎設施的複雜性:與自動化集群管理完全在雲管理Beplay体育安卓版本平台允許數據科學團隊專注於機器學習而不是硬件配置,配置集群、調試等。
創新用戶體驗:改進的數據科學合作和生產力降低了新車型上市時間和功能。團隊可以實驗導致更快更好、更個性化的用戶體驗。