수백 개 또는 수천 개의 건물로 구성된 포트폴리오를 관리하려면 신중하고 전략적인 계획이 필요합니다. 겉보기에 간단한 문제도 사소한 성격임에도 불구하고 기하급수적으로 어려워집니다.

유지관리 목적으로 창문 개수나 외벽 청결도와 같은 데이터를 분석하는 일은 금방 엄청난 부담이 되고, 수동으로 완료하기는 거의 불가능합니다.

옥토네덜란드에 본사를 둔 '스마트 빌딩' 솔루션 제공업체인 는 이러한 데이터 분석 딜레마를 해결하기 위해 Dirk Huibers(CEO), Marieke Dijksma(CTO), Tara Campagne(COO)가 설립했습니다.

Octo 솔루션은 원래 다음과 같은 기반으로 구축되었습니다. Mendix 그리고 확장됨 AWS 서비스는 고객이 소유한 부동산에 대한 공개 정보와 이미지를 인터넷에서 수집하여 고객에게 귀중한 통찰력을 제공하는데, 이는 매우 복잡할 수 있습니다.

그 결과, Huibers는 Octo가 "[어떤 도구든] 가장 좋은 도구를 사용"하고 간단하면서도 정확하게 문제를 해결할 기술만 채택한다고 설명했습니다.

Octo가 설립되었을 때 팀은 복잡하지만 더 간단한 솔루션으로 시작했습니다. IoT 모니터링 사무실 공간의 환경 및 공간 사용에 대한 통찰력을 제공합니다. 이 솔루션은 Octo 고객에게 수익성이 있는 것으로 입증되었으며, 부동산 포트폴리오에서 사용되지 않은 수많은 평방 미터를 밝혀내어 고객이 임대 비용을 최대 10%까지 절감할 수 있었습니다.

부동산 관리 분야에서 성공적인 제안을 바탕으로 Octo 팀은 유지 관리와 관련된 새로운 제안을 개발하고 고객과 지속적으로 협력하여 향상된 플랫폼의 기능을 우선 순위화하고 검증했습니다.

조건문에서 로우코드와 머신러닝까지

휘버스, 다이크스마, 캄파뉴는 컨설턴트로 시작하여 Excel과 BigSheets를 이용해 고객 포트폴리오 데이터를 분석했습니다.

프로그램의 접근성에도 불구하고 Huibers는 빠르게 문제에 부딪혔다고 설명합니다. 고객에게 실행 가능한 데이터를 제공하는 데 필요한 조건문이 컨설팅 작업에 병목 현상을 일으키고 있었습니다.

그들의 건축학 학위는 그들에게 해당 분야의 전문성을 제공했습니다. 그들의 교육에도 불구하고, 그들은 고객에게 통찰력을 효과적으로 제공하는 데 필요한 소프트웨어를 개발할 준비가 되어 있지 않았습니다. 그들은 스프레드시트를 한계까지 밀어붙이는 자신을 발견했습니다.

다행히도 저코드에 대해 잘 알고 있는 Huibers의 친구가 나서서 도와주겠다고 제안했습니다. 디지털화하다 데이터 입력. 호기심 많은 사람들로서, Octo의 창립자들은 도구를 직접 배우기로 결정했고, 컨설턴트로서 한 작업을 상품화할 수 있는 잠재력을 깨달았습니다.

그들은 전통적인 개발 경험이 부족했지만 프로그래밍의 기본을 배우고 Mendix 개발 플랫폼 솔루션 제공을 발전시키고 비전을 본격적인 사업으로 전환합니다.

Huibers와 Dijksma는 또한 이미지 인식 기술과 머신 러닝이 고객에게 대규모 포트폴리오를 제공할 수 있는 힘을 인식했습니다. 그들은 인공 지능 이를 통해 고객이 필요로 하는 필터링 및 쿼리 옵션에 필요한 기준(예: 지붕 유형, 창문 수, 특정 건물에 대해 나열된 주소 수)을 대부분 식별하는 능력이 크게 향상될 것입니다.

그들은 최첨단 기술을 결합하여 고객에게 건물 유지 관리 전략을 간소화하는 데 기술을 활용할 수 있는 기회를 제공하는 플랫폼을 구축하기 시작했습니다. 2년 후, Octo가 탄생했습니다.

스마트 빌딩에는 스마트 기술 스택이 필요합니다.

일부 고객은 수천 개의 건물을 관리하고 있으며, 솔루션에서 분석한 데이터 세트는 방대합니다. Octo는 Matillion을 활용하여 필요한 SQL 쿼리를 생성함으로써 구조화된 데이터를 더 소화하기 쉬운 정보로 변환할 수 있었습니다. 이러한 더 소비하기 쉽고 이해하기 쉬운 데이터를 통해 고객은 조치를 취할 수 있습니다.

그들은 이 데이터를 4가지 범주로 정리했습니다.

1. 콘텐츠 (특정 부동산에 정원이 있는지 없는지)
2. 기하학적 (건물의 높이)
3. 구체화 (지붕이 만들어진 재료의 종류)
4. 질적 (외관에 먼지나 낙서가 있는 경우)

AI의 도움 없이 이 프로세스는 헤아릴 수 없을 만큼 많은 시간이 걸릴 것입니다. Octo는 이러한 매개변수에 대한 수동 검사를 수행하기 위해 모든 고객 소유 건물에 직원을 정기적으로 배치해야 합니다. 이 수동 프로세스의 어려움으로 인해 그들은 이미지를 활용합니다. 인식 이를 분석하고 분류하는 작업을 수행하기 위해 기술과 머신 러닝이 필요합니다. 데이터.

포트폴리오 전반에 걸친 유지관리 구축에 대한 이러한 실용적인 정보는 고객에게 가치를 전달하는 데 중요합니다.

그들은 이미지 인식 서비스를 실현 가능하게 하기 위해 PyTorch와 TensorFlow와 같은 오픈 소스 라이브러리를 활용하여 고객 건물에 대한 분류된 정보(예: 창문 수 또는 특정 건물의 지붕 유형)를 식별하고 구성합니다.

Sagemaker는 이미지 인식 모델을 위한 훈련 가이드로 사용할 특정 이미지 세트에 주석을 달고 있습니다. 이 프로세스는 여러 번의 반복을 거쳐 최종 모델이 새로 추가된 이미지에 주석을 달도록 훈련됩니다. 그런 다음 다음 위치에 저장됩니다. S3 버킷에 담아 Redshift 데이터베이스에 직접 공급했습니다.

데이터는 수집, 저장되었으며 분석할 준비가 되었습니다. 그런 다음 Octo 솔루션은 수천 개의 부동산에 걸친 수백 개의 데이터 포인트를 포함하여 이 방대한 데이터를 기반으로 귀중한 통찰력을 제공합니다. Mendix Octo가 소모품을 제공하는 프런트엔드를 개발할 수 있도록 지원했습니다. 실행 가능한 데이터 고객 기반에.

Octo 팀은 클라이언트의 건물에 대한 맵 뷰를 통합할 때 지리적 위치 데이터에 대한 두 가지 다른 사용자 인터페이스를 테스트했습니다.

• Kepler, 지리공간 분석을 위한 비즈니스 인텔리전스(BI) 플랫폼
• Google Maps API

휘버스와 다이크스마는 케플러의 고급 위치 정보에도 불구하고 고객들은 Google Maps API를 더 선호한다는 것을 발견했습니다.

앱에 구축된 외부 애플리케이션 및 서비스를 연결하는 것이 간단하기 때문에 Mendix Huibers와 Dijksma는 이 기능을 포함하도록 솔루션 제공을 업데이트하는 데 불과 3일 만에 완료했습니다. 기존에는 개발에 약 2개월이 걸렸습니다.

정보 과부하에 대한 해결책

문어 고객 포털, 에서 개발됨 Mendix, 이는 사업 성공에 매우 중요합니다.

플랫폼의 협업 기능 덕분에 Octo 팀은 고객과 직접 협력하여 솔루션을 개발할 수 있습니다. 창립 팀은 컨설팅의 뿌리에서 크게 벗어나지 않았습니다.

그들의 디자인 팀은 다음을 사용합니다. Mendix 고객과 협력하여 프런트엔드를 개발하고 고객의 요구에 부응할 수 있는 쿼리를 정의합니다. 고객은 소유한 건물의 특성을 쿼리하여 전체 포트폴리오에서 특정 속성을 필터링할 수 있습니다.

이 기능은 다음에 의해 크게 개선됩니다. 협동 Octo 팀이 고객과 진행하는 프로세스를 통해 Huibers와 Dijksma는 자신들이 개발하는 질의가 고객에게 가치를 제공할 것이라는 확신을 가질 수 있습니다.

Octo는 고객 관계를 더욱 돈독히 함으로써 가장 적합한 솔루션을 제공할 수 있습니다.

Octo 팀은 기술적 능력 부족에 구애받지 않고 해당 분야의 전문 지식을 활용하여 성공적으로 플랫폼을 구축했으며, Dijksma에 따르면 "그것이 로우코드의 진정한 장점"입니다.