Undersökning av metoder för automatiserad kontinuerlig datautvinning av IoT-data för att utvinna funktioner

Sammanfattning

Företaget Cake har idag inte en komplett bild över hur dess fordon används. Därför samlar företaget idag upp användardata i en förhoppning om att kunna analysera denna data för att få insikter över hur dess produkter används och vad de ska satsa på i framtiden. Företaget har idag inte någon komplett lösning för att analysera denna mängd data. De efterlyser en kartläggning över den data som samlas in och vilket analysverktyg som kan utvecklas. Rapportens syfte var att undersöka om företagets användardata kan utvinnas och användas till visualisering samt maskininlärning för att få mer nytta av den.För att uppnå detta började arbetet med en undersökning av de befintliga processerna och metoderna såsom hur data samlas in och kan analyseras hos uppdragsgivaren samt genomgång hur den insamlade datan var strukturerad. Därefter utvecklades och implementerades en lösning för att visualisera och analysera användardata, inklusive undersökning av möjligheterna med maskininlärning för att få djupare insikter i användarnas beteenden. Resultatet visar att om företaget implementerar ett användarvänligt visualiserings- och analysverktyg blir det överlägset jämfört med nuvarande verktyg och metoder då prototypen möjliggör att företaget kan undersöka användarmönster under specifika tidsperioder och göra jämförelser mellan fordon vilket inte kunde göras med befintliga verktyg och metoder. Vid implementeringen måste säkerhet avseende personuppgifter beaktas. Vid analys av IoT-data med maskininlärningsmetoden Clustering samt den behandling som görs dras slutsatsen att möjligheten fanns till att särskilja olika användares dolda användarmönster och gruppera dessa. Användarmönster refererar till de regelbundna och karakteristiska sätten på vilka användare interagerar med en specifik teknologi, tjänst eller system över tid. Dessa mönster kan inkludera upprepade handlingar, preferenser, tidsbaserade aktiviteter och andra beteendemässiga aspekter.