Analyse du genre et identification par IA

Client

Le client est GSMA, une organisation mondiale unifiant l'écosystème mobile pour découvrir, développer et livrer des innovations fondamentales pour des environnements commerciaux positifs et des changements sociétaux. Ils représentent des opérateurs mobiles et des organisations à travers l'écosystème mobile et les industries adjacentes.

Le client s'est adressé à DataSqueeze pour soutenir l'Inclusive Tech Lab dans l'amélioration de leur système existant de détection du genre IA pour les utilisateurs de téléphones mobiles.

Défi : Développement d'un kit d'outils d'analyse et d'identification du genre

Les femmes sont une source puissante de croissance, elles sont cruciales pour le développement d’un pays. Les inégalités entre hommes et femmes peuvent réduire les progrès nationaux en matière de santé, d’éducation et de niveau de vie. Aujourd’hui, les femmes font encore face à des barrières systémiques, et surtout souvent non mesurées, pour rattraper leur retard et combler l’écart entre les genres.

En matière de connectivité et d'industrie mobile, dans les pays à revenu faible et intermédiaire, 390 millions de femmes ne sont pas connectées et 184 millions de femmes de moins que les hommes possèdent un téléphone mobile. Pourtant, les femmes ne constituent pas seulement un « segment », mais la moitié de la clientèle potentielle. C'est un défi et une excellente opportunité pour les opérateurs télécoms du monde entier. Réduire l'écart entre les genres peut bénéficier aux femmes, à la société et à l'industrie mobile en général.

Pour combler l'écart entre les genres, GSMA devait combler l'écart de données de genre. Aujourd'hui, les opérateurs de téléphonie mobile dans les pays à revenu faible et intermédiaire ont besoin de davantage de données KYC pour mieux comprendre les goulots d'étranglement de la pénétration des mobiles chez les femmes et concevoir des produits ciblés pour elles.

Pour combler l'écart de données de genre et gérer l'analyse des données de téléphones mobiles, GSMA Connected Women, en partenariat avec DataSqueeze, a été chargée de développer un kit d'analyse et d'identification du genre.

Solution : application dockerisée pour l'analyse et l'identification du genre des abonnés

L'objectif principal du développement de l'outil était de fournir aux opérateurs de réseau mobile (MNO) un outil qu'ils pouvaient facilement installer et exécuter sur site pour prédire des étiquettes de genre de haute qualité pour leur base d'abonnés et obtenir des informations à partir du tableau de bord d'analyse.

L'équipe DataSqueeze, en collaboration avec le GSMA Inclusive Tech Lab, a refondu et amélioré le kit existant, offrant un environnement analytique plus complet pour répondre aux besoins de l'opérateur mobile. En travaillant étroitement avec notre client, nous avons construit la version 3.0 du produit.

Les composants de la solution sont déployés et exploités dans des conteneurs Docker. L'architecture est structurée de manière à ce que le MNO puisse exécuter le système sur site ou dans le cloud. L'utilisation de l'outil comporte trois étapes principales :

• Préparation des données brutes : L'utilisateur commence par spécifier l'emplacement des divers fichiers de données brutes, tels que les données d'enquête contenant les étiquettes de genre de vérité terrain, les relevés d'appels, l'historique des transactions mobiles, etc. Cette étape consiste à préparer et organiser les données nécessaires pour une analyse ultérieure.
• Modélisation : À cette étape, l'utilisateur mène des expériences pour identifier le meilleur modèle de classification pour prédire le genre des abonnés. En exploitant les ensembles de données spécifiés, l'utilisateur peut entraîner et évaluer divers modèles pour déterminer celui qui offre les meilleures performances.
• Génération de prédictions et rapports analytiques : Une fois le modèle de classification préféré identifié, l'utilisateur procède à la génération des prédictions de genre sur la base du modèle formé. Ces prédictions sont ensuite utilisées pour générer un rapport analytique complet. Le rapport vise à offrir des informations précieuses pour la prise de décision et la planification stratégique au sein du MNO.

L'ensemble du flux est présenté ci-dessous :

L'objectif principal de l'équipe DataSqueeze était de créer une solution conviviale, adaptable et flexible. Elle permet aux utilisateurs d'explorer facilement divers algorithmes d'apprentissage automatique et d'expérimenter différents modèles afin d'identifier le plus efficace.

La solution offre une chaîne de traitement simplifiée qui peut être configurée et exécutée sans nécessiter de connaissances techniques approfondies.

S'attaquer au défi de gérer d'énormes volumes de données tout en maintenant un flux de travail robuste était une priorité clé.

Résultat : combler l'écart entre les genres et offrir un écosystème plus inclusif

Le résultat de notre travail est un Kit d'Analyse et d'Identification du Genre avancé. La beauté de la solution est qu'elle permet aux opérateurs de réseaux mobiles d'identifier le genre de leurs abonnés en fonction de l'historique d'utilisation du téléphone et fournit des informations sur l'écart entre les genres. En utilisant cette solution, ils peuvent explorer les dernières données sur l'écart entre les genres dans le mobile et comprendre ce qui est nécessaire pour pouvoir le réduire.

Nous remercions l'équipe GSMA d’avoir invité notre entreprise à collaborer sur un projet aussi complexe et challengeant. Nous avons livré les livrables dans les délais et a répondu aux attentes du client.