Despre VOGO

Vogo.family este un concept inovator in industria HoReCa, Personal-Care si Lifestyle. Vogo foloseste tehnologia pentru a asigura calitate si "well-being" pentru oameni, insa pune accent pe comunicare, pe discutii cu persoane reale, pe comunitati si pe prieteni care fac tot ce se poate pentru a te sustine si ajuta. Evitam discutiile cu roboti sau masini automate. Daca te-ai saturat sa astepti minute in sir la telefon sau sa discuti cu un robot sau un IVR care doar te amana sau te pune pe tine la treaba - intelegi la ce ne referim.

Produsele si serviciile VOGO aduc un plus de valoare experientelor culinare, ospitalitatii si stilului de viata in general.

Internetul este plin de informatii amestecate, prezentate subiectiv, recenzii adevarate si recenzii cumparate, reclame directe sau reclame mascate. Este complicat pentru noi sa cautam, filtram si alegem cele mai bune servicii, rapid, in cunostinta de cauza. Suntem asaltati de marketing si de informatii care ne pun in dificultate.

Ti s-a intamplat sa comanzi mancare si sa o primesti rece? Ti s-a intamplat sa ti se comunice ca ajunge mancarea in 40 de minute si aceasta sa ajunga in 1-2 ore?

Ti s-a intamplat sa chemi un taxi / o masina si acesta sa ajunga cu intarziere sau sa plece? Sau daca ajunge masina / soferul, sa iti ofere o experienta nefericita care sa te intristeze sau sa iti strice ziua? Asta pe langa banii cheltuiti.

Ti s-a intamplat sa ajungi intr-un loc nou / strain unde, din lipsa de informatii si de prieteni / cunostinte, ai fost pacalit sau sa nu ai avut pe cineva de incredere sa il poti intreba ceva?

Ai fost in situatia in care sa nu ai pe cine intreba cum sa ajungi undeva, cum sa rezolvi o situatie, cum sa ai acces la un serviciu sau la un restaurant bun si la preturi corecte?

Daca ai patit astfel de experiente neplacute care te-au deranjat, atunci poti intra in comunitatea VOGO. VOGO family foloseste tehnologia pentru a identifica, in multitudinea de informatii disponibile, acele servicii si produse care ofera o calitate buna la un pret corect. Atentie: VOGO nu filtreaza sau selecteaza servicii si produse ieftine! Selectam si iti recomandam doar produse, servicii si furnizori de calitate - validati si verificati de noi. Dupa selectia automata prin Data Mining si AI, toate produsele si serviciile sunt verificate manual / direct de consilierii nostri. In platforma se regasesc doar produse si servicii incercate de consilieri, certificate si validate de acestia conform criteriilor de calitate VOGO.

Ti s-a intamplat sa ai nevoie de ceva si sa intrebi un prieten: "Stii cumva un mecanic bun?" Sau: "Stii cumva, cand merg in orasul Cluj, unde pot sa mananc ceva bun?" Sau ai avut nevoie de un medicament de la farmacie noaptea si a trebuit sa suni un prieten sa il rogi: "Poti, te rog, sa mergi pana acolo ca sa imi iei un Nurofen?" Sau a trebuit sa iei ceva dar nu ai putut sa iesi pentru ca nu il poti lasa singur pe Bebe in casa si a trebuit sa suni o prietena: "Te rog, poti sa ma ajuti...?"

Dezvoltarea urbana si tehnologica au ca si efect advers faptul ca prietenii si cunostintele / vecinii de incredere - sunt din ce in ce mai rari iar timpul liber este din ce in ce mai mic. Informatiile sunt din ce in ce mai multe si mai amestecate.

VOGO family vine cu o solutie la aceste provocari, oferind un prieten real (nu virtual, nu robot) in persoana unui consultant alocat tie, pe care il poti cauta prin intermediul platformei pe domeniul de interes si care iti va raspunde telefonic, pe WhatsApp, prin email etc.

Cum functioneaza? Vezi in diagrama de mai jos modul in care imbinam tehnologia avansata cu actiunile personale astfel incat sa obtinem cele mai bune recomandari pentru membrii comunitatii noastre.

Consultantii nostri care te vor ajuta au acces la:
- informatii verificate si catalogate, pe care le pot accesa imediat in libraria de cunostinte / "knowledge library"
- "lessons learned" - acces la informatii multiple astfel incat te vor preveni sa faci alegeri gresite; iti vor da toate informatiile necesare. Desigur, decizia iti apartine.
- furnizori de produse si servicii verificati, validati, disponibili in orice locatie si la orice ora din zi si din noapte.

Vino in familia VOGO! Bucura-te de experienta VOGO. Apeleaza la prieteni si impartaseste-ti experientele cu noi, pentru a ne ajuta intre noi! Impreuna ne este mai bine.

In prima etapa, VOGO, colecteaza recomandari si reviewuri din principalele surse de date (Google, Facebook, Tripadvisor etc) impreuna cu seturi de date publice provenite de la organisme oficiale din domeniile Horeca, Turism, Auto,  Ambasade si Consulate, Autoritati, Asiguratori, FInanciar, Judici - Legal etc.

In etapa 2 are loc procesul de sortare prin seturi filtrate de date pentru a identifica tipare și relații care pot ajuta la rezolvarea cerintelor de utilitate prin analiza datelor. Tehnicile și instrumentele de data mining ajută solutia să prezică tendințele viitoare și să ia decizii sustinute pe date temeinice - sistem suport de decizie.

Exploatarea datelor este o parte cheie a analizei datelor și una dintre disciplinele de bază în știința datelor, care utilizează tehnici avansate de analiză pentru a găsi informații utile în seturile de date. La un nivel mai granular, data mining este un pas în procesul de descoperire a cunoștințelor în bazele de date (KDD), o metodologie de știință a datelor pentru colectarea, procesarea și analiza datelor. Exploatarea datelor și KDD sunt uneori menționate în mod interschimbabil, dar sunt văzute mai frecvent ca lucruri distincte.

Procesul de extragere a recomandarilor se bazează pe implementarea eficientă a colectării, depozitării și procesării datelor. Exploatarea datelor poate fi folosită pentru a descrie un set de date țintă, pentru a prezice rezultate, pentru a detecta frauda sau probleme de securitate, pentru a afla mai multe despre o bază de utilizatori sau pentru a detecta blocajele și dependențele. De asemenea, in conformitate cu tehnicile de "data minig" - operatiunea este efectuată de componente care opereaza atat automat cat si de componente semiautomate.

Deși numărul de etape poate diferi în funcție de cât de granular dorește o organizație să fie fiecare pas, procesul de extragere a datelor poate fi, în general, împărțit în următoarele patru etape principale - etape respectate de arhitectura sistemului VOGO:

1. "Data gathering". Identificați și adunați date relevante pentru o aplicație de analiză. Datele pot fi localizate în diferite sisteme sursă, într-un depozit de date sau într-un lac de date, un depozit din ce în ce mai comun în mediile de date mari care conțin un amestec de date structurate și nestructurate. Se pot folosi și surse de date externe. Oriunde provin datele, un cercetător de date le mută adesea într-un lac de date pentru pașii rămași din proces.

2. "Data preparation". Pregătirea datelor. Această etapă include un set de pași pentru a pregăti datele pentru a fi extrase. Pregătirea datelor începe cu explorarea datelor, crearea de profiluri și preprocesarea, urmată de lucrări de curățare a datelor pentru a remedia erorile și alte probleme de calitate a datelor, cum ar fi valorile duplicate sau lipsă. Transformarea datelor se face, de asemenea, pentru a face seturile de date consistente, cu excepția cazului în care un cercetător de date dorește să analizeze date brute nefiltrate pentru o anumită aplicație.

3. "Data mining". Odată ce datele sunt pregătite, un cercetător de date alege tehnica adecvată de extragere a datelor și apoi implementează unul sau mai mulți algoritmi pentru a efectua extragerea. Aceste tehnici, de exemplu, ar putea analiza relațiile de date și pot detecta modele, asocieri și corelații. În aplicațiile de învățare automată, algoritmii trebuie în mod obișnuit să fie antrenați pe seturi de date eșantion pentru a căuta informațiile căutate înainte de a fi rulați pe setul complet de date.

4. "Data analysis and interpretation". Analiza și interpretarea datelor. Rezultatele extragerii de date sunt folosite pentru a crea modele analitice care pot ajuta la stimularea luării deciziilor și a altor acțiuni de afaceri. Omul de știință a datelor sau un alt membru al unei echipe de știință a datelor trebuie, de asemenea, să comunice concluziile directorilor de afaceri și utilizatorilor, adesea prin vizualizarea datelor și prin utilizarea tehnicilor de povestire a datelor.

Citeste mai mult aici

Tipuri de tehnici de extragere a datelor
Diferite tehnici pot fi utilizate pentru a extrage date pentru diferite aplicații de știință a datelor. Recunoașterea modelelor este un caz obișnuit de utilizare a extragerii de date, la fel ca și detectarea anomaliilor, care ajută la identificarea valorilor aberante din seturile de date. Tehnicile populare de extragere a datelor includ următoarele tipuri:

Association rule mining.  În data mining, regulile de asociere sunt declarații dacă-atunci care identifică relațiile dintre elementele de date. Criteriile de sprijin și încredere sunt utilizate pentru a evalua relațiile. Suportul măsoară cât de des apar elementele asociate într-un set de date, în timp ce încrederea reflectă de câte ori o declarație dacă-atunci este corectă.

Clasificare. Această abordare atribuie elementele din seturile de date diferitelor categorii definite ca parte a procesului de extragere a datelor. Arborele de decizie, clasificatorii Naive Bayes, k-nearest neighbors (KNN) și regresia logistică sunt exemple de metode de clasificare.

Clustering. În acest caz, elementele de date care împărtășesc anumite caracteristici sunt grupate în grupuri ca parte a aplicațiilor de data mining. Exemplele includ clustering k-means, clustering ierarhic și modele Gaussiane.

Regresia. Această metodă găsește relații în seturile de date prin calcularea valorilor de date prezise pe baza unui set de variabile. Regresia liniară și regresia multivariată sunt exemple. Arborele de decizie și alte metode de clasificare pot fi, de asemenea, utilizate pentru a face regresii.

Sequence and path analysis. Datele pot fi, de asemenea, extrase pentru a căuta modele în care un anumit set de evenimente sau valori conduc la evenimente ulterioare.

Rețele neuronale. O rețea neuronală este un set de algoritmi care simulează activitatea creierului uman, unde datele sunt procesate folosind noduri. Rețelele neuronale sunt deosebit de utile în aplicațiile complexe de recunoaștere a modelelor care implică învățarea profundă, o ramură mai avansată a învățării automate.

Arbori de decizie. Acest proces clasifică sau prezice rezultate potențiale folosind fie metode de clasificare, fie de regresie. Structurile de tip arbore sunt folosite pentru a reprezenta rezultatele potențiale ale deciziilor.

Retele neuronale / KNN. Această metodă de extragere a datelor clasifică datele în funcție de apropierea de alte puncte de date. Presupunând că punctele de date din apropiere sunt mai asemănătoare între ele decât alte puncte de date, KNN este folosit pentru a prezice caracteristicile grupului.