FireworkTV 的 ML 团队认识到其现有 ML 基础设施的局限性（生产力落后、管理成本不断增加、缺乏自动化），并寻求在 AWS 上构建新的、更高效的基础设施，以推动推荐模型性能、质量和可靠性的改进。

澳鹏需要实现其票务系统的自动化，以提高支持效率、缩短票务处理时间并减少贡献者的流失。手动票务会导致分类错误、增加票证处理时间和贡献者流失。

Lane Health 希望通过将其 HSA Advance 应用程序迁移到 AWS 上符合 HIPAA 的高级基础设施来更快、更高效地进行创新。他们寻求简化运营并降低总体拥有成本，同时确保迁移期间的业务连续性。

GoCheck Kids 需要通过机器学习增强其儿科照片筛查应用程序的图像分类部分。他们需要强大且有弹性的机器学习基础设施，以便更快、更经济高效地在超过一百万张图像的数据集上运行实验。

IMVU 希望增强和重新架构其老化的本地数据平台，以支持高级分析和机器学习用例。随着数据量呈指数增长和整体 Hadoop 架构，IMVU 团队面临着创新和更有效地利用用户生成数据的挑战。 IMVU 希望通过高级分析和数据流来增强和重新构建其平台。该公司是 Apache Hadoop 的先驱和早期采用者之一，在大数据技术成为主流之前就充分利用了它们。尽管 IMVU 拥有深厚的内部专业知识，但支持和升级其 90 节点 Hadoop 集群和内部构建的工具对他们来说仍然具有挑战性。

InMarket 的旧数据平台效率低下，作业成功率为 40%，并且存在数据部署和开发延迟的问题。该平台无法处理从多个来源收集的不断增长的实时位置数据，从而导致延迟、瓶颈和效率低下。在生产中部署数据管道需要长达 12 个月的时间，这对于 InMarket 的业务模式来说是不可接受的。开发延迟和实施错误减缓了收入增长。该平台性能落后，作业成功率为40%，且Spark作业随机中止。

LeadGenius 需要增强和自动化其数据处理流程，以实现更高的可扩展性并提高销售和营销绩效。由于大量的手动流程，数据处理流程效率低下，无法确保数据质量和数据一致性。

我们的客户是一家全球医疗保健领导者，希望在其组织内加速和扩大 AI/ML 的采用。他们需要一个现代化的 MLOps 平台来简化 AI/ML 应用程序的开发和部署。

PSC Biotech 希望通过人工智能实现现有流程自动化，从而增强其文档处理操作。他们需要更快、更准确、更大规模地处理 FDA 483 表格观察结果。手动文档处理既耗时、成本高，又容易出错，给合规性和公司的利润带来风险。

Pr3vent 致力于通过计算机辅助诊断来提高患者诊断和眼部筛查的可用性。通过人工智能扩展医生的专业知识，它试图降低每次筛查的成本，以便更好地为美国 400 万婴儿提供服务，同时提高诊断准确性。

Nitrio 的 NLP 平台依赖于手动规则和启发式模型，导致瓶颈和可扩展性问题

Swiftmile 希望改进和扩展其微移动平台的基础设施，并添加先进的数据流功能，以支持其全球扩张。

InMarket 的旧数据平台效率低下，作业成功率为 40%，并且存在数据部署和开发延迟的问题。该平台无法处理从多个来源收集的不断增长的实时位置数据，从而导致延迟、瓶颈和效率低下。将数据管道从数据科学家移交给数据工程师和运营人员需要长达十二个月的时间，从而减缓了收入增长。由于作业中止，数据科学家不得不重新运行多个 Spark 作业，效率低下。

Nugs.net 希望增强其现场音乐平台，为喜欢现场表演并希望随时随地体验的音乐迷提供一流的体验。他们希望改善用户体验个性化，以提高用户保留率、转化率和盈利能力。

Second Genome 希望通过改进数据摄取和分期以及完善其数据平台的代码库来加速和扩大微生物组药物的发现和开发。该公司需要提高数据安全合规性标准，为其客户和合作伙伴创建一个安全的药物研发环境。

作为多年转型工作的一部分，Nexant 寻求改造其 IT 基础设施并将其运营从本地迁移到云端。 Nexant 希望加快开发和发布周期，消除不必要的繁重工作，并扩展整个系统以实现更快的增长。

VTS 希望更高效地生产机器学习 (ML) 模型，同时获得使用 AWS 服务迭代构建新模型的能力。他们希望加快 ML 应用程序的上市时间、减少人为错误以及 DS 团队的努力。 VTS 在将预测模型集成到核心用户体验中时遇到了障碍。数据科学家能够在临时环境（例如 Jupyter 笔记本）中交付模型，但发现使用 VTS 平台的现有基础设施在生产中部署模型具有挑战性。 VTS 拥有出色的数据科学家，但缺乏完成这项工作所需的 AWS 和 MLOps 专业知识。

卡胡特！随着公司的发展，需要改进数据治理并启用自助分析来扩展其产品使用数据。

TripActions 的基础设施和数据存储解决方案无法满足分析数据容量和可扩展性需求，导致数据孤岛并增加总体拥有成本。历史数据从未被清理过，而分析数据以不同格式存储在各种数据库中，从而创建了多个数据孤岛，并使数据无法用于分析和机器学习。现有的数据解决方案在分析能力和可扩展性方面失败，增加了运营成本并抑制了业务增长。

Canva 希望为非技术利益相关者提供自助数据，以便根据需要深入到不同的领域。他们有一个数据仓库，但对于普通用户来说进入门槛有点太高了。为了大规模发展 Canva，非技术人员需要细分受众并创建渠道。产品经理很难深入研究新版本并了解新功能的表现或了解漏斗的详细情况。发布后不久，团队就发现需要更详细的产品分析解决方案。

取消 Timeshare 需要一个工具来分析 Stripe 的数据、管理催款并整合客户信息。

希捷科技通过 OEM 和渠道分销为大客户提供服务，并希望通过订阅模式来增强这一服务。此外，Seagate 希望跨团队和业务部门整合其预测流程，使用交易室与内部和外部利益相关者协作，并从与 Salesforce 的无缝双向集成中受益。 Seagate 的销售团队缺乏订阅业务模式方面的经验，Aviso 帮助他们识别领先指标以及销售代表陷入困境的交易阶段。

UXPin 需要一个工具来整合其订阅数据并跟踪指标。

Sync with Connex 需要跟踪 Stripe 的数据、恢复失败的信用卡付款并优化其取消流程以支持其增长目标。

MetricFire 需要一种工具来分析 Stripe 的数据并准确有效地细分客户。

智能被动收入 (SPI) 团队使用大量工具来运营其业务。其中许多工具都有自己的分析仪表板，但它们彼此不连接，这限制了 SPI 可以访问的可用数据。从 SPI Pro 社区成员那里恢复失败的付款也是 SPI 团队需要解决的一个挑战。

由于复杂的多维建模、预测准确性问题以及难以及时提供见解，分行财务团队达到了基于电子表格的规划的极限。

PuroClean 营销团队面临的挑战之一是缺乏时间和一致性，无法让所有特许经营地点与本地 SEO 计划保持一致。他们还很难理解和实施本地企业列表的 NAP（姓名、地址、电话）。由于本地 SEO 工作对于该业务来说是新的，因此挑战的规模和范围在很大程度上是未知的。

数字营销机构 Reboot Online 面临的挑战是需要清理不一致的引文资料并为其本地 SEO 客户扩大在线足迹。他们发现现有的引文服务和手动提交速度慢、耗时且低效。

我的社会实践与不了解数字营销策略和策略的牙科诊所合作，因此需要帮助客户了解他们购买的产品以及如何衡量结果。