Существует огромная разница между изучением технологии как абстрактного предмета и ее использованием для создания решения, которое решает реальную проблему. Именно с этой идеей и родилось приложение Рыночная информация, веб-инструмент, созданный для поддержки региональных исследований конкуренции, возможностей и коммерческого позиционирования.
Проект был разработан как практическая демонстрация концепций, отработанных на курсах. Разработчик приложений e Искусственный интеллект, автор My Robot Barra da Tijuca.
Приложение опубликовано в:
https://gray-glacier-0dc52610f.7.azurestaticapps.net/
Исходный код доступен по адресу:
https://github.com/ussantos/inteligencia-de-mercado
Идея: превратить бизнес-вопросы в цифровой опыт
Первоначальный вопрос был прост:
Как вы можете помочь кому-то лучше понять регион перед открытием, позиционированием или корректировкой бизнеса?
На практике этот вопрос включает в себя несколько других:
- Кто ближайшие конкуренты?
- Какие альтернативы клиент находит в регионе?
- Имеет ли выбранный адрес смысл?
- Радиус действия мал, широк или насыщен?
- Существуют ли барьеры, возможности или точки внимания?
- Какие коммерческие действия могли бы быть приоритетными?
Чтобы ответить на этот вопрос вручную, требуются исследования, чтение карт, сравнение данных и некоторое стратегическое мышление. Предложение приложения заключалось в том, чтобы превратить этот процесс в управляемый поток: пользователь вводит сферу деятельности, контрольное местоположение, радиус анализа и, если у него уже есть существующая компания, он также может ввести CNPJ и почтовые индексы клиентов.
Отсюда система систематизирует общедоступные данные, обращается к внешним API, создает карту региона, идентифицирует конкурентов и генерирует отчет с рекомендациями.
Что пришло из курса App Developer
Курс «Разработчик приложений» основан на важной идее: приложения — это не просто красивые экраны. Приложение должно иметь логику, поток, интерфейс, данные, тесты, исправления и постоянное улучшение.
Этот проект следовал именно этой логике.
Прежде чем писать код, необходимо было подумать о пути пользователя. Первая версия была более сложной: она требовала входа в систему, располагала CNPJ в качестве центральной точки и показывала много технической информации. Со временем этот опыт был усовершенствован и стал проще в использовании:
- вход в систему больше не является обязательным;
- CNPJ стал необязательным;
- пользователь может проанализировать существующую компанию или изучить новый бизнес;
- основной сферой стала отрасль деятельности;
- почтовые индексы клиентов появляются только тогда, когда они имеют смысл;
- отчет стал более прямым и его легче было распечатать.
Этот процесс представляет собой важную практику разработки: создавайте, тестируйте, слушайте реальное поведение приложения и улучшайте его.
С технической стороны в проекте используется Next.js, Реагировать, TypeScript e Попутный ветер CSS для создания интерфейса. В приложении также есть маршруты API, проверки форм, повторно используемые компоненты, интерактивная карта, графики и отчет, подготовленный для печати в формате PDF.
Другими словами, это не просто статическая страница. Это полноценное веб-приложение с вводом, обработкой данных, интеграцией с внешними сервисами и структурированным выводом для пользователя.
Что получилось из курса «Искусственный интеллект»
Курс My Robot по искусственному интеллекту рассматривает такие концепции, как генеративный искусственный интеллект, Python, API, чат-боты, агенты, данные, контекст и веб-системы. Применение рыночной информации использует тот же менталитет: ИИ выступает не как украшение, а как часть более крупного потока.
Важным моментом является то, что система не просто зависит от простого вопроса, заданного ИИ. Прежде чем вызывать любую модель, приложение структурирует контекст:
- отрасль деятельности, сообщаемая пользователем;
- справочный адрес или почтовый индекс;
- радиус анализа;
- типы выбранных конкурентов;
- конкуренты, найденные в открытых источниках;
- наблюдаемые барьеры и возможности;
- Почтовые индексы клиента при отправке;
- ограничения используемых API.
В этом контексте ИИ может помочь улучшить рекомендации, планы действий, позиционирование и стратегическое прочтение. Цель состоит в том, чтобы создать что-то более полезное, чем общий ответ.
Это главный урок любого проекта ИИ: качество ответа во многом зависит от качества контекста. Искусственный интеллект работает лучше всего, когда ему предоставлены организованные данные, четко сформулированная задача и четкие границы.
Публичные данные, API и автоматизация
Проект также показывает, как современные приложения часто рождаются в результате сочетания нескольких источников и сервисов.
Среди используемых ресурсов:
- API Google Адресов, для поиска конкурентов и соответствующих локаций;
- Google Карты JavaScript API, для отображения карты региона;
- МестоположениеIQ и резервное геокодирование для преобразования адресов и почтовых индексов в координаты;
- ОпенРоутСервис, при настройке, для поддержки на маршрутах и дистанциях;
- PostgreSQL с призмой, для кэша, истории и обмена;
- Хранилище BLOB-объектов Azure, для временной загрузки файлов;
- Azure Static Web Apps, для публикации приложения;
- OpenAI API, по желанию, для обогащения рекомендаций.
Пользователю не нужно видеть всю эту сложность. Для него опыт должен показаться простым: заполните данные, запустите анализ и получите отчет.
Но за этим стоит автоматизация: валидация, нормализация, внешняя консультация, обработка ошибок, организация данных, формирование рекомендаций и подготовка макета к печати.
LGPD и забота о данных
Несмотря на то, что это образовательный проект, приложение было разработано с вниманием к конфиденциальности.
Отправка почтовых индексов клиентов не является обязательной и появляется только тогда, когда пользователь сообщает, что у него уже есть компания. Рекомендуется отправлять только почтовые индексы, без имен, номеров телефонов, адресов электронной почты, CPF или любых ненужных личных данных. Если электронная таблица содержит другие столбцы, система должна учитывать только ту информацию, которая необходима для регионального анализа.
Кроме того, файлы, отправленные на временную обработку, могут быть удалены из хранилища после анализа. Это решение усиливает важную идею: за полезные технологии тоже нужно быть ответственными.
Отчет: меньше шума, больше интерпретации
Важной частью проекта было осознание того, что хороший отчет – это не тот отчет, который содержит больше всего информации. Именно отчет помогает пользователю принять решение.
Поэтому выходные данные приложения были скорректированы, чтобы уменьшить избыточность и лучше объяснить каждый раздел. В отчете представлены:
- краткая информация по анализируемому региону;
- соответствующие конкуренты вокруг;
- барьеры и возможности чтения;
- практические рекомендации;
- карта и графики;
- Бизнес-стратегия;
- план действий;
- замечания по общественным источникам и ограничениям.
Если пользователь не отправляет почтовые индексы клиентов, приложение не выполняет принудительного анализа близости или района расположения клиентов. В этом случае основное внимание уделяется тому, что действительно существует: конкурентам и рыночным сигналам вокруг информированного местоположения.
Этот выбор важен, поскольку позволяет избежать путаницы между конкуренцией и клиентской базой. Данные следует использовать только тогда, когда они представляют то, что они представляют.
Самое большое обучение
Этот проект показывает, что развитие обучения и искусственного интеллекта не означает запоминание инструментов. Это означает понимание того, как превратить потребность в решение.
Что касается разработки, необходимо было подумать об интерфейсе, проверке, оперативности, серверной части, базе данных, развертывании, печати и обслуживании.
Что касается искусственного интеллекта, необходимо было подумать о контексте, качестве данных, подсказках, API, ограничениях, стоимости и ответственности.
В конце концов, инструмент является мостом между двумя курсами:
- o Разработчик приложений проявляется в построении опыта, в логике системы и в доставке функционального приложения;
- ход Искусственный интеллект Это проявляется в использовании данных, API, контекста и рекомендаций с помощью ИИ.
Результатом является образовательное приложение, открытое для изучения, адаптации и совершенствования.
Ссылки на проекты
- Опубликованное приложение: https://gray-glacier-0dc52610f.7.azurestaticapps.net/
- Репозиторий в GitHub: https://github.com/ussantos/inteligencia-de-mercado
- Курс для разработчиков приложений: https://www.myrobotbarra.com.br/app-developer.html
- Курс искусственного интеллекта: https://www.myrobotbarra.com.br/inteligencia-artificial.html
Заключительное наблюдение
Этот проект носит образовательный характер. Он не заменяет профессиональный анализ, юридическую, бухгалтерскую, трудовую, налоговую, техническую проверку или проверку защиты данных. Любая организация, желающая использовать, адаптировать или развернуть приложение, должна проанализировать код, конфигурации, источники данных, затраты на API и соответствующие обязанности.
Однако в качестве учебного упражнения оно демонстрирует нечто мощное: когда разработка приложений и искусственный интеллект преподаются на практике, студенты перестают быть просто пользователями технологий и начинают понимать, как цифровые решения проектируются, создаются, тестируются и публикуются.
Курсы, которые появляются в этом проекте
Этот пример связывает разработку приложений, искусственный интеллект, данные, API и веб-публикацию. Таким образом, он напрямую обращается к двум трекам из My Robot Barra da Tijuca.
APP Developer
Для молодых людей, которые хотят создавать приложения, интерфейсы, логику в Python и цифровые решения с началом, серединой и доставкой.
Откройте для себя курс
Искусственный интеллект
Для подростков, чтобы изучить генеративный искусственный интеллект, данные, API, контекст и создавать решения с критическим мышлением.
Откройте для себя курсДоступ к демо-версии и коду
Проект опубликован для тестирования, а также его можно изучить в репозитории по адресу GitHub.
Хотите ли вы увидеть такое применение технологий?
В My Robot Barra da Tijuca такие курсы, как APP Developer и «Искусственный интеллект», помогают подросткам понять, как проектируются, создаются, тестируются и публикуются цифровые решения.