许多工伤不是一夜之间发生的。它们在长时间的重复有害运动中缓慢发育，最终导致身体损伤，在最坏的情况下，可能是不可挽回的。StrongArm科技公司正在用可穿戴设备解决这个问题，这些设备可以跟踪佩戴者的日常运动和活动以及周围环境。通过Databricks，他们能够吸收大量的实时物联网数据，进行机器学习，提供专有的安全评分和活动分类，以预测风险，从而创造一个更智能、更安全的环境:StrongArm已经能够将工业工作场所伤害率降低一半以上，并为客户及其客户的员工节省数百万美元的健康和保险成本。
工伤是一个大问题，不仅对雇主，而且对必须首当其冲承担医疗费用的雇员来说，都可能产生重大的成本影响。
“下背部受伤是工业工作场所最常见的伤害类型。每当一名工人受伤，医疗费用通常超过65,000美元，”StrongArm Technologies的首席信息官Bryant Eadon解释道。
StrongArm的目标是获取每个相关的数据点——每人每天大约120万个数据点——来预测伤害，防止这些失控的成本发生。由于实时流动的大量时间序列数据，他们努力构建可靠且性能良好的ETL管道，以满足数据科学需求。维护基础设施也需要大量资源，通常需要花费整整一周的时间来提供足够稳定的集群来处理工作负载。
从数据科学的角度来看，从一台笔记本电脑上工作被证明限制了他们有效执行临时查询的能力，并且无法针对整个数据集训练他们的模型。
在不同的数据团队中，系统和人员之间的协作具有挑战性。数据专业人员已经在与协作作斗争，因为团队通常是孤立的，他们的工作在历史上较少涉及交叉授粉，更多的是关于紧迫性，但如果没有正确的工具来促进所需的团队合作，这只会加剧情况。
有了Databricks统一的数据分析平台，迭代和协作不再是问题，因为数据工程、数据科bob体育客户端下载学和分析师能够更轻松地一起处理数据。
Delta Lake解决了他们的数据可靠性问题，使他们能够轻松地从各种来源获取实时物联网数据。随着数据管道无缝地流向数据科学团队，数据科学团队能够更容易地使用机器学习进行创新。MLflow简化了整个机器学习生命周期，以确保将最佳模型投入生产。
“在Databricks之前，我没有办法组织我的数据科学研究项目。如果我有一个模型，并迭代20次，我就会忘记我的第一个模型的结果是什么，所以我必须深入研究这么多，”StrongArm的数据科学家Siva Bommireddy说。“MLflow使这更容易管理，并解决了数据科学的迭代本质。”
从整个组织的数据统一中受益的最后一个群体是分析师团队。Matt补充道，能够为非技术团队创造结果是非常令人满意的。他说:“实际上，我可以在15分钟内提供对所有团队都有意义的结果，无论是否与数据相关。”“Databricks已经解决了很多数据用例。”
StrongArm现在能够从他们的传感器数据中解锁洞察，将其转化为客户可以采用的新策略，以潜在地改善工作场所安全和员工的生计。
在对财富100强最大的客户之一进行深入分析后，StrongArm测量出工伤减少了60%，总节省了5,347,368美元，投资回报率为355%。与此同时，StrongArm能够将评估损伤风险的误差幅度从23%降低到5%，提高了78%。
“我们的职责是保护‘工业运动员’。Eadon解释道。“Databricks让我们能够释放数据和机器学习的力量，帮助工作场所变得更安全、更高效，为我们日常生活中所依赖的数万名产业工人提供更好的环境。”
来见见Strongarm Tech背后的伟大数据团队
Databricks极大地改善了我们跨职能数据团队的协作，使我们能够共同致力于新的数据驱动创新，以改善工作场所安全。”
——Bryant Eadon, StrongArm Technologies的首席信息官
