rockaway Hackathon 2017

IBM Cloud

Vyzýváme české vývojářské týmy. Vemte notebooky, a nažhavte procesory i mozkové závity. Dostanete 24 hodin.
Vítěz bere vše – konkrétně 100 000 Kč.

Za použití IBM Cloud vyřešíte problém z oblasti ecommerce.
Vaše řešení musí být jednoduché, efektivní a hlavně funkční – tak, abychom ho mohli zapojit do infrastruktury Mall Group. Po celou dobu budou k dispozici zkušení mentoři, kteří vám pomůžou vytlouct z vašeho týmu i technologií maximum.
A na vítěze čeká 100 000 Kč.

Kde se potkáme

Hackathon Praha

1. – 2. prosince 2017
IMPACT HUB Praha
Drtinova 10
Registrací souhlasíte s podmínkami
soutěže. Najdete je níže v FAQ.
Událost

Jdete do toho?

Zaregistrovat tým

Nějaké otázky?

Přejít na FAQ

Program

Časy jsou orientační. Čím rychleji se nám povede sfouknout organizační věci, tím víc času na hackování bude.

Pátek

17:30 – 18:00Registrace
18:00 – 18:30O čem to celé bude
18:30 – 18:45Těm, co nemají tým, ho pomůžeme vytvořit
18:45 – 19:00Kontrola, že všichni ví co a jak dělat
19:00 – 22:00Hacking
22:00 - 22:30Pauza na pozdní večeři
22:30 a dálHacking

Sobota

08:00 – 08:30Pauza na snídani
08:30 – 09:00Rozcvička
09:00 – 10:30Hacking
10:30 – 11:00Coffeebreak
11:00 – 13:00Hacking
13:00 – 14:00Pauza na oběd
14:00 – 17:00Hacking
17:00 – 17:30Coffeebreak
17:30 – 21:30Hacking
21:30 – 22:00Prezentace a vyhlášení vítězů

Témata

Po mnoha úvahách jsme vybrali 4 témata, která nám pro hackathon přišla nejvhodnější. Na první pohled sice můžou vypadat jednoduše, jenže my hledáme skvělá a dokonalá řešení, která můžeme použít.
Na své si přijdou programátoři, ale i dataři, vývojáři mobilních aplikací a produkťáci.

Anomaly detection

O co jde:
Dostanete k dispozici data z Google Analytics (nástroj na trackování chovaní uživatelů na webu, kterýumožní ukázat např. počet transakcí za dané období za sessions uživatelů, kteří přišli na náš web z Heureka.cz). Vaším cílem je vyvinout aplikaci (skript/webapp/jupyter notebook/…), která umožní analytikovi automaticky detekovat zvláštnosti (události) v těchto datech.
Protože tato data mají více metrik i attributů, je třeba reportovat detekovanou událost vždy vzhledem ke konkrétnímu datovému řezu (tj. specifické kombinaci metriky, attributů a granularity).

Zde je pro příklad pár typů událostí, které by mohly uživatele zajímat:
* extremální hodnoty
* významné změny trendu
* neočekávaná monotonie (např. pozvolný pokles na řezu, kde je typicky volatilita)
* změna vazby vzhledem k jinému řezu

Jaké metriky nás zajímají:
* Number of transactions
* Revenue (tj. hodnota transakcí v CZK)
* Conversion Rate
* Add2cart CR (kolik procent zákazníků projde z product detail view do košíku)
* Cart through rate (kolik procent zákazníků projde košíkem k thank-you page)
* Number of sessions

Definition of done:

Must have features:
* většina (ideálně všechny) událostí by měla být vyčíslitelná primo v penězích
* uživatel by měl mít možnost nastavit oblast, kde chce anomálie hledat
* vzájemná prioritizace detekovaných události – ukazuji nejzásadnější problémy nahoře
* události se ukazují na úrovni granularity dne/týdne/měsíce/roku

Nice to have features:
* výstupy je možné exportovat (csv, save plot)
* uživatel parametrizuje v kódu přísnost jednotlivých modulů (např. pval/std u detekce anomálií)

Proč realizovat? Aktuální problém:
Máme spousty dat, které nestačíme procházet a reportovat standardními tooly typu Tableau, GoodData a víme, že naší pozornosti uniká spousta zajímavých událostí, jejichž znalost nám ušetří spoustu nákladů. Chceme tool, který za nás bude část takových událostí sám vyhledávat a upozorňovat na ně.

Přínos e-shop:
Šetření nákladů díky včasné intervenci vyhledem ke kritickým událostem.

Data a vstupy:
Data frame z Google Analytics

Garant:
Viktor Šohájek

Visual search

O co jde:
Zákazníkovi chceme ulehčit hledání produktů tím, že si prostřednictvím mobilního telefonu vyfotí produkt, a následně se mu zobrazí stejné nebo podobné produkty.
Zákazník například vyfotí kávovar. Visual search z obrázku správně rozpozná, že se jedná o kávovar. Dále určí, že se jedná o kapslový kávovar, černé barvy, typ Nespresso. Zákazníkovi ukáže stránku s kávovary, kde jsou vyfiltrované pouze černé kapslové kávovary Nespresso.
Řešení bude dostupné pouze na tabletech a mobilních telefonech.

Proč realizovat? Aktuální problém:
Zákazník často nedokáže správně pojmenovat určitý druh zboží (např. hoverboardy, eliptické trenažéry, sporttestery, …), které chce najít. Případně dokáže daný druh produktu pojmenovat, ale pro správné vyhledání musí zadat velké množství parametrů produktu (např. dámské kožené kotníkové boty Addidas, černá barva), což je pro něj obtěžující.

Přínos pro zákazníka:
Rychlejší a jednodušší vyhledávání produktů a jejich následný výběr.

Přínos e-shop:
Zvýšení objemu objednávek.

Data a vstupy:
Neuronová síť rozpoznávající obecné entity na obrázku (IBM řešení). Databáze produktů na Mall.cz (XML produktový feed).

Proč si vybrat téma:
Strojové učení umožňuje snadné rozpoznání entit v obrázcích, a tak je mnoho subjektů začíná zapojovat do svých řešení a reálně je začíná využívat v praxi. Řešitelé si mohou vyzkoušet práci s vizuální informací. Téma je zaměřeno na lidi, kteří rádi vytváří řešení pro koncového uživatele.

Garant:
Roman Dušek, Michal Moravec

Tip na lepší výrobek

O co jde:
Zákazník se rozhodne koupit si nějaké zboží a netuší, že kdyby si trochu připlatil, mohl by si koupit lepší zboží. Smyslem této úlohy je, nabídnout zákazníkovi alternativní produkt pro právě prohlížený, včetně jasné deklarace, o kolik si musí zákazník připlatit a co získá. Zákazník si například vybere LCD televizi a my jej upozorníme, že pokud si připlatí o 500 Kč více, získá stejnou televizi včetně zabudovaného DVD přehrávače. Je potřeba analyzovat atributy a vlastnosti produktů, ty porovnat (určité bude potřeba zafixovat, jako například, když si klient vybere boty velikosti 44, nebudeme mu již nabízet jiné velikosti) a doporučit výhodnější / zajímavější produkt. Následné doporučování výhodných alternativ může mít několik variant jako např.: za stejnou cenu, lepší produkt, nebo připlaťte si 500 Kč, máte o 10cm větší televizi, nebo stejný/podobný produkt za nižší cenu, atd.

Proč realizovat? Aktuální problém:
Zákazník si vybere produkt a neví, že může mít za podobné peníze lepší variantu nebo produkt včetně příslušenství.

Přínos pro zákazníka:
Získá lepší produkt, než který si sám vybral, jednodušší porovnání produktů a jejich výběr.

Přínos pro e-shop:
Zvýšení tržeb a hodnoty objednávky.

Data a vstupy:
Databáze produktů na Mall.cz (XML produktový feed).

Proč si vybrat téma:
Jedná se o unikátní funkci na e-shopu, kde na základě analýzy atributů a vlastností zboží budeme schopni klientovi nabídnout výhodnější produkty / varianty.

Garant:
Petr Němeček

User profiling

O co jde:
Při řazení produktů v jednotlivých kategoriích se aktuálně neberou v potaz žádné uživatelské preference. Všichni zákazníci vidí vždy stejné výsledky bez ohledu na to, jaké značky a cenové hladiny upřednostňují či jaké nákupy dříve realizovali. Cílem je zapojit do řazení produktů informace o uživatelských preferencích a tím doručit uživateli na prvním místě takové produkty, které očekává a je ochoten je zakoupit.
Pokud například zákazník vyhledá na mall.cz „notebooky“ a my víme, že upřednostňuje notebooky od Lenovo a zároveň víme, že za elektroniku „moc neutrácí“, tak mu upřednostníme notebooky od Lenovo v ceně od 15 do 20tis Kč.
Pokud zákazník vybírá na mall.cz oblečení, můžeme upřednostnit například preferované velikosti, styl či barvy.
Cílem této úlohy je vybudovat profil uživatele, který bude následně využit ve vyhledávání. Na vytvoření profilu jsou použita anonymizovaná data daného uživatele.

Proč realizovat? Aktuální problém:
Našim cílem je, aby zákazník viděl na prvních pozicích vždy to zboží, které je pro něj relevantní. Stále více zákazníků využívá pro své nákupy mobilní telefony, kde je procházení méně relevantních produktů obtěžující a využívání filtrů náročnější. Pokud navíc uživatel nakupuje v dané kategorii pravidelně, nechce opakovaně zadávat stejné hodnoty.

Přínos pro zákazníka:
Na prvních pozicích výsledků uvidí jím preferované produkty. Nemusí se probírat množstvím méně zajímavých produktů. Není nucen zbytečně používat filtry k dalšímu omezení množství produktů.

Přínos e-shop:
Zvýšení objemu objednávek.

Data a vstupy:
Data zachycující anonymizované uživatelské chování na webu (hledané dotazy, realizované nákupy, …)

Garant:
Roman Dušek

Mentoři

Extrémně zkušení mentoři vám budou k dispozici celých 24 hodin.

Radko Sekerka

Radko Sekerka

Head of Product @ Mall Group

Přišel z AVG, kde řídil online sales a monetizaci. Díky správné strategii dokázal masivně rozhýbat prodeje napříč trhy, především v USA. V MALL GROUP je jeho úkolem zdokonalovat produkt tak, aby fungoval a stále rostl.

Petr Němeček

Petr Němeček

Head of Product Management @ Mall Group

Petr vystudoval FIT VUT v Brně, pracoval v AVG na různých pozicích od testera, přes analytika, až po Product Managera AVG Antiviru. Odtud přešel do MallGroup, kde zastává roli Head of Product Management. Je součástí centralního produktového týmu, který definuje rozvoj e-shopů skupiny. Petr má na starosti prioritizaci a cross-priorizaci produktových roadmap eshopu Mall pro všechny země, kde Mall prodává.

Roman Dušek

Roman Dušek

Head of Search @ Mall Group

Pracoval jako databázový specialista ve startupech. Rozvíjel v roli produkťáka vyhledávání v Seznam.cz. Zabýval se automatickým zjišťováním uživatelské spokojenosti, analýzou informačních potřeb a vertikálním vyhledáváním ve strukturovaných a semistrukturovaných datech. Několik let vedl v Seznam.cz celý tým vyhledávání. Teď pracuje v Mall Group, kde má na starosti vyhledávač produktů.

Michal Moravec

Michal Moravec

Product Manager @ Mall Group

Dlouhodobě pracuje v oblasti online projektů. Dříve se staral o online projekty v bankovním sektoru. Nyní v MallGroup řídí projekty ve spolupráci s externími dodavateli, zabývá se oblastmi inovace, chatbot, mobilní aplikace a další.

Ilja Volf

Ilja Volf

Head of Business Intelligence @ Mall Group

Ilja v minulosti pracoval pro globální korporaci, středně velkou regionální firmu i pro startup. Řídil datové projekty, i projekty, které měnily operations napříč logistikou, výrobou, IT i e-commerce. Postavil týmy v oblastech Demand Generation, Research, BI a Analytice, Backoffice, i v technologickém vývoj. No a teď staví top class datový team pro MallGroup;)

Viktor Šohájek

Viktor Šohájek

Data Scientist @ Mall Group

Viktor vystudoval aplikovanou matematiku na ČVUT, pak pracoval jako BI developer pro E-commerce Holding + nějaké malé klienty, odkud se přesunul na pozici Data Scientist v Mall Group. Tam je součástí malého týmu, který dělá hlavně prediktivní modelování – momentálně se hodně věnují dynamic pricingu všech produktů, forecastování marketingových KPIs či vyhodnocování marketingových kampaní pomocí modelování časových řad.

Jiří Riedl

Jiří Riedl

Head of Development @ Finnology

Začal jako programátor a později jako aplikační architekt na systémech pro finanční trh. Pak sklouznul ke strategickému managementu. Když se vrátil k vedení developerů, chvilku koketoval v oblasti Telco a E-commerce, ale nakonec ho zase stáhl finanční trh. Teď pracuje ve Finnology. Jako aplikační architekt a vedoucí vývoje má na starosti architekturu řešení, která má ambice dostat se do celého světa.

Petr Stýblo

Petr Stýblo

IBM Cloud

Petr navrhuje a prodává cloudová softwarová řešení. Věnuje se převážně cloud-native aplikacím – microservices, networking, DevOps, ale často zabrousí i do IoT nebo mezi webové technologie. Vývojem software se nezabývá profesionálně, ale jako Linuxový geek ve volném čase sleduje a podporuje řadu open-source projektů a developerských komunit. V poslední době se vrhnul i na téma umělé inteligence a věří, že strojům jejich nadvládu v budoucnosti alespoň trochu zkomplikuje.

Jiří Pětník

Jiří Pětník

IBM GTS IT Specialist

Před osmi lety začal působit v IBM díky studentské stáži. Zaměřoval se na správu koncových zařízení a cloudová řešení. Momentálně pracuje v servisním oddělení a má na starosti vývoj. Účastní se projektů pro státní správu, banky i pojišťovny. Jako člen lokálního IoT/AI týmu se dlouhodobě věnuje návrhu řešení v oblasti Internetu věcí nejenom s využitím cloudové platformy IBM Bluemix a kognitivních služeb IBM Watson.

Ondřej Král

Ondřej Král

IBM Software Sales

Ondra studuje poslední ročník informatiky se zaměřením na matematickou optimalizaci na Matematicko-fyzikální fakultě Univerzity Karlovy. V IBM oddělení pro prodej analytického software pracuje s nabízenými produkty, od technického supportu přes programování po testování výkonnosti.

Tomáš Kadlec

Tomáš Kadlec

IBM Certified IT Architect

More than 20 years of experience in complex IT solutions. Practical experience with complex information systems in banking, insurance, healthcare and the public sector. He primarily performs the role of expert consultation in the pre-sales phase of the project, focusing on solutions utilizing IBM’s innovative products in the area of cognitive, cloud and mobile technologies. He has practical experience with developing mobile and web applications, iOS / Swift, Bluemix / Node.js and WebSphere / Java.

Registrace

Kromě osobní účasti alespoň jednoho člena týmu na Kick-offu je pro účast na hackathonu nutné uhradit symbolický registrační poplatek. Bereme ho jako signál, že to s účastí myslíte opravdu vážně a můžeme pro vás zajistit místo a dostatek občerstvení. Jeho výše je pouhých 200 Kč za osobu. Registrací souhlasíte s podmínkami soutěže. Najdete je níže v FAQ.

FAQ

Proč to děláme?

Baví nás problémy, které jsou na první pohled složité, ale technologie si s nimi dokázaže hravě poradit. Smyslem Rockaway Hackathonu 2017 je za použití moderních přístupů vymyslet efektivní a elegantní řešení.

Zadání proto chystáme tak, aby ukázalo na reálné a existující situace, které řeší naši zákazníci. Budeme vycházet z reálných dat, která nejsou běžně dostupná a na konci očekáváme funkční řešení – dokonce tak funkční, že ho budeme moct zapojit do infrastruktury Mall Group.

Když se nám s vítězným týmem podaří navázat dlouhodobou spolupráci, bude to pro nás třešinka na dortu.

A btw, cílem hackathonu je i ukázat velký potenciál platformy IBM Cloud.

Bude Kick-off Meeting?

Nebude. Většina účastníků se na nás obrátila s tím, že jim bohužel nesedí termín – takže ho RUŠÍME. Najdeme nějaké online řešení, na kterém vás všechny nabriefujeme na dálku.
Brzo dáme vědět.
Díky za pochopení!

S jakými technologiemi se bude pracovat?

Kód pište v čem chcete, omezení není. Protože milujeme ty nejnovější technologie, budeme pracovat s platofrmou IBM Cloud. Detaily najdete vypsané u konkrétních témat – nezapomeňte ale, že řešení musí být možné zapojit do infrastruktury Mall Group. Konkurenční cloudové služby na hackathonu nechceme vidět. 🙂

Co získají vítězné týmy?

Vítez bere vše.
Konkrétně 100 000 Kč.

Je problém, když nemám vlastní tým?

Není! Na začátku proběhne úvodní prezentace účastníků a jejich nápadů. Jako jednotlivci se pak můžete přidat k jakémukoli již existujícímu týmu, nebo si vytvořit s ostatními samostatnými jednotkami vlastní partu. Maximální počet jsou 4 mozky v jedné skupině.

Proč musím platit registrační poplatek?

Symbolický registrační poplatek je pro nás signál, že to s účastí myslíte opravdu vážně a můžeme pro vás zajistit místo a dostatek občerstvení.

Jak je to s noclehem?

V HUBU je dostatek místa – jestli plánujete spát, doporučujeme vzít s sebou deku nebo spacák.

Na něco jsme zapomněli?

Ptejte se jak je libo

2015 & 2016

S hackathony máme zkušenosti – za poslední 3 roky jsme je pořádali v Praze, Brně i v Ostravě, na AWS a Azure, a vždycky nám spadla čelist, jak skvělou atmosféru jednotlivé týmy udělaly. O jejich výsledcích ani nemluvě.

Partneři

Tito partneři nám poskytli špičkovou podporu.
Děkujeme!

Pořadatel