当前位置: 首页 > 科技赋能

Jawbone数据总监独家专访!讨论可穿戴计算和分析洞察技术的未来

时间:2024-05-22 11:23:01 科技赋能

Jawbone 是最著名的可穿戴设备公司之一。

他们的最新产品 Jawbone UP3 是市场上最先进的健身追踪设备之一。

在此基础上,Jawbone 首席执行官最近宣布,该公司不仅将自己视为一家硬件公司,而且还将其视为一家软件和数据公司。

Jawbone 数据科学和分析总监 Brian Wilt 最近在 QCon SF 活动上谈到了数据科学和机器学习技术如何帮助公司塑造更成功的产品。

演讲结束后,我们询问了他对可穿戴设备的看法以及Jawbone未来的发展方向。

InfoQ:健康追踪设备领域已经取得了长足的进步,从简单地计算步数发展到记录各种指标。

对于在该领域使用更广泛的传感器并从现有数据中获得更深入的见解,您有什么想法吗?布莱恩·威尔特:这是一个很好的问题。

Jawbone 注重体验。

例如,我们想要更好地了解心脏病患者的健康状况,而不是因为有锤子而去寻找钉子。

新传感器与新模型一样重要,是对这种体验的有效补充。

InfoQ:那么您认为此类跟踪设备生成的原始数据比压缩和转换更有价值吗?比如UP3的数据压缩后会不会丢失一些信息? Brian:是的,未压缩的原始数据在某些情况下更有用,例如在开发和开放探索期间,以更好地理解整个数据管道。

然而,在电量有限的正常使用环境下,为了延长电池寿命并减少业务延迟对用户体验的影响,必须尽量减少需要传输的数据量。

因此,从原始电压信息到传感器数据再到“数字化”步骤,我们在固件、应用程序、服务器等中部署的所有数据产品只需要使用适量的数据即可。

在决定在整个堆栈中部署数据产品的位置时,还有许多其他问题需要考虑(例如开发/部署时间)。

我们是这样看待这个问题的。

  InfoQ:健身追踪设备在为我们提供数据和统计数据方面做得很好,但在提供可操作的见解方面却做得不够。

您认为健康追踪设备是否可以与我们生活的其他方面相结合,根据生物传感器反馈提供有关饮食模式或工作习惯的建议? Brian:是的,可穿戴设备需要的不仅仅是跟踪数据。

我们的智能教练软件提供了可行的见解,例如“您昨晚的心率很高,这可能意味着您脱水了,多喝水!”通过帮助用户在应用程序内设定目标并做出承诺(Jawbone 称之为“Today I Will”),我们发现此功能对用户的健康产生了巨大的影响。

在我们进行的一项试验中,一组人收到早上提醒,承诺提前 23 分钟上床睡觉,他们实现这一目标的可能性提高了 72%。

谷歌和 Facebook 使用与我们类似的技术来鼓励用户点击广告来改善他们的健康。

这就是数据的力量。

InfoQ:如此大规模的睡眠研究,而且还足够具体,能够为每个用户提供建议,正如您在演讲中提到的金州勇士队球员安德烈·伊戈达拉,这在很多年以来都是难以想象的。

我们对睡眠数据的未来有何期待?布莱恩:安德烈·伊戈达拉的研究对我们非常有启发,因为统计数据和数据之间的关系很容易量化。

我们坚信,通过了解服务中收集的睡眠数据,我们可以更好地改善我们的健康。

数以千万计的美国人患有睡眠呼吸暂停,但大多数病例从未被诊断出来。

在研究睡眠问题方面,可穿戴设备无疑具有价值。

也许未来可以诊断和控制许多慢性疾病。

InfoQ:您认为有必要让医生参与对健康跟踪设备收集的数据的分析吗?一些患者已经向医生提供了他们的健康数据,但大多数时候医生并不关心这类数据。

我们将来能否汇总这些数据以获得见解并使其对医生有用?布莱恩:肯定有一天。

我们的目标之一是准确估计健康状况的高级指标。

比如,不仅要统计步数,还要计算卡路里消耗;不仅可以记录入睡和醒来的时间,还可以统计深度睡眠和快速动眼睡眠的时长。

当然,我们最大的目标是有一天能够将指标测量与行为变化结合起来,预测和控制心脏病、糖尿病、精神问题和其他疾病。

它还具有巨大的经济效益:健康和减肥是价值数十亿美元的市场,而医疗保健则代表着价值数万亿美元的机会。

InfoQ:正如您所说,数据科学对于不同的公司来说有着不同程度的不同含义。

您是否认为将数据的解释和理解与预测分析结合起来可以使不同规模的团队在最基本的层面上不同程度地解决相同的问题? Brian:数据科学工作在很多方面都很有用。

我最近最喜欢的一篇文章描述了 Twitter 数据科学技术的演变,他们在公司的不同级别聘用了非常专业的角色(分析师、开发人员)。

统计和机器学习技术在预测分析领域早已流行,但数据科学技术最令人兴奋的是它们可以直接与大数据等技术结合,直接集成到你的产品中,从而改变整个市场结构,比如 Google 的 PageRank(网页排名算法)、Facebook 的 News Feed(新闻源)、LinkedIn 的 People You May Know(你可能认识的人)等。

InfoQ:Jawbone 目前在做的还有其他很酷的项目吗?机器学习领域? Brian:Jawbone 机器学习的两个最重要的用例是从原始传感器数据到步数等健康指标的“模数转换”,以及了解不同健康指标之间的关系(例如睡眠质量和睡眠质量之间的关系)。

心率、睡眠和能量水平)。

我们永远欢迎那些愿意接受挑战的人。