«30 секунд – это много». Как изменят сервис такси Big Data

Но геопозиционирование, сбор и анализ больших данных изменили рынок. Водители стали быстрее находить заказы, а пассажиры — меньше ждать подачи машины. В результате поездки стали доступнее.

Мы постоянно анализируем большие данные и ищем закономерности, чтобы сокращать время подачи. Например, клиенту может показаться, что 30 секунд — ничто, но в масштабах сервиса такси — это много. Если мы говорим о 300 тысячах заказов с таким показателем в месяц, то это 150 тысяч минут. Делим на 60 и получаем 2,5 тысячи часов, или 312 рабочих дней. Вот сколько времени и ресурса мы можем сэкономить! Каждая секунда имеет значение.

Кейсы: как большие данные делают такси лучше

Ситуация 1

Представьте: мы неправильно определили сторону улицы. Водителю придется разворачиваться. Мы указали, что подача машины займет 4 мин. Но реально он приедет через 8 мин. 

При этом есть водитель, который находится на нужной стороне улицы в это время. Но из-за ошибки мы не отдали заказ ему. Он проехал мимо. Наша задача — предотвратить такую ситуацию в будущем. Большие данные помогают исправлять эти ошибки благодаря анализу.

Ситуация 2

2 клиента находятся на расстоянии 500 м друг от друга. Оба вызвали такси через приложение с разницей в одну секунду. При этом первый едет один, а второй — с ребенком. Ближайшее такси прибывает с детским автокреслом. Но оно заберет пассажира без ребенка, потому что тот сделал заказ на секунду раньше. А второй будет еще долго ждать, пока доберется подходящая машина.

Логичнее было бы отдать ближайшее такси с детским креслом пассажиру с ребенком, потому что такси без кресел больше и первый пассажир ждал бы недолго. Чтобы это предотвратить в будущем, мы объединяем заказы и группируем их патчами. В течение 30 секунд обрабатываем их как группу заказов в районе. При таком условии быстро уедут оба клиента — и с креслом, и без. Время подачи изменилось бы несильно. Технологические новшества позволяют такси выполнять больше заказов и обеспечивать работой больше машин, уменьшая время простоя.

Big Data и пробки

Благодаря большим данным мы лучше прогнозируем пробки. Чем больше водителей посылает телеметрию, тем точнее прогноз. У нас постоянно едет 500-600 машин онлайн, которые передают скорость и передвижение по дорогам в Минске. Это дает нам возможность лучше предсказывать время подачи автомобиля и завершения заказа. 

Чем точнее мы понимаем, когда водитель выполнит заказ, тем легче принимать решение, стоит ли отдавать заказ по цепочке. Так мы избавляем клиента от необходимости ждать такси 15-20 мин, как раньше.

Про сложности в обработке больших данных

Основная проблема с данными — их становится очень много. При работе с ними легко запутаться. Ты начинаешь погружаться в инсайты, пытаешься найти корреляции и не всегда понимаешь, как их применить. Это не всегда самые простые челленджи.

Например, есть данные о положении дверей — открыто-закрыто. Сложно сразу понять, что с этим делать. Надо приложить много усилий, чтобы понять, как это применить. То же самое с включением дворников и торможением. Но потом приходит инсайт — и ты понимаешь, что даже с помощью одного параметра ты можешь прогнозировать пробки, определять сторону улицы или предсказывать траекторию движения машины. А датчик дворников и их скорость помогают понять интенсивность осадков в определенной части города и, соответственно, предугадать повышение спроса на такси.

У Big Data также есть понятие инертности. Зачастую большие данные плохо реагируют на изменение реалий. Если есть некая сезонность на протяжении 5 лет и приходит пандемия, которая все ломает, машинному обучению и большим данным сложно быстро перестроиться. Изменения выпадают из паттерна.

Как Big Data изменит перевозки в будущем?

Сначала были рации, потом пришли технологии геопозиционирования и мобильный интернет. Произошел огромный скачок в развитии сервиса такси и доступности услуги. Следующим гигантским рывком в отрасли будут Self-Driving Cars. Благодаря им машины станут эксплуатироваться на 100%. Они будут ездить без остановки и постоянно перевозить людей.

Сейчас мы мыслим масштабами маршрутизации улиц. Но Self-Driving Cars понадобится больше точных данных: сколько полос на дороге, с какой полосы можно повернуть налево и в какой полосе находится сама машина. Будет расти гранулярность данных. Важно будет все — даже момент включения дворников. Неочевидная, на первый взгляд, информация поможет делать более точные прогнозы. Тот, кто ей будет владеть, сможет двигать рынок.