پیش‌بینی داده‌ها ، شاخه ای کاربردی برای شرکت اوبر

شرکت اوبر این روزها از متد پیش بینی داده ها یا پیش‌بینی  از طریق علم داده‌ها  برای مدیریت تولید محصولات و ارائه سرویس‌های بهتر، زیاد استفاده می‌کند.

در سال‌های اخیر، تکنولوژی‌های یادگیری ماشینی، یادگیری عمیق و برنامه ریزی بر اساس اصول علم احتمال، توانسته دستاوردهای بسیار موفقی در زمینه پیش‌بینی داده‌ها ارائه کند. اوبر، علاوه بر استفاده از الگوریتم‌های آماری استاندارد، امکانات پیش بینی مختلفی تولید می کند که از تکنیک‌های متنوعی بهره می‌برند.

پیش بینی‌های استراتژیک در مواردی مانند گمانه زدن درباره درآمد، تولید محصول و میزان خرج و مخارج به کار می‌آید. شرکت‌های مختلف با استفاده از شیوه‌های پیش‌بینی، می‌توانند دریابند که محصولات خود را باید دقیقا تا چه اندازه‌ای تولید کنند و یا اینکه مثلا در بخش‌های مختلف چه تعداد کارمند مورد نیاز است.

Franziska Bell، مدیر بخش علم داده‌های شرکت اوبر است.  وی از تمام کارمندان این شرکت درخواست کرده که اطلاعات بیشتری درباره «علم داده‌ها» کسب کنند. Bell معتقد است:« ما با دسترسی به تخصص در زمینه علوم داده‌ها می‌توانیم ارائه خدمات را ساده‌تر و با نتایج مطلوب‌تر تجربه کنیم .»

خانم بل، تیمی را در شرکت اوبر مدیریت می‌کند که همه اعضای آن قابلیت‌هایی در زمینه‌های مهندسی، طراحی و تولید محصولات دارند. این تیم در زمینه توسعه پلت‌فرم‌های Forecast یا پیش بینی داده ها نیز فعالیت دارد. اوبر با کمک ابزارها و پلت‌فرم‌هایی که این تیم ارائه می‌کنند، قصد دارد تا خدمات بهتری برای مشتریان ارائه کرده و همچنین به کارمندان بخش‌های مختلف خود نیز کمک کند تا دید بازتری نسبت نتیجه کار خود داشته باشند.

مرتبط: اوبر به زودی پلتفرم خود را به روی توسعه دهندگان باز می‌کند

خانم بل می‌گوید:« ایده بزرگی که هدف ماست ایجاد یک پلت فرم پیش‌بینی کننده است که کاربرد راحتی داشته باشد. البته تخصص خاصی در زمینه این مدل پیش‌بینی نیاز نیست. تنها چیزی که نیاز داریم، داده‌های ورودی است که توسط کاربر ارائه می‌شود. همچنین باید دورنمایی نیز برای پیش‌بینی خود داشته باشید، مثلا اینکه قرار است تا چه زمانی را پیش بینی کنیم.»

خانم بل قبل از استفاده از این پلت فرم، جواب به سه سوال را ضروری می داند تا مشخص شود که انجام هرگونه سرمایه گذاری در هر قسمتی، ارزش دارد یا خیر. سوال شماره یک: آیا این حیطه، می‌تواند به افزایش کیفیت تجربه کاربران کمک کند؟ سوال شماره دو: آیا حیطه مدنظر، موارد مصرف دیگری نیز در شرکت دارد؟  و سوال سوم: روش‌ها و مدل‌های مورد استفاده، چه میزان قابل استفاده دوباره هستند.

بل توانست مِتد خود را در حوزه‌هایی مانند عرضه و تقاضا، تشخیص نقاط ضعف و برنامه ریزی ظرفتیت‌های سخت افزاری، به کار ببند و نتایج خوبی هم دریافت می کند.

بل توضیح می‌دهد:« ارائه تجربه‌های مثبت‌تر برای کاربر، در اولویت ماست و برای رسیدن به این هدف، باید بتوانیم کاملا صحیح، معیارهای عرضه و تقاضا را پیش‌بینی کنیم. »

تشخیص نقاط ضعف و موارد مشکل زا در کسب و کار شرکتی مانند اوبر، بسیار حیاتی است. این شرکت مدام باید در تلاش باشد که اپلیکیشن برنامه درست کار کند و سفرهای مسافران با مشکلی روبرو نشود.

برنامه ریزی ظرفیت سخت افزاری نیز، یکی از پایه‌ای‌ترین مراحل فرآیند پیش‌بینی با علم داده ها است. با استفاده از این پلت فرم‌های پیش‌بینی کننده، نظارت دقیق به روی میزان خرید سخت افزارها ممکن می‌شود. خانم بل توضیح می‌دهد:« میزان تقاضا، در کسب و کار ما گاهی اوقات بسیار بالاست و ما نیز شرکت نسبتا جدیدی هستم. دسترسی به یک پلت فرم پیش بینی کننده و تخصصی در این زمینه می‌تواند به ما بسیار کمک می‌کند. این دستاورد به ما کمک می‌کند که درصد اشتباه و خطای کمتری داشته باشیم.»

منبع