هر کارمند، یک متخصص داده؛ راهبرد سازمانی ویژه اوبر در حوزه کلان‌داده

پنج‌شنبه ۱۰ مرداد ۱۳۹۸ - ۱۸:۰۰
مطالعه 4 دقیقه
اوبر امروز به‌عنوان یکی از شرکت‌های بزرگ و قابل احترام دنیای فناوری شناخته می‌شود و رویکرد جالب‌توجهی در قبال استفاده از علوم داده دارد.
تبلیغات

فرانزیسکا بل مدیر بخش علوم داده‌ی اوبر از مهم‌ترین مدیران اجرایی این شرکت محسوب می‌شود. حجم عظیم داده‌های کاربران که در دسترس این غول تاکسی‌های اینترنتی قرار دارد، اهمیت پردازش و تحلیل را چندبرابر می‌کند. بل اعتقاد دارد همه‌ی کارمندان شرکت باید در روندهای اجرایی خود رویکرد و طرز تفکری شبیه به یک دانشمند علوم داده داشته باشند. بل در رویدادی به‌نام Transform 2019 از برنامه‌های خود و تیمش برای توسعه‌ی رویکرد علوم داده در میان کارمندان صحبت کرد. او می‌گوید در برنامه‌های آتی قطعا برای آسان‌تر شدن فرایندهای مرتبط با علوم داده، فعالیت‌های مهمی در اوبر رخ خواهد داد.

مدیر علوم داده‌ی بل همه‌ی تلاش خود را به کار می‌گیرد تا تیم‌های تحت مدیریت را با هم متحد کند. او نام آن‌ها را نینجاهای داده می‌گذارد. بل در همکاری با مدیران دیگر بخش‌ها اعم از مهندسی، محصول و طراحی، ابزارهایی داخلی توسعه می‌دهد تا همه‌ی نیروهای شرکت توانایی استفاده از آن‌ها را داشته باشند. ابزارهایی که درنهایت فناوری‌های به‌روز و کاربردی صنعت داده را در اختیار همه‌ی افراد شاغل در اوبر قرار خواهند داد. به‌عنوان نمونه‌ای از ابزارها و پلتفرم‌ها می‌توان به سیستم پیش‌بینی داخلی اوبر اشاره کرد که بل آن را «پلتفرم‌سازی آسان» می‌نامد.

بل درباره‌ی پلتفرم پیش‌بینی می‌گوید:

چشم‌انداز اصلی پیرامون پلتفرم پیش‌بینی، ارائه‌ی خدمات مرتبط به آسانی فشار دادن یک دکمه است. برای استفاده از ابزار مذکور نیاز  به هیچ تخصصی در پیش‌بینی نخواهد بود. کاربر تنها باید داده‌های تاریخچه‌ای را به سیستم وارد کند که به‌صورت فایل‌های CSV یا حتی یک لینک به کوئری خواهد بود. سپس اهداف و افق پیش‌بینی باید مشخص شوند. درنهایت همه‌ی فرایندها بدون نیاز به درگیری کاربر انجام می‌شود.
فرانیسکا بل - اوبر

تیم علوم داده‌ی اوبر پیش از هرگونه سرمایه‌گذاری برای پلتفرم‌سازی در شرکت، باید توجیهی برای آن‌ها ارائه کند. درنتیجه آن‌ها سه سؤال را پیش از هر سرمایه‌گذاری مطرح می‌کنند تا توجیه اقتصادی و عملیاتی آن مشخص شود. سؤال‌ها به‌صورت زیر مطرح می‌شوند:

  • آیا حوزه‌ی جدید علوم داده تأثیر مهمی روی تجربه‌ی کاربر خواهد داشت؟
  • آیا کاربردهای متنوعی برای حوزه‌ی مذکور در شرکت وجود دارد؟
  • روش‌های گوناگون و ماژول‌هایی که در حوزه‌ی جدید توسعه داده می‌شوند، چه مقدار قابلیت استفاده‌ی مجدد در موضوعات متنوع دارند؟

پیش‌بینی یکی از موضوعات کاربردی بود که ارائه‌ی آن توسط بل به تیم مدیریت، با موفقیت بالایی همراه شد. او توانست کاربردهای متنوعی را برای پلتفرم جدید توضیح دهد که از میان آن‌ها می‌توان به تنظیم روند عرضه و تقاضا، تشخیص زنده‌ی چالش‌های عملیاتی و برنامه‌ریزی ظرفیت‌های سخت‌افزاری اشاره کرد.

علوم داده به توسعه‌ی ابزارهای پیش‌بینی فرایند کمک می‌کند

بل در توضیح ایده و پیاده‌سازی پلتفرم پیش‌بینی می‌گوید: «ما قطعا تصمیم داشتیم تا تجربه‌ی کاربری عالی را به مشتریان عرضه کنیم. درنتیجه باید فاکتورهای عرضه و تقاضا را با دقت بالایی پیش‌بینی می‌کردیم.» با وجود فاکتورهای مؤثر بی‌شمار در فرایندهای اوبر و تأثیر عرضه و تقاضا روی حجم قابل‌توجهی از آن‌ها، نمی‌توان به فرایندهای انسانی و خصوصا تحلیل‌های زنده توسط نیروی انسانی اکتفا کرد.

مدیر بخش علوم داده‌ی اوبر، در ادامه‌ی صحبت‌های خود اهمیت تشخیص زنده‌ی چالش‌های عملیاتی در شرکت را شرح داد. غول تاکسی‌های اینترنتی به‌صورت مداوم صدها میلیون سیگنال عملیاتی دریافت می‌کند. سیگنال‌هایی که از سیستم‌های سمت شرکت یا آمارهای سلامت سمت بازار ارسال می‌شوند. درنهایت اوبر با بررسی سیگنال‌ها باید بداند که آیا مثلا مشکل عملیاتی مانند چالش در ورود یا ثبت‌نام در اپلیکیشن وجود دارد، یا مشکلی دیگر در بخش تجربه‌ی کاربری رخ داده است (مثلا کیفیت سفر با انتظارات کاربر هماهنگ نباشد).

اوبر

برنامه‌ریزی ظرفیت‌های سخت‌افزاری، ضلع سوم کاربرد پیش‌بینی را در اوبر شکل می‌دهد. مدیران با استفاده از پلتفرم جدید مقدار سخت‌افزار مورد نیاز کنونی و آتی را پیش‌بینی می‌کنند. بل دراین‌باره توضیح می‌دهد:

ما روزهایی با فشار عملیاتی بالا داریم که از میان آن‌ها می‌توان به جشن سال نو یا هالوین اشاره کرد. به‌علاوه روزهای پرفشار وابستگی زیادی به قرارگیری در هفته دارند. به‌هرحال پیش‌بینی صحیح به ما کمک می‌کند که تأمین سخت‌افزار بیش از نیاز نداشته باشیم چون روندی بدون توجیه اقتصادی محسوب می‌شود. به‌علاوه پیش‌بینی کمتر از نیاز نیز با استفاده از پلتفرم حذف می‌شود. کاملا روشن است که پیش‌بینی ظرفیت کمتر از نیاز، منجر به اشکالات عملیاتی در سرویس‌ها و در نهایت نارضایتی مشتری‌ها و راننده‌ها خواهد شد.

بل در پایان صحبت‌های خود به توسعه‌ی ابزاری کاملا خودکار در اوبر اشاره می‌کند. او درباره‌ی کاربردهای ابزار جدید می‌گوید:

افراد تنها باید فهرستی از فاکتورهای مرتبط با کسب‌وکار را برای ما ارسال کنند که نیاز به ردگیری آن‌ها دارند. فاکتورهای مرتبط با بخش پشتیبانی هم در ابزار پذیرفته می‌شوند. سپس فاکتورهای آن‌ها به‌صورت خودکار به‌عنوان مرزهای سیستم تعیین می‌شوند و اطلاعات به‌صورت به‌روز در اختیارشان قرار می‌گیرد.
تبلیغات
داغ‌ترین مطالب روز

نظرات

تبلیغات