Под капотом Яндекс.Такси

В 2016 году я был свидетелем следующей ситуации. Наш руководитель службы поддержки пришел к (тогда ещё CMO) Дане Шулейко и говорит: "Если мы продолжим расти в том же духе, то за следующие полгода мне нужно будет нанять 100 агентов поддержки – подтверди бюджет на найм". Даня подумал и ответил, что, пожалуй, подтвердит найм 5 человек: 4 инженеров и 1 проджект-менеджера, – а SLA остаются прежними. Так мы вступили на путь автоматизации рутинной работы.В 2018 году, когда первые низковисящие фрукты оптимизации были уже сняты, мы начали использовать машинное обучение в этих задачах.На сегодняшний день в Яндекс.Такси:– 83% сообщений на первой линии поддержки разбирается роботом,– 93% проверок биометрии водителей осуществляетcя алгоритмом полностью автоматически,– 32% проверок фотографий автомобилей обрабатывается с помощью ML.ML читает чаты между пользователем и водителем, слушает звонки, проверяет брендинг с камер, распознает усталых и отвлекшихся водителей и многое многое другое.Если вы хотите так же, подключайтесь на бесплатную онлайн–конференцию DataStart, которая состоится 30 июня, – на ней будет делиться опытом непревзойдённая Таня Савельева, руководитель команды анализа неструктурированных данных.https://datastart.ru/online-summer-2020/?utm_source=yataxi&utm_medium=cpc&utm_campaign=speaker

Две мысли:1. Иногда продавать что-то за 0 рублей может быть выгодно.2. Вот вам отличный пример, как аналитики, умеющие глубоко копать, помогли принять верное решение, в то время как неверное решение лежало на поверхности и манило своей простотой.Коллеги из Яндекс.Драйва поделились внутренней кухней бесплатного тарифа. Его иногда можно увидеть в местах скопления свободных машин.P. S. Научный подход в ценообразовании - это то, что делает одни компании на нашем рынке эффективнее других. Очень круто, что Драйв делится наружу подобными результатами.https://zen.yandex.ru/media/id/5d1b6d4f45e5d100aea5df16/bezumcy-vseh-umnei-kak-analitika-vyvozit-mashiny-5ed7748a2884893419ed861b

Беспилотные автомобили – будущее, к которому мы можем прикоснуться уже сейчас, достаточно пару минут постоять на тротуаре вдоль Комсомольского проспекта в Хамовниках. Пассажиров они пока не возят, но вполне себе объезжают полуостров в беспилотном режиме под присмотром специально подготовленного водителя.18 мая в 20:00 у вас будет возможность позадавать вопросы про беспилотники и науку, с этим связанную, Боре Янгелю. Боря – инженер-исследователь, между работой в Яндексе успел поработать в Microsoft. В Яндексе работал над "мозгами" Алисы, а сегодня занимается алгоритмами предсказания дорожной обстановки для беспилотников.Ребята из ruvds организуют прямой эффир с сессией вопросов и ответов. Эфир будет в их инстаграмме. Видео трансляции так же выложат на YouTube.P.S. На фото - Боря. Он увлекается парашютным спортом.Подробности по ссылке:https://ruvds.timepad.ru/event/1313474/

Мы в Такси подходим к отчетности как продукту. Каждый отчет должен помогать принимать решения и отвечать на вопросы. И, начиная проектировать дашборд, мы в первую очередь думаем над сценариями его использования. И когда нибудь мы подробно расскажем об этом =) А сегодняший пост немного уже.Пару лет назад мы начали использовать для репортинга Tableau. Сегодня это портал, в котором создают отчеты >140 аналитиков. За 2 года опубликовано 1368 дашбордов. Чтобы эти отчеты выглядели приятно и, что более важно, с бесшовным UX для потребителей, мы сделали гайдбук по проектированию отчетов. На вчерашнем Moscow Russia Tableau User Group Рома Бунин, руководитель команды визуализации данных, поделился деталями.Выступление техническое и будет в большей степени интересно тем, кто уже использует Tableau, – и решает похожую задачу в своей компании.P.S. А ещё Рома ведёт классный блог и одноименный канал про визуализацию данных @revealthedatahttps://youtu.be/BYo6AhRRAaE?t=4289

ML Party 🤖 12 мая в 18:00 пройдет очередной онлайн-митап ML Party. В программе выступления про новые возможности CatBoost и про то, как Алису научили упаковывать поисковую выдачу в короткий ответ. А Илья Ирхин расскажет о влиянии коронавируса на ML-проекты Такси, Еды и Лавки.https://events.yandex.ru/events/ml-party-12-05-2020

Сложность ML проектов обычно заключается не столько в придумывании факторов и непосредственно процессе обучения, сколько в реализации обученных моделей в продакшене: чтобы все факторы были доступны в рантайме и всё работало быстро.В этом докладе Рома Халкечев рассказывает про инфраструктуру, которая позволяет быстро реализовывать ML-проекты в Яндекс.Такси.https://www.youtube.com/watch?v=IDHKt1N2IvU

Время — деньги. Как мы учились точно рассчитывать стоимость поездкиСейчас сложно представить, но когда-то мы все ездили, не зная заранее, сколько в итоге будет стоить поездка. Фича, которая поменяла рынок. И вот как мы её делали в далеком 2017.https://habr.com/ru/company/yandex/blog/344954/

https://www.youtube.com/watch?v=lWd5FiHKCQE

Как мы учили искусственный интеллект отвечать на вопросы в поддержкуТакси – сильно операционный бизнес: многие косты – переменные и масштабируются с ростом бизнеса. Поэтому мы инвестируем в оптимизацию бизнес-процессов, уменьшаем их удельный кост на поездку. Хороший пример такой оптимизации – служба поддержки.В этой статье Таня Савельева раскрывает внутреннюю кухню с применением ML на неструктурированных данных, deep learning – и, как это ни странно для статьи про data-science, организационные сложности подобных проектов.https://habr.com/ru/company/yandex/blog/493666/

Yandex.Taxi graph technologies: the perfect search without routing API requestshttps://medium.com/@underthehood21/yandex-taxi-graph-technologies-the-perfect-search-without-routing-api-requests-c8c97cf809e7