Nirma: G-Universität

KI NIRMA
G-UNIVERSITÄT
INSTITUT FÜR MANAGEMENT
NAAC-AKKREDITIERTE NOTE "A"
Einzelaufgabe
BUSINESS INTELLIGENCE
Innovation bei Uber: Die Einführung des EXPRESS-POOLS
Eingereicht von
K Parikshith Nair
191229
MBA FT 19-21
Eingereicht an
Prof. Balakrishnan Unny
Datum der Einreichung

21. September 2020
Zusammenfassung und Kernpunkte:
• Der Fall befasst sich damit, wie die Entscheidungen über die Innovation des Dienstes - der
Express-Pool - getroffen und getestet werden, zusammen mit den Herausforderungen,
denen sie bei der Umsetzung gegenüberstehen.
• Express Pool ist im Grunde Uber Pool + zu Fuß zu einem bestimmten Punkt und Drop an
einem bestimmten Punkt (wie in ihrem Blog ausgedrückt kann es als On-Demand-Bus-
Service in Betracht gezogen werden)
• Einige der Hauptkonkurrenten wären Lyft , Ola, Taxify usw....
• Das Angebot umfasst UberPool, UberX, UberXL,UberSelect, UberBLACK, UberSUV
und UberLUX.
• Unter dem CEO können in der Organisationsstruktur drei große Kategorien verstanden
werden: Tech-Segment, Operations und Human Resources.
• Die Tech-Abteilung ist in drei vertikale Bereiche unterteilt, nämlich Fahrer
(Rekrutierungstraining usw. der Fahrer), die Fahrgäste (Kundendienst usw.) und den
Marktplatz ( Substitutionsmuster, Back-End-Support usw.).
• In vielen Fällen besteht ein Bedarf an funktionsübergreifender Integration und spielt eine
Rolle bei den getroffenen Entscheidungen.
• Uber führt viele Experimente durch, z. B. auf Benutzerebene a/b, Rückschalttests und
synthetische Kontrollexperimente, um seine Innovation zu unterstützen und
Wettbewerbsvorteile zu erzielen.
• Eine der stärksten Stärken von Uber ist das starke Investment- und Analyseteam für
Datenanalysen.
• 2014 Uber hat Uber Pool eingeführt. ( Algorithmus verwendet : Gieriger Algorithmus) -
Kunden, die in die gleiche Richtung gehen, in die ein Fahrgast bereits fährt, so dass die
Fahrt unter ihnen aufgeteilt werden kann, erhöhen die besetzten Sitze - was die Kosten für
die Kunden senkt und die Effizienz und den Gewinn für Uber erhöht.
• Zusätzliche Zeit, die benötigt wird, um den Standort eines Kunden zu erreichen, und die
Verzögerung von Fahrten waren bei dieser Version ein Problem. Um dies zu überwinden,
kamen sie auf die Idee, die Kunden ein wenig laufen zu lassen, damit sie auf der Route
der Fahrt abgeholt werden können. (Express-Poolprojekt)
• Im Jahr 2017 begannen sie mit der Arbeit daran und im Jahr 2018 begannen sie einen 5-
wöchigen Test in 2 Minuten Wartezeit für einen synthetischen Kontrolltest in 6 Städten
auf kontrollierte Weise. Die Ergebnisse variierten von Region zu Region.
• 2018 begannen die Switchback-Experimente in Boston.
• sie wollten entscheiden, welche Wartezeit besser ist, 2 Minuten oder 5 Minuten . Für jede
Option gibt es einen Kompromiss, wie in der vorherigen Analyse anhand der Daten des
Boston-Switchback-Experiments erläutert.
Problembeschreibung:
Die entscheidende Entscheidung hier ist, zu entscheiden, was die Wartezeit sein sollte - 2
Minuten oder 5 Minuten , wobei die letztere Option diejenige ist, die besser optimierte
Algorithmen und bessere Gewinne hat, aber der Kompromiss ist, dass es mehr Stornierungen
geben könnte. Das Problem besteht darin, die optimale Wartezeit für die Tageszeit für die Kunden
zu bestimmen, sodass der Gewinn maximiert werden kann, indem ihre Auswahlpriorität von
Uberpool oder Expresspool analysiert oder das Switch-Back-Experiment in Boston abgebrochen
wird.
Analyse:
Daten haben unterschiedliche Variablen und sind in zwei Cluster unterteilt - 2-Minuten-Cluster
und 5-Minuten-Cluster, die wiederum in Hauptverkehrszeit und Nicht-Hauptverkehrszeit
unterteilt sind. Bei der Analyse der Daten sehen wir, dass es sich im Durchschnitt um folgende
Variablen handelt:
trips_express rider_cancel total_driver_ total_double

_
pool ationen auszahlung _Übereinstim
wartezeit trips_pool total_matches mungen
2 1377.177419 2653.790323 168.016129 29763.67826 2675.677419 1307.919355
5 1460.698413 2419.380952 190.1269841 27183.20239 2438.301587 1357.730159
• Wir stellen fest, dass der Express-Pool in beiden Fällen noch eine erhebliche Nachfrage
hat.
• Wir stellen fest, dass es mehr Stornierungen als Teil des 5-Minuten-Clusters gibt, aber die
Auszahlung ist erheblich niedrig.
• Die Zunahme der Doppelspiele entspricht fast der Anzahl der verlorenen Fahrten.
• Des Weiteren stellen wir folgende Trends fest:
5-Minuten-Trend ohne
Stoßzeit fahrtenpoo
l
In der Zeit ohne Eile sehen wir, dass es nur einen sehr geringen Unterschied zwischen der
Präferenz der
kunden.
2 min ohne Rush-Trend
Im 2-Minuten-Cluster sehen wir, dass es im Vergleich zum 5-Minuten-Warten einen größeren

Unterschied
zeit gibt
in der Kundenpräferenz.
43164.06944
stornierungstrend
period_start
Doppelspiele sind weniger zahlreich und die Auszahlung steigt, wenn die Anzahl der Fahrten
zunimmt. Der Trend und die Anzahl der Kunden sind jedoch unregelmäßig, so dass ein
dynamisches Modell zur Vorhersage und Umsetzung der Wartezeit besser wäre. Beachten Sie
auch, dass mehr Matches, mehr Kunden verloren gehen und wenn sie gegen Konkurrenten
verloren gehen, ist das eine schlechte Sache.
Anregungen und Empfehlungen / Lösung:
Uber sollte ein dynamisches Modell der Wartezeit entwickeln, das auch die Geschichte der
Wartezeit der Kunden als Faktor berücksichtigt, um zu sehen, dass der Algorithmus optimiert
wird, während der Kunde nicht aufgrund desselben verloren geht. Da sich das Unternehmen
derzeit noch in der Wachstumsphase dieses speziellen produktbasierten Dienstes befindet,
müssen wir erkennen, dass das Sammeln von Marktanteilen und das komfortablere
Verwenden von Kunden eine größere Priorität ist, die sich auf Gewinne konzentriert und sie
nicht an dieses zusätzliche Gehen gewöhnt, was zu einem Verlust von Marktanteilen und einer
unnötigen Steigerung des Wettbewerbs führen würde. Daher sollte das 2-Minuten-Fenster
bevorzugt werden.
In Fällen, in denen die Anzahl der verfügbaren Fahrer geringer ist, wäre das 5-Minuten-
Fenster jedoch besser, da der Kunde aufgrund der Benutzeroberfläche von Uber weiß, dass es
weniger Fahrer gibt, und daher mental bereit wäre, mehr zu warten.
Aus dem Blog von Uber wissen wir, dass es sich um einen Prozess mit viel Potenzial handelt,
der an bestimmten geografischen Standorten mehr Auswirkungen hat, z. B. an Flughäfen .

Nirma: G-Universität

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Nirma: G-Universität

Uploaded by

Copyright:

Available Formats

KI NIRMA

Datum der Einreichung

trips_express rider_cancel total_driver_ total_double

2 1377.177419 2653.790323 168.016129 29763.67826 2675.677419 1307.919355

5 1460.698413 2419.380952 190.1269841 27183.20239 2438.301587 1357.730159

Im 2-Minuten-Cluster sehen wir, dass es im Vergleich zum 5-Minuten-Warten einen größeren

Anregungen und Empfehlungen / Lösung:

You might also like