Sú to popolušky. Väčšina ľudí sa na ne pozerá s dešpektom. Spájajú totiž jemne nižší komfort s väčším úsilím. A to nie je zrovna najlukratívnejšia kombinácia. Sú však priestorovo výhodnejšie a teda praktickejšie. A ešte keď k nim pridáte elektrinu, to je už úplné iná káva.
Uhádli ste, k čomu sa vzťahujú inotaje predchádzajúceho odseku? Áno, reč je o kolobežkách, mojom obľúbenom dopravnom prostriedku. Berlín je mesto výrazne naklonené cyklodoprave. Na rôznej forme kolies a koliesok (na ľudský pohon) sa tu každé ráno odhadom premáva viac ako 500 tisíc ľudí. Áno, čítate dobre 500 tisíc ľudí každé ráno. Berlín totiž len v rámci mesta má vybudovaných neuveriteľných 620 km cyklistických ciest alebo chodníkov. Ako v jednom z mála miest na svete, bicykle je možné si so sebou vziať aj do metra. Proste cyklo raj na zemi.
Prerod kolobežiek
Späť však ku kolobežkám: Dva roky dozadu, keď som začal po Berlíne jazdiť na svojej kolobežke, budil som všeobecný údiv či pobavenie. Od niektorých „skutočných cyklistov“ som sa dočkal dokonca i posmeškov „či nemali v cyklo obchode pedále, keď som tam bol nakúpiť“. (to, že ma ten prevtipný cyklista aj so svojimi pedálmi už potom nedobehol, nechám pre tento moment bokom). Situácia okolo kolobežiek sa však za posledných 18 mesiacov výrazne zmenila. Do hry totiž vstúpili kolobežky elektrické.
Dizajnom strohé kolobežky, zaopatrené motorom dokážu ísť aj vyše 20 km/h. Pritom ich hlavnou výhodou je, že na ich prenájom nepotrebujete vodičák, takže si ich môže požičať hocikto, či už ste turista lebo domáci. To je zrejme len jeden z dôvodov prečo sa spustila v najväčších nemeckých mestách doslova „kolobežková vojna“. Podľa nezávislých odhadov len v samotnom Berlíne operuje viac ako 4800 elektrických kolobežiek. Aby sme to dali do kontextu, v Berlíne je približne 4000 ulíc, takže už v dnešnej dobe vychádza na každú ulicu viac ako jedna elektrická kolobežka. Účelom tohto blogu však nie je ponoriť sa do porovnania trhových podielov či kvality jednotlivých služieb, to už veľmi pútavo urobila táto analýza. Elektrické kolobežky totiž skrývajú ešte jedno zaujímavé prekvapenie.
Kombinácia ich značného počtu a faktu, že každá kolobežka je vybavená množstvom senzorov, prináša veľmi zaujímavý dataset na mnohé (na prevádzku kolobežiek dôležité) DataScience analýzy. Toto, na prvý pohľad nenápadné, zákutie dátovej analytiky dokonca minulý mesiac bolo samostatnou témou AI Meetup tu v Berlíne. Preto Vám môžem sprostredkovať z prvej ruky, čo všetko sa dá na kolobežkách analyzovať.
Kam a kedy ich umiestniť
Ak si pamätáte trochu rozpačitý štart bike-sharingovej aplikácie v Bratislave, iste si spomeniete, že spočiatku bol problém hlavne to, že bicykle neboli tam, kde bol po nich dopyt, a naopak hojne parkovali tam, kde o ne nik nestál. Tým hlavným dôvodom pre takúto disparitu je fakt, že tok dopravy v meste nie je symetrický. Ak vás taxikár večer zavezie z centra na predmestie, bolo by od neho naivné zostať čakať na tom predmestí, aby (v záujme čo najväčšej efektivity paliva) odviezol v noci niekoho opačným smerom. Musel by zrejme počkať do rána, keď sa opäť všetci poberú naspäť do mesta. Keďže však čas sú peniaze, zavezie sa radšej „na svoje trovy“ späť do centra, kde poľahky získa ďalšiu zákazku. To, čo pri taxíkoch považujeme za úplne logické, pri kolobežkách naberá úplne iný rozmer. Kolobežka sa totiž (zatiaľ) nemôže presunúť sama a preto je potrebné pri prevádzkovaní takýchto sharingových služieb zabezpečovať (niekoľko krát denne) prevoz kolobežiek medzi jednotlivými stanovišťami. A tu sa nám rovno črtá prvý data science problém, ktorý je potrebné z dostupných dát rozriešiť: „Kedy a kam by sa mali kolobežky premiestniť tak, aby náklady na ich premiestnenie boli pokryté dodatočnými tržbami z novej lokality, kam ich zložíte?“
Vyššie uvedený obrázok dokumentuje, ako k tejto úlohe pristúpila jedna z kolobežkových služieb v Berlíne. Na základe histórie jázd si vytvorila mapu dopytu. Avšak dopytu nie kusového, ale rovno tržbového. Rozličný odtieň bodov indikuje, akú priemernú tržbu kolobežka dosiahne, ak začína práve z daného miesta. Treba preto vhodne napárovať pomerne blízko susediace miesta s bledou farbou s bodmi tmavými, doplniť rádius, ktorý je človek ochotný ísť za voľnou kolobežkou a máte predbežný plán ako ich presúvať. Že to takto naozaj funguje som videl jeden podvečer na vlastné oči: Dodávka danej spoločnosti zastavila pri mieste, kde bolo podozrivo veľa kolobežiek, vystúpil vodič, niektoré z kolobežiek naložil na korbu, ostatné postavil do radu a poďho s nákladom na lepšie miesto.
Príval novej energie
Kolobežky je potrebné “navštevovať” nielen kvôli ich umiestneniu aj preto, že sú elektrické. Ak si totiž požičiate auto, ste povinní si ho tankovať. Kolobežku si však požičiavate na pár minút a nemáte ju kde, zatiaľ, dotankovať elektrinou. (Aj keď sa objavujú prvé pokusy o to motivovať posledných užívateľov zobrať kolobežku domov a dobiť ju cez noc) Okrem premiestňovacej logistiky je potrebné v kolobežkách aj vymieňať batérie. (čo je rýchlejšie ako ich na mieste dobíjať) Bolo by samozrejme ideálne, keby sa dalo premiestňovanie kolobežky s výmenou batérie spojiť, ale batérie sa minú aj kolobežkám, ktoré sú v optimálnych miestach alebo na miestach, kde je dosť iných kolobežiek, takže jedna menej dobitá tam pokojne prečká do ďalšej návštevy nabíjacej hliadky. Aké dlhé trasy robia zvyčajne ľudia z miesta, kde kolobežka parkuje? Čo je vlastne kriticky nízka hladina batérie? A čo dobitie batérie v tomto štádiu bude znamenať pre celkovú životnosť batérie do budúcna? Toto sú len niektoré z úvah, ktoré musí dátový team plánujúci výmenu batérií započítať do celkovej optimalizácie.
Profilácia používateľov a mikro produkty
Ako pri každom poskytovateľovi služieb, aj pre kolobežkové spoločnosti je hlavným cieľom hlavne dôkladne spoznať svojich užívateľov. A k si totiž nechcete každé ráno obhrýzať nechty, či dnes dosť zarobíte, potrebujete poznať návyky svojich klientov. Samostatná téma Data Science cvičení je segmentácie klientov s priradením očakávaní a komerčnej hodnoty pre každý zo segmentov. Človek, ktorý jazdí vašou kolobežkou každé do práce má pre vás úplne inú hodnotu, ako turista, ktorý vás vyskúšal z pasie. Na druhej strane, pravidelný používateľ bude oveľa menej tolerantný k chýbajúcej alebo poškodenej kolobežke v blízkosti jeho domu. A keďže konkurentov jesto dosť, každé sklamanie pravidelných klientov môže poľahky viesť k jeho strate. Dôležité je preto správne dizajnovať mikro produkty (týždenný lístok, ponuka dňa, …), aby ste si udržali klienta.
Kedy k lekárovi
Ako každá vec, ktorá nemá jedného majiteľa, najväčšou Achillovou pätou zdieľaných kolobežiek je, že majú mnoho používateľov, ale žiadneho o stav kolobežky dbajúceho „vlastníka“. Navyše, kolobežky majú zväčša útle (menej ako 12 palcové) kolieska, ktoré dostávajú zabrať, ak je kolobežka naozaj vyťažená. Aj keď práve spätná väzba zažitých porúch postupne pomáha dvíhať životnosť jednotlivých modelov kolobežiek, väčšina aktuálne jazdiacich kusov sa nedožije viac ako 14 mesiacov, v naozaj vyťažených lokalitách môže dokonca táto hodnota dokonca klesnúť pod 10 mesiacov. Hoci na prvý pohľad to môže vyzerať ako komplikácia hlavne pre firmy poskytujúcej kolobežky, v reálnom živote je to skôr nepríjemnosť pre koncových užívateľov. Predstavte si, že kolobežku používate na cestu do práce. Vidíte na mapke, že nejaký kus je dostupný, tak sa spoľahnete na cestu do práce použiť tento druh dopravy. Keď však príde ku kolobežke zistíte, že je nefunkčná a vy ste zostali visieť na holičkách. Pekne mrzuté. O scenári, že sa vám kolobežka pokazí priamo počas jazdy ani nechcem radšej hovoriť.
Jednou z kľúčových tém dátovej analytiky v tomto odvetví je predpovedanie poruchy (odborne sa tomu hovorí predictive maintenance). Ak sú správne zaznamenané historické údaje o poruchách, je možné dosledovať, aké faktory používania zvyšujú alebo znižujú poruchovosť. Keďže firma má zároveň kompletné informácie o tom, ako sa jazdí z tými aktuálne ešte nepokazenými, dokáže identifikovať konkrétne kusy, ktoré sa pravdepodobne pokazia v najbližších dňoch. Keďže kolobežky potrebné pravidelne premiestňovať (ako sme rozoberali vyššie), pri najbližšom premiestnení možno čoskoro-pokaziaci sa kus radšej rovno preventívne zameniť za nový a tým znížiť riziko nepríjemnosti pre finálnych klientov a predísť zraneniam. K tomu všetkému je však potrebná ešte jedna zaujímavá analýza, o ktorej si povieme v najbližšom odseku.
Quo vadis
Na prvé počutie mi to prišlo ako zbytočné akademické cvičenie. Čím viac som však mal šancu o tom so zasvätenými diskutovať, tým viac mi to dávalo zmysel. Reč je o profilácií ciest, po ktorých kolobežky. Keďže otrasy sú pre jemnú elektroniku aj kolesá nevítaným „spríjemnením“ cesty, vedieť koľko času išla kolobežka po akom povrchu išla je dôležitým faktorom práve pre predikciu opotrebovania. Rovnako tak, kedy išla kolobežka z kopca alebo hore kopcom, lebo to namáha fyzické časti kolobežky viac ako na rovine. V neposlednom rade je dôležité vedieť kadiaľ jazdy používateľov vedú aj kvôli prítomnosti cyklopruhov alebo nehodovosti jednotlivých úsekov. Tie najpokrokovejšie analytické teamy teda dopĺňajú mapové údaje aj o vrstvy dát ako na ktorých uliciach sú „mačacie hlavy“ alebo aký sklon daná ulica má, prípadne koľko vlastných (a iných dopravných nehôd napríklad cyklistov) sa na jednotlivých miestach udialo. Na začiatok zrejme poslúžia tieto dáta skôr pre interné účely prevádzky kolobežiek a ich technického zlepšovania. Neskôr však prichádza do úvahy aj rozličná cena za kilometer jazdy podľa toho, kadiaľ presne kolobežka išla, aby sa zohľadnilo opotrebovanie a nepriamo motivovalo ľudí jazdiť po šetrnejších povrchoch.
Skúsite sami?
Ak vás dáta o kolobežkách zaujímajú, existuje už aj niekoľko Open data setov, ktoré sú voľne dostupné. Zatiaľ nie priamo z Berlína, ale to pre začiatok zrejme nevadí. Preto ak Vás tento článok „namlsal“ na analýzu kolobežkových dát, skúste si niektorú z vyššie uvedených úloh na daných Open dátach na vlastnej koži. Možno vás to nadchen pre prácu v jednej z kolobežkových spološností. Alebo aspoň vyskúsať kolobežkovú službu.
Publikované dňa 23. 11. 2019.
Späť na domovskú stránku
