Ocado: большие результаты благодаря большим данным

15 April 2019
18 минут

Самый большой в мире, исключительно сетевой, розничный продавец продуктов Ocado повышает операционную эффективность и заботу о клиенте, используя машинное обучение, усиленное облачной платформой Google.

 

Результаты применения облака Google и ML

 

Согласно маркетинговым исследованиям фирмы Mintel, ожидается, что в Соединенном Королевстве популярность on-line продуктовых продаж вырастет с 6% от современного рынка до 9% в 2021. Одним из пионеров исключительно on-line продуктовых продаж является Ocado, расположенная в Хатфилде, Хертфордшире Соединенного Королевства. С начала коммерческих доставок в 2002, компания выросла до 600 000 активных покупателей, 260 000 недельных заказов и 1,39 миллиардов фунтов годового дохода.

Ocado отправляет супермаркеты в отставку, предоставляя возможность покупателям покупать вещи on-line с помощью их привычных  web- и мобильных приложений. Вещи собираются и пакуются в автоматизированных складах и отправляются непосредственно клиенту в период одного часа с момента выбора. Пунктуальность доставки Ocado составляет 95% и ее отпечаток сервиса лежит более чем на 70% населения Великобритании.

  «Облачная платформа Google дает нам гибкость и способность решать большие и комплексные задачи по данным, которые являются уникальными для нашего бизнеса.»

Пол Кларк, технологический директор Ocado

Компания достигла своего успеха, создавая собственными силами практически все технологии и выполняя автоматизацию, что усиливает их полный цикл электронной коммерции, выполнения работ и логистическую платформу. Ocado также разработала новую платформу – Ocado Smart Platform (OSP),- которая предлагает большим розничным продавцам по всему миру доступ к первоклассным решениям on-line продуктовых продаж. 

Демократизация машинного обучения

Путешествие, для совершения розничных продуктовых покупок on-line, значительно отличается от других разновидностей электронного бизнеса. Покупатели часто покупают дюжины продуктов за раз, и одиночные домохозяйства могут иметь несколько покупателей, используя несколько устройств, а время жизни продуктовой полки может составлять несколько дней.

“Мы часто говорим, что построив платформу полного цикла, которая может делать on-line продуктовые продажи масштабными и прибыльными, мы можем делать и другие формы розничной торговли on-line; но обратное не обязательно верно.” – говорит Пол Кларк, технологический директор Ocado. “Облачная платформа Google дает нам гибкость и способность решать большие и комплексные задачи по данным, которые являются уникальными для нашего бизнеса”.

 

Бизнес-модель Ocado использует преимущество смещения потребительского предпочтения и устанавливает связь между цифровыми технологиями и покупательским опытом

“Machine Learning Engine облака Google дает нам гибкость, в которой мы нуждаемся. Наши разработчики способны использовать TensorFlow и видеть собственными глазами преимущества машинного обучения в облаке.”  

Пол Кларк, технологический директор Ocado

Компания встраивает машинное обучение в свои системы более пяти лет. До недавнего времени, приложениям машинного обучения Ocado требовались специалисты в науке о данных, зачастую со степенью доктора философии в машинном обучении, которые бы строили эти решения с нуля. Также требовались специалисты по настройке систем и дорогостоящей локальной инфраструктуры, для обучения и использования этих систем.

Однако, работа с Google как с частной площадкой для альфа-тестирования Machine Learning Engine облака Google ускорила их адаптацию к искусственному интеллекту.

“Мы рассматривали некоторое время, как облако могло бы демократизировать искусственный интеллект.” – говорит Пол. “Machine Learning Engine облака Google дает нам гибкость, в которой мы нуждаемся. Наши разработчики способны использовать TensorFlow и видеть собственными глазами преимущества машинного обучения в облаке.”

TensorFlow – это открытая библиотека машинного обучения, разработанная командой Google Brain. Разработчики, инженеры и Data Science специалисты Ocado сейчас используют TensorFlow для многих своих проектов по машинному обучению. Они разворачивают модели, построенные с использованием Machine Learning Engine облака Google, которые позволяют им обучать их быстрее на серверах, персональных компьютерах и мобильных устройствах  через единый прикладной программный интерфейс (API). Дополнительно, Machine Learning Engine облака Google просто интегрируется с другими продуктами облачной платформы Google, которые широко используются в Ocado.

Что действительно хотят покупатели?

Первая из созданных в Ocado моделей машинного обучения на основе TensorFlow была система машинного обучения, которая маркеровала и каталогизировала почтовые сообщения и выставляла приоритеты по отклику на них. Контактный центр каждый день получает тысячи почтовых сообщений и Ocado хотела автоматизировать процесс определения того, какие из них нуждаются в немедленном ответе, а какие могут подождать. Например, впервые попавший покупатель, который выражает свое желание в использовании Ocado, не нуждается в ответе также срочно, как покупатель, который теряет продукт из заказа или который не будет дома в момент доставки. 

“Использование агентов для ответов вместо сортировки менее срочных почтовых сообщений, улучшает отликабельность и пользовательский сервис Ocado.”

Джеймс Донкин, Генеральный директор Ocado

“Мы получаем много почтовых сообщений от покупателей со словами: “Ваш сервис – прекрасен” или “Курьер был очень учтивым””,- говорит Джеймс Донкин, Генеральный директор Ocado. “Однако, когда такие вещи, как погода или дорожная ситуация способны потенциально повлиять на доставку, мы часто получаем всплеск срочных вопросов. Использование агентов для ответов вместо сортировки менее срочных почтовых сообщений, улучшает отликабельность и пользовательский сервис Ocado”.

Используя Machine Learning Engine облака Google, Tensorflow и большие наборы данных, собранные за годы ручной категоризации клиентских почтовых сообщений, Ocado экспериментировала с видами архитектур нейронных сетей, которые бы лучше всего приоритезировали почтовые сообщения. После тестирования своих моделей, Ocado реализовала наиболее продуктивную из них и получила возможность ответа на срочные сообщения в четыре раза быстрее. Компания также выяснила, что 7% ее почтовых сообщений не нуждаются в ответе вообще, что предоставляет возможность представителям контактного центра уделять больше времени высокоприоритетным сообщениям.

  

“Без Machine Learning Engine облака Google, было бы намного труднее достичь успеха в таком проекте, как классификация почтовых сообщений”,- говорит Роланд Плазовски, который до недавнего времени управлял несколькими проектами и инициативами по большим данным в Ocado. “Даже если бы мы существенно инвестировали в инфраструктуру, ей все-равно было бы тяжело управлять из-за вычислительной интенсивности. Это сложно и дорого запускать проекты машинного обучения, в то же время не имея инфраструктуры, которую вы можете легко масштабировать”.

Также Ocado использует машинное обучения для предсказания пользовательского поведения и улучшения опыта. Анализируя данные о заказах, Ocado делает покупки максимально удобными. Например,  системы заказов могут заранее заполнить корзины покупателей продуктами, которые они наиболее склонны купить; напомнить покупателям про вещи, которые они могли забыть и сообщить им комплексные предложения в процессе покупки, например, покупая один товар, второй получается бесплатно. Основываясь на машинном обучении из данных о предыдущих покупках, система Ocado может также предложить новые продукты, которые, скорее всего, придутся по душе покупателю.

“Вы будете регулярно видеть товары, которые наиболее подходят вам, вместо вещей, которые предлагаются более общим способом”,- говорит Джеймс. “Я – вегетарианец, и, по этому, мне предлагаются скидки на вегетарианские продукты, которые я обычно покупаю и на новые, которые я никогда ранее не покупал. И я, так же, менее всего хотел бы видеть вещи, в которых я не заинтересован”.

 Машины и машинное обучение

В Интернете Вещей (IoT), Ocado ищет возможность улучшить их складских роботов с применение машинного обучения. Интегральная часть OSP – тысячи роботов непрерывно передающие данные в хранилище облака Google и Google BigQuery.

Data Science специалисты Ocado применяют машинное обучение для создания разновидности роевого интеллекта, который позволил бы складским роботам работать кооперативно, для достижения общей цели. Проекты включают модели для поиска телеметрических данных роботов, таких как работает ли батарейный блок в стандартных допусках или была ли прошивка успешно загружена, и для оптимизации расписаний, или обнаружения шаблонов в износах.

 

“Другой вопрос, который рассматривается нами – это как встроить машинное обучение непосредственно а роботов, для того, чтобы они стали умней в терминах само-тестирования, обработки исключений и восстановления после сбоев”,- говорит Пол. “Это сложная комбинация IoT, аналитики данных и машинного обучения, для которой, надеемся, Google BigQuery и машинное обучение облака Google подходит наилучшим образом”.

“Старые базы данных не были достаточно быстрыми. Мы нуждаемся в решении, которое могло бы масштабироваться с учетом генерируемых нами объемов данных и в понимании того, как мы можем его использовать. Облачное хранилище Google и Google BigQuery сейчас представляют собой хребет, с точки зрения данных, для Ocado Smart Platform” 

Пол Кларк, технологический директор Ocado

 

Масштабирование для нового бизнеса

Масштабируемость – это также главная причина среди некоторых инициатив Ocado, включая миграцию всех локальных данных в облако. Ocado хотела улучшить пользовательский опыт, усилить бизнес-команды лучшим пониманием и уменьшить издержки IT, и, поэтому, она консолидировалась в облачной платформе Google.

“Старые базы данных не были достаточно быстрыми”, – говорит Пол,- “Мы нуждаемся в решении, которое могло бы масштабироваться с учетом генерируемых нами объемов данных и в понимании того, как мы можем его использовать. Облачное хранилище Google и Google BigQuery сейчас представляют собой хребет, с точки зрения данных, для Ocado Smart Platform”.

Ocado оценивает свой бизнес, продуктовые и транзакционные данные в, приблизительно, два петабайта. Комбинация данных из покупательских и поставочных цепочек помогает как операционистам Ocado, так и амбициям компании в коммерциализации OSP.

“Сравнивая с другими возможностями международной экспансии, продажа OSP как управляемого сервиса позволяет нам заполучить компании, которые могли бы быть конкурентами”,- говорит Пол. “Мы хотим создать OSP и, после, предлагать ее различным покупателям бизнес-бизнес сегмента”.

Каждый раз, когда Ocado добавляет нового хостинг-клиента к OSP, она запускает новый настраевыемый инстанс для удовлетворения потребностей клиента. Возможности и продуктивность каждого нового инстанса OSP должны быть быстро-масштабируемыми как бэк-энд платформа, для установленных розничных продавцов с большим набором продуктов, покупателей и транзакций.

 

Первый покупатель Ocado – Morrisons – уже получил преимущество от этого решения. Morrison – это один из четырех наибольших супермаркетов Великобритании и он использует OSP для усиления розничного on-line бизнеса. Используя облачную платформу Google, Ocado сохранила, обработала и проанализировала терабайты данных Morrison, используя выделенные массивы данных и Google BigQuery.

В дополнение к использованию облачной платформы Google для OSP, Ocado также адаптировала свои операции в on-line продуктовом розничном бизнесе. Ocado впервые использовала каркасы с открытым исходным кодом Apache Spark и Apache Hadoop на Google Compute Engine для их платформы данных. Перемещение на Google BigQuery освобождает бизнес-аналитиков Ocado от сложных настроек в запросах и рабочих потоков ассоциированных со Spark и Hadoop. Плюс, это позволяет Ocado распределить аналитиков по данным между поставщиками и партнерами.

Google BigQuery очень хорошо интегрируется с TensorFlow на Machine Learning Engine облака Google и Google Cloud Dataproc, Apache Spark и Apache Hadoop сервисами, что позволяет Ocado использовать инструментарий с открытым исходным кодом для: пакетной обработки, запросов, потоковой обработки и машинного обучения. Google Cloud Dataflow и Google Cloud Dataproc обеспечивают управление кластерами, и предоставляют легкий в использовании каркас и, таким образом, разработчики могут тратить меньше времени и денег на администрирование и больше времени на доставку существенных для бизнеса вещей.

Переход с Hadoop на Google BigQuery показал набор ценовых и производительных улучшений. Например, Ocado более не нуждается в принятии решении о количестве инстансов, для подключения к кластеру и в ожидании их запуска. Google управляет всем.

“Мы просто запустили наши запросы и заплатили за ресурсы, которые использовали”,- добавил Роланд. “Одна большая победа с Google BigQuery – это отсутствие необходимости настройки. Лучшее из того, что мы видели – это превосходство Google BigQuery перед нашим кластером Hadoop в 80 раз на самом большом наборе данных только за две-третьих стоимости”.

+ Більше публікацій

Також буде цікаво

Усі публікації