Member-only story

講者：陳俊睿 CJ Chen | 資料科學家＠ Lyft

Micromobility的獲利之路

資料科學家將高成本的部門從虧損狀態轉為獲利的實際案例探討

活動主辦單位： Taiwan Data Science Meetup 台灣資料科學社群

摘要

資料科學家除了要瞭解統計和機器學習外，工作上需要相當多的溝通和其他挑戰。今天討論美國第二大乘車服務系統市值20億美金的 Lyft ，旗下Micromobility (“微型移動”意指個人輕型代步工具)透過app出租一般自行車、電動自行車與滑板車，Lyft的資料科學家利用大數據分析解決因維修成本高而導致無法長久維持和獲利的問題，分享如何逐步走向獲利之路。

大綱

• Lyft 組織及核心價值
• 資料科學優化產品的工作流程
• 情境測試題：資料科學應用
• 從定義問題到運用資料科學解決問題

講者介紹

CJ 加州戴維斯分校獲得生物統計學博士，從事資料科學工作並致力於運用統計模型及資料分析在優化硬體表現。 目前以資料科學家身份就職於Lyft TBS Hardware。曾就職於華為手機研發部門協助優化產品。

博士研發學的資料科學技能與解決職場上商業問題是倆回事，講者以資料科學家身份分享，在工作上遇見的商業問題並如何解決，運用一些自己的實際案例來跟大家說明。

首先，先瞭解公司商業模式與工作內容：

“Lyft”是 誰 ?

“用世界最好的交通工具來改善人們的生活

Improving people’s lives with the world’s best transportation”

Lyft 在做什麼?

• 共享乘車經濟
• 自動駕駛
• TBS: Transit, Bikes & Scooters（有固定充電站，但也可隨處歸還模式）
• 租車及維修服務

講者的工作內容?

1. 瞭解 TBS 部門：常見的客群都出現在大都市裡會使用大眾運輸工具的通勤者，在點到大眾運輸工具之間的代步工具。

• Transit 優化跨交通工具的規劃途徑：在Denver地區可以規劃大眾運輸結合Lyft代步工具到達目的地。
• Bikes 電動自行車: 目前 Lyft bike 在北美市佔率最高，主要大城市裡隨處可見。
• Scooters 電動滑板車: 重複於自行車的生意導致內部資源競爭，所以只放在沒有Bike的某些特定區域

大眾交通工具與使用代步工具的城市比對

2. 優化 TBS產品：

• 定位系統：定位失竊位子（偷竊與人為破壞為部門最大損失）、維修 (在電池用完之前找到車)、最佳化運送路程（減少人事運送成本）、人行道偵測 （不同城市的法規避免騎上人行道）
• 可靠性：硬體設備 (人為破壞、機器提前損壞）
• 優化軟硬體：改善使用者體驗、減少營運成本（智慧化的減少電池用量）