Caso de Éxito Big Data: Uber

Universidad del Valle de México

Diplomado en Big Data

Módulo 1

Caso de éxito en el uso de Big Data: Uber

Tabla de contenido

Introducción 2

Desarrollo / descripción de la solución 4

Conocimiento generado a partir de la implementación de la solución 8

Decisiones tomadas a partir del conocimiento generado 8

Resultados obtenidos 9

Comentario personal 9

Referencias (fuentes) 11

Introducción

El día de hoy a nivel global uno de los grandes asuntos que la sociedad (empresas, gobierno y los habitantes) en su conjunto han tenido que atender y resolver de distintas maneras es la movilidad dentro de las grandes ciudades (en su tamaño geográfico y densidad poblacional). Y es que la movilidad perse es un reto en constante cambio; los caminos que hace 10 años era suficientes hoy ya no lo son; los medios de transporte son usualmente fuentes de contaminación en especial, en países en desarrollo donde si bien se han realizado esfuerzos por reducir las emisiones contaminantes, aun no se llegan a resultados prometedores que permitan garantizar a las generaciones futuras una ciudad menos contaminada.

En estos países en desarrollo como es el caso de México, la inclusión de medios de transporte limpios como la bicicleta, “scooter” si bien han cobrado relevancia, es un hecho que solo una minoría los usa (de acuerdo a la encuesta intercensal de INEGI 2015, solo un 5.8% de la población usa la bicicleta como medio de transporte par ir al trabajo) y no es para menos; ciudades como la CDMX no cuentan con la infraestructura necesaria para brindar lo más esencial a los usuarios de estos medios de transporte: seguridad.

Hablando específicamente de la CDMX, hasta hace unos 10 años puedo generalizar que la manera de transportase de los usuarios eran: transporte público (metro, metrobus, “microbús” etc.), transportes alternativos como la bicicleta, vehículo propio y taxis. Todos tienen pros y contras; desde la saturación en el transporte público (recordamos esas situaciones en el metro donde el tumulto de gente te mete o te saca del vagón), el tráfico excesivo que ahoga las calles y el ambiente, los abusos en las tarifas de los taxis y los desafortunados eventos de inseguridad en estos vehículos son solo unos cuantos.

Con el auge de las telecomunicaciones, las redes 3G y LTE, la disponibilidad de dispositivos celulares a cada vez precios más accesibles y el imparable auge en el desarrollo de aplicaciones móviles ha permitido que usuarios tengan acceso a servicios de transporte alternativos y a su vez, empresas privadas han desarrollado dichos servicios planteando como promesa mitigar algunos de los problemas ya mencionados: seguridad, comodidad (porque el tráfico seguirá pero al menos maneja otro) y alta disponibilidad. Así por mencionar algunos están los servicios de renta de scooters, reserva y viajes casa-oficina-casa a través de vans equipadas con internet y aire acondicionado y las diferentes versiones de servicios de transportación mediante un vehículo privado como Uber, Didi, Beat entre otros.

En lo que resta del presente documento me enfocare a hablar de Uber desde un enfoque tecnológico de datos. Considero razonable decir que Uber existe gracias no solo a la creatividad de quien tuvo la idea de desarrollar un servicio así sino también a la existencia de múltiples tecnologías que han permitido que Uber sea lo que es hoy; pensar en un servicio como Uber hace 20 año es prácticamente imposible; no se acercaría ni una cuarta parte a lo que es hoy. Y por ello es importante señalar que Uber nace en 2009 en San Francisco, Estados Unidos; justo en una de las naciones más avanzas en cuando a desarrollo de tecnología y conocimiento y también en un momento que se tenían los principios del Big Data.

Uber es un servicio de transportación privada que a muy alto nivel funcional mediante una aplicación móvil en la cual dos personas establecen un servicio de transportación: por un lado, esta el dueño del vehículo inscrito a la plataforma de Uber como “socio conductor” y por el otro lado el usuario que solicita el viaje al socio conductor del punto A al punto B. Es este proceso que parece tan sencillo a simple vista, hay toda una solución de procesamiento de datos que es posible gracias al Big Data:

• Registrar a usuarios y socios conductores e identificar su estado de conexión a la plataforma para asignar un viaje

• Asignar una tarifa en escenarios de baja, media y alta demanda y otras variables

• Asignar una ruta basada en varios aspectos como tráfico, economía, seguridad, puntos intermedios

• Pagar el servicio

• Calificar a conductores y usuarios

• Ofrecer publicidad durante los viajes

A continuación, entraremos a detalle de como Uber logro implementar y resolver estas “funcionalidades” de su plataforma para llegar a ser lo que es hoy.

Desarrollo / descripción de la solución

Podemos considerar al servicio de taxi tradicional como una parte del antecedente de Uber; todos sabemos que áreas de oportunidad tienen los taxis, en especial los de la CDMX: taxímetros manipulados para cobrar mas de lo normal (esto sin considerar que un taxi tradicional te cobra en función del tiempo de recorrido y no de la distancia recorrida teniendo un impacto en el precio en momentos de alto tráfico), rutas dependientes del poco o mucho conocimiento del conductor y pasajero, falta de seguridad y controles (como son los antecedentes de los conductores) entre otras.

L a posibilidad de aprovechar estas oportunidades por parte del servicio de Uber se debe en gran media al aprovechamiento de la tecnología de Big Data que a su vez se apoya en otras tecnologías y ciencias. Veamos el aprovechamiento de estas oportunidades:

1. Registrar a usuarios y socios conductores e identificar su estado de conexión a la plataforma para asignar un viaje.

Como explica Israel Yuance (2019) en su artículo “Uber: Big Data Platform, Machine Learning con Michelangelo y One Click Chat”, para 2014 tuvo un crecimiento enorme lo que se tradujo en un crecimiento exponencial para almacenar la información de socios conductores y usuarios finales; pasaron de bases de datos de gigas a varios teras. Con todo eso, la necesidad de tener la data en tiempo real de aquellos socios conductores conectados se volvió vital ya que gracias a esta identificación influye directamente en otras partes del proceso de Uber que mencionaremos más adelante. Lo que es un echo es que, con la existencia de millones de socios conductores, existen millones de socios que salen y entran de la plataforma al mismo tiempo.

Otro aspecto que ha incrementado la cantidad de datos con los que trabaja Uber son los puntos de interés. Entendamos por puntos de interés cualquier otro lugar que puede ser referenciado en la busca de un destino con un dato diferente a una dirección: plazas comerciales, gasolineras, restaurantes, centros de espectáculos, estaciones de transporte público y muchos más. Basta con tratar de pensar en la cantidad de puntos de interés a nivel global para confirmar que esta información no solo es necesaria sino valiosa ya que mejora la experiencia de usuario.

2. Asignar una tarifa en escenarios de baja, media y alta demanda y otras variables

Al solicitar un viaje de Uber, la tarifa del viaje no es un simple tabulado; el precio se define en función de variables tales como niveles de demanda, oferta, condiciones de tráfico, distancia del viaje entre otras. Es claro que todas estas variables sufren cambios en tiempo real y por tanto es en tiempo real deben ser analizadas mediante algoritmos definidos por la empresa para dar una tarifa adecuada al usuario. De hecho, este método de fijación de precios es llamado “oleada de precios” y busca ser registrado mediante una patente de la empresa.

En este punto vale la pena resaltar la muy famosa “tarifa dinámica”. Esta tarifa dinámica fue hace unos años una tarifa caracterizada por ser más alta de lo normal debido principalmente a una combinación de mucha demanda y condiciones de alto tráfico. Lo peculiar y poco popular de esta tarifa dinámica es que el crecimiento de la tarifa llegaba a ser en algunos casos de mas del 300% respecto de la tarifa normal. Uber su muy criticado por sus tarifas dinámicas lo que llevo a que ajustaran su algoritmo de calculo de tarifas; hoy en día si bien siguen existiendo las tarifas de alta demanda, los precios son más aceptables (Pérez, 2016).

3. Asignar una ruta basada en varios aspectos como tráfico, economía, seguridad, puntos intermedios

Por la propia naturaleza del servicio, en el día a día se general millones de posiciones GPS que nos almacenadas y analizadas para asignar una ruta. Además, los usuarios tienen la posibilidad de modificar las rutas agregando puntos intermedios con lo cual los algoritmos de análisis requieren de analizar el punto actual en tiempo real para recalcular la ruta y la tarifa del viaje. Podemos ver aquí el

...