Se você já chamar uma carona digitalmente no exterior, são altas as chances de você ter usado a Lyft.
Como uma das principais organizações de compartilhamento de viagens do mundo, a Lyft está avaliada em mais de US$ 11 bilhões e tornou-se parte integrante da vida de muitos passageiros.
Uma chave para o sucesso da Lyft é o seu aplicativo móvel fácil de usar. A saúde e o crescimento dos negócios da Lyft dependem da funcionalidade superior do seu aplicativo móvel, que motoristas e caronistas usam em diferentes pontos e para diferentes fins, antes, durante e depois de uma viagem.
A Lyft coleta milhões de pontos de dados e métricas de seu aplicativo operando em vários cronogramas: segundos ao corresponder passageiros e motoristas; minutos no cálculo de preços; horas ao medir alavancas de mercado e dias ou semanas para orçamentos.
Porém, com várias dimensões geográficas além disso tudo, a Lyft não tinha os recursos necessários para monitorar manualmente todas as métricas coletadas para detectar anomalias nos dados.
Para detectar com precisão as anomalias em grande escala que poderiam sinalizar problemas maiores e exigir atenção imediata, a Lyft recorreu às capacidades de automação e Machine Learning (ML) da AWS e da Anodot, um Parceiro de tecnologia avançada da AWS Partner Network (APN) e Parceiro com competência em ML da AWS.
A solução de análise de séries temporais baseada em AI da Anodot, desenvolvida na AWS, usa algoritmos avançados de machine learning para superar as limitações que os seres humanos trazem para a análise manual de dados, identificando possíveis problemas em tempo real sem exigir a inspeção de vários dashboards manualmente.
Usando os serviços da Anodot e da AWS, como o AWS Kinesis, a Lyft é capaz de detectar incidentes de negócios rapidamente para entender o escopo e as causas profundas dos problemas em milhões de métricas.
Este artigo foi feito por Blog AWS
Conheça os cases de sucesso da dataRain e entre em contato!
