缩短配送时间并减少快递员的等待时间

barikulislam015

欺诈方面有着独特的风险，因为它们必须实时评估风险。 虽然仓库不实时运行，但它通过预测模型和实时服务从所有交易中提取和转换事件数据以供下游消费。 Postmates 风险团队设计了一个名为“Pegasus”的内部风险检测微服务。事件数据在 Redshift 中经过一系列转换并输入“业务规则”，该规则将转换后的数据作为输入并生成决策作为输出，并为 Postmates 平台上的每笔交易提供实时决策。 除了欺诈之外，数据团队还构建了一个基础设施来驱动数据的四个主要用例： 报告：每日报告成功交付以及市场、合作伙伴、服务等不同维度的其他 KPI。

运营：通过优化路线效率、批量/链接订单、缩短配送时间并减少快递员的等待时间，最大限度地降低每次配送成本 付款：根据 Postmates 快递员完成的取件、投递、等待时间、行驶距离以及奖 电子邮件营销列表 金和小费，计算向 Postmates 快递车队支付的款项。 风险/欺诈：计算和预测信用卡欺诈和其他涉及付款的交易（例如增长促销和舰队借记卡融资）的风险因素。 使用的技术堆栈是什么？ 随着 Postmates 的发展，他们增加了更多的开发人员、更多的微服务和更多的数据源。“我们拥有的数据量，以及我们每天生成的新数据量呈指数级增长，”Biller 描述了 Postmates 的增长情况。 考虑一下周日晚上“送货高峰时间”收集的数据量，当时人们在家里订晚餐。



三年前，我们在周日晚上的高峰时段捕获了一定数量的持续交付数据。我们现在的飞行交付数量约为 30 倍。我们还监控和跟踪每次交付的更多事件。简而言之，我们的交付量是原来的 30 倍，单次交付的数据量是原来的 10 倍，而且还在不断增长。”Biller 解释道。 Amazon Redshift 和 Google BigQuery 是主要的数据仓库。 数据摄取通过 EMR 和 Kinesis 完成 商业智能是 Chartio 建模是使用 Airflow 在数据仓库中完成的 数据来源有哪些？ 绝大多数原始数据来自 Postmates 应用程序本身。除了应用程序之外，数据团队还构建了与第三方服务的集成。示例包括： Facebook 用于广告活动 条纹支付 Zendesk 提供支持 您可以编写一个查询，将 13 个数据源合并到一个查询中，然后运行它并获取数据。