Habitat Logistics logra una reducción de costos de más del 40% al utilizar una solución de optimización y previsión de la demanda basada en ML

Acerca de la empresa

Habitat Logistics es una plataforma B2B de externalización de entregas para restaurantes en Estados Unidos, acelerada por Y Combinator. Trabaja directamente con restaurantes bajo una comisión baja. Los restaurantes pueden recibir pedidos desde cualquier canal de órdenes, y Habitat se encarga de cumplir esos pedidos por una tarifa plana fija. Su misión es ayudar a los restaurantes a iniciar, mantener y hacer crecer su negocio. Habitat Logistics opera como un mercado de tres lados, actuando como vínculo entre los restaurantes y los consumidores finales.

Desafío

Habitat utilizaba un conjunto complejo de reglas de negocio para estimar manualmente el pronóstico de demanda por hora y asignar la cantidad adecuada de repartidores. Habían contratado a un consultor externo de ciencia de datos que aplicó machine learning para calcular el pronóstico y mostró mejores resultados, pero no tenía la experiencia para convertir eso en un sistema real en la nube AWS que se ejecutara automáticamente cada hora.

Solución

Desplegamos un equipo de 5 expertos in-house de alto rendimiento en datos para planear, organizar y desarrollar todas las capacidades de IA y datos que Habitat necesitaba para resolver su desafío de manera eficaz y en tiempo récord. ¿El objetivo? Sistemas robustos y capacidades construidas para durar y escalar junto con el crecimiento del negocio de Habitat.

Implementamos un sistema que aplicó algoritmos de predicción de demanda para calcular pronósticos de demanda por hora para cada zona de entrega en cada ciudad. Este sistema se ejecuta continuamente cada hora y ajusta las predicciones correspondientes a los próximos 7 días. Para calcular con precisión esta demanda, se extraen datos de diversas fuentes externas — como pronósticos del clima, eventos especiales, etc. — que se integran y validan.

Usando estos pronósticos horarias de demanda como insumo, construimos un sistema de optimización para ajustar la asignación de turnos de repartidores con el fin de minimizar costos manteniendo los niveles de servicio (SLAs).

Finalmente, implementamos un sistema de predicción en tiempo real para estimar el tiempo que tomaría preparar un pedido en particular. Esto permitió al sistema de despacho minimizar los tiempos de espera en el restaurante hasta que el pedido estuviera listo.

Las canalizaciones de datos y ML, así como los modelos, fueron implementados combinando el uso de Apache Airflow para el desarrollo de procesos, Python para desarrollo de aplicaciones y MLflow para seguimiento de métricas y modelos. Toda la arquitectura de datos para este sistema fue diseñada, construida y mantenida por el equipo de Muttdata.

‍

Impacto

Habitat logró una reducción de costos en sus entregas de más del 40%. Habitat dio un salto enorme en su trayectoria de datos hacia el éxito operativo a través de una solución automatizada y optimizada que le permitió escalar y extender su negocio de entregas en un lapso breve.

¿Quieres profundizar?

Muttdata puede ayudarte a cristalizar tu estrategia de datos mediante el diseño e implementación de capacidades técnicas y buenas prácticas. Estudiamos la misión de tu empresa para entender qué debe cambiar, de modo que podamos ayudarte a lograrlo mediante una estrategia técnica y de producto robusta, con un roadmap claro y un conjunto definido de objetivos. Habla con uno de nuestros representantes de ventas o echa un vistazo a nuestro folleto de ventas y blog.

¿Te interesa leer más sobre ML en marketplaces de tres lados?

Revisa nuestras recomendaciones de tres artículos imprescindibles sobre marketplaces de tres lados, así como nuestras publicaciones en el blog: Improving the three‑sided marketplace with machine learning y Delivering your Marketplace’s Orders in Time with Machine Learning.

¡Compruébalo tú mismo!

Explora nuestros resultados con clientes a través de nuestras historias de éxito o visita nuestro perfil en Clutch para ver reseñas de clientes.

Consulta también nuestro último video testimonial.