难怪出租车最近位于全球新闻头条的最前沿。这只是大数据范式已经改变我们生活的另一个例子。综合很简单：如果出租车具有地理位置（GPS）系统，并且客户在其移动设备上具有地理位置定位系统，我们是否可以设计一个比以前的匹配系统更有效的新型匹配系统？
在之前：迄今为止，现有的模型已经使用了。一个称为中心的客户（最初的事实），并根据一系列优先级将这项服务分配给最近的出租车司机。换句话说，业务模型背后没有应用科学。只有一项服务和一系列启发式规则来分配它。
现在：今天正在开发基于应用科学的更具创新的解决方案。我本人最近被一个私募股权（PE）基金狩猎，以整理此类项目。PE基金通常会购买具有增长潜力的公司，合同A（小）能够发挥这一潜力并最终出售公司以从改善中获利的公司。底线：他们与我联系的事实本身意味着他们正在计算出出租车行业的创新空间（并且“他们把钱放在嘴里”）。就我而言，他们想要一个可以使公司从技术密集型技术转变为完全技术的人。换句话说，他们想成为世界各地的算法，即出租车的亚马逊算法。我的建议非常简单，分为四层折叠，并基于两个数据源，该数据源已经由公司持有的数据来源以及可以通过其应用程序获取的新数据的剥削：
改善出租车车队的分布。所需的更改是从事后模型到概率模型。利用活动的历史记录，可以生成热图，以直观的方式显示有可能发生服务请求的区域，例如“当地足球队在冠军联赛中踢出冠军联赛时，周三下午在星期三下午下雨”。重要的是要注意，该模型不仅减少了客户的等待时间，而且还允许驾驶员改善他们在出租车上度过的等待时间和时间。而且，如果您可以让驾驶员开心，那么与Uber类型公司相比，您可以保持竞争优势。
匹配客户和驱动程序。多亏了该应用程序，客户不再是匿名的。一旦确定了客户，她的经验就可以得到改善，以便不仅是用户，还可以成为您品牌的“传教士”。口口相传是最强的营销。这意味着出租车的舰队需要成为具有个人名称和特征的出租车司机舰队。从技术上讲，关键因素是粒度。因此，匹配的挑战变得类似于日期匹配站点的算法。考虑到这一点，与这些网站不同，必须立即进行出租车的匹配，并受到客户附近可用的驾驶员的约束。因此，关键是增加这种成功匹配的可能性。为了增加在客户附近可用的一组驾驶员中的出租车司机比例。出租车司机（个人，不再仅仅是出租车）需要根据每个区域的客户概况在城市周围分发。
利用驾驶员的潜在知识。通常，预计驾驶员在如何在城市之间的两个点之间移动的总体知识优于TomTom，GoogleMaps等公司建议的路线。需要考虑两个主要参数：最快的路线和最便宜的路线，鉴于并非所有客户都有相同的优先事项（时间是金钱，而是多少钱？）。
明智的弹性。当出租车司机处于自己个人资料的影响区域（点2）并触发服务时（点1）（第3点）使她的跨区域与她的个人资料不符的有效途径，总的来说退货不应遵循同一路线。取而代之的是，她应该选择替代路线，再次越过自己的个人资料中。换句话说，有必要分析车队的优点，以继续优化客户体验，以应对消耗更多时间和燃料的弊端。
总的来说，首先要从当前的数据分析系统（分散并有时可能矛盾）转变为结构和利用的均匀系统（清晰且共识的数据模型）（大数据）。最终要利用潜在/隐藏模式（智能数据）获得智能系统。
如果发生这种情况，传统的出租车服务系统可能会过时，并发现自己处于明显的十字路口。它要么迈向创新和更具侵略性的市场竞争（在价格和客户经验方面），要么寻求政府保护和立法加强。目前，我们沉浸在第二种选择中，因此是最近的争议和头条新闻。
现在是时候观察我在上一篇文章中谈到的三个问题：保密，间谍和宣传。
将来：在中期/长期，我希望根据每辆出租车的casuistics看到动态价格。例如，根据第4点的返回路线中的服务应比第1点衍生的初始分布派发的服务要降低。）。
那么，与其他大数据相关的项目中，最大的挑战是缺乏人力资本，其率先进行这种类型的项目所必需的所有特征：经济学家的逻辑在决策中的逻辑，科学家的创造力和精度，独立性和产生开发商原型的能力和企业家的动机。这些，通常更喜欢在大数据中保持最密集的部门：财务。
参考：
M. Shou，郑。Y.和Ouri Wolfson；T股：大规模的动态出租车乘车服务（2013年）；IEEE。
sergioálvareztele？
策略与数据科学，BBVA（马德里）