Getir | Coğrafi Veriye Dayalı Sipariş Tahminlemesi ve Saha Operasyonları Optimizasyonu

Getir, bölgesel sipariş yoğunluğunu önceden öngörmek ve teslimat operasyonlarını beklenen talebe göre planlamak için Novadsa ile iş birliği yaptı. AWS üzerinde geliştirilen makine öğrenmesi çözümü, operasyonel ve coğrafi verileri kullanarak saha yönetimine tahmin desteği sundu. Proje, teslimatların birlikte planlanmasını, kurye bekleme sürelerinin azaltılmasını ve filo kapasitesinin daha etkin kullanılmasını destekledi.

Mevcut Durum ve İhtiyaç Alanları

Saha Operasyonlarında Talep Öngörüsü

Getir’in kurye atama süreçleri, siparişlerin oluşmasının ardından devreye giriyordu. Yoğun bölgelerde tekli gönderimlerin artması, kurye ve filo kaynaklarının kullanımını etkiliyordu.

İhtiyaç, yaklaşan sipariş yoğunluğunun bölgesel olarak değerlendirilmesi ve teslimat planlamasında kullanılabilecek öngörülerin oluşturulmasıydı. Böylece saha ekiplerinin mevcut siparişlerin yanında beklenen talebi de dikkate alabileceği bir karar yapısı hedeflendi.

‍

Çözüm Yaklaşımı

Coğrafi Veriye Dayalı Tahminleme

Novadsa, bölgesel sipariş yoğunluğunu tahmin etmek üzere AWS üzerinde bir makine öğrenmesi modeli geliştirdi.

Model Eğitimi: Amazon SageMaker üzerinde eğitilen model, operasyonel ve coğrafi verilerden yararlanarak belirli bölgelerdeki sipariş yoğunluğunu öngörecek şekilde tasarlandı.

Veri Yönetimi: Amazon DynamoDB ve Amazon S3, tahminleme sürecini besleyen verilerin yönetiminde kullanıldı.

Planlama Desteği: Modelin ürettiği tahminler, teslimatların birlikte değerlendirilmesini ve saha kaynaklarının beklenen yoğunluğa göre planlanmasını destekledi.

Bu yaklaşımda tahminleme, saha yönetiminin kullanabileceği bir karar girdisi olarak ele alındı. Analitik çalışma ile operasyonel ihtiyaç arasındaki bağlantı, çözümün temel odağını oluşturdu.

‍

Dinamik Teslimat Planlaması

Bölgesel talep tahminleri, gönderilerin birlikte planlanmasına destek sundu. Teslimat organizasyonunda beklenen sipariş yoğunluğunun dikkate alınması mümkün hâle geldi.

Daha Etkin Filo Kullanımı

Bölgesel talep tahminleri, teslimatların birlikte planlanmasını ve tekli gönderimlerin azaltılmasını destekledi. Böylece filo kapasitesinin daha verimli kullanılmasına katkı sağlandı.

Azalan Kurye Bekleme Süreleri

Kurye kaynaklarının beklenen sipariş yoğunluğuna göre planlanması, atıl bekleme sürelerinin azaltılmasını destekledi. Teslimat operasyonlarının daha verimli yürütülmesine katkı sunuldu.

Veriye Dayalı Saha Yönetimi

Saha ekipleri, kurye ve filo planlamasında bölgesel sipariş tahminlerinden yararlanabilir hâle geldi. Operasyonel kararlar, beklenen talebi dikkate alan bir yapıyla desteklendi.

Sağlanan Faydalar

Geliştirilen çözüm, Getir’in teslimat operasyonlarında öngörüye dayalı planlamayı güçlendirdi:

Bölgesel talep görünürlüğü: Sipariş yoğunluğunun önceden değerlendirilmesi.
Dinamik planlama: Teslimatların beklenen talebe göre birlikte ele alınması.
Kaynak verimliliği: Kurye ve filo kapasitesinin daha etkin kullanılması.
Operasyonel hız: Atıl bekleme sürelerinin azaltılması.
Karar desteği: Saha yönetiminde tahmin sonuçlarının kullanılması.

Novadsa’nın çalışması, makine öğrenmesi çıktılarının günlük operasyonlarla ilişkilendirildiği bir planlama yaklaşımı sundu. Projenin iş değeri, verilerden üretilen öngörülerin teslimat ve kaynak yönetimi kararlarında kullanılmasına odaklandı.

‍

Thank you! Your submission has been received!

Oops! Something went wrong while submitting the form.

Fuaye

Tüm Yazılar

AWS Glue Nedir? Veri Entegrasyonu ve ETL Süreçlerinde Nasıl Kullanılır?

AWS Glue, farklı kaynaklardaki verileri keşfetmek, hazırlamak, dönüştürmek ve birleştirmek için kullanılan, Amazon Web Services (AWS) tarafından yönetilen sunucusuz bir veri entegrasyonu hizmetidir.

SAP Business Data Cloud Nedir? Mimari, Bileşenler ve Geçiş Yolu

SAP Business Data Cloud'un dört katmanlı mimarisini, Datasphere ve SAC entegrasyonunu, Delta Sharing ile veri paylaşımını ve BW'den geçiş sürecini keşfedin.

Amazon QuickSight Nedir? Mimari, Fiyatlandırma ve Amazon Quick'e Geçiş Rehberi

Amazon QuickSight’ın mimarisini, SPICE ve Direct Query yaklaşımını, güncel fiyatlandırmasını ve Amazon Quick’e geçiş sürecini keşfedin.

AWS ile Entegre Raporlama: Müzik Hakları Yönetiminde Sözleşme ve Hakediş Otomasyonu Çözümü

Novadsa, müzik hakları yönetimi sektöründeki bir müşteri için dağınık DSP hakediş ve sözleşme verilerini AWS üzerinde tek bir veri gölünde birleştirdi.

Amazon Redshift Rehberi: Mimari, Kurulum ve Kullanım Alanları

Amazon Redshift'in mimarisini, Serverless ve Provisioned seçenekleri arasındaki farkları ve kurumsal veri ambarı kullanım alanlarını inceleyen kapsamlı rehber.

AWS Well-Architected Framework Nedir? 6 Sütun Rehberi

AWS Well-Architected Framework nedir? Bulut sistemlerinizi güvenceye alan, maliyet ve performansı optimize eden 6 temel sütunu ve Well-Architected Tool kullanımını keşfedin.

AWS ile Gelecek Sipariş Tahminlemesi: Hızlı Teslimat Platformu için Coğrafi Veri Çözümü

Novadsa, hızlı teslimat sektöründeki lider bir firma için AWS üzerinde coğrafi veriye dayalı tahminleme modeli geliştirerek sipariş yoğunluğunu önceden öngören akıllı bir dağıtım yapısı kurdu.

Filo Veri Alımı ve Analitiği: Lider Bir Otomotiv Üreticisi için AWS Üzerinde "Bağlantılı Araç" Çözümü

Novadsa, lider bir otomotiv üreticisinin filo verilerini AWS üzerinde işleyerek gerçek zamanlı raporlama ve öngörüsel bakım altyapısı kurdu ve "Bağlantılı Araç" vizyonuna zemin hazırladı.

Data Lake (Veri Gölü) Nedir? AI Projeleri İçin 5 Adım

Veri gölü nedir, veri ambarından farkı ne? AWS ve SAP uyumlu modern veri mimarisine geçişin 5 pratik adımını Novadsa'dan öğrenin.

Dijital İkiz Nedir? AWS ile İşletmenize Değer Katma Rehberi

Dijital ikiz teknolojisinin işletmelere faydaları nelerdir? AWS IoT TwinMaker ve SiteWise çözümleriyle dijital dönüşüm yolculuğuna başlama rehberi.

Yeni Ürün Geliştirmenin Zorlukları

Bu yazımızda, yeni bir ürünü sıfırdan geliştirirken karşılaşılan maliyet, ölçeklenebilirlik ve altyapı zorluklarını serverless mimariler ve AWS servisleri üzerinden ele aldık.

Uzay Araştırmaları Çözünürlük Yükseltme & Uydu Görüntüleri İşleme

Düşük çözünürlüklü görüntülerden daha net sonuçlar elde etme çabası uzun süredir sürüyor ve bu alandaki yöntemler klasik yaklaşımlardan yapay zekâya doğru evriliyor.

SAP PaPM ile Kârlılık Analizi Nasıl Yapılır?

SAP PaPM ile ürün, kanal ve müşteri bazında gerçek zamanlı kârlılık analizi nasıl yapılır? HANA üzerinde sürücü tabanlı hesaplama rehberi.

Teknoloji dünyasındaki yenilikleri, dijital dönüşüm süreçlerini ve geleceği şekillendiren trendleri ele aldığımız yazılarımıza göz atın. NovaDSA olarak bilgi paylaşımını, sürekli öğrenmeyi ve ilham vermeyi önemsiyoruz.