Flink / データサイエンティスト
新設ハブの需要予測
サービスを提供するエリアを拡大する際に新しいハブを作りますが、こうした若いハブには当然過去のオーダーデータが少なく、需要予測のために通常の時系列モデルが使えません。そのためこれらの新設ハブのシフト管理(各時刻のライダーの人数などの決定)はそれまでビジネスチームの経験に基づいたマニュアルで行われていました。私はこのような過去データの限られた若いハブには周期性とトレンドを抜いた単純化したExponential Smoothing モデルを使うことを提案し、それまで4週目以降からしか提供できていなかった需要予測を10か目からに早め、シフト管理の負担を大幅に減らすことに成功しました。