СберМобайл - кейс по цифровизации таксомоторного парка
Алексей Костенюк, Руководитель направления "Цифровой транспорт" в СберМобайле. Кейс по цифровизации таксомоторного парка, подчеркнув актуальность вопроса в современной транспортной отрасли, особенно в условиях текущих экономических вызовов. Основная цель – переход от реактивного к проактивному управлению, используя цифровые технологии. Актуальность и проблемы отрасли: Отрасль характеризуется высокой цифровой зрелостью в сегменте агрегаторов такси, но операционная деятельность таксопарков нуждается в оптимизации. Основные проблемы: высокая волатильность спроса, кадровые проблемы, сложность управления автопарком, давление на маржу. Цифровой двойник: концепция и применение: Цифровой двойник – динамичная виртуальная копия физического актива и системы, объединяющая данные из различных источников. Он моделирует поведение бизнес-процессов в онлайн-режиме, обучается на исторических данных и позволяет проводить симуляции сценариев. Архитектура цифрового двойника: Слой данных: телематика, мобильные приложения водителей, скоринговые модели, CRM-системы, внешние API. Интеграция: очистка, нормализация и агрегация данных. Математические модели: TAIR, износ, логистические модели, ML-модели для прогнозирования спроса. Визуализация: дашборды для разных ролей (диспетчер, механик, бенефициар). Ожидаемые результаты: Операционная эффективность: снижение простоев, оптимизация логистики, увеличение коэффициента использования автопарка, снижение холостого пробега. Экономика: снижение затрат, экономия топлива, снижение затрат на ремонт. Управление рисками: повышение безопасности, снижение аварийности. Клиентский сервис: повышение лояльности через снижение времени подачи, улучшение рейтинга. Специфика рынка и решения: Ключевая специфика 1: разрозненность и гибридность автопарков, зависимость от человеческого фактора. Решение — цифровой двойник водителя. Ключевая специфика 2: учет региональных особенностей (климат, инфраструктура). Тренды: МААС (мобильность как услуга), испытание беспилотных услуг. Источники данных: внутренние и внешние. Бизнес-процесс: описание, уточнение реальной ситуации и переход к целевому состоянию. Имитационное моделирование: Имитационное моделирование позволяет проводить симуляции с различными параметрами (изменение парка, открытие филиалов и т.д.). Используются три основных столпа: search pricing, demand forecasting, предиктивный TAIR. Примеры использования (Юзкейсы): Оптимизация работы диспетчерской службы: превращение диспетчера в управляющего, принимающего решения на основе данных. Снижение эксплуатационных расходов, экономия (3-5 млн рублей на 100 машин). Рекомендации по реализации: Пилотный проект (квартал-два). Минимально жизнеспособный продукт (полгода-год). Промышленная эксплуатация. Масштабирование, добавление AI-агентов. Отличие от цифровой тени: цифровой двойник имеет двустороннюю связь с физическим объектом. Основные выводы и рекомендации: Глубокая специализация, адаптация европейских решений. Гибкость и кастомизация. Безопасность и интеграция. Рекомендация: начать с аудита текущих процессов и построения точечного пилотного проекта. Пример новых моделей: Таксишеринг (без ключа от машины, удаленное управление через приложение). Борьба с GPS-глушением: триангуляция по LBS и Wi-Fi спотам.
Алексей Костенюк, Руководитель направления "Цифровой транспорт" в СберМобайле. Кейс по цифровизации таксомоторного парка, подчеркнув актуальность вопроса в современной транспортной отрасли, особенно в условиях текущих экономических вызовов. Основная цель – переход от реактивного к проактивному управлению, используя цифровые технологии. Актуальность и проблемы отрасли: Отрасль характеризуется высокой цифровой зрелостью в сегменте агрегаторов такси, но операционная деятельность таксопарков нуждается в оптимизации. Основные проблемы: высокая волатильность спроса, кадровые проблемы, сложность управления автопарком, давление на маржу. Цифровой двойник: концепция и применение: Цифровой двойник – динамичная виртуальная копия физического актива и системы, объединяющая данные из различных источников. Он моделирует поведение бизнес-процессов в онлайн-режиме, обучается на исторических данных и позволяет проводить симуляции сценариев. Архитектура цифрового двойника: Слой данных: телематика, мобильные приложения водителей, скоринговые модели, CRM-системы, внешние API. Интеграция: очистка, нормализация и агрегация данных. Математические модели: TAIR, износ, логистические модели, ML-модели для прогнозирования спроса. Визуализация: дашборды для разных ролей (диспетчер, механик, бенефициар). Ожидаемые результаты: Операционная эффективность: снижение простоев, оптимизация логистики, увеличение коэффициента использования автопарка, снижение холостого пробега. Экономика: снижение затрат, экономия топлива, снижение затрат на ремонт. Управление рисками: повышение безопасности, снижение аварийности. Клиентский сервис: повышение лояльности через снижение времени подачи, улучшение рейтинга. Специфика рынка и решения: Ключевая специфика 1: разрозненность и гибридность автопарков, зависимость от человеческого фактора. Решение — цифровой двойник водителя. Ключевая специфика 2: учет региональных особенностей (климат, инфраструктура). Тренды: МААС (мобильность как услуга), испытание беспилотных услуг. Источники данных: внутренние и внешние. Бизнес-процесс: описание, уточнение реальной ситуации и переход к целевому состоянию. Имитационное моделирование: Имитационное моделирование позволяет проводить симуляции с различными параметрами (изменение парка, открытие филиалов и т.д.). Используются три основных столпа: search pricing, demand forecasting, предиктивный TAIR. Примеры использования (Юзкейсы): Оптимизация работы диспетчерской службы: превращение диспетчера в управляющего, принимающего решения на основе данных. Снижение эксплуатационных расходов, экономия (3-5 млн рублей на 100 машин). Рекомендации по реализации: Пилотный проект (квартал-два). Минимально жизнеспособный продукт (полгода-год). Промышленная эксплуатация. Масштабирование, добавление AI-агентов. Отличие от цифровой тени: цифровой двойник имеет двустороннюю связь с физическим объектом. Основные выводы и рекомендации: Глубокая специализация, адаптация европейских решений. Гибкость и кастомизация. Безопасность и интеграция. Рекомендация: начать с аудита текущих процессов и построения точечного пилотного проекта. Пример новых моделей: Таксишеринг (без ключа от машины, удаленное управление через приложение). Борьба с GPS-глушением: триангуляция по LBS и Wi-Fi спотам.