離開大資料/人工智能 餓了可能“吃不上飯”

80後或者更為年長的朋友一定都看過1996年春晚名為《打工奇遇記》的經典獨幕喜劇。在獨幕喜劇的結尾，演員趙麗蓉手拿鍋盆說了一句"買豆腐還用叫車！？"的台詞。二十年後的今天，買豆腐不但不用叫車，想吃什麼還有專人給您送到家。快速便捷的外賣行業在網際網路時代下催生、發展、壯大起來。過去一段時間裡，外賣行業主要靠地推、執行力來驅動和發展，未來，引領外賣行業下半場不是靠執行力，而是要依靠人工智能、資料分析等技術創新。

日前，51CTO有幸專訪到"餓了麼"技術副總裁張浩先生，傾聽他對外賣行業與人工智能技術的結合、外賣行業服務與技術新标準的看法。離開了人工智能，外賣餐點将無法準時送達，餓了可能"吃不上飯"。

“餓了麼”技術副總裁張浩

【張浩，WOTI2017全球創新技術峰會特邀講師，"餓了麼"技術副總裁，負責公司人工智能與大資料建設。帶領團隊将機器學習應用在物流排程、壓力平衡、推薦搜尋等場景，通過資料挖掘建立完整的資料營運體系，提高營運效率，用資料和智能驅動業務發展。擁有十餘年機器學習、資料挖掘、分布式計算的實際經驗，曾任滴滴研究院進階總監、美國Uber大資料部、LinkedIn搜尋與分析部資深資料科學家，Microsoft語音識别組進階資料工程師。】

多年前，大多數餐廳通過電話來接收外賣訂單，效率很低，高峰時段還會占線。"餓了麼"看到了這樣的切入點，想要嘗試給商戶提供一個簡單的系統，提供一個網上的平台，讓他們可以在網上來接收訂單，進而解決占線、訂單列印等等的問題。2009年4月，"餓了麼"網上訂餐平台在上海創立了。

随着移動網際網路的普及，網上訂餐供需兩旺，外賣小哥遍布全國。在不熟悉外賣行業的人眼裡，送外賣和AI是最完全搭不上關系的兩個名詞。AI的基礎是大資料，凡是有海量資料的地方AI都能夠閃光。餓了麼的AI應用主要展現在交易效率、營運效率和物流效率這三個方向。外賣的本質是交易與物流的結合，線下部分很重，展現的是管理和營運能力；而AI加大資料可以成倍的提高線下的效率，在某些方面會完全替代線下的工作，比如智能排程。

對于人類排程員來說，每天中午和晚上的高峰都是巨大的挑戰。舉例看來，高峰用餐時段一個排程員每6秒鐘就要排程1單，他需要考慮騎手已有訂單量、路線熟悉度等。這份工作無疑會讓人類應接不暇。但對人工智能ET排程引擎來說，處理這些問題得心應手。

究竟ET是如何實作智能派單并確定效率最優的呢?簡單來說，ET會将配送站新的訂單插入到每個騎手已有的任務中，重新規劃一輪最短配送路徑，對比哪個騎手新增時間最短。為了能夠準确預估新增時間，ET需要知道全國100萬家餐廳的出餐速度、超過180萬騎手各自的騎行速度、每個顧客下樓取餐的時間。一般來說，餐廳出餐等待時間占到了整個送餐時間的三分之一。ET要想提高騎手效率，必須準确預估出餐時間以減少騎手等待，但又不能讓餐等人，最後飯涼了。要想計算騎手的送餐路程時間，ET還需要知道每個騎手在不同區域、不同天氣下的送餐速度。但餐送到了，顧客并不一定會立刻來取。顧客可能需要等三部電梯才能下來。這些ET都需要計算在内。

在人工智能ET排程引擎的協助下，餓了麼提出了"MakeEverything30'"（30分鐘送達）的願景。人工智能起到了智能化與高效率的關鍵作用。在中短期，在本地生活場景下，讓使用者更有效更快速的找到自己喜歡的食物和生活用品，并在30分鐘内送到手裡。中長期來看，當技術和法規法律同時到位的時候，機器人、無人機都會逐漸普及，徹底颠覆物流勞動密集型生産方式。

人工智能進入外賣行業不是一蹴而就的。物流是個有數千年曆史的行業，AI介入之後效率的提升不是百米短跑，但會是個加速跑，一旦跑到前面，人工排程就不可能追上了。在短短30分鐘裡面，餐廳、騎手、商場、顧客、交通擁堵、路障、電梯甚至樓下的門衛都會對服務品質産生不可預估的影響，利用資料挖掘、機器學習和運籌學技術，結合線下的營運，智能排程可以最大限度的提升排程的準确性和合理性并且持續提高服務效率。

本文作者：劉妮娜

來源：51CTO