Descripciones del producto:
iFood lidera el mercado de entrega de alimentos de Brasil con una participación de mercado del 80 %. Los 5200 empleados de la empresa gestionan más de 65 millones de pedidos de comida al mes. Con la intención de mantener satisfechos a sus clientes y empleados, iFood planificó recientemente construir un simulador que permitiría a la empresa probar rápidamente miles de hipótesis para perfeccionar sus procesos y políticas empresariales. La empresa eligió Databricks y Tableau como base tecnológica del simulador. Hoy en día, iFood realiza miles de simulaciones al mes para poner a prueba sus hipótesis. Solo después de generar datos confiables sobre cada hipótesis, iFood implementa los cambios en la producción, y maximiza las posibilidades de que cada cambio aumente la satisfacción de los clientes y los conductores, al tiempo que optimiza los costos de entrega.
El cuello de botella en el análisis de datos impide optimizaciones oportunas en las rutas de entrega
iFood no es solo otro servicio de entrega de comida. La empresa se esfuerza por hacer del mundo un lugar mejor asociándose con restaurantes locales para lograr el éxito mutuo, compensando y tratando a sus conductores de forma justa y minimizando el consumo de plástico en todas sus operaciones. Para avanzar hacia estos ambiciosos objetivos, iFood innova constantemente — lo que significa que sus empleados necesitan un acceso fácil a los datos empresariales.
“Estamos comprometidos a construir una organización basada en datos”, afirmó Marcia Freitas, gerenta de productos de grupo de iFood. “Queremos que todos nuestros usuarios empresariales puedan ejecutar sus propios informes y generar sus propios insights para contribuir al éxito de nuestro negocio. Eso significa reunir todos nuestros datos en un solo lugar y proporcionarles herramientas que faciliten la ejecución de análisis”.
iFood prospera en la creación de simulaciones y en la ejecución de escenarios que ayudan a sus responsables de la toma de decisiones a validar sus hipótesis empresariales. Por ejemplo, el equipo de optimización de flotas de la empresa ajusta constantemente las palancas para equilibrar el costo de entrega con la calidad del servicio. Y la empresa suele probar las políticas de servicio en una región geográfica antes de aplicarlas a otras regiones. Pero hasta hace poco, visualizar el futuro significaba solicitar ayuda al equipo de datos y esperar quizás semanas para poder ejecutar un escenario.
“Había tantas solicitudes de proyectos de análisis de datos y solo teníamos un pequeño equipo de datos disponible para ayudar”, recordó Leandro Braga, científico sénior de datos de personal de iFood. Así que todo el mundo estaba acostumbrado a enviar un ticket y esperar su turno, lo que podía llevar semanas. Esto significaba que cualquier plan de negocios tardaba más en ponerse en marcha porque teníamos que esperar a la validación antes de poder tomar medidas”.
El simulador impulsa decisiones más inteligentes al probar hipótesis en minutos
Con el objetivo de eliminar cuellos de botella en sus procesos analíticos y acelerar la toma de decisiones, iFood decidió lanzar un simulador que aceleraría de manera significativa el proceso de ejecutar escenarios empresariales. iFood eligió Databricks Data Intelligence Platform y Tableau como tecnología central de esta plataforma.
Cuando iFood lanzó Databricks y Tableau por primera vez, relativamente pocos empleados tenían acceso a los nuevos sistemas para crear tablas de datos. Después de unos meses, la empresa abrió el acceso al lago de datos y permitió que muchos más usuarios de negocios crearan sus propios pipelines de datos. A continuación, iFood llevó a cabo un programa de capacitación masivo sobre Databricks y Tableau. Hoy en día, más de 2000 empleados usan las soluciones para generar sus propios datos.
“El simulador que lanzamos con Databricks y Tableau es un avance revolucionario para nuestro equipo de logística”, dijo Freitas. “Podemos probar muchas hipótesis a la vez para obtener respuestas más rápidas”. Ahora contamos con todas las herramientas necesarias para realizar simulaciones y obtener resultados inmediatos”.
El equipo optimizador de flota de iFood trabaja para asignar los conductores adecuados a los pedidos y clientes correctos. “Antes solían probar hipótesis diseñando experimentos, eligiendo regiones para implementarlos, dejándolos correr durante varias semanas y luego recopilando los datos directamente desde el servidor de producción. Finalmente, la empresa identificaría e implementaría una solución. Hoy en día, el simulador les permite equilibrar conductores, pedidos y rutas para idear soluciones que satisfagan a los clientes, optimizando los costos de entrega y minimizando las emisiones.
“El simulador nos permite ejecutar simulaciones altamente específicas en minutos”, dijo Braga. “Al aprovechar nuestro lago de datos en Databricks, podemos obtener datos reales sobre los escenarios exactos que queremos probar, sin afectar nuestro servidor de producción. Por ejemplo, podemos usar los datos reales de una semana de todas nuestras entregas en San Pablo para simular cómo cambiarían esas cifras con unos pocos ajustes en nuestras rutas de entrega”.
El equipo logístico de iFood publica todos sus datos dentro de Databricks para que otros equipos puedan analizarlos hasta el nivel de un pedido individual o simulación de conductor. Gracias a que la empresa creó una interfaz sencilla para el programa de simulación, las partes interesadas de diferentes unidades de negocio pueden analizar y publicar datos sin necesidad de contar con conocimientos técnicos avanzados.
“Aquí en Logística, usamos Databricks para casi todo”, confirmó Freitas. “Mi equipo de productos mantiene documentos interactivos para ayudar a las personas a auditar los datos que nuestros servicios han publicado. Por ejemplo, tenemos una estructura de transporte que determina cómo pagamos a nuestros conductores. Toda la actualización de datos para esa función ocurre en Databricks”.
Mientras tanto, iFood usa Tableau para enviar informes diarios a las partes interesadas de forma automática a través de Slack o correo electrónico. Al eliminar las barreras a los datos, iFood mantiene la atención de todos en el logro de los objetivos. La empresa cuenta con unos 1000 usuarios directos de Tableau y muchos más que reciben informes.
“Tenemos objetivos para toda la empresa que definimos para períodos específicos, y creamos paneles para que todos puedan seguir el progreso”, explicó Freitas. “Gracias a Tableau, todas nuestras decisiones en iFood ahora se basan en datos”. Una de las primeras cosas que enseñamos a los nuevos miembros del equipo es cómo ejecutar consultas y usar documentos interactivos en Databricks, así como cómo crear visualizaciones y paneles en Tableau”.
Miles de simulaciones mensuales muestran el camino hacia un servicio excepcional
iFood ahora usa su simulador para ejecutar al menos 3000 simulaciones al mes, con un máximo histórico de 10 000. Los responsables de la toma de decisiones de la empresa suelen formular cientos de hipótesis sobre cómo abordar un desafío empresarial concreto antes de reducir la lista a aproximadamente 10, una por cada una de las regiones geográficas de la empresa. iFood ajusta continuamente los parámetros del simulador para cada región para generar los resultados más realistas.
“Las simulaciones que ejecutamos en Databricks nos permiten encontrar el equilibrio ideal entre mejorar nuestros niveles de servicio y controlar nuestros costos de entrega”, dijo Freitas. “Pero no se trata solo de encontrar la respuesta, sino de encontrarla rápidamente, porque cuanto más tiempo pasamos probando, más tiempo tenemos que esperar para implementar la solución. Con Databricks, si se nos ocurre una hipótesis que podría ahorrarnos incluso una pequeña cantidad en muchos millones de pedidos, podemos probar ese cambio e implementarlo rápidamente para maximizar nuestros ahorros. En el pasado, solo para probar una hipótesis nos habría llevado al menos un mes”.
iFood sigue usando el simulador para encontrar nuevas formas de optimizar su negocio. “Lancé todo tipo de proyectos en Databricks y Tableau”, comentó Braga. “El año pasado, nos propusimos reducir las demoras en las entregas de más de cinco minutos. Determinamos que nos costaría un poco más cumplir con ese objetivo, pero teníamos todos los insights que necesitábamos para lograr el equilibrio adecuado. En este momento, buscamos formas de aumentar los salarios por hora de nuestros conductores para mantenerlos contentos. Con todos nuestros datos en un solo lugar en Databricks, por fin tenemos la perspectiva que necesitamos para tomar las decisiones correctas.
A medida que iFood continúa creciendo, la empresa tiene pensado expandir y perfeccionar su uso del simulador. “Cada año somos más grandes y, a medida que nos expandimos, nuestros riesgos también son mayores”, concluyó Freitas. “Cada cambio que realizamos en nuestros procesos tendrá ramificaciones para millones de pedidos en términos de costo, satisfacción del cliente y satisfacción del conductor. Seguiremos innovando en Databricks y Tableau para encontrar las soluciones que nos permitan seguir liderando nuestro mercado”.