Система uber: Что такое сервис Uber и как им пользоваться?

Содержание

Uber — Википедия

Uber Technologies Inc. (У́бер) — американская международная частная компания из Сан-Франциско, создавшая одноимённое мобильное приложение для поиска, вызова и оплаты такси или частных водителей[3]. С помощью приложения Uber заказчик резервирует машину с водителем и отслеживает её перемещение к указанной точке. В большинстве случаев водители используют свои собственные автомобили, а также машины таксопарков или партнёров. В большинстве стран 80 % оплаты переходят водителю, 20 % перечисляются Uber.

Название

В немецком языке «über» означает: «над» или «сверху», часто используется как приставка для обозначения повышенного уровня или превосходной степени. Ницше использовал «übermensch» в значении «сверхчеловек». Первая строка Песни немцев «Deutschland, Deutschland über alles» обычно переводится как «Германия, Германия превыше всего». В США «uber» в первой половине XX века превратилось в сленговый вариант слова «super»[4]. Первоначальное название компании «UberCab» на русский можно перевести как «СуперТакси».

История

Uber (изначально UberCab) была основана Трэвисом Калаником и Гарретом Кэмпом в 2009 году, летом того же года было выпущено одноимённое приложение. Изначально водители, участвующие в системе Uber, могли пользоваться лишь автомобилями представительского класса Lincoln Town Car, Cadillac Escalade, BMW серии 7, Mercedes-Benz S550[5], однако в 2012 году список доступных автомобилей расширили в сторону экономкласса (новый сервис был назван UberX)[6] и началась международная экспансия компании.

В 2012 году Uber объявила о планах расширения функциональных возможностей приложения, после которого будет возможен поиск попутчиков для водителей, не оказывающих услуги такси (англ. ridesharing)[7][8].

В июне 2015 года Uber открыл новый сервис в Стамбуле UberBOAT, который осуществляет переправу через пролив Босфор. Транспортировка будет осуществляться с помощью лодок. Стоимость от 17 долларов, а вместимость лодки от 7 до 10 человек

[9].

В июне 2016 года объявлено о том, что Uber в Бразилии готовится запустить услугу перевозки пассажиров на вертолёте. Данный сервис можно будет заказать в ежедневном режиме в девяти районах Сан-Паулу, которые имеют вертолётные площадки[10]. Также анонсировано, что при вызове такси Uber покажет итоговую стоимость поездки, а не тариф, соответствующий уровню плотности трафика по пути следования в место назначения[11].

В конце июля 2016 года появились сообщения о том, что Uber намеревается инвестировать 500 миллионов долларов в проект по разработке собственных электронных навигационных карт. Ожидается, что это позволит отказаться от карт Google maps и создать карты с учётом специфики сервисов Uber. Больше всего проблем возникает в развивающихся странах, где карты Google не всегда точны и подробны. При создании карт будет использоваться информация от водителей, а также собственные разработки компании. Первые карты появятся для США и Мексики

[12].

В октябре 2016 года компания Uber была «взломана» в результате чего были украдены личные данные почти 50 млн пассажиров и 7 млн водителей, но данный факт был скрыт компанией.[13] Только в ноябре 2017 года официальный представитель Uber — Дара Хосровшахи в своём послании[14] публично признал и обнародовал факт взлома. По официальной информации были похищены только имена, адреса электронной почты, номера мобильных телефонов клиентов и номера водительских удостоверений, но по данным независимых источников список украденного несколько более широк.[15] Злоумышленники, похитившие данные, потребовали от Uber выкуп. Личности преступников были установлены и им за молчание была выплачена сумма в размере 100 тыс. долларов, замаскированная под вознаграждение по программе bug bounty.

[16]

Компания Uber уже несколько лет использует приложение Greyball, которое отслеживает геолокацию потенциальных клиентов, их поведенческие особенности, что помогает определить их род занятий и заблокировать в случае необходимости. Блокируются не только преступники и представители конкурентов, но и чиновники из контролирующих органов. Это используется в таких регионах, где у компании есть трения с властями. Впервые о подобной программе сообщили транспортные инспекторы Портланда, где в своё время не было оформлено разрешение от городских властей[17].

13 июля 2017 года «Яндекс.Такси» и Uber подписали соглашение об объединении бизнеса и сервисов по онлайн-заказу такси в России, Азербайджане, Армении, Белоруссии, Грузии и Казахстане. Компании решили вложить в объединённую структуру 325 миллионов долларов. На 59,3 процента платформа будет принадлежать «Яндексу», на 36,6 процента — Uber, и на 4,1 процента — сотрудникам платформы.

[18]

Услуги

С помощью приложения Uber заказчик резервирует машину с водителем (такси) и отслеживает её перемещение к указанной точке[5], оплата производится с помощью данных банковской карты или наличными.

Приложение Uber насчитывает около двух десятков различных вариантов такси, сервисов совместных поездок и сервисов доставки. В разных странах представлен свой набор услуг. Например, Family Profile — подключение родителями своих детей (подростков до 18 лет) с возможностью слежения за их маршрутом при пользовании Uber[19].
А также:

  • UberX — стандартное такси эконом-класса
  • UberBlack — такси представительского класса с более дорогими машинами
  • UberSelect — такси бизнес-класса (среднее между эконом и представительским классом)
  • UberPop — такси эконом-класса с водителем без лицензии на такси
  • UberPool — стандартное такси с подбором по маршруту нескольких попутчиков и разделением между ними стоимости («мини-маршрутка»)
  • UberStart — самый дешёвый вариант (дешевле UberX), допускаются машины 10—15 лет
  • UberSUV — поездки на вместительном автомобиле премиум-класса с профессиональным водителем
  • UberXL — поездки на вместительном автомобиле эконом-класса с профессиональным водителем (до 6 пассажиров)
  • UberMOTO — поездки на двухместных мопедах на заднем сиденье
  • UberWAV — перевозка людей на инвалидных колясках
  • UberPIZZA — доставка пиццы
  • UberPET — перевозка животных
  • UberKIDS — перевозка детей от 3 лет (от 15 кг). В Москве можно вызвать находясь только в пределах МКАД.
  • UberEXEC
  • UberLUX
  • UberTAXI
  • UberEATS — сервис заказа еды на дом
  • UberBoat — сервис вызова персонального водного транспорта (доступен в Турции)
  • UberTrip — сервис аренды автомобиля на 5 часов и более — фиксированный тариф за 5 часов (доступен в Индонезии (о. Бали)

Финансы

Компания Uber привлекала около 11,5 млрд долл. в 14 раундах от венчурных инвесторов и фондов частных инвестиции[20]. В августе 2016, по некоторой информации, Uber достигла договорённости о продаже своей дочерней компании Uber China компании Didi. Didi, в свою очередь, собирается инвестировать $1 млрд в Uber Global[21].

Год 2014 2015 1кв’16 2кв’16
Выручка $495.3M[22] $1.5млрд $960M[23] $1.1млрд[23]
Убыток по GAAP -$671M[24] НД -$520M[23] -$750M[23]

Города присутствия

UBER работает в более чем 76 странах и 596[25] городах мира (на май 2017).

Uber в Турции

(!)Эта статья или раздел описывает ситуацию применительно лишь к одному региону, возможно, нарушая при этом правило о взвешенности изложения.

Вы можете помочь Википедии, добавив информацию для других стран и регионов.

Uber в Турции начал работать с 2014 года. В стране насчитывается около 5000 водителей данного сервиса. В 2018 году президент Турции Эрдоган объявил о завершении работы сервиса в стране, так как у них есть собственная система такси и что он поддерживает бизнес турецких таксистов[26][27].

Uber в России

(!)Эта статья или раздел описывает ситуацию применительно лишь к одному региону, возможно, нарушая при этом правило о взвешенности изложения.

Вы можете помочь Википедии, добавив информацию для других стран и регионов.

На февраль 2017 года в России Uber работает в 17-ти городах.

Город Дата выхода на рынок Услуги
Москва ноябрь 2013 UberStart, UberX, UberSELECT, UberBLACK, UberEATS, UberKIDS
Санкт-Петербург июль 2014 UberX, UberBLACK
Екатеринбург май 2015 UberX, UberSTART, UberSELECT
Казань сентябрь 2015 UberX, UberSTART
Новосибирск октябрь 2015 UberX, UberSELECT, UberBLACK
Ростов-на-Дону декабрь 2015 UberX, UberSELECT, UberKIDS
Сочи декабрь 2015 UberX, UberSELECT
Краснодар февраль 2016 UberX, UberSELECT
Уфа апрель 2016 UberX, UberSTART
Нижний Новгород апрель 2016 UberSTART, UberSELECT
Красноярск май 2016 UberX, UberSTART, UberSELECT
Пермь июль 2016 UberX, UberSTART
Омск июль 2016 UberX, UberSTART
Челябинск июль 2016 UberX, UberSTART, UberSELECT
Самара июль 2016 UberX, UberSTART
Тольятти июль 2016 UberX, UberSTART
Воронеж сентябрь 2016 UberSTART

В Воронеже открылся первый российский центр поддержки клиентов. С начала текущего года в пилотном режиме начал работу экспертный центр по поддержке водителей и пассажиров Uber’а. На данный момент проект находится в стадии развития, сейчас в нём заняты 130 экспертов. Центр в Воронеже является частью глобальной сети экспертных площадок Uber’а — аналогичные центры открыты в Каире (Египет), Кракове (Польша), Фениксе (США), Лимерике (Ирландия), Маниле (Филиппины) и Латинской Америке. Центр полностью соответствует глобальным стандартам Uber

[28].

13 июля 2017 года было объявлено о сделке между Uber’ом и Яндекс.Такси по объединению сервисов на территории России и в ряде стран СНГ (включая Белоруссию). «Яндекс» получит в объединённой компании более 59 % акций, Uber — 36,6 %, ещё 4,1 % будет принадлежать сотрудникам нового сервиса. «Яндекс» инвестирует в объединённую компанию 100 млн долларов, а Uber — 225 млн долларов. Общая оценка нового сервиса такси составит 3,7 млрд долларов. Объединённая компания рассчитывает обеспечивать более 35 млн поездок в месяц.

Конфликты

Деятельность сервиса вызывала конфликтные ситуации и протесты во множестве стран, включая Францию, Германию, Италию, Нидерланды, Испанию[29]. В некоторых странах на компанию Uber были наложены штрафы, в других запрещались некоторые или все её услуги. Проблема связана с несоответствием правил сервиса законодательству ряда европейских стран (чаще всего — отсутствие полагающихся лицензий на предоставление услуг извоза), а также с заниженными тарифами

[30][31].

В Москве таксисты также выражали недовольство деятельностью Uber, в частности, называя компанию «крупнейшим нелегальным перевозчиком»[32]. В 2015 году департамент транспорта Москвы и компания Uber договорились подписать специальное соглашение, ограничивающее услуги компании только легальными перевозчиками[33]. В январе 2016 года руководитель Департамента Транспорта Москвы Максим Ликсутов пригрозил обратиться в правоохранительные и судебные органы с требованием о запрете работы данного мобильного приложения на территории Москвы, если Uber не подпишет ограничительное соглашение[34]. В 2017 году Федеральная торговая комиссия США объявила о том, что Uber согласилась с её условиями по урегулированию претензий к тому, как мобильный сервис хранит персональные данные своих клиентов. В течение 20 лет американская компания должна будет каждые два года проходить проверку независимых аудиторов на соответствие политики Uber требованиям регулятора в области хранения конфиденциальной информации[35][36].

Гибель пешехода в аварии беспилотного автомобиля

19 марта 2018 года беспилотный автомобиль компании Uber насмерть сбил женщину в городе Темпе, штат Аризона. Автомобиль сбил 49-летнюю Элейн Херцберг, которая переходила дорогу в неположенном месте. Этот инцидент стал первым известным случаем гибели пешехода в результате аварии с участием беспилотного автомобиля. Во время происшествия транспортное средство работало в автономном режиме, а в салоне находился оператор, 44-летняя трансгендер Рафаэла Васкес[37], но она не успела вовремя среагировать и предотвратить наезд. После прецедента компания Uber объявила о приостановке испытаний беспилотных авто в Темпе, Питтсбурге, Сан-Франциско и Торонто[38][39][40].

Местная полиция по завершении расследования инцидента признала беспилотный автомобиль невиновным. По её заявлению, погибшая женщина шла посередине дороги вдоль разделительной полосы и толкала велосипед, на котором было несколько пакетов. Непосредственно перед столкновением с автомобилем она внезапно свернула на проезжую часть в неположенном месте и попала под колёса[41]. Журналисты просмотрев видео происшествия, посчитали, что ситуация была неоднозначная, так как на момент столкновения пешеход уже перешла половину дороги, а у оператора, которая должна была контролировать обстановку и смотреть на дорогу, большую часть времени взгляд был направлен вниз[42][43].

В конце марта 2018 года компания Uber заключила досудебное соглашение с семьей сбитой велосипедистки. Как следствие, дела в суде против Uber вестись не будет[44]. Подробности соглашения и дела не разглашаются, а по заявлению адвоката Uber, дело улажено[45]. Инцидент негативно повлиял не только на развитие роботизированных автомобилей Uber: компании Nvidia и Toyota также приостановили свои испытания[44].

В мае появились сообщения о том, что автомобиль распознал пешехода, но принял решение не тормозить. Это произошло по той причине, что инженеры Uber снизили порог срабатывания для распознаваемых критических объектов, и автомобиль проигнорировал пешехода[37].

Критика приложения

В ноябре 2014 года появилась информация о том, что приложение Uber для Android имеет доступ к множеству функций ОС, ищет на устройствах уязвимости[46][неавторитетный источник?]. Uber разъяснила, что несмотря на то, что приложение имеет доступ к некоторой частной информации (например, SMS), она не отсылается на серверы[47].

Кроме этого, приложение для iOS использует геолокацию в фоновом режиме без ведома пользователя, когда приложение не активно[48].

См. также

Примечания

  1. ↑ Uber Raises Funding at $62.5 Billion Valuation (англ.), Bloomberg (December 3, 2015). Проверено 14 августа 2016.
  2. ↑ Handcuffed to Uber, TechCrunch (April 29, 2016). Проверено 8 мая 2016.
  3. Goode, Lauren. Worth It? An App to Get a Cab (англ.), The Wall Street Journal (June 17, 2011).
  4. ↑ The long strange journey of ‘über’ — The Boston Globe. Проверено 5 августа 2016.
  5. 1 2 Rao, Leena. Uber Brings Its Disruptive Car Service To Chicago (англ.). TechCrunch. AOL (September 22, 2011).
  6. ↑ In Another Strike Against The Competition, Uber Lowers UberX Prices In San Diego, LA, And DC (англ.) (3 October 2013). Проверено 11 октября 2013.
  7. Ilya. California Clears Uber to Continue and Expand Operations (англ.). Uber Blog (January 31, 2013).
  8. Lawler, Ryan. Look Out, Lyft: Uber CEO Travis Kalanick Says It Will Do Ride Sharing, Too (англ.). TechCrunch. AOL (September 12, 2012).
  9. ↑ Uber перевезёт желающих из Европы в Азию на лодках // Roem.ru, 29 июня 2015
  10. ↑ Uber в Бразилии запустит такси-вертолёты. Коммерсантъ (14 июня 2016). Проверено 15 июня 2016.
  11. ↑ Uber покажет итоговую стоимость поездки вместо коэффициента, Газета.Ru. Проверено 28 июля 2017.
  12. ↑ Uber потратит полмиллиарда долларов на разработку собственных карт. Проверено 28 июля 2017.
  13. ↑ В 2016 году Uber взломали, пострадали 57 млн пользователей, но компания заплатила хакерам и скрыла инцидент — «Хакер» (рус.), «Хакер» (22 ноября 2017). Архивировано 27 ноября 2017 года. Проверено 27 ноября 2017.
  14. Khosrowshahi Dara. 2016 Data Security Incident | Uber Newsroom (англ.), Uber Newsroom (21 ноября 2017). Архивировано 27 ноября 2017 года. Проверено 27 ноября 2017.
  15. Newcomer Eric. Uber Paid Hackers to Delete Stolen Data on 57 Million People, Bloomberg.com (21 ноября 2017). Архивировано 27 ноября 2017 года. Проверено 27 ноября 2017.
  16. MIKE ISAAC, KATIE BENNER and SHEERA FRENKEL. Uber Hid 2016 Breach, Paying Hackers to Delete Stolen Data (англ.), The New York Times (21 ноября 2017). Архивировано 27 ноября 2017 года. Проверено 27 ноября 2017.
  17. ↑ Секретное приложение Uber позволяет обманывать полицейских и чиновников, USA.one.
  18. ↑ An exciting future for Uber and Yandex (англ.), Uber Global (13 July 2017). Проверено 18 июля 2017.
  19. ↑ Introducing Teen Accounts | Uber (англ.). uber.com. Проверено 23 марта 2017.
  20. ↑ Uber | crunchbase. www.crunchbase.com. Проверено 28 июля 2017.
  21. ↑ How Uber Lost More Than $1 Billion in the First Half of 2016 // The New York Times
  22. Solomon, Brian. Leaked: Uber’s Financials Show Huge Growth, Even Bigger Losses (англ.), Forbes. Проверено 28 июля 2017.
  23. 1 2 3 4 Uber lost a whopping $1.27 billion in the first half of 2016 (англ.), Business Insider. Проверено 28 июля 2017.
  24. ↑ Uber is spending like crazy to take over the world (англ.), Business Insider. Проверено 28 июля 2017.
  25. ↑ Locations (англ.), Uber Global (30 мая 2015). Проверено 18 мая 2017.
  26. ↑ Эрдоган запретил работу Uber в Турции (2 июня 2018). Проверено 7 июня 2018.
  27. ↑ Turkey to join European countries that have banned Uber, DailySabah. Проверено 7 июня 2018.
  28. ↑ https://abireg.ru/n_62649.html
  29. ↑ Мадрид: таксисты протестуют против Uber и ему подобных. euronews (11 сентября 2015). Проверено 28 июля 2017.
  30. ↑ Uber против консерваторов: как сервис борется с европейскими законами // РБК, 29 июня 2015
  31. ↑ Олланд призвал «разогнать» сервис Uber // РБК, 26 июня 2015
  32. ↑ Почему Uber стал кошмаром московских таксистов. МОСЛЕНТА. Проверено 28 июля 2017.
  33. ↑ Кто катает москвичей на Мерседесе за 22 рубля. МОСЛЕНТА. Проверено 28 июля 2017.
  34. ↑ «Реальные затраты на платную парковку 7,5 млрд», Газета.Ru. Проверено 28 июля 2017.
  35. ↑ Uber Settles FTC Allegations that It Made Deceptive Privacy and Data Security Claims (англ.), Federal Trade Commission (15 August 2017). Проверено 16 августа 2017.
  36. ↑ За Uber будут следить 20 лет // Коммерсантъ. — 2017-08-16.
  37. 1 2 Александр Пономарёв. Беспилотник Uber намеренно сбил пешехода (рус.), Популярная механика (10 мая 2018). Проверено 10 мая 2018.
  38. ↑ NYT: беспилотный автомобиль Uber насмерть сбил пешехода в США
  39. Александр Пономарёв. Беспилотный автомобиль задавил пешехода (рус.), Популярная механика (20 марта 2018). Проверено 20 марта 2018.
  40. Sam Levin, Julia Carrie Wong. Self-driving Uber kills Arizona woman in first fatal crash involving pedestrian (англ.). the Guardian (19 March 2018). Проверено 30 марта 2018.
  41. ↑ Автопилот признали невиновным в смерти пешехода (рус.), Популярная механика (22 марта 2018). Проверено 22 марта 2018.
  42. ↑ Опубликовано видео наезда беспилотника на пешехода (рус.), Популярная механика (23 марта 2018). Проверено 23 марта 2018.
  43. Sam Levin. Video released of Uber self-driving crash that killed woman in Arizona (англ.). the Guardian (22 March 2018). Проверено 30 марта 2018.
  44. 1 2 Woodall, Bernie. Uber avoids legal battle with family of autonomous vehicle victim (англ.), Reuters (29 March 2018). Проверено 30 марта 2018.
  45. ↑ Uber settles with family of pedestrian hit by its self-driving SUV (англ.), Engadget. Проверено 30 марта 2018.
  46. ↑ What the hell Uber? Uncool bro. (англ.) (25.11.2014). Проверено 6 декабря 2014.
  47. ↑ Uber’s Android app is not ‘literally malware’, despite what you may have read (англ.). The Next Web (27.11.2014). Проверено 6 декабря 2014.
  48. Kate Conger. Uber begins background collection of rider location data | TechCrunch. Проверено 28 июля 2017.

Ссылки

Обзор главных алгоритмов управления платформой / Хабр

1. Введение


Онлайн-платформы пассажироперевозок, такие как Uber, DiDi и Yandex возникли достаточно недавно, при этом они быстро достигли внушительных размеров и, несмотря на свой небольшой возраст, существенно видоизменили и дополнили систему городского транспорта. Технологии и теоретические модели, используемые этими платформами (или разрабатываемые для них), на данный момент являются областью активных исследований для широкого спектра специалистов научного сообщества: экономистов, математиков, программистов и инженеров.

В этой статье мы (как представители команды Uber Marketplace Optimization) коротко представим взгляд изнутри на главные рычаги управления эффективностью онлайн-платформ: алгоритмы, отвечающие за диспетчерские решения (matching), динамическое ценообразование (dynamic pricing), а также представим одну из новых концепций — динамическое время назначения автомобиля (dynamic waiting). Основываясь на реальном практическом опыте, мы покажем, что все три алгоритма играют важную роль для создания системы с высокой производительностью и низким временем ожидания заказов как для пассажиров, так и для водителей.

Представленное описание алгоритмов будет носить ознакомительных характер и намеренно лишено технической глубины и строгости. Заинтересовавшийся читатель приглашается изучить оригинал статьи (Dynamic Pricing and Matching in Ride-Hailing Platforms — N.Korolko, D.Woodard, C.Yan, H.Zhu — 2019), опубликованной исследователями из отдела Uber Marketplace, по мотивам которой этот краткий ознакомительный обзор и создан.

2. Описание главных алгоритмов


За последнее десятилетие индустрия транспортных решений развивается стремительными темпами благодаря новым концептуальным идеям и технологиям, таким как онлайн-платформы пассажироперевозок, разработка самоуправляемых автомобилей и автомобилей с электродвигателем. Синергия этих технологий, над которой одновременно работают многие компании и лаборатории, обещает огромный прорыв в снижении удельной стоимости пассажироперевозок не много не мало в 10 раз на дистанции в пару десятилетий.

Наиболее взрывной рост из этого списка технологий на данный момент демонстрируют онлайн-платформы пассажироперевозок. Например, компания Uber за 10 лет своего существования сгенерировала более 10 миллиардов поездок в более чем 80 странах и 700 городах по всему миру [Figure 1]. Мировой рынок таких онлайн перевозок обещает достигнуть невероятного размера в 285 миллиардов долларов к 2030 году. Поэтому неудивительно, что эффективность таких платформ, динамически контролирующих двухсторонний рынок пассажиров и водителей, имеет огромное практическое значение.

Эмпирические исследования показывают, что автоматизированные алгоритмы обработки данных, маршрутизации, ценообразования и назначения заказов позволяют онлайн-платформам добиться более высокой утилизации рабочего времени водителей и менее длительного ожидания автомобиля пассажирами по сравнению с классическим сервисом такси. Причем две эти ключевые характеристики системы (утилизация времени водителей и время ожидания пассажиром) тесно связаны с надежностью и устойчивостью сервиса: внезапные локальные вспышки спроса (например, по завершении крупного концерта или в канун Нового Года) могут существенно ухудшить обе метрики, делая тем самым использование сервиса малопривлекательным для обеих сторон рынка. Это происходит из-за того, что находящиеся на линии в зоне высокого спроса водители быстро получают малую часть общего числа заказов, а на оставшуюся часть заказов назначаются водители из удаленных районов. Это увеличивает время подачи автомобиля, которое чаще всего не оплачивается водителю (а значит уменьшает его заработок в единицу времени), и одновременно формирует негативное впечатление у пассажира. Таким образом обе стороны, использующие платформу, начинают меньше ее использовать. Из-за этого обе метрики начинают ухудшаться еще больше, тем самым закручивая нисходящую спираль производительности платформы в направлении нулевой эффективности. В англоязычной литературе этот негативный феномен называется Wild Goose Chase (WGC), дословный перевод которого — “преследование дикого гуся”.

Две ключевые технологии, направленные на повышение устойчивости и производительности платформы — это алгоритмы распределения заказов и динамического ценообразования. Первая технология контролирует диспетчерские решения, а динамическое ценообразование в режиме реального времени балансирует крайне волатильное соотношение спроса и предложения на пассажироперевозки. Динамическое ценообразование критически необходимо для поддержания работоспособности системы, снижения времени ожидания подачи автомобиля и повышения количества водителей в периоды высокого спроса. Более того, эмпирические и теоретические исследования показывают, что динамическое ценообразование позволяет уменьшить масштабы патологически опасного эффекта WGC.

2.1 Алгоритмы распределения заказов (matching)


Простейшим диспетчерским алгоритмом назначения водителя на заказ является так называемый протокол назначения ближайшего водителя (first-dispatch protocol). Несмотря на свою простоту и неплохие практические показатели эффективности, легко показать, что данный алгоритм является малоэффективным в большом количестве часто возникающих ситуаций. Во-первых, он выбирает водителя только из той подгруппы водителей, которые свободны в момент заказа, игнорируя тех водителей, которые могут быть близки к завершению поездки в непосредственной близости от нового заказа [Figure 4]. Во-вторых, этот простой алгоритм учитывает только информацию о системе в данный период времени, в то время как чаще всего платформе может быть доступна достаточно точная информация о том, что произойдет с потоком заказов и пространственным распределением водителей в ближайшем будущем. В литературе класс похожих задач, дающих практические рецепты как такая информация может быть использована для улучшения качества алгоритма, носит название “проблема K серверов” (The K-server problem).

Другое популярное семейство диспетчерских алгоритмов основано на идее объединения группы заказов на поездки в рамках небольшого временного интервала и решения агрегированной оптимизационной задачи о попарном назначении. Другими словами, вместо моментального и последовательного назначения автомобиля на каждый индивидуальный заказ, система собирает информацию о поступающих заказах и с некоторой периодичностью распределяет накопившиеся заказы между имеющимися на линии водителями. Если какие-то заказы остаются без назначенного водителя, то они остаются в системе и участвуют в задаче распределения следующего временного шага. Целевая функция оптимизационной задачи, решаемой на каждом шаге, может включать в себя широкий спектр метрик, характеризующих качество генерируемых диспетчерских назначений: время ожидания автомобиля пассажиром, расстояние между заказом и назначенным водителем, вероятность отмены заказа пассажиром или водителем, итд.

На практике диспетчерские алгоритмы выглядят намного сложнее, так как они должны учитывать большое количество особенностей разных продуктов, одновременно представленных в интерфейсе приложения. Например, автомобили, зарегистрированные на платформе, могут быть разных классов комфорта и разной вместимости. Некоторые продукты онлайн-платформ подразумевают одновременное использование одного автомобиля разными пассажирами (UberPool, Lyft Line), в том случае если их маршруты оказываются достаточно близки. Более того, диспетчерские решения часто должны учитывать предпочтения водителей по зонам обслуживания и направлениям поступающих им заказов. Таким образом, спектр возникающих оптимизационных задач, направленных на повышение эффективности диспетчерских решений, которые к тому же необходимо решать в режиме реального времени, непрерывно пополняется новыми все более сложными формулировками.

2.2 Алгоритмы динамического ценообразования (Dynamic pricing)


Одной из главных операционных сложностей управления онлайн-платформой пассажироперевозок является непрерывно меняющиеся в пространстве и времени объемы спроса и предложения на услуги такси. На рисунке ниже [Figure 5] изображено отношение количества онлайн-запросов на поездки со стороны пассажиров и количества часов, которое водители провели на линии, для двух районов Сан-Франциско: финансового центра и спального района Сансет на окраине города. Данный график хорошо иллюстрирует высокую волатильность и отсутствие баланса между спросом и предложением (соотношение которых иногда может принимать крайне высокие значения), а также разнообразие поведения этого баланса в зависимости от географической локации.

Для того, чтобы контролировать баланс спроса и предложения в пространстве и времени, онлайн-платформы используют алгоритмы динамического ценообразования, которые в режиме реального времени повышают базовый тариф, если количество поступающих со стороны пассажиров заказов существенно превышает количество свободных водителей. Польза от динамического ценообразования для поддержания стабильной работы платформы подтверждается большим количеством теоретических моделей, экспериментов и эмпирических наблюдений, связанных с рекордно высокими нагрузками на систему. Такие нагрузки могут случаться из-за большого количества предсказуемых и не очень причин: неблагоприятные погодные условия, массовые мероприятия, неисправная работа системы общественного транспорта, итд. В случае некорректной работы алгоритма ценообразования, при резком увеличении количества запросов со стороны пассажиров (или при резком снижении количества доступных автомобилей) можно наблюдать очень низкую долю пассажиров, к которым в итоге назначается автомобиль и неудовлетворительно высокое время его подачи. Ключевая роль динамического ценообразования для онлайн-платформы — это дать возможность любому пользователю в любом месте и в любой момент времени вызвать такси. Даже если предложенный тариф будет выше обычного, это будет более благоприятным вариантом, чем поставить пользователя платформы (которому срочно может быть нужна машина) в известность, что в данный момент доступных машин нет в наличии.

Популярные методы моделирования динамического ценообразования включают в себя экономические модели, описывающие стационарное состояние системы (steady-state models), модели динамического программирования, регрессионный анализ, а также оптимизационные модели, описывающие сетевые эффекты (network optimization). Недавние исследования экономистов (Castillo, 2017) показали, что динамическое повышение тарифа также позволяет платформе избежать попадания в зону негативного эффекта WGC, о котором мы говорили выше.

У динамического ценообразования есть и объективные недостатки. Во-первых, финальная цена на поездку, которую пассажиры видят при заказе такси, может существенно варьироваться из-за волатильности спроса и предложения, тем самым повышая непредсказуемость тарифа на одном и том же маршруте. С другой стороны, водители онлайн-платформ часто имеют доступ к информации в приложении о тех районах города, где активен повышающий коэффициент. Однако, из-за высокой волатильности этого коэффициента к тому времени как водитель переместится в зону более высоких цен, тариф может вернуться к базовым значениям. Более того, автоматическое повышение тарифа алгоритмом может побуждать водителей кооперироваться и искусственно создавать на локальном рынке ситуации нехватки автомобилей, доступных для заказа, тем самым активируя повышающие коэффициенты на поездки. Безусловно, такое скоординированное поведение водителей несложно обнаружить для платформ, обрабатывающих большое количество данных о заказах, и принять необходимые защитные действия, однако для пассажиров такой опыт искусственно завышенных цен может оказаться неудовлетворительным.

2.3 Динамическое время назначения автомобиля (Dynamic waiting)


Чтобы избежать проблем, связанных с динамическим ценообразованием, на практике применяются и другие алгоритмы, позволяющие сбалансировать спрос и предложение, а также избежать попадания системы в зону эффекта WGC. К ним относится идея ограничения максимального расстояния между заказом и назначаемым водителем (Maximum Dispatch Radius), а также формирование очереди заказов на поездки (queueing), поступающих в систему, заменяющее моментальное назначение водителя на каждый заказ.

Более новой концепцией, направленной на замену или дополнение динамического повышения цен, является механизм динамического контроля времени ожидания до назначения автомобиля (dynamic waiting). Один из вариантов этого механизма используется в продукте Express Pool, недавно запущенном компанией Uber на некоторых крупных рынках. Данный вид пассажироперевозок отличается максимально низким тарифами и подразумевает одновременное использование одного автомобиля несколькими независимыми пассажирами для совершения попутных поездок.

Общая идея механизма динамического времени назначения состоит в следующем. Для пассажира, заказывающего поездку, приложение не назначает водителя моментально, а предлагает подождать, но не более чем некоторое наперед обозначенное количество времени (типичные верхние границы составляют 2 или 5 минут). Причем назначение водителя может произойти в любой момент, удобный для платформы: от моментального до указанной верхней границы. В данном случае суммарное время ожидания автомобиля пассажиром состоит из двух (почти независимых) частей: время до назначения водителя и время от его назначения до прибытия на место заказа. Доставленное пассажиру неудобство ожидания компенсируется более низким тарифом.

Со стороны платформы дополнительная степень свободы со временем назначения водителей на заказы используется следующим образом. Так как продукт подразумевает комбинирование заказов и назначение одного автомобиля на одновременную перевозку нескольких пассажиров, то дополнительное время на сбор информации позволяет увеличить количество комбинаторных вариантов и в результате сгенерировать более эффективные поездки. В этом случае метрикой эффективности может являться, к примеру, близость маршрутов пассажиров, попадающих в один автомобиль. Очевидно, что как только платформа находит достаточно высокоэффективную комбинацию поездки, она тут же делает необходимое назначение водителя и оповещает всех ее участников. Если же удачная и удобная комбинация не найдена, то платформа направляет индивидуального водителя каждому из сделавших заказ пассажиров.

Описанный механизм в первую очередь оптимизирует диспетчерские решения и время, когда эти решения принимаются, причем он может быть использован одновременно с динамической оптимизацией цен. Теоретическая модель, разработанная и проанализированная в оригинале основной статьи, демонстрирует, что одновременная оптимизация цен и времени имеет большое количество преимуществ: она позволяет снизить волатильность тарифов, снизить риски эффекта WGC, а также увеличить общее количество поездок, генерируемых платформой в единицу времени. Более того, данные варианты перевозок являются экономически более выгодным как для водителей (которые одновременно получают несколько пассажиров, оплачивающих поездку), так и для пассажиров (которые получают скидку в обмен на гибкость со временем ожидания).

3. Заключение


В этой статье мы кратко описали основные оптимизационные задачи управления, которые решают онлайн-платформы пассажироперевозок для обеспечения стабильной работы и повышения своей эффективности. К таким задачам относятся построение диспетчерских алгоритмов, алгоритмов динамического ценообразования и динамического определения времени назначения водителя. Одновременное управление данными рычагами позволяет добиться высоких показателей утилизации времени водителей, низкого времени ожидания автомобиля и количества поездок, генерируемых платформой, в единицу времени. Класс указанных задач постоянно пополняется новыми, все более реалистичными примерами, открывая широкие горизонты для теоретических и практических исследований.

Все ссылки на цитируемые источники могут быть найдены в оригинале статьи (Dynamic Pricing and Matching in Ride-Hailing Platforms — N.Korolko, D.Woodard, C.Yan, H.Zhu — 2019).

Uber — Википедия

Uber Technologies Inc. (У́бер) — американская международная частная компания из Сан-Франциско, создавшая одноимённое мобильное приложение для поиска, вызова и оплаты такси или частных водителей[3]. С помощью приложения Uber заказчик резервирует машину с водителем и отслеживает её перемещение к указанной точке. В большинстве случаев водители используют свои собственные автомобили, а также машины таксопарков или партнёров. В большинстве стран 80 % оплаты переходят водителю, 20 % перечисляются Uber.

Название

В немецком языке «über» означает: «над» или «сверху», часто используется как приставка для обозначения повышенного уровня или превосходной степени. Ницше использовал «übermensch» в значении «сверхчеловек». Первая строка Песни немцев «Deutschland, Deutschland über alles» обычно переводится как «Германия, Германия превыше всего». В США «uber» в первой половине XX века превратилось в сленговый вариант слова «super»[4]. Первоначальное название компании «UberCab» на русский можно перевести как «СуперТакси».

История

Uber (изначально UberCab) была основана Трэвисом Калаником и Гарретом Кэмпом в 2009 году, летом того же года было выпущено одноимённое приложение. Изначально водители, участвующие в системе Uber, могли пользоваться лишь автомобилями представительского класса Lincoln Town Car, Cadillac Escalade, BMW серии 7, Mercedes-Benz S550[5], однако в 2012 году список доступных автомобилей расширили в сторону экономкласса (новый сервис был назван UberX)[6] и началась международная экспансия компании.

В 2012 году Uber объявила о планах расширения функциональных возможностей приложения, после которого будет возможен поиск попутчиков для водителей, не оказывающих услуги такси (англ. ridesharing)[7][8].

В июне 2015 года Uber открыл новый сервис в Стамбуле UberBOAT, который осуществляет переправу через пролив Босфор. Транспортировка будет осуществляться с помощью лодок. Стоимость от 17 долларов, а вместимость лодки от 7 до 10 человек[9].

В июне 2016 года объявлено о том, что Uber в Бразилии готовится запустить услугу перевозки пассажиров на вертолёте. Данный сервис можно будет заказать в ежедневном режиме в девяти районах Сан-Паулу, которые имеют вертолётные площадки[10]. Также анонсировано, что при вызове такси Uber покажет итоговую стоимость поездки, а не тариф, соответствующий уровню плотности трафика по пути следования в место назначения[11].

В конце июля 2016 года появились сообщения о том, что Uber намеревается инвестировать 500 миллионов долларов в проект по разработке собственных электронных навигационных карт. Ожидается, что это позволит отказаться от карт Google maps и создать карты с учётом специфики сервисов Uber. Больше всего проблем возникает в развивающихся странах, где карты Google не всегда точны и подробны. При создании карт будет использоваться информация от водителей, а также собственные разработки компании. Первые карты появятся для США и Мексики[12].

В октябре 2016 года компания Uber была «взломана» в результате чего были украдены личные данные почти 50 млн пассажиров и 7 млн водителей, но данный факт был скрыт компанией.[13] Только в ноябре 2017 года официальный представитель Uber — Дара Хосровшахи в своём послании[14] публично признал и обнародовал факт взлома. По официальной информации были похищены только имена, адреса электронной почты, номера мобильных телефонов клиентов и номера водительских удостоверений, но по данным независимых источников список украденного несколько более широк.[15] Злоумышленники, похитившие данные, потребовали от Uber выкуп. Личности преступников были установлены и им за молчание была выплачена сумма в размере 100 тыс. долларов, замаскированная под вознаграждение по программе bug bounty.[16]

Компания Uber уже несколько лет использует приложение Greyball, которое отслеживает геолокацию потенциальных клиентов, их поведенческие особенности, что помогает определить их род занятий и заблокировать в случае необходимости. Блокируются не только преступники и представители конкурентов, но и чиновники из контролирующих органов. Это используется в таких регионах, где у компании есть трения с властями. Впервые о подобной программе сообщили транспортные инспекторы Портланда, где в своё время не было оформлено разрешение от городских властей[17].

13 июля 2017 года «Яндекс.Такси» и Uber подписали соглашение об объединении бизнеса и сервисов по онлайн-заказу такси в России, Азербайджане, Армении, Белоруссии, Грузии и Казахстане. Компании решили вложить в объединённую структуру 325 миллионов долларов. На 59,3 процента платформа будет принадлежать «Яндексу», на 36,6 процента — Uber, и на 4,1 процента — сотрудникам платформы.[18]

Услуги

С помощью приложения Uber заказчик резервирует машину с водителем (такси) и отслеживает её перемещение к указанной точке[5], оплата производится с помощью данных банковской карты или наличными.

Приложение Uber насчитывает около двух десятков различных вариантов такси, сервисов совместных поездок и сервисов доставки. В разных странах представлен свой набор услуг. Например, Family Profile — подключение родителями своих детей (подростков до 18 лет) с возможностью слежения за их маршрутом при пользовании Uber[19].
А также:

  • UberX — стандартное такси эконом-класса
  • UberBlack — такси представительского класса с более дорогими машинами
  • UberSelect — такси бизнес-класса (среднее между эконом и представительским классом)
  • UberPop — такси эконом-класса с водителем без лицензии на такси
  • UberPool — стандартное такси с подбором по маршруту нескольких попутчиков и разделением между ними стоимости («мини-маршрутка»)
  • UberStart — самый дешёвый вариант (дешевле UberX), допускаются машины 10—15 лет
  • UberSUV — поездки на вместительном автомобиле премиум-класса с профессиональным водителем
  • UberXL — поездки на вместительном автомобиле эконом-класса с профессиональным водителем (до 6 пассажиров)
  • UberMOTO — поездки на двухместных мопедах на заднем сиденье
  • UberWAV — перевозка людей на инвалидных колясках
  • UberPIZZA — доставка пиццы
  • UberPET — перевозка животных
  • UberKIDS — перевозка детей от 3 лет (от 15 кг). В Москве можно вызвать находясь только в пределах МКАД.
  • UberEXEC
  • UberLUX
  • UberTAXI
  • UberEATS — сервис заказа еды на дом
  • UberBoat — сервис вызова персонального водного транспорта (доступен в Турции)
  • UberTrip — сервис аренды автомобиля на 5 часов и более — фиксированный тариф за 5 часов (доступен в Индонезии (о. Бали)

Финансы

Компания Uber привлекала около 11,5 млрд долл. в 14 раундах от венчурных инвесторов и фондов частных инвестиции[20]. В августе 2016, по некоторой информации, Uber достигла договорённости о продаже своей дочерней компании Uber China компании Didi. Didi, в свою очередь, собирается инвестировать $1 млрд в Uber Global[21].

Год 2014 2015 1кв’16 2кв’16
Выручка $495.3M[22] $1.5млрд $960M[23] $1.1млрд[23]
Убыток по GAAP -$671M[24] НД -$520M[23] -$750M[23]

Города присутствия

UBER работает в более чем 76 странах и 596[25] городах мира (на май 2017).

Uber в Турции

(!)Эта статья или раздел описывает ситуацию применительно лишь к одному региону, возможно, нарушая при этом правило о взвешенности изложения.

Вы можете помочь Википедии, добавив информацию для других стран и регионов.

Uber в Турции начал работать с 2014 года. В стране насчитывается около 5000 водителей данного сервиса. В 2018 году президент Турции Эрдоган объявил о завершении работы сервиса в стране, так как у них есть собственная система такси и что он поддерживает бизнес турецких таксистов[26][27].

Uber в России

(!)Эта статья или раздел описывает ситуацию применительно лишь к одному региону, возможно, нарушая при этом правило о взвешенности изложения.

Вы можете помочь Википедии, добавив информацию для других стран и регионов.

На февраль 2017 года в России Uber работает в 17-ти городах.

Город Дата выхода на рынок Услуги
Москва ноябрь 2013 UberStart, UberX, UberSELECT, UberBLACK, UberEATS, UberKIDS
Санкт-Петербург июль 2014 UberX, UberBLACK
Екатеринбург май 2015 UberX, UberSTART, UberSELECT
Казань сентябрь 2015 UberX, UberSTART
Новосибирск октябрь 2015 UberX, UberSELECT, UberBLACK
Ростов-на-Дону декабрь 2015 UberX, UberSELECT, UberKIDS
Сочи декабрь 2015 UberX, UberSELECT
Краснодар февраль 2016 UberX, UberSELECT
Уфа апрель 2016 UberX, UberSTART
Нижний Новгород апрель 2016 UberSTART, UberSELECT
Красноярск май 2016 UberX, UberSTART, UberSELECT
Пермь июль 2016 UberX, UberSTART
Омск июль 2016 UberX, UberSTART
Челябинск июль 2016 UberX, UberSTART, UberSELECT
Самара июль 2016 UberX, UberSTART
Тольятти июль 2016 UberX, UberSTART
Воронеж сентябрь 2016 UberSTART

В Воронеже открылся первый российский центр поддержки клиентов. С начала текущего года в пилотном режиме начал работу экспертный центр по поддержке водителей и пассажиров Uber’а. На данный момент проект находится в стадии развития, сейчас в нём заняты 130 экспертов. Центр в Воронеже является частью глобальной сети экспертных площадок Uber’а — аналогичные центры открыты в Каире (Египет), Кракове (Польша), Фениксе (США), Лимерике (Ирландия), Маниле (Филиппины) и Латинской Америке. Центр полностью соответствует глобальным стандартам Uber[28].

13 июля 2017 года было объявлено о сделке между Uber’ом и Яндекс.Такси по объединению сервисов на территории России и в ряде стран СНГ (включая Белоруссию). «Яндекс» получит в объединённой компании более 59 % акций, Uber — 36,6 %, ещё 4,1 % будет принадлежать сотрудникам нового сервиса. «Яндекс» инвестирует в объединённую компанию 100 млн долларов, а Uber — 225 млн долларов. Общая оценка нового сервиса такси составит 3,7 млрд долларов. Объединённая компания рассчитывает обеспечивать более 35 млн поездок в месяц.

Конфликты

Деятельность сервиса вызывала конфликтные ситуации и протесты во множестве стран, включая Францию, Германию, Италию, Нидерланды, Испанию[29]. В некоторых странах на компанию Uber были наложены штрафы, в других запрещались некоторые или все её услуги. Проблема связана с несоответствием правил сервиса законодательству ряда европейских стран (чаще всего — отсутствие полагающихся лицензий на предоставление услуг извоза), а также с заниженными тарифами[30][31].

В Москве таксисты также выражали недовольство деятельностью Uber, в частности, называя компанию «крупнейшим нелегальным перевозчиком»[32]. В 2015 году департамент транспорта Москвы и компания Uber договорились подписать специальное соглашение, ограничивающее услуги компании только легальными перевозчиками[33]. В январе 2016 года руководитель Департамента Транспорта Москвы Максим Ликсутов пригрозил обратиться в правоохранительные и судебные органы с требованием о запрете работы данного мобильного приложения на территории Москвы, если Uber не подпишет ограничительное соглашение[34]. В 2017 году Федеральная торговая комиссия США объявила о том, что Uber согласилась с её условиями по урегулированию претензий к тому, как мобильный сервис хранит персональные данные своих клиентов. В течение 20 лет американская компания должна будет каждые два года проходить проверку независимых аудиторов на соответствие политики Uber требованиям регулятора в области хранения конфиденциальной информации[35][36].

Гибель пешехода в аварии беспилотного автомобиля

19 марта 2018 года беспилотный автомобиль компании Uber насмерть сбил женщину в городе Темпе, штат Аризона. Автомобиль сбил 49-летнюю Элейн Херцберг, которая переходила дорогу в неположенном месте. Этот инцидент стал первым известным случаем гибели пешехода в результате аварии с участием беспилотного автомобиля. Во время происшествия транспортное средство работало в автономном режиме, а в салоне находился оператор, 44-летняя трансгендер Рафаэла Васкес[37], но она не успела вовремя среагировать и предотвратить наезд. После прецедента компания Uber объявила о приостановке испытаний беспилотных авто в Темпе, Питтсбурге, Сан-Франциско и Торонто[38][39][40].

Местная полиция по завершении расследования инцидента признала беспилотный автомобиль невиновным. По её заявлению, погибшая женщина шла посередине дороги вдоль разделительной полосы и толкала велосипед, на котором было несколько пакетов. Непосредственно перед столкновением с автомобилем она внезапно свернула на проезжую часть в неположенном месте и попала под колёса[41]. Журналисты просмотрев видео происшествия, посчитали, что ситуация была неоднозначная, так как на момент столкновения пешеход уже перешла половину дороги, а у оператора, которая должна была контролировать обстановку и смотреть на дорогу, большую часть времени взгляд был направлен вниз[42][43].

В конце марта 2018 года компания Uber заключила досудебное соглашение с семьей сбитой велосипедистки. Как следствие, дела в суде против Uber вестись не будет[44]. Подробности соглашения и дела не разглашаются, а по заявлению адвоката Uber, дело улажено[45]. Инцидент негативно повлиял не только на развитие роботизированных автомобилей Uber: компании Nvidia и Toyota также приостановили свои испытания[44].

В мае появились сообщения о том, что автомобиль распознал пешехода, но принял решение не тормозить. Это произошло по той причине, что инженеры Uber снизили порог срабатывания для распознаваемых критических объектов, и автомобиль проигнорировал пешехода[37].

Критика приложения

В ноябре 2014 года появилась информация о том, что приложение Uber для Android имеет доступ к множеству функций ОС, ищет на устройствах уязвимости[46][неавторитетный источник?]. Uber разъяснила, что несмотря на то, что приложение имеет доступ к некоторой частной информации (например, SMS), она не отсылается на серверы[47].

Кроме этого, приложение для iOS использует геолокацию в фоновом режиме без ведома пользователя, когда приложение не активно[48].

См. также

Примечания

  1. ↑ Uber Raises Funding at $62.5 Billion Valuation (англ.), Bloomberg (December 3, 2015). Проверено 14 августа 2016.
  2. ↑ Handcuffed to Uber, TechCrunch (April 29, 2016). Проверено 8 мая 2016.
  3. Goode, Lauren. Worth It? An App to Get a Cab (англ.), The Wall Street Journal (June 17, 2011).
  4. ↑ The long strange journey of ‘über’ — The Boston Globe. Проверено 5 августа 2016.
  5. 1 2 Rao, Leena. Uber Brings Its Disruptive Car Service To Chicago (англ.). TechCrunch. AOL (September 22, 2011).
  6. ↑ In Another Strike Against The Competition, Uber Lowers UberX Prices In San Diego, LA, And DC (англ.) (3 October 2013). Проверено 11 октября 2013.
  7. Ilya. California Clears Uber to Continue and Expand Operations (англ.). Uber Blog (January 31, 2013).
  8. Lawler, Ryan. Look Out, Lyft: Uber CEO Travis Kalanick Says It Will Do Ride Sharing, Too (англ.). TechCrunch. AOL (September 12, 2012).
  9. ↑ Uber перевезёт желающих из Европы в Азию на лодках // Roem.ru, 29 июня 2015
  10. ↑ Uber в Бразилии запустит такси-вертолёты. Коммерсантъ (14 июня 2016). Проверено 15 июня 2016.
  11. ↑ Uber покажет итоговую стоимость поездки вместо коэффициента, Газета.Ru. Проверено 28 июля 2017.
  12. ↑ Uber потратит полмиллиарда долларов на разработку собственных карт. Проверено 28 июля 2017.
  13. ↑ В 2016 году Uber взломали, пострадали 57 млн пользователей, но компания заплатила хакерам и скрыла инцидент — «Хакер» (рус.), «Хакер» (22 ноября 2017). Архивировано 27 ноября 2017 года. Проверено 27 ноября 2017.
  14. Khosrowshahi Dara. 2016 Data Security Incident | Uber Newsroom (англ.), Uber Newsroom (21 ноября 2017). Архивировано 27 ноября 2017 года. Проверено 27 ноября 2017.
  15. Newcomer Eric. Uber Paid Hackers to Delete Stolen Data on 57 Million People, Bloomberg.com (21 ноября 2017). Архивировано 27 ноября 2017 года. Проверено 27 ноября 2017.
  16. MIKE ISAAC, KATIE BENNER and SHEERA FRENKEL. Uber Hid 2016 Breach, Paying Hackers to Delete Stolen Data (англ.), The New York Times (21 ноября 2017). Архивировано 27 ноября 2017 года. Проверено 27 ноября 2017.
  17. ↑ Секретное приложение Uber позволяет обманывать полицейских и чиновников, USA.one.
  18. ↑ An exciting future for Uber and Yandex (англ.), Uber Global (13 July 2017). Проверено 18 июля 2017.
  19. ↑ Introducing Teen Accounts | Uber (англ.). uber.com. Проверено 23 марта 2017.
  20. ↑ Uber | crunchbase. www.crunchbase.com. Проверено 28 июля 2017.
  21. ↑ How Uber Lost More Than $1 Billion in the First Half of 2016 // The New York Times
  22. Solomon, Brian. Leaked: Uber’s Financials Show Huge Growth, Even Bigger Losses (англ.), Forbes. Проверено 28 июля 2017.
  23. 1 2 3 4 Uber lost a whopping $1.27 billion in the first half of 2016 (англ.), Business Insider. Проверено 28 июля 2017.
  24. ↑ Uber is spending like crazy to take over the world (англ.), Business Insider. Проверено 28 июля 2017.
  25. ↑ Locations (англ.), Uber Global (30 мая 2015). Проверено 18 мая 2017.
  26. ↑ Эрдоган запретил работу Uber в Турции (2 июня 2018). Проверено 7 июня 2018.
  27. ↑ Turkey to join European countries that have banned Uber, DailySabah. Проверено 7 июня 2018.
  28. ↑ https://abireg.ru/n_62649.html
  29. ↑ Мадрид: таксисты протестуют против Uber и ему подобных. euronews (11 сентября 2015). Проверено 28 июля 2017.
  30. ↑ Uber против консерваторов: как сервис борется с европейскими законами // РБК, 29 июня 2015
  31. ↑ Олланд призвал «разогнать» сервис Uber // РБК, 26 июня 2015
  32. ↑ Почему Uber стал кошмаром московских таксистов. МОСЛЕНТА. Проверено 28 июля 2017.
  33. ↑ Кто катает москвичей на Мерседесе за 22 рубля. МОСЛЕНТА. Проверено 28 июля 2017.
  34. ↑ «Реальные затраты на платную парковку 7,5 млрд», Газета.Ru. Проверено 28 июля 2017.
  35. ↑ Uber Settles FTC Allegations that It Made Deceptive Privacy and Data Security Claims (англ.), Federal Trade Commission (15 August 2017). Проверено 16 августа 2017.
  36. ↑ За Uber будут следить 20 лет // Коммерсантъ. — 2017-08-16.
  37. 1 2 Александр Пономарёв. Беспилотник Uber намеренно сбил пешехода (рус.), Популярная механика (10 мая 2018). Проверено 10 мая 2018.
  38. ↑ NYT: беспилотный автомобиль Uber насмерть сбил пешехода в США
  39. Александр Пономарёв. Беспилотный автомобиль задавил пешехода (рус.), Популярная механика (20 марта 2018). Проверено 20 марта 2018.
  40. Sam Levin, Julia Carrie Wong. Self-driving Uber kills Arizona woman in first fatal crash involving pedestrian (англ.). the Guardian (19 March 2018). Проверено 30 марта 2018.
  41. ↑ Автопилот признали невиновным в смерти пешехода (рус.), Популярная механика (22 марта 2018). Проверено 22 марта 2018.
  42. ↑ Опубликовано видео наезда беспилотника на пешехода (рус.), Популярная механика (23 марта 2018). Проверено 23 марта 2018.
  43. Sam Levin. Video released of Uber self-driving crash that killed woman in Arizona (англ.). the Guardian (22 March 2018). Проверено 30 марта 2018.
  44. 1 2 Woodall, Bernie. Uber avoids legal battle with family of autonomous vehicle victim (англ.), Reuters (29 March 2018). Проверено 30 марта 2018.
  45. ↑ Uber settles with family of pedestrian hit by its self-driving SUV (англ.), Engadget. Проверено 30 марта 2018.
  46. ↑ What the hell Uber? Uncool bro. (англ.) (25.11.2014). Проверено 6 декабря 2014.
  47. ↑ Uber’s Android app is not ‘literally malware’, despite what you may have read (англ.). The Next Web (27.11.2014). Проверено 6 декабря 2014.
  48. Kate Conger. Uber begins background collection of rider location data | TechCrunch. Проверено 28 июля 2017.

Ссылки

Что такое дизайн-система Uber и примеры ее боевого применения


Вы читаете перевод статьи “Uber Design Platform”. Над переводом работали: Ольга Жолудова и Ринат Шайхутдинов.

Этим утром я приехал в офис в Сан-Франциско на велике от Jump. А пока я пишу эту статью, где-то в Бангкоке водитель Uber везет клиентов домой в своем тук-туке; суетящееся семейство где-то в Бирмингеме заказывает обед через Uber Eats; путешественники в Денвере садятся в поезд по билетам, купленным в Uber Transit. А еще, возможно, что прямо сейчас, читая эту статью, вы тоже едете на машине Uber. 

Продукты Uber активно масштабируются, захватывают новые рынки, каждый рынок со своими нюансами. Соответственно в портфолио появляется все больше дизайн-решений — а вместе с ним и количество переменных и вариаций внутри наших дизайн-решений.

Интересуетесь свежими статьями по дизайну? Вступайте в группу на Facebook.

Каждый день люди совершают по 10 миллионов поездок через Uber. Чтобы обеспечить всем и каждому приятный и надежный пользовательский опыт мы развиваем Uber Design Platform.

Нам наконец-то удалось создать систему, которая не только учитывает эволюцию продуктов Uber, но и систематизирует все элементы дизайна. В итоге наша дизайн-платформа оснащает наших дизайнеров обширным набором согласованных между собой базовых элементов, с которыми можно свободно проводить эксперименты и добиваться выдающихся дизайн-решений.

Гибкая платформа для дизайна и развития потребительского опыта

Все приложения и сервисы Uber выходили на рынок молниеносно. Поэтому в самом начале система продуктов была децентрализованной — конечно, в этом был свой плюс, с таким подходом мы могли шустро экспериментировать, открывать и внедрять новые паттерны дизайна. Но у этой свободы была и обратная сторона: пользовательский опыт от продукта к продукту сильно отличался. 

Мы проанализировали сценарии использования и уникальный опыт пассажиров, водителей и других пользователей и поняли, что, хоть сами истории и отличаются, в них все-таки удается выделить ряд базовых поведенческих паттернов, которые формируют пользовательский опыт. Тогда и пришла идея, что если мы учтем в дизайне эти повторяющиеся закономерности (паттерны), то сможем добиться согласованного пользовательского опыта для всего нашего нашего множества продуктов. 

И вот сейчас мы уже готовы заявить, что Uber — это Платформа: все наши сервисы и продукты теперь собраны в единую экосистему, и сила этой системы как раз в том, как (и насколько хорошо) эти сервисы согласуются между собой. Развивается платформа — эволюционирует и масштабируется наш процесс дизайна. 

Мы созрели и понимаем, что нам просто необходимы инструменты, которые помогут дизайнерам быть на одной волне: оперативный доступ к потоку свежих данных о потребительском опыте, развивающаяся коллекция паттернов дизайна для самых разных случаев и единые дизайн-библиотеки. 

И очень важно, чтобы в систему можно было легко внести новые элементы, не разрушая при этом существующие сценарии взаимодействия, к которым пользователи привыкли. 

Основа дизайн-системы

Мы стремились создать основательную, но гибкую и готовую к интенсивному развитию систему, в рамках которой у дизайнеров будет всегда достаточно свободы для исследований и экспериментов — но при этом их дизайны всегда будут согласованными и качественными. 

Дизайн-система Uber: База

В 2018 году мы создали веб-библиотеку на базе React и выпустили ее на рынок под названием Base Web. Мы использовали в названии слово Base (база), потому что в первую очередь сделали упор на базовые элементы: типографику, цвет, сетку и иконки, а также кнопки, списки и элементы управления.

Сегодня эта система превратилась в UI фреймворк для всех наших продуктов. 

Дизайнер не должен сверять свои работы с требованиями дизайн-системы — дизайн система должна делать его сильнее, ускоряя создание сильных решений

Дизайн-система — это лишь первый элемент пазла, а не последний. Дизайн-система ускоряет работу дизайнера, при этом обеспечивает согласованность и высокие стандарты качества. Поэтому мы сделали нашу базовую систему максимально простой. Она содержит четыре типа шрифтов, три основных цвета — белый, черный и акцентный — и пять стандартных размеров, основанных на 4х-пиксельной сетке. 

Это как играть в LEGO: из нескольких видов деталек можно собрать множество фигур. Сами детали не меняются, но «строитель» раскрывает их потенциал, создавая бесконечные вариации. Так же и в нашей системе: ключевые элементы — базовые, но их можно адаптировать под разные сценарии использования при помощи стилей. 

Приложение Styleguide позволяет дизайнерам тестировать разные конфигурации компонентов

Соединив множество дизайн-решений в единую дизайн-систему, мы наконец-то можем начать мыслить вне пикселей, целями и задачами наших клиентов.

Теперь, проектируя продукты Uber, дизайнер концентрируется на том, как взаимодействуют виртуальный и физический миры и как возможности, которые предоставляют наши продукты, влияют на поведенческие модели (паттерны) пользователей и общества в целом. Мы называем это проектированием под паттерны. Благодаря тому, что у нас есть четко проработанная дизайн-система с набором вспомогательных инструментов, дизайнеры не «двигают пиксели», сосредоточены на выявлении поведенческих паттернов в реальном мире и проектировании продуктов, которые гармонично вписываются в реальную жизнь и делают ее лучше. 

Документация и ресурсы

Если дизайн-язык достаточно простой, его будет просто расширять и поддерживать.

У каждого дизайнера свои подходы к работе. Когда постоянно приходится отвлекаться на поиск референсов в документации, это выбивает из потока созидания и затягивает в рутину. 

Когда-то мы пробовали применять экстранеты, на которых размещали руководства по стилю, но здесь есть два минуса. Во-первых, эти ресурсы нужно постоянно обновлять, иначе они устареют и станут бесполезными. Во-вторых, по итогу это все тот же отдельный ресурс, на который приходится отвлекаться, прерывая рабочий процесс. Сейчас вся документация прописана у нас прямо в инструменте. 

В качестве основного инструмента для дизайна мы выбрали Figma, она хороша для совместной работы. Поэтому, все наши рабочие файлы хранятся в облаке, так нам проще поддерживать документацию в актуальном состоянии.

У нас получилась классная библиотека, где мы не только публикуем и обновляем компоненты интерфейса, но и пишем рекомендации по дизайну, формируем полезные чеклисты и собираем хорошие примеры. Главный плюс такой живой системы состоит в том, что все, что может понадобиться дизайнеру, хранимся в одном месте — и можно быть уверенными, что вся информация там свежая и актуальная.

Исторически сложилось так, что все продукты Uber использовали разные библиотеки иконок и даже разные стили. Сначала это казалось логичным, ведь водители, пассажиры и заказчики еды используют сервисы Uber в совершенно разных контекстах. Со временем мы поняли, что общий набор иконок в единой тематике может отлично сработать для всех наших продуктов: внутренних и внешних. 

Теперь у нас есть единая согласованная система иконок, иллюстраций и ресурсов. При необходимости дизайн-команды Uber могут запрашивать новые ресурсы. Их разработкой занимается специальная креативная команда.

Единая система иконокЕдиная система иконок

Дизайн-процесс не заканчивается на этапе создания, он встроен в полный цикл производства: от получения запросов до предоставления доступов.

Наша дизайн-система проникла в каждое подразделение (продуктовый дизайн, маркетинг, разработка), и покрыла множество различных потребностей. Теперь вся важная информация для работы раздается централизовано. Каждый дизайн-компонент в этом едином пространстве легко найти, так как мы добавляем спецальные тэги и ключевые слова.

К примеру, ребята из маркетинга не всегда умеют работать в дизайнерских инструментах вроде Figma, и, как правило, им нужны PNG-картинки. Мы построили супер-быстрый внутренний сайт, который находит изображения в Figma по ключевым словам и выгружает их в формате картинок. Благодаря этому, любой недизайнер может быстро добыть нужные ресурсы. 

Мы используем несколько каналов распространения иконок и иллюстраций Мы используем несколько каналов распространения иконок и иллюстраций

Платформа для людей 

Компоненты, дизайн-системы и инструменты полезны только тогда, когда люди ими пользуются. 

Мы несколько лет экспериментировали с разными подходами и пришли вот к чему: чтобы инструмент или подход прижился в рабочем процессе, нужно создать вокруг него сообщество людей, которые будут использовать его каждый день. 

Мы используем несколько каналов распространения иконок и иллюстраций 

Мы  сделали ставку на один небольшой инструмент под названием DesignKit. Это простое расширение под Mac OS, которое дает дизайнерам быстрый доступ ко всем нашим инструментам.

Такой подход дает нам возможность на ходу обновлять DesignKit, чтобы там всегда была самая свежая и актуальная информация. Преимущество такого решения в том, что мы можем отправлять системные пуш-уведомления.

Рассылки и дайджесты — неподходящий формат, чтобы держать дизайнеров в курсе простых, быстрых изменениях в дизайн-системе. К тому же, важное письмо можно просто пропустить. Благодаря расширению DesignKit, мы можем быстро рассказывать о пополнениях и изменениях в дизайн-системе, не отвлекая дизайнеров от работы. 

Ну и само собой, дизайн делают не инструменты, а люди.

В конечном счете, дизайн рождается в ходе совместных обсуждений, экспериментов, тестов и усердной работы. Чтобы всегда быть в курсе того, над чем работают дизайнеры, мы обязательно выделяем время на разборы дизайнов, встречи “один-на-один”, воркшопы и другие формальные или спонтанные мероприятия, где дизайнеры могут пообщаться лично. 

Мы используем несколько каналов распространения иконок и иллюстраций Проектирование в открытую

Дизайн-культура играет в этом ключевую роль. Мы призываем всех дизайнеров Uber дизайнить в открытую, то есть постоянно рассказывать о своей работе коллегам и помогать друг другу.  В этом плане наша дизайн-система — это не свод правил, которые мы навязываем дизайнерам через контроль и жесткое регулирование работы, а скорее полная, растущая и развивающаяся экосистема, в которую каждый может внести свой вклад. И чем больше мы работаем, все вместе — тем лучше становится система. 

Главная цель нашей дизайн-платформы в том, чтобы помочь каждому дизайнеру видеть всю картину целиком и системно: пользовательские сценарии, сетки, шрифты, язык, анимации, доступность и т.д. Это позволяет дизайнерам работать вместе, черпать знания из единого источника и четко представлять уровень качества всех продуктов компании. 

Правило простое: если каждый будет совершенствовать свою работу и, таким образом, помогать другим расти — повысится наш общий уровень профессионализма, а с ним и качество наших продуктов.

Что такое рейтинг Uber и для чего он нужен

Открыть приложение ->

Мы стремимся, чтобы каждая поездка была удачной, чтобы ни один водитель и ни один пассажир не сталкивались с агрессией, неуважением или насилием. Мы работаем над тем, чтобы пользоваться сервисом Uber было безопасно, надежно и комфортно в каждой поездке. Это касается и человека на пассажирском сиденье, и того, кто находится за рулем.

Именно поэтому и оценка водителя, и оценка пассажира — весомые составляющие сервиса Uber.

Как работает рейтинг в Uber

После каждой поездки водитель и пассажир выставляют друг другу оценку — от 1 до 5 звезд. Из среднего значения оценок за последние 500 поездок формируется рейтинг пользователя Uber. Отдельные оценки анонимны. Это значит, что ни водители, ни пассажиры не видят индивидуальных оценок, связанных с конкретными ситуациями и людьми.

Что означает высокий и низкий рейтинг Uber

Если ваш рейтинг высок, это значит, что вы прекрасный водитель или пассажир. Высокая оценка формирует взаимное доверие. Например, водитель, которые видит заказ в местах развлечений, может засомневаться, стоит ли его брать — ведь он может получить «сюрприз» в виде пьяного и агрессивного пассажира. Но если он посмотрит на ваш рейтинг и увидит, скажем, 4,9 звезд, доверие к вам возрастет, и он может принять заказ.

Это касается и пассажира: когда водитель принял ваш заказ, вы можете увидеть его рейтинг. Если он имеет 3 звезды или меньше — вы вполне можете отказаться от заказа (так, как это предусмотрено правилами пользования Uber).

Команда Uber также регулирует этот процесс. Могут ли исключить водителя из партнеров за низкое качество услуг и плохие отзывы? Еще бы! Может Uber заблокировать его на некоторое время за низкую квалификацию? Конечно! Делает такое Uber? К сожалению, такое бывает.

То же касается и пользователя. Если рейтинг стабильно низкий, Uber может попросить пассажира улучшить свой рейтинг, чтобы иметь возможность и дальше пользоваться сервисом.

Как работает Uber с блокировкой пользователей? Мы всегда предупреждаем вас, прежде чем идти на крайний шаг. Те, у кого некоторое время держится низкий рейтинг (3 звезды и менее), получают предупреждение от Uber с просьбой улучшить качество предоставления услуг (если это партнер Uber) или их потребления (если пассажир).

Как пользоваться Uber, чтобы получить хорошую оценку от водителя:

  • Не заставляйте его ждать вас;
  • Относитесь вежливо к водителю и и аккуратно к его автомобилю;
  • Не нарушайте требования безопасности.

Как пользоваться Uber, чтобы получить хорошую оценку от пассажира:

  • Общайтесь дружелюбно;
  • Следите за чистотой машины;
  • Поддержите разговор, если пассажир этого хочет.

Подсказка водителям:

если пассажир оценивает поездку ниже 5 звезд, но указанная им причина не связана непосредственно с качеством обслуживания, это не повлияет на ваш рейтинг.

Детальный разбор бизнес-модели Uber — Транспорт на vc.ru

На CB insights вышел бомбический материал с разбором бизнес-модели Uber. Это один из лучших бизнес-кейсов, в нем нет историй, есть огромная подборка фактов. Выбрал самое интересное для вас. Но лучше почитайте оригинал.

  • Uber Eats — самое прибыльное и быстрорастущее подразделение Uber.
  • Uber все еще очень убыточен. В третьем квартале 2018 года выручка растет на 40% год к году до $2,95 млрд, но убыток — $1 млрд.

Водители

  • Самая дорогая часть бизнеса — наём водителей. Бонусы для одного нового водителя могут быть $2000-$5000 всего лишь за несколько поездок. А потом водители пропадают.
  • Затраты на водителей во втором квартале 2018 года (выплаты, продвижение, маркетинг): $918 млн.
  • Отток водителей (driver churn) — 80% в год. То есть после года работы остается только 20% водителей.
  • С середины 2017 до середины 2018 года количество водителей увеличилось с 2 млн до 3 млн. С учетом их оттока Uber нужно нанимать 450 тысяч водителей в месяц!
  • В месяц через Uber заказывают такси на $4 млрд, их доля ~22%.
  • Отток водителей в Америке связан с очень низким доходом. После налогов водители получают около $10 в час, что очень мало для Штатов.

Клиенты и рынки

  • С ростом доли рынка, цена привлечения клиента постоянно падает.
  • Главный канал роста за все время — реферальная программа. $20 за скачивание приложения и совершение первой поездки.
  • 95% ранних клиентов Uber узнали о нем от друзей.
  • Обслуживает клиентов в 600 городах.
  • Самая высокая цена привлечения клиентов была в России и Китае из-за набравших силу локальных игроков. «Яндекс», конечно, большие молодцы!
  • В Шанхае Uber одна поездка приносила 150% убытка от её цены. Про Россию цифр нет в отчете.
  • После сделок в Азии и России Uber смог превратить убыточные рынки в прибыльные и показал впервые прибыль $2,5 млрд в первом квартале 2018 года.

Конкуренция и госрегулирование

  • Lyft в последнее время растет куда быстрее, чем Uber, постоянно сокращая разрыв. Его доля рынка в Америке уже 28%, у Uber 70%
  • Важнейшая часть бизнес-модели Uber — отсутствие зарплат водителей. Все они Independent Contractor (типа ИП). Локальные чиновники вечно пытаются запретить Uber за это.
  • Главная линия защиты Uber от чиновников — «закон Трэвиса» (Travis’ Law). Это гипотеза о том, что люди так любят Uber, что будут сильно недовольны правительством, если они его запретят.
  • Закон Трэвиса хорошо срабатывает в Америке, но в Европе и Азии нет.
  • В Германии, ЮАР, Гонконге Uber работает с зарплатами таксистам и платит все налоги.
  • С 2016 года Нью-Йорк ввел сильные барьеры для Uber. Чтобы подключить одного водителя, нужно заплатить $3000 и пройти курсы в несколько недель. Затраты в $6,6 млн на лоббизм в Нью-Йорке не помогли.
  • В Лондоне Uber запрещали на длительное время. Там понадобилось заплатить огромные страховые взносы за каждого водителя, чтобы вернуться на рынок.
  • В Канаде пришлось инвестировать около $200 млн в экономику страны, чтобы снять ограничения государства.

Финансы

  • С 2012 по 2018 год Uber не показывал рост только один квартал (2017 Q1). За остальное время вырос с $46 млн выручки в квартал до $3 млрд.
  • Доля Uber в цене поездки 20%-25%, что покрывает налоги, процессинг карт, маркетинг, страховки и другие расходы.
  • Uber начинался как заказ премиальным машин. Позже это стало лишь одной из опций — Uber Black. Сейчас это вымирающий сегмент сервиса. Спрос невелик, машины дороги в обслуживании, часто требует лицензирования.
  • 80% всех поездок в Uber — по тарифу UberX (самый дешевый индивидуальный тариф).
  • Настоящим прорывом стал тариф Uber Pool (когда в машину набирается несколько человек). Что одновременно снижает цену для каждого пассажира и повышает суммарную цену поездки.
  • Доля заказов Uber Pool (запущен далеко не во всех регионах) стремится к 20%.
  • в Q1’18 UberEats получил $1,5 млрд выручки, всего при $80 млн убытка. Что на фоне других услуг Uber оглушительный успех.
  • 15% выручки сегодня именно от UberEats.
  • Высокую доходность этого направления дает дополнительная комиссия с ресторанов за услуги доставки ~30% от заказа, плюс умная система маршрутизации водителей.

«Пока многие не понимают, что такое Uber и как это работает» — Маркетинг на vc.ru

Директор по корпоративным коммуникациям Uber в СНГ Александр Костиков

Почему вы решили присоединиться к команде Uber?

Uber — это действительно революционная идея, которая меняет жизнь сотен городов по всей планете, и для меня большая честь участвовать в продвижении этой идеи. Здесь очень интересный спектр коммуникационных задач, призванных помогать доносить идеи компании и информацию о ее продуктах до широкого круга аудитории, включая государственную власть, медиа, потребителей, партнеров и так далее.

Какую основную идею вы планируете доносить до аудитории?

Пока многие не понимают, что такое Uber и как это работает. Стоит большая задача по разъяснению того, насколько этот сервис удобен и полезен, того, что мы работаем прежде всего в интересах потребителей и улучшаем своей деятельностью транспортную ситуацию в тех городах, куда мы приходим и где уже работаем.

Вы не боитесь такой резкой смены сегментов, при котором вам придется осваивать новые стороны коммуникаций? Вы ведь долго работали в производственных компаниях — PepsiCo, «Черкизово». Вам такой переход кажется логичным?

В любом случае, даже когда ты в одной индустрии переходишь из компании в компанию, всегда происходит адаптация, поскольку нужно понять какие-то новые вещи. Когда я переходил из PepsiCo в «Черкизово», я многого не знал о свиноводстве или птицеводстве. Естественно, нужно было всё это быстро осваивать. Я бы не сказал, что перемена радикальна. Говорим мы о PepsiCo или об Uber, это компании, ориентированные на потребителя — их продукты предназначены для широкого круга людей.

Я правильно поняла, что представители Uber сами с вами связались и пригласили вас на работу?

Я бы не хотел вдаваться в детали о том, как это происходило.

Может быть, они объясняли, в каких ваших компетенциях заинтересованы в первую очередь? Почему взяли на эту должность именно вас?

Конечно, это обсуждалось, но я думаю, более интересно поговорить об идеях Uber — для чего нужен сервис и кому он полезен.

Хорошо, тогда расскажите, чем вы займетесь в ближайшей перспективе? Какие стороны коммуникации будете развивать, с чего планируете начать работу?

Хотелось бы, чтобы мы больше говорили о той пользе, которую Uber приносит городам, и какие результаты дает деятельность компании. Как человек со стажем вождения больше 20 лет, я могу оценить, насколько этот сервис хорош, удобен и насколько он облегчает жизнь как водителям, так и пассажирам.

С Uber появилась доступная по цене альтернатива собственному автомобилю, при этом удобная, полностью безопасная и комфортная. Раньше ловить машину было очень неудобно. Когда-то нужно было выходить на улицу, поднимать руку, ты никогда не знал, что за человек рядом с тобой остановится, нужно было торговаться с ним о стоимости.

С появлением таких приложений, как Uber, проблема полностью исчезла. Исключается человеческий фактор и спорные ситуации, потому что пользователь видит планируемую стоимость поездки до того, как сядет в машину, и видит, кто его повезет — фото, рейтинг водителя и номер автомобиля. Водителю при этом не нужно возиться со сдачей. Наша задача как коммуникационщиков — сделать так, чтобы об этом знали наши существующие и потенциальные потребители. Еще одна цель — разъяснить, как мы помогаем городу.

Как?

Если мы выйдем утром на улицу Москвы, то увидим, что на одну машину приходится один водитель. Неудивительно, что город стоит в пробках. Если мы говорим об Uber, то в машине уже может быть два-три человека. Таким образом сокращается трафик, можно отказаться от поездки на собственном автомобиле, не нужно искать место на парковке.

Два-три человека в машине — вы имеете в виду, что один автомобиль могут вызвать разные люди?

Как минимум, в машине находится водитель — наш партнер — и пассажир. Бывает, что у людей две машины на семью, если оба члена семьи воспользуются нашим сервисом — это еще минус две машины с дорог. В некоторых странах у нас есть продукт UberPool, когда с согласия пассажира в машину могут подсаживаться попутчики. В России этого пока нет, но, надеюсь, что когда-то появится. Это будет еще одним важным шагом разгрузки дорог.

Но ведь самая большая проблема, которая сейчас возникает у Uber — это то, что у водителя нет лицензии, правильно? Из-за этого в ряде стран протестуют таксисты, а у сервиса возникают трудности с законами.

В разных странах по-разному. Сейчас происходит глобальная смена парадигмы. Таксистский бизнес и нормы, которые его регулировали, создавались еще в эпоху, когда не было интернета. Были различные принципы — где-то ограничивалось количество автомобилей, которые могут осуществлять перевозки (например, в Нью-Йорке, где законодательство создавалось в 30-е годы прошлого века), поэтому на вторичном рынке цена лицензии доходила до $1-1,5 миллиона.

От этого выигрывает таксист, поскольку он защищен от конкуренции, но потребитель-то проигрывает. С появлением приложений рынок повернулся в сторону потребителя. Именно он диктует условия, конкуренция растет. Конечно, многим это не нравится, потому что падает маржа.

Если говорить о лицензии, то в России мы работаем либо с ООО, либо с ИП. Мы требуем от наших партнеров наличия лицензии на осуществление перевозок, как того требует законодательство.

Сегодня пользователям Uber пришло письмо на почту об изменении условий. Письмо с таким текстом: «

Представляем Base Web, новую систему дизайна Uber для создания веб-сайтов на React

Introducing Base Web, Uber

В Uber есть сотни внутренних веб-приложений, которыми пользуются разработчики, менеджеры по продуктам и операционные группы — по сути, все сотрудники компании. Поскольку все веб-приложения работают по-разному, у наших сотрудников возникают дополнительные расходы, чтобы научиться взаимодействовать с ними наиболее эффективно. Это может привести к тому, что инженеры будут тратить много времени и усилий на изобретение колеса вместо того, чтобы использовать универсальную систему проектирования для всей компании.

Чтобы решить эти проблемы, Uber собрал специальную команду дизайнеров и инженеров, чтобы разработать универсальную систему, результатом которой стала Базовая система веб-дизайна. Base Web с открытым исходным кодом, выпущенная в 2018 году, представляет собой библиотеку компонентов React, реализующую язык дизайна Base, который действует как независимая от устройства основа для быстрого и простого создания веб-приложений.

Что такое дизайн-система?

Дизайн-система — это набор повторно используемых компонентов, которые в сочетании с набором правил и токенов дизайна (называемых сущностями) хранят визуальную информацию дизайна, такую ​​как цвета или интервалы, и позволяют быстро создавать согласованные и доступные приложения.

Дизайн-система служит общим языком между командами инженеров, дизайнеров и менеджеров по продуктам, облегчая им совместную работу. Это способствует повышению производительности благодаря общему пониманию строительных блоков. Системы проектирования также помогают привлечь новых инженеров и дизайнеров — они могут быстро просмотреть все возможные компоненты и маркеры проектирования, используемые данной инженерной организацией.

Знакомство с Base Web

Base Web — это основа для создания, развития и унификации веб-приложений.Это набор компонентов и утилит React с открытым исходным кодом, которые соответствуют базовой системе проектирования — по сути, проекты переведены в код. Проект спроектирован так, чтобы быть надежным, доступным и легко настраиваемым.

Надежность

Публикуя наш код на GitHub, мы придерживаемся высоких стандартов и стремимся предоставить нашим пользователям открытый канал связи, где они могут предложить улучшения и внести свой вклад в Base Web.Каждый компонент React проверяется службами визуальной регрессии при каждой фиксации, чтобы обеспечить идеальный макет. Мы также тестируем обновления от начала до конца, используя Puppeteer, инструмент, который обеспечивает высокоуровневый контроль API над веб-браузером Chrome. Используя обе эти стратегии тестирования, мы можем быть уверены, что изменения кода соответствуют требованиям продукта и не вызывают ошибок.

Доступность

Доступность для пользователей невероятно важна для Uber, и Base Web делает многое для того, чтобы разработчикам были предоставлены инструменты для создания продуктов, которые будут работать для всех посетителей веб-сайта.Например, списки перетаскивания, как известно, сложно реализовать, потому что браузеры мало помогают, когда разработчикам приходится создавать взаимодействия перетаскивания. Разработчики, использующие Base Web, уверены, что навигация с помощью клавиатуры надежна и хорошо работает с программами чтения с экрана. Чтобы обеспечить дополнительную доступность, Base Web использует Styletron, который генерирует атомарные стили, чтобы веб-приложения могли загружать как можно меньше контента. Styletron играет важную роль в оптимизации Base Web для пользователей мобильных устройств с плохим сетевым подключением.

Настройка

Чтобы учесть разнообразие веб-приложений, мы сделали Base Web максимально настраиваемым. Во многих отношениях вы можете рассматривать проект как «основу», на которой вы можете легко создавать новые дизайн-системы. Проект обеспечивает точку входа верхнего уровня для темы всех маркеров дизайна, включая цвета, размеры и типографику. Разработчики могут не только легко редактировать визуальные элементы своих веб-приложений, но и в Base Web также есть интерфейс для переопределения функциональности.

Шаблон переопределения

Основываясь на предыдущем опыте работы нашей команды с библиотеками компонентов, одной из основных целей Base Web было создание программного обеспечения для веб-разработки, которое упростило бы повторное использование компонентов. Чтобы добиться этого, мы работали с веб-инженерами Uber, чтобы выявить основные проблемы, с которыми им приходилось сталкиваться в своей повседневной инженерной работе. Было ясно, что наиболее желательным требованием было наличие большего контроля над компонентом.

На основе нашего исследования мы определили, что основными частями компонентов React, к которым часто требовался доступ, были настройки стиля, возможность передавать через некоторые настраиваемые свойства любому элементу в компонуемом компоненте, например, Accessible Rich Internet Applications (ARIA), и возможность изменять визуализацию компонента.В результате мы представили унифицированный API переопределений в базовых веб-компонентах.

Вот некоторые из преимуществ, которые мы получили от предлагаемого шаблона переопределения:

  • Нет свойств верхнего уровня Перегрузка API
  • Нет дополнительных свойств, непоследовательно передаваемых через составляемые компоненты
  • Легко заменяемые презентационные компоненты

Давайте подробно рассмотрим, как выглядит API переопределений Base Web: Introducing Base Web, Uber

Как показано выше, мы предоставляем идентификатор для каждого базового элемента в компоненте, чтобы он мог быть выбран с помощью свойства overrides.В приведенном выше примере визуализируются два элемента, которые представлены как Root и Option в API переопределений.

Для каждого элемента или компонента мы предоставляем способ передать дополнительные свойства и стили или полностью заменить компонент. Дополнительные свойства передаются в виде объекта, который распространяется на элемент JSX и имеет приоритет над другими свойствами, применяемыми по умолчанию. Переопределения стилей можно передать двумя способами: как объект или как функцию, которая принимает $ theme и некоторые общие свойства состояния компонентов и возвращает объект стиля.Переданные переопределения стилей глубоко сливаются со стилями элемента по умолчанию.

Мы также предоставляем способ полностью заменить базовый элемент или компонент, передав замены в качестве значения компонента для целевого идентификатора (переопределение Option показано в примере выше). Это может быть полезно, если вы хотите добавить или изменить функциональность данного подкомпонента.

Внутри мы создали помощников для объединения переопределений в элемент по умолчанию или в пользовательский стиль; ознакомьтесь с нашей документацией, чтобы узнать, как использовать их в своих проектах.

Начало работы с Base Web

Открытый исходный код в 2018 году, чтобы другие могли испытать преимущества этого решения, Base Web теперь используется в Uber, обеспечивая беспроблемную разработку наших веб-приложений.

Чтобы начать работу с Base Web, зайдите на наш сайт документации и прочтите раздел «Начало работы», который включает:

Протестируйте Base Web самостоятельно, и если у вас возникнут какие-либо вопросы, не стесняйтесь обращаться к нам через наш канал Slack.

.

Стек инженерных технологий Uber, часть I: Фонд

Обновление : в этой статье обсуждается нижняя половина стека. Об остальном см. Часть II: The Edge and Beyond.

Убер Инжиниринг

Миссия Uber — надежный транспорт, как водопровод, везде и для всех. Для этого мы создаем сложные данные и работаем с ними. Затем мы аккуратно объединяем его в платформу, которая позволяет водителям вести бизнес, а водителям — передвигаться.

Uber_Rider_App_Examples_2016 Снимки экрана показывают приложение Uber для пассажиров в Нью-Йорке, Китае и Индии по состоянию на весну 2016 года.

Несмотря на то, что мы хотим, чтобы пользовательский интерфейс Uber был простым, мы разрабатываем за ним сложные системы, которые будут работать, обрабатывать сложные взаимодействия и обслуживать огромные объемы трафика. Мы разделили исходную монолитную архитектуру на множество частей, чтобы масштабироваться по мере роста. С сотнями микросервисов, которые зависят друг от друга, нарисовать схему того, как работает Uber на данном этапе, чрезвычайно сложно, и все это быстро меняется.То, что может охватить в двухэлементном изделии, — это стопка, которую мы использовали по состоянию на весну 2016 года.

Проблемы Uber Engineering: нет бесплатных пользователей, Hypergrowth

У нас те же проблемы глобального масштаба, что и у некоторых из наиболее успешных компаний-разработчиков программного обеспечения, но 1) нам всего шесть лет, поэтому мы их еще не решили, и 2) наш бизнес основан в физическом мире в в реальном времени.

Uber_MarketMap_April92015_ В апреле 2015 года 300 рабочих городов Uber были разбросаны по карте.

В отличие от сервисов freemium, Uber имеет только транзакционных пользователей: пассажиров, водителей, а теперь и едоков и курьеров.Люди полагаются на наши технологии — чтобы зарабатывать деньги, чтобы добраться туда, куда им нужно, — поэтому нет безопасного времени для паузы. Мы уделяем приоритетное внимание доступности и масштабируемости.

По мере того, как мы расширяемся на дорогах, наши услуги должны расширяться. Гибкость нашего стека стимулирует конкуренцию, поэтому лучшие идеи могут побеждать. Эти идеи не обязательно уникальны. Если существует сильный инструмент, мы используем его до тех пор, пока наши потребности не превзойдут его возможности. Когда нам нужно что-то большее, мы создаем собственные решения. В прошлом году Uber Engineering отреагировала на рост невероятной адаптивностью, креативностью и дисциплиной.На 2016 год у нас еще большие планы. К тому времени, как вы это прочитаете, многое изменится, но это моментальный снимок того, что мы используем сейчас. В наших описаниях мы надеемся продемонстрировать нашу философию использования инструментов и технологий.

Технический стек Uber

Вместо башни ограничений представьте дерево. Глядя на технологии в Uber, вы видите общий стек (например, ствол дерева) с разными акцентами для каждой команды или инженерного офиса (его филиалов).Все сделано из одного и того же материала, но инструменты и сервисы в разных областях расцветают по-разному.

botswana_baobab

Начнем снизу (работал у Дрейка).

Внизу: платформа

Эта первая статья посвящена платформе Uber, то есть всему, что лежит в основе всей организации Uber Engineering. Команды платформы создают и поддерживают вещи, которые позволяют другим инженерам создавать программы, функции и приложения, которые вы используете.

Инфраструктура и хранилище

Наш бизнес работает по модели гибридного облака, используя сочетание поставщиков облачных услуг и нескольких активных центров обработки данных.Если один центр обработки данных выходит из строя, поездки (и все услуги, связанные с поездками) переключаются на другой. Мы назначаем города географически ближайшему центру обработки данных, но для каждого города создается резервная копия в другом центре обработки данных в другом месте. Это означает, что все наши центры обработки данных постоянно находятся в режиме отключения ; у нас нет понятия «резервный» дата-центр. Для предоставления этой инфраструктуры мы используем сочетание внутренних инструментов и Terraform.

Наши потребности в хранении изменились с ростом.Один экземпляр Postgres помог нам пережить младенчество, но, поскольку мы так быстро росли, нам потребовалось увеличить доступное дисковое хранилище и уменьшить время отклика системы.

mezzanine-overhaul В конце лета 2014 года в Project Mezzanine произведен рефакторинг системы для соответствия этой высокоуровневой архитектуре.

В настоящее время мы используем Schemaless (встроенный на базе MySQL), Riak и Cassandra. Schemaless — для длительного хранения данных; Riak и Cassandra удовлетворяют требованиям высокой доступности и малой задержки. Со временем экземпляры Schemaless заменяют отдельные экземпляры MySQL и Postgres , а Cassandra заменяет Riak по скорости и производительности.Для распределенного хранения и аналитики сложных данных мы используем хранилище Hadoop. Помимо этих баз данных, наши инженеры из Сиэтла сосредоточены на создании новой платформы данных в реальном времени.

Мы используем Redis как для кеширования, так и для организации очередей. Twemproxy обеспечивает масштабируемость уровня кеширования без ущерба для скорости попадания в кеш за счет последовательного алгоритма хеширования. Рабочие Celery обрабатывают асинхронные операции рабочего процесса с помощью этих экземпляров Redis.

Лесозаготовки

Наши сервисы взаимодействуют друг с другом и с мобильными устройствами, и эти взаимодействия полезны для внутреннего использования, например отладки, а также для бизнес-задач, таких как динамическое ценообразование.Для ведения журнала мы используем несколько кластеров Kafka, и данные архивируются в Hadoop и / или веб-сервисе файлового хранилища до истечения срока их действия из Kafka. Эти данные также поступают в реальном времени различными службами и индексируются в стеке ELK для поиска и визуализации (ELK означает Elasticsearch, Logstash и Kibana).

Подготовка приложений

Мы используем контейнеры Docker в Mesos для масштабируемого запуска наших микросервисов с согласованными конфигурациями с помощью Aurora для длительных служб и заданий cron.Одна из наших инфраструктурных команд, Application Platform, создала библиотеку шаблонов, которая встраивает службы в поставляемые образы Docker.

Маршрутизация и обнаружение служб

Наша сервис-ориентированная архитектура (SOA) делает обнаружение сервисов и маршрутизацию критически важными для успеха Uber. Сервисы должны иметь возможность взаимодействовать друг с другом в нашей сложной сети. Мы использовали комбинацию HAProxy и Hyperbahn для решения этой проблемы. Hyperbahn является частью набора программного обеспечения с открытым исходным кодом, разработанного в Uber: Ringpop, TChannel и Hyperbahn имеют общую миссию по добавлению автоматизации, интеллектуальности и производительности в сеть услуг.

Устаревшие службы используют локальные экземпляры HAProxy для маршрутизации JSON через HTTP-запросы к другим службам, при этом интерфейсный веб-сервер NGINX проксирует серверы в фоновом режиме. Этот хорошо зарекомендовавший себя способ передачи данных упрощает устранение неполадок, что было критически важно во время нескольких переходов на новые системы, разработанные в прошлом году.

Однако мы отдаем предпочтение долгосрочной надежности, а не отладке. Протоколы, альтернативные HTTP (например, SPDY, HTTP / 2 и TChannel), а также языки определения интерфейсов, такие как Thrift и Protobuf, помогут развить нашу систему с точки зрения скорости и надежности.Ringpop, согласованный уровень хеширования, обеспечивает взаимодействие и самовосстановление на уровне приложений. Hyperbahn позволяет сервисам просто и надежно находить других и общаться с ними, даже если сервисы планируются динамически с Mesos.

Вместо архаичного опроса, чтобы узнать, не изменилось ли что-то, мы переходим к шаблону pub-sub (публикация обновлений для подписчиков). HTTP / 2 и SPDY легче включить эту модель push. Некоторые функции на основе опросов в приложении Uber получат огромное ускорение при переходе на push.

Разработка и развертывание

Phabricator поддерживает множество внутренних операций, от анализа кода до документации и автоматизации процессов. Мы ищем наш код в OpenGrok. Что касается проектов с открытым исходным кодом Uber, мы разрабатываем их в открытом виде с помощью GitHub для отслеживания проблем и проверки кода.

Uber Engineering стремится максимально точно моделировать процесс разработки, поэтому мы разрабатываем в основном на виртуальных машинах, работающих на облачном провайдере или на ноутбуке разработчика. Мы создали собственную внутреннюю систему развертывания для управления сборками.Jenkins выполняет непрерывную интеграцию. Мы объединили Packer, Vagrant, Boto и Unison для создания инструментов для создания, управления и разработки на виртуальных машинах. Мы используем Clusto для управления запасами в разработке. Puppet управляет конфигурацией системы.

Мы постоянно работаем над созданием и поддержанием стабильных каналов связи не только для наших сервисов, но и для наших инженеров. Для обнаружения информации мы создали uBlame (дань уважения git-blame), чтобы отслеживать, какая команда владеет определенным сервисом, и Whober для поиска имен, лиц, контактной информации и организационной структуры.Мы используем собственный сайт документации, который автоматически создает документы из репозиториев с помощью Sphinx. Корпоративная служба оповещения предупреждает наших дежурных инженеров о необходимости поддерживать работу систем. Большинство разработчиков используют OSX на своих ноутбуках, а большинство наших производственных экземпляров работают под управлением Linux с Debian Jessie.

Языки

На нижних уровнях инженеры Uber в основном пишут на Python, Node.js, Go и Java. Мы начали с двух основных языков: Node.js для команды Marketplace и Python для всех остальных.Эти первые языки до сих пор используются в большинстве сервисов Uber.

Мы приняли Go и Java из соображений высокой производительности. Мы обеспечиваем первоклассную поддержку для этих языков. Java использует преимущества экосистемы с открытым исходным кодом и интегрируется с внешними технологиями, такими как Hadoop и другими аналитическими инструментами. Go дает нам эффективность, простоту и скорость выполнения.

Мы вырываем и заменяем старый код Python по мере того, как разбиваем исходный код на микросервисы. Модель асинхронного программирования дает нам лучшую пропускную способность.Мы используем Tornado с Python, но встроенная поддержка параллелизма в Go идеально подходит для большинства новых сервисов, критичных к производительности.

Мы пишем инструменты на C и C ++, когда это необходимо (например, для высокоэффективного и высокоскоростного кода на системном уровне). Мы используем программное обеспечение, написанное на этих языках, например HAProxy, но по большей части мы с ними не работаем.

И, конечно же, те, кто работает на вершине стека, пишут на языках помимо Java, Go, Python и Node.

Тестирование

Чтобы наши сервисы могли удовлетворить потребности нашей производственной среды, мы разработали два внутренних инструмента: Hailstorm и uDestroy.Hailstorm проводит интеграционные тесты и моделирует пиковую нагрузку в непиковое время, в то время как uDestroy намеренно ломает работу, чтобы мы могли лучше справляться с неожиданными сбоями.

Наши сотрудники используют бета-версию приложения, чтобы постоянно тестировать новые разработки, прежде чем они достигнут пользователей. Мы создали репортера отзывов о приложении, чтобы выявлять любые ошибки до того, как мы их внедрим. Всякий раз, когда мы делаем снимок экрана в приложениях Uber, эта функция предлагает нам заполнить задачу по исправлению ошибок в Phabricator.

Надежность

Инженеры, пишущие серверные службы, несут ответственность за свои операции.Если они напишут какой-то код, который не работает в производстве, они будут выгружены. Мы используем оповещения Nagios для мониторинга, привязанные к системе оповещений для уведомлений.

Стремясь к максимальной доступности и 1 миллиарду поездок в день, инженеры по надежности сайта сосредотачиваются на предоставлении услуг, которые им необходимы для успеха.

Технический доклад в феврале 2016 г. рассказывает об истории разработки Uber Site Reliability Engineering.

Наблюдаемость

Наблюдаемость означает, что Uber в целом и его отдельные части работают нормально.Набор систем, в основном разрабатываемых нашим офисом в Нью-Йорке, действует как глаза, уши и иммунная система Uber Engineering по всему миру.

Телеметрия

Мы разработали M3 на Go для сбора и хранения метрик из всех частей Uber Engineering (каждого сервера, службы хоста и фрагмента кода).

После сбора данных мы ищем тенденции. Мы создали информационные панели и графики, изменив Grafana для более выразительной контекстуализации информации. Каждый инженер, наблюдающий за приборной панелью, склонен заботиться о данных в определенном месте или регионе, о серии экспериментов или связанных с определенным продуктом.Мы добавили в Grafana нарезку данных и кубики.

Обнаружение аномалий

Argos, наш собственный инструмент обнаружения аномалий, изучает входящие метрики и сравнивает их с прогнозными моделями на основе исторических данных, чтобы определить, находятся ли текущие данные в ожидаемых пределах.

hourly_thresholds Мы сравниваем динамические пороги (красный, желтый), генерируемые ежечасно нашим алгоритмом обнаружения выбросов, с данными в потоковом режиме. Мы добавили фактические поминутные данные для справки (синий цвет), которые, конечно, неизвестны заранее.Пороговые значения точно соответствуют образцу фактического показателя.

Действия по метрике
Инструмент μMonitor

Uber позволяет инженерам просматривать эту информацию и пороговые значения (статические или интеллектуальные пороговые значения Argos) и принимать соответствующие меры. Если поток данных выходит за границы — скажем, в каком-то городе количество поездок падает ниже определенного порога — эта информация передается на шлюз Common Action Gateway. Это наша система автоматического ответа. Вместо того, чтобы пейджинговать инженеры при возникновении проблемы, они что-то делают и сокращают продолжительность проблемы.Если при развертывании возникают проблемы, откат выполняется автоматически.

Большинство наших инструментов наблюдения хранятся в Uber, потому что они специфичны для нашей инфраструктуры, но мы надеемся вскоре извлечь и открыть исходный код универсальных частей.

Творческое использование данных

Storm и Spark преобразует потоки данных в полезные бизнес-показатели. Наша команда по визуализации данных создает повторно используемые фреймворки и приложения для использования визуальных данных.

xp_platform_example Визуализация таблиц и доверительных интервалов расширяет функциональные возможности нашей платформы A / B-тестирования Morpheus.

Группы

картографирования и экспериментов полагаются на визуализацию данных для преобразования данных в четкую и понятную информацию. Команды городских операций могут видеть водителей в своем городе в режиме реального времени, как автомобили на карте, вместо того, чтобы получать информацию из утомительных запросов SQL.

Мы используем JavaScript (ES5 и ES6) и React для создания продуктов данных в качестве наших основных инструментов. Мы также используем все веб-стандарты для графики в наших компонентах визуализации: SVG, Canvas 2D и WebGL. Многие из разрабатываемых нами библиотек имеют открытый исходный код, например, react-map-gl, от которой мы зависим для визуализации карт:

reactmap_gl_ex Визуализации демонстрируют возможности response-map-gl, оболочки для MapboxGL-js, разработанной командой визуализации Uber Data.

Мы также разрабатываем фреймворки для визуализации, к которым другие технологии, такие как R, Shiny и Python, могут получить доступ для наших компонентов построения диаграмм. Нам нужны визуализации с высокой плотностью данных, которые без проблем работают в браузере. Для достижения обеих целей мы разработали инструменты визуализации на основе WebGL с открытым исходным кодом.

reactmap_gl_ex На тепловой карте Uber показана плотность движения транспортных средств с пассажирами. Затем мы удаляем верхние процентили из распределения, чтобы увидеть нижележащий.

Картография

Группы карт Uber отдают приоритет наборам данных, алгоритмам и инструментам, связанным с данными карты, отображением, маршрутизацией и системами для сбора и рекомендации адресов и местоположений.Картографические сервисы работают в основном на стеке на основе Java.

Самая массовая услуга в этой области — Gurafu, которая предоставляет набор утилит для работы с данными дорожных карт и повышает эффективность и точность, предоставляя более сложные варианты маршрутизации. Gurafu обслуживается µETA, который добавляет уровень бизнес-логики поверх необработанных ETA (такие вещи, как сегментация экспериментальной группы). И Gurafu, и µETA — это веб-службы, построенные на платформе DropWizard.

Наш бизнес и клиенты полагаются на высокоточные ETA, поэтому инженеры Map Services тратят много времени на то, чтобы эти системы стали более корректными.Мы проводим анализ ошибок ETA для выявления и устранения источников ошибок. Помимо точности, интересен масштаб проблемы: каждую секунду системы в организации принимают огромное количество решений, используя информацию об ETA. Поскольку задержка этих запросов должна быть порядка 5 миллисекунд, алгоритмическая эффективность становится большой проблемой. Мы должны заботиться о том, как мы выделяем память, распараллеливаем вычисления и делаем запросы на медленные ресурсы, такие как системный диск или сеть центра обработки данных.

Map Services также поддерживает всю внутреннюю технологию, стоящую за полями поиска в приложении для водителя и водителя. Эти технологии включают в себя поисковую систему с автозаполнением, механизм прогнозирования и службу обратного геокодирования. Система поиска с автозаполнением позволяет выполнять высокоскоростной локальный поиск мест и адресов. Наша система прогнозирования использует машинное обучение для прогнозирования пункта назначения гонщика на основе комбинации пользовательской истории и других сигналов. Прогнозы составляют ~ 50% введенных направлений.Обратный геокодер определяет местоположение пользователя на основе данных GPS, которые мы дополняем дополнительной информацией о рекомендуемых местах посадки Uber на основе нашей общей истории поездок.

Выше этого мы вводим части стека, которые взаимодействуют с вашим телефоном. Следите за следующей публикацией. Хотя технологии и проблемы Uber, вероятно, изменятся, наша миссия и культура их преодоления сохранятся. Хотите быть частью этого?

Фотография предоставлена: «Баобаб Чепмена» Конора Мирвольда, Ботсвана.

Header Explanation: Баобабы известны своей устойчивостью, долговечностью и толстыми стволами и ветвями. Баобаб Чепмена в пустыне Калахари — одно из старейших деревьев Африки.

.

Создание решения для внутреннего чата Uber

Два года назад предыдущее чат-приложение Uber начало показывать признаки того, что оно не сможет адаптироваться к нашему росту. Были сбои приложений, сбои в производительности и сбои, которые ограничивали способность нашей компании эффективно общаться в Интернете. Поскольку удовлетворенность пользователей была рекордно низкой, нам требовалось новое решение.

Работая в более чем 620 городах, для нас было первостепенной задачей найти решение для чата, которое позволило бы сотрудникам Uber надежно общаться на настольных компьютерах и мобильных устройствах независимо от того, где они находятся.Для этого мы установили несколько основных требований. Для начала нам нужно было что-то, что могло бы масштабироваться, чтобы поддерживать растущее число сотрудников и, как побочный продукт, контролировать расходы. Нам также нужна была платформа, которая могла бы легко интегрироваться с различными внутренними инженерными, бизнес-инструментами и инструментами эксплуатации.

При оценке Internet Relay Chat (IRC) и многих других популярных чат-клиентов стало ясно, что не существует готового решения сторонних производителей, способного удовлетворить основные требования Uber.

Итак, после тестирования нескольких готовых альтернатив, мы создали uChat, нашу собственную платформу обмена сообщениями, используя платформу с открытым исходным кодом Mattermost и Puppet, стандарт Uber для управления конфигурацией развертывания. В этой статье мы обсудим, как всего за три месяца наша команда перевела компанию на новое решение, способное надежно доставлять более одного миллиона сообщений в день десяткам тысяч пользователей в одной унифицированной среде чата.

Переход на открытый исходный код

Чтобы ускорить процесс разработки, мы решили построить наше решение на основе платформы с открытым исходным кодом.Этот вариант был особенно привлекательным, учитывая наше желание напрямую влиять на дорожные карты и контролировать долгосрочные повторяющиеся расходы, что было бы труднее, если бы мы начали с нуля.

Чтобы получить максимальную отдачу от нашего подхода к гибридной сборке, нам нужен был мощный строительный блок с открытым исходным кодом с универсальным API, высококачественной кодовой базой и энергичным сообществом разработчиков. Мы оценили различные варианты на основе XMPP, Erlang и JavaScript. Поскольку нашим основным требованием была возможность поддержки роста Uber, мы уделили особое внимание чат-платформам, известным своей масштабируемостью.

В рамках проверки производительности мы довели каждый продукт с открытым исходным кодом до предела своих возможностей. Например, одной из наших первоначальных целей было моделировать поведение в чате 50 000 пользователей в одной среде чата. Сразу же многие из этих платформ не смогли выполнить эти базовые нагрузочные тесты.

Рис. 1a. Дизайн нашего тестового объекта, Thread, был максимально простым, чтобы сосредоточить наше внимание на быстрой проверке заявлений о продукте.

С оставшимися параметрами мы написали тестовую систему для моделирования тысяч пользователей.Дизайн набора тестов (рис. 1а выше) был чрезвычайно простым; Это гарантировало, что заявления о продукте могут быть подтверждены с минимальными усилиями с нашей стороны. В этой тестовой среде простая структура Go EntityConfig (рисунок 1b, ниже) инкапсулирует пользователя, который может входить в систему, присоединяться к каналам и отправлять сообщения. В сочетании с собственными сопрограммами Go было легко достичь наших целей моделирования. Со временем набор средств тестирования расширился и стал предлагать более широкие функциональные возможности и лучше моделировать сложные пользовательские сценарии.

Рисунок 1b: EntityConfig представляет основные коммуникационные потребности пользователя на нашей платформе.

После месяцев тестирования и проверки поставщиков мы остановились на Mattermost. Mattermost превзошел наши минимальные ожидания по производительности и полностью соответствовал существующему стеку технологий Uber. Более того, их клиентские пользовательские интерфейсы были похожи на интерфейсы чат-приложений, популярных среди сотрудников Uber.

Следующим логическим шагом было оценить, сможет ли платформа одновременно идти в ногу с быстрым ростом Uber и поддерживать нашу операционную зависимость от чата. После тщательного рассмотрения необходимых факторов мы спросили себя: может ли Mattermost достичь уровня Uber?

Чтобы проверить способность Mattermost адаптироваться к этим условиям, наши нагрузочные тесты стремились выявить основные узкие места в архитектуре и коде сервера, которые могут повлиять на производительность.Мы смоделировали переменную скорость отправки сообщений, увеличивающиеся окна и одновременные всплески количества пользователей, чтобы установить базовый уровень. Были созданы и запрограммированы тысячи поддельных учетных записей пользователей для входа в систему, присоединения к комнатам и яростного чата с целью вызвать сбои и блокировку базы данных.

Рисунок 2: Скорость отправки сообщений падает по мере того, как количество подключений к основной базе данных исчерпывается и блокируется во время тестирования нашего решения для чата на основе Mattermost.

Во время тестирования мы не удивились, обнаружив, что не только серверная часть демонстрирует ограниченную масштабируемость.Большинство тестируемых нами пользовательских интерфейсов не соответствовали нашим агрессивным целям: например, в чатах можно было разместить не более сотни человек, а существующие пользовательские интерфейсы не могли выполнять поиск по более чем 20 000 каналов одновременно.

Поскольку мы столкнулись с узкими местами во время наших масштабных тестов, мы нацелили исправления для наиболее серьезных нарушителей производительности и повторили процесс для известных стабильных уровней нагрузки. В то же время мы продолжали обновлять наши тесты, чтобы имитировать все более реалистичные варианты использования.Нашей первоначальной целью было 70 000 одновременных пользователей со скоростью отправки от 80 до 200 сообщений в секунду. Если с этой нагрузкой справиться успешно, мы сможем обеспечить просторную взлетно-посадочную полосу для будущего роста.

Работая с сообществом разработчиков ПО с открытым исходным кодом, мы постоянно анализировали журналы, выявляли основные причины и выпускали новые исправления; скорость выполнения работ была превыше всего. С каждым новым открытием и сборкой мы все глубже понимали общие ограничения системы и способность быстро адаптироваться к требованиям масштабирования.

Со временем стало ясно, что Mattermost более всего способен развиваться в масштабе Uber, и мы приобрели доверие к их платформе.Чтобы помочь другим создать свои собственные чат-платформы с помощью нашего нового партнера по разработке, мы предоставили нашу тестовую работу сообществу разработчиков открытого исходного кода.

Управление архитектурой uChat с помощью Puppet

Во время нагрузочного тестирования платформы Mattermost нам нужно было постоянно и надежно вносить изменения в инфраструктуру нашего нового решения и конфигурации приложений. Режим высокой доступности Mattermost все еще находился на ранней стадии бета-тестирования, поэтому мы часто сталкивались с ошибками в нашем коде.

На ранних этапах тестирования и разработки команда Uber Infrastructure внесла эти изменения кода вручную.Стабилизация новых сборок uChat и конфигураций серверов была предсказуемо утомительным и подверженным регрессу процессом, требующим частых изменений для исправления непреднамеренных ошибок конфигурации. Когда стало ясно, что ручное администрирование инфраструктуры тормозит нас, мы обратились к Puppet.

Архитектура кодирования

и конфигурации серверов с Puppet обеспечили прочную основу для управления различными серверными и сетевыми средами, необходимыми для поддержки быстрых улучшений uChat. Puppet обеспечил согласованные и повторяемые изменения на многих машинах в топологии нашей базы данных и позволил нам проводить аудит изменений и принудительно проверять код развертывания.

Рис. 3. Исходный рабочий процесс Puppet uChat не смог достичь скорости, необходимой нашему решению для надежной итерации и масштабного роста.

Первоначальное внедрение Puppet значительно снизило количество непреднамеренных ошибок во время развертывания. Однако даже с базовой инфраструктурой Puppet в виде кода, решающей некоторые из наших проблем с повторяемостью и согласованностью, мы все равно не достигли необходимой скорости. На этом этапе мы не использовали неизменяемые серверы, а это означало, что изменения кода Puppet для нашей высокодоступной архитектуры сопряжены со значительным риском нежелательных побочных эффектов.Кроме того, мы использовали один большой монорепозиторий, в котором все изменения, связанные с Puppet, должны были сходиться, что усложняло эти проблемы.

Это ограничение означало, что мы не могли развернуть новую инфраструктуру и версии приложений достаточно быстро для наших нужд, что сильно ограничивало нашу скорость итераций. В результате для безопасного завершения обновленных конфигураций развертывания Puppet может потребоваться день или два. Между тем, не связанные с этим улучшения производительности uChat поставлялись ежечасно. Наш новый рабочий процесс на основе Puppet был лучше, но все еще оставалось место для улучшения.

Рисунок 4: Текущий поток развертывания uChat Puppet включает отдельный репозиторий для нашего модуля Puppet, поддерживаемый нашими инженерами по надежности сайта.

Чтобы увеличить скорость развертывания uChat, мы переместили код нашей инфраструктуры в отдельный репозиторий в виде модуля Puppet. Это позволит нам независимо проверять версии, изолировать и тестировать изменения конфигурации приложения uChat, независимо от конфигурации серверной инфраструктуры.

После рефакторинга и тщательного тестирования нашего нового модуля Puppet мы использовали Puppet Code Manager для внесения изменений инфраструктуры во вновь созданные промежуточные и производственные среды.Этот модульный подход позволил нам отделить проблемы конфигурации приложения от проблем конфигурации инфраструктуры / сервера, упростив распределение изменений в зависимости от потребностей и сроков выпуска самого приложения uChat.

Рисунок 5: Архитектура uChat, описанная выше, полностью управляется Puppet. Это облегчает высококачественный контроль изменений, необходимый для надежного развертывания и точной настройки платформы.

Благодаря модулям Puppet, Puppet Code Manager и поддержке A / B-развертываний мы наконец-то достигли необходимого нам быстрого и последовательного контроля изменений развертывания.Теперь воссоздание всей нашей тестовой и производственной среды можно надежно выполнить менее чем за день.

Создание удобного взаимодействия с пользователем

Параллельно с развитием нашей инфраструктуры нам также нужно было создать набор интуитивно понятных, универсальных веб-приложений, настольных и мобильных приложений. Чтобы дать нам фору, мы разделили настольные приложения Mattermost и начали прямую white label для наших внутренних клиентов. С другой стороны, мобильные приложения Mattermost нуждались в полной реструктуризации для достижения того типа пользовательского опыта (UX), который мы искали.

Рис. 6. Критика нашей команды по поводу улучшения пользовательского интерфейса в Mattermost / uChat не оставила камня на камне, когда дело дошло до выявления проблемных мест с UX.

Исходные приложения uChat для iOS и Android включали простой веб-просмотр для загрузки всей веб-страницы uChat, что приводило к чрезвычайно медленной загрузке. Кроме того, веб-просмотр вызывал обновления, которые вызывали ненужную загрузку, неполные загрузки файлов и неравномерное взаимодействие. Чтобы пополнить штат и ускорить сборку, мы в партнерстве с Fullstack Labs переписали эти приложения на React Native и, как и в случае с нашей платформой с поддержкой Mattermost, внесли все, что мы создали, сообществу открытого исходного кода.

В настоящее время мобильные клиенты uChat развертываются через наш внутренний магазин приложений, а клиенты для настольных ПК управляются через Chef и System Center Configuration Manager (SCCM). Чтобы ограничить количество доступных мобильных версий uChat и упростить текущую поддержку, мы создали специальные механизмы в приложениях iOS и Android, которые побуждают пользователей обновляться, когда становится доступной новая версия uChat. Мы также разработали возможность аннулировать старые версии клиентов в случае, если нам потребуется принудительное обновление.

Мобильное приложение uChat позволяет сотрудникам Uber легко общаться в дороге и на разных устройствах.

Наше видение платформы, ориентированное на расширяемость, гарантирует, что мы обеспечиваем интегрированный UX с другими инструментами в нашей экосистеме. Для этого мы потратили несколько месяцев на перевод более 50 устаревших интеграций с нашего предыдущего решения на uChat. API-интерфейсы и веб-перехватчики позволили существующим внутренним службам интегрировать и расширить возможности чата за пределы разговоров один на один, таких как внутренняя система развертывания Uber, uDeploy, которая уведомляет инженеров о завершении новой сборки, или Envoy, который поддерживает посетителей нашего офиса регистрационные услуги.

Укрепление доверия среди пользователей

При внедрении любого корпоративного приложения стимулирование принятия пользователями и изменение существующего поведения может оказаться сложной задачей. При переводе компании на самодельный инструмент, такой как uChat, требовалось особое внимание, чтобы вселить уверенность в том, что uChat будет более надежным, чем существующая платформа обмена сообщениями. Чтобы установить эту уверенность и сделать переход на uChat как можно более плавным, мы предварительно предоставили всем сотрудникам учетные записи и перенесли почти 20000 чатов, чтобы сотрудникам не приходилось воссоздавать или повторно присоединяться к какой-либо из комнат, в которых они ранее работали.

Несмотря на все наши усилия, были неровности дороги. По мере того, как мы интегрируем в uChat все больше и больше сотрудников, периодические перебои в работе вынуждали некоторых первых пользователей отказываться от полного внедрения приложения. Чтобы смягчить опасения, мы оставили наш старый чат онлайн, пока uChat стабилизировался, и у нас было больше времени на то, чтобы закрепиться.

Чтобы еще больше снискать расположение сотрудников uChat, мы удвоили прозрачность. Мы признавали ошибки по мере их обнаружения, сообщали о планах исправления и развертывали исправления.Мы также сделали широко доступными графики мониторинга, чтобы любой желающий мог видеть состояние uChat в реальном времени.

Как только мы смогли постоянно демонстрировать 99,9-процентную доступность с помощью uChat, мы отказались от устаревшей системы чата. Полный отказ был достигнут путем медленного отключения таких функций, как создание комнат и интеграция, пока мы полностью не отключили устаревшую систему. Мы регулярно объявляем об обновлениях продуктов, делились советами и собирали ресурсы, такие как ответы на часто задаваемые вопросы и руководства пользователя, чтобы сотрудники чувствовали себя полностью поддерживаемыми.Мы также открыли канал обратной связи, где сотрудники могут немедленно получить помощь и предложить новые функции.

Один из ключевых уроков, извлеченных из нашего опыта, заключался в том, что уровень планирования и организационной согласованности, необходимый для отказа от действующего приложения чата, требовал гораздо большей поддержки и координации с нашими пользователями, чем мы первоначально ожидали. Но, оставаясь прозрачными, доступными и быстро внедряющими улучшения, мы заложили основу для хороших взаимоотношений с первыми пользователями и со временем перевели всю компанию.

Будущее uChat

В ближайшие месяцы мы намерены реализовать больше функций, продолжить мониторинг отзывов пользователей и включить дополнительные улучшения, предлагаемые Mattermost, Inc. и их сообществом открытого исходного кода.

uChat — лишь одно из многих решений, созданных нашей командой для развития сотрудничества, общения и повышения производительности в Uber. Мы постоянно разрабатываем, внедряем и поддерживаем внутренний инструментарий Uber, ежегодно экономя нашей компании миллионы на восстановлении производительности и лицензировании программного обеспечения.Если разработка внутренних систем нового поколения для быстрорастущей глобальной компании, такой как Uber, звучит интересно, подумайте о том, чтобы подать заявку на роль в команде Uber по инструментам повышения производительности сотрудников.

Марисса Альварадо-Лима — технический писатель в группе технологических услуг Uber, Стэнли Чан и Крис Дуарте — инженеры-программисты в Uber Employee Productivity Tools, а Эд Вольф — старший менеджер по продукту в команде Uber Employee Productivity Tools. В этой статье также приняли участие инженеры-программисты Самир Патан и Джош Шиппер, старший инженер по надежности сайта Мэтт Бирд, технический менеджер Бенджамин Бут и дизайнер продуктов Найонг Парк.

.

Разработка систем Uber для борьбы с мошенничеством

Войдите в конференц-зал на 16-м этаже здания Uber Engineering на Маркет-стрит в Сан-Франциско. Вы вступаете в интенсивную дискуссию за столом с инженерами по программному обеспечению и данными, специалистами по обработке данных, экспертами по моделированию и даже с менеджером по продукту. Тема? Как определить пользователя-мошенника.

Предотвращение мошенничества — одно из наиболее быстро развивающихся направлений исследований и разработок Uber.По мере того, как наша платформа растет, растет и международный преступный мир, который пытается ее подорвать. Есть мошенничество со стороны водителя и водителя, а иногда и то и другое взаимосвязано. То, что мы видим в Китае сегодня, может появиться в Торонто на следующий день. Вскоре идентичные схемы мошенничества возникают в шести городах на трех континентах. Как выглядит система реального времени, которая борется с этим мошенничеством и учится на нем?

Руководитель отдела инженерных разработок Эдди Ма находится в авангарде усилий Uber по предотвращению мошенничества, возглавляя несколько взаимосвязанных инженерных групп, которые согласованно работают над сокращением мошенничества на программной платформе Uber.Вот подробности его команды о том, как Uber разрабатывает системы для борьбы с мошенничеством в 2016 году и в последующий период.

Эдди, Технический менеджмент

Eddie_Ma_FraudPrevention

Эдди Ма: Предотвращение мошенничества в Uber началось с того, что небольшая группа инженеров и специалистов по обработке данных разработала специальные производственные правила для выявления известных схем мошенничества. По мере роста Uber как на международном уровне, так и на различных вертикальных рынках, наша платформа быстро развивалась с использованием новейших технологий в области обработки больших данных, моделирования и платформ машинного обучения, а также распределенных транзакционных систем в реальном времени.

Наш успех основан на машинном обучении, науке о данных и крупномасштабных распределенных системах для инноваций в этих технических областях, и именно это новое поколение разработок будет способствовать нашему успеху. Опытные системные инженеры превратят нашу существующую инфраструктуру в высокомасштабируемые онлайн-платформы машинного обучения, которые смогут справляться с постоянно растущими транзакционными требованиями в режиме реального времени. Специалисты по обработке данных и специалисты по машинному обучению построят сложные модели для обнаружения закономерностей с данными в реальном времени и в реальном времени.Инженеры по обработке данных будут создавать платформы и конвейеры онлайн-аналитики для обработки наших быстро увеличивающихся в четыре раза данных. Специалисты по решениям найдут лучшую методологию для распространения реальной угрозы, а эксперты UX разработают и создадут приложения и инструменты для стандартизации процесса борьбы с мошенничеством в глобальных операциях.

Раджа, системный инженер

RajaShekharAlli_FRaudPrevention

Раджа Шекхар Алли: В настоящее время я сосредоточен на платформе предотвращения мошенничества, построении масштабируемых распределенных систем для борьбы с мошенничеством наездников и водителей в реальном времени.Поскольку люди совершают поездки, а мы взимаем плату за поездки сразу после их завершения, нам необходимо принимать решения в течение миллисекунд, чтобы остановить мошенничество, прежде чем оно вообще может произойти.

Мошенничество требует множества творческих решений, особенно в отношении систем машинного обучения, которые критически важны для нашей работы. Разработка крупномасштабных приложений для выявления мошенничества — непростая задача. Нам необходимо понять, как сервисы связаны друг с другом и как данные передаются через экосистему инфраструктуры Uber.Наша долгосрочная цель — создать масштабируемые решения, которые с самого начала затруднят совершение мошенничества: предотвращение мошенничества, а не просто обнаружение и смягчение последствий.

Джинсонг, эксперт по машинному обучению и моделированию

JinsongTan_FraudPrevention Цзиньсонг Тан: Предотвращение мошенничества Uber — это динамичная среда. Проблемы возникают быстро, как и решения, которые мы разрабатываем для их преодоления. Нас поощряют работать над проблемами от начала до конца. Я могу полностью применить свои навыки в разработке программного обеспечения, машинном обучении, науке о данных и даже немного теории игр.

Я изучал поведенческую экономику и теорию игр в аспирантуре, а здесь, в Uber, борьба с мошенничеством означает развитие понимания экономики мошенничества. В идеале это подразумевает разработку системы, которая, на жаргоне теории игр, совместима со стимулами. Мы хотим сделать нашу платформу такой устойчивой, чтобы мошенничество не имело экономического смысла. За последний год мы добились действительно успешных результатов от настройки наших алгоритмов диспетчеризации, чтобы сделать нашу систему более совместимой со стимулами — другими словами, устойчивой к мошенничеству — и эти результаты будут иметь большее значение по мере того, как бизнес будет продолжать расти.

Кластеризация FraudRings_PCA_example помогает нам обнаруживать сети мошенничества с использованием независимых функций, полученных от PCA.

Ален, инженер по данным

AlainRodriguez_FraudPrevention

Ален Родригес: Я гарантирую, что данные, используемые для принятия решений о сокращении мошенничества, будут передаваться точно и последовательно. Прямо сейчас мы находимся в процессе перевода наших сервисов в режим реального времени — мы говорим о секундах — от минут и часов. Чем больше данных в режиме реального времени, тем быстрее мы сможем остановить мошенничество и злоумышленников, чтобы они не свели на нет работу, которую выполняет остальная часть компании.

Люди в целом удивляются тому, как много творческих способов люди пытаются нас обмануть. На международных рынках организованные сети мошенников требуют от нас создания системы с распределенной обработкой данных, которая также может работать в режиме реального времени в нескольких центрах обработки данных. Мошенничество глобально.

С другой стороны, люди надевают телефоны на свою собаку и берут ее на прогулку по улице. Или посадить в поезд. Это настоящие телефоны с реальными учетными записями водителей, так что все сводится к отслеживанию GPS: это собака? Поезд? Или законная поездка?

Тара, аналитик по управлению рисками

Тара Митчелл: Как аналитики управления рисками, мы сами копаемся и находим схемы мошенничества.Большая часть моей работы связана с просмотром учетных записей и данных. Вы должны думать как мошенник и понимать, что ненормально. Моя работа определяется самым большим финансовым воздействием на Uber в конкретный день. Я отвечаю за рынки США, Канады и Юго-Восточной Азии, поэтому работаю с людьми в этих регионах или рядом с ними. Я регулярно общаюсь с командами в Куала-Лумпуре, Джакарте и городах Австралии.

Мы опираемся на самые разные фоны. Я работаю со стороны оператора, занимаюсь обзорами руководств и обучаю шаблонам.Мы также привлекаем людей с финансовыми и аналитическими навыками, которым нравится анализировать данные и выявлять закономерности и тенденции. Не все раньше занимались сферой мошенничества, но у всех есть аналитическое распознавание образов и набор навыков расследования.

TaraMitchell_FraudPrevention

Когда я определяю закономерность, я смотрю на данные за 30 дней и выделяю поведение на распределение различных функций. С помощью многих сотен комбинаций мы проверяем, как мы можем предотвратить возникновение большей части этой схемы мошенничества.Тогда я порекомендую исправление. Я построю логику, чтобы предсказать, воспользуются ли они этой моделью в будущем. Мы проводим анализ, пишем код, проверяем, а затем развертываем — и все это за пару дней. Например, в понедельник я написал что-то, что выйдет в эфир в этот четверг. Мы должны противостоять этим шаблонам, поскольку каждый момент, когда мы не развертываем исправление, мы теряем деньги.

Сквозное владение идентификацией образов до решения — важная тема в моей работе. С тех пор, как я приехал сюда, мне нужно было стать экспертом в SQL, чтобы тестировать модели на основе разных наборов данных.Мне пришлось научиться программировать на Python, потому что это то, что здесь используют многие специалисты по данным. Мы собираемся перейти на Hadoop, и это еще одна технология, которую мне нужно изучить.

Тинг, специалист по обработке данных

TingChen_FraudPrevention Тинг Чен: Как специалисты по обработке данных по предотвращению мошенничества, мы разрабатываем модели для выявления мошенничества в крупных масштабах. Сначала мы должны определить показатели, связанные с мошенничеством: какие общие черты имеют мошеннические поездки? Каковы признаки мошенничества водителя или наездника?

Мошенничество — проблема интересная, потому что она похожа на хамелеона; он пытается слиться со временем, чтобы не быть обнаруженным.Таким образом, показатели мошенничества со временем меняются по мере того, как методы маскировки становятся более изощренными. В Китае очень развит черный рынок мошенничества. Мошенники размещают свои собственные рекламные объявления в Интернете, чтобы нанять специалистов по данным и инженеров для совершения мошенничества. У них есть круглосуточная служба поддержки клиентов на мобильных платформах обмена сообщениями, чтобы помочь мошенникам выполнять свою работу незамеченными.

Основной инструмент, который я использую для борьбы с мошенничеством на данный момент, — это создание конкретной модели машинного обучения для процесса регистрации водителя.Мы хотим обнаруживать сигналы мошенничества до того, как на самом деле произойдет мошенничество. Если мы хотим предсказать, представляет ли регистрация нового партнера-водителя высокий риск мошенничества, мы можем предсказать это на основе информации, полученной в процессе адаптации. Например, мы можем посмотреть номерной знак автомобиля для регистрации, устройство, использованное для регистрации, и то, использовалось ли оно ранее, и пытался ли тот же человек зарегистрироваться ранее. Это продолжается, но это то, чем я могу пока поделиться с вами!

Гаурав, специалист по решениям

GauravAgarwal_FraudPrevention Гаурав Агарвал: Я работаю в команде программы по борьбе с мошенничеством.Мы несем ответственность за все бизнес-показатели, связанные с мошенничеством в Uber, такие как возвратные платежи (клиенты оспаривают платежи по своим кредитным картам), возврат средств, безнадежная задолженность (когда мы не можем забрать деньги в конце поездки, например, когда мы пытаемся взимать плату, но взимать плату не удается) и, наконец, захват учетной записи (когда кто-то пытается войти в учетную запись другого клиента).

Наша платформа позволяет нам выполнять поиск функций почти в реальном времени и запускать механизмы оценки рисков машинного обучения. То, что я создаю, будет использоваться на других этапах принятия решений в жизненном цикле гонщика или водителя.Я специально работаю над рисками, связанными с входом в учетную запись в Uber. Это включает в себя создание сквозных систем, чтобы этого не произошло.

Обычно мошенники получают пароли с других веб-сайтов, а затем опробуют их на ресурсах Uber. У другой компании произойдет утечка данных, после чего эти логины и пароли будут распространены в Интернете, а затем мошенники будут проверять аналогичные электронные письма и учетные данные в Интернете, включая Uber. Моя работа сосредоточена на эффективном блокировании этих попыток входа в систему из ненадежных источников.

Uber поощряет постоянное владение. Это означает, что мы несем риски, связанные с входом в систему, в связи с захватом учетных записей, период от создания уровня платформы и моделей машинного обучения до создания архитектуры для этого варианта использования, которая достаточно расширяема для других сценариев использования в Uber.

Fraud_Prevention_Curling_Outing Инженеры Uber по предотвращению мошенничества пробуют другой вид керлинга для командных прогулок.

Эта статья написана в соавторстве с Мани Паркхе, инженером-программистом из группы Инфраструктура данных для предотвращения мошенничества .

Интересуетесь, как мы боремся с мошенничеством в Uber? Узнайте больше о вакансиях в Uber Engineering, касающихся предотвращения, предотвращения и обнаружения мошенничества, на странице Uber Careers.

Дополнительные статьи об инженерии бизнес-аналитики см. В следующих статьях: Uber Amsterdam Engineering, Rewriting Uber Engineering: возможности, предоставляемые микросервисами, и Learning as a New Grad в команде Uber Engineering Money.

.

Отправить ответ

avatar
  Подписаться  
Уведомление о