(01)
Description
Sistema de navegación con Big Data aplicado para predecir zonas de alta demanda de pedidos
Gracias al análisis de datos históricos en el consumo de pedidos de comida a domicilio, podemos predecir pautas en el consumidor y establecer zonas de alta demanda, para que el trabajador pueda tomar decisiones ágiles y aumentar su productividad.
(02)
Data Project
(03)
Process
Research & Síntesis
Debemos conocer y entender el sector delivery en un momento de cambio impulsado por la Ley Rider. Para ello realizamos una encuesta tanto para trabajadores, como consumidores de reparto a domicilio. Ligh interviews con couriers y una entrevista en profundidad con el líder sindical Gus Gaviria.
Actualmente existe una división entre los trabajadores del delivery asalariados, y quienes se mantienen como autónomos. Sus reivindicaciones son diferentes, pero los pain points se repiten en ambos grupos.
Insights
Gracias a este proceso pudimos delimitar el problema:
🎯 Se trabaja muchas horas por salarios bajos. Más del 53.3 % trabaja más de 40h/semana. Siendo los sueldos más frecuentes entre 1.000 / 2.000€.
🎯 Los días de lluvia son los más peligrosos, pero cuando más pedidos hay.
🎯 Sobredimensión del sector. Debido al aumento de trabajadores adscritos en las principales plataformas durante los últimos años, las esperas entre pedidos se han alargado considerablemente.
🎯 Fijar el multiplicador en cuotas bajas para ser competitivo. Desconocimiento del funcionamiento del algoritmo para obtener más pedidos.
(04)
Solution
Herramienta para humanizar y agilizar el sector delivery
Las principales funcionalidades de la aplicación quedan definidas con:
📍 Big Data aplicado para delimitar zonas de mayor número de demanda
📍 Uso de etiquetado para encontrar recursos de interés
📍 Chat en vivo con couriers conectados
📍 Calendario de previsiones
📍 Muestra de incidencias producidas en la zona
📍 Creación de rutas evitando las incidencias producidas
Calendario
Muestras las horas de mayor histórico de pedidos en función del día seleccionado
Navegación
Muestra las zonas de alta demanda con la relación entre el número de pedidos y trabajadores
Ruta
Creación de rutas evadiendo peligros y priorización de uso de carriles bici
(05)
