挑战
Bublr Bikes 自行车共享系统(非营利组织)投入大量资源手动"平衡"站点间的自行车——将满站点的自行车转移到空站点。这种反应性、劳动密集型的流程既昂贵又效率低下,且该组织需要在不损害服务质量的情况下降低运营成本。
解决方案
我们使用 T 检验和地理映射分析了三年行程数据(共233,296条记录,其中45,052次维护行程)。我们识别了行为模式(用户偏好下坡行程、与公交时刻表协调)和高压力站点(例如 UWM 学生联合会馆、Golda Meir 图书馆)。我们的报告建议有针对性的重新平衡时间表和基于应用程序的提示以鼓励用户自行纠正。
成果
提高了员工生产力并降低了系统平衡的运营成本。维护行程变得可预测,员工时间得以用于其他任务。数据驱动的方法现在用于持续的运营规划。