Quand vous prenez un Uber, ce n’est pas simplement une app, un usage, une carte bancaire, un chauffeur ! En lisant ci-dessous l’article vous ne verrez plus jamais un déplacement Uber de la même façon 🙂 Ses équipes travaillent pour innover et faire preuve de créativité, c’est complexe et cela prend du temps, mais avec les bons processus, un développement de produit créatif et une équipe dédiée qui poursuit un travail pour élever le niveau de sécurité de vos déplacements.
Entre de bonnes-mains, les données peuvent être un outil puissant, une clé pour comprendre certains des problèmes les plus complexes auxquels nous sommes confrontés. Uber avec des équipes de data-scientist étudie les données relatives aux risques pour la sécurité et élabore des modèles permettant d’identifier les facteurs de risque permettant de prédire pourquoi et où des conflits ou incidents peuvent survenir, afin qu’il puisse élaborer des politiques et des produits conçus pour renforcer la sécurité de leurs partenaires chauffeurs et cyclistes.
Malgré ces difficultés, CNBC a classé Uber au 2eme rang des entreprises les plus perturbatrices au monde en 2018, devancé par SpaceX.
Connecter les gens dans des voitures est une grande responsabilité !
En 2018 Dara Khosrowshahi, PDG d’Uber avait écrit “nous plaçons la sécurité au cœur de tout ce que nous faisons” et avait annoncé toutes une série de plusieurs nouvelles améliorations visant à améliorer la sécurité de l’application, notamment un “Safety Center” disponible aux US. La fonction contacts de confiance qui existe en France : Les passagers peuvent désigner jusqu’à cinq amis et membres de la famille comme contacts de confiance et seront invités à partager les détails de leur voyage avec eux à chaque sortie. Cela facilite aussi le partage du voyage. Ainsi, vos proches peuvent suivre et savoir quand vous êtes arrivé. Il y a aussi dans l’application US d’Uber, un bouton d’urgence qui vous permettra de vous connecter directement au 911.
L’engagement de Uber sur le sujet de la sécurité est aussi important que la privacy de vos datas ! et c’est valable aussi pour leur conducteur ! Par exemple, en matière de sécurité, il travaille pour retirer les conducteurs potentiellement dangereux de leur plate-forme.
Une modélisation prédictive
L’équipe de Uber Safety Team est interfonctionnels, composés de chefs de produits, d’ingénieurs, de spécialistes des données et des concepteurs. Ils ont également une énorme équipe opérationnelle intégrée dans le monde entier qui les aide à comprendre les risques sur différents marchés. Ils ont également des actuaires, des avocats et des avocats pour les réclamations qui traitent les plaintes.
Dés le moment ou une équipe opérationnelles régional remonte des difficultés, ll cherche dans les données pour comprendre et comment les modéliser afin d’identifier, les risques, les solutions possibles. Le type de modélisation prédictive va permettre de faire face à des situations. Par exemple, en Amérique latine, certains cyclistes ont essayé d’utiliser la plate-forme Uber pour commettre des crimes comme le vol contre les conducteurs. Ils ont construit des modèles sophistiqués pour mieux anticiper ces types de demandes malveillantes afin de pouvoir prendre des mesures spécifiques pour les bloquer.
Leurs modèles exploitent diverses caractéristiques de déplacement, d’utilisateur et d’environnement pour évaluer les risques pour la sécurité. Parmi les signaux de risque les plus exploitables figurent les informations que les conducteurs et les passagers pourraient avoir reçues d’autres utilisateurs. Le risque peut également être associé à la manière dont les conducteurs et les usagers utilisent la plate-forme. Ils examine également des facteurs géographiques, tels que le nombre d’incidents survenus dans une zone donnée. Les zones de bars qui peuvent être associées à des conflits interpersonnels. Nous disposons donc de données sur le nombre de bars et de discothèques dans les quartiers.
L’application, le smartphone, la voiture, et les datas géographique fournissent des informations pour la sécurité des passagers et chauffeurs. Ils utilisent les données du capteur du téléphone pour en déduire les mouvements des véhicules et fournit aux conducteurs des outils les aidant à conduire de manière plus sûre. En mettant en place des interventions de sécurité basées sur le machine learning qui identifient et bloquent de manière proactive les demandes de déplacements à haut risque, de la même manière que les systèmes de fraude rejettent les transactions par carte de crédit à haut risque !!
Machine Learning
L’apprentissage automatique (ML) imprègne de nombreux aspects des activités d’Uber. Qu’il s’agisse de répondre aux tickets de support client, d’ optimiser les requêtes ou de prévoir la demande, leML fournit des informations essentielles à nombre de leurs équipes. Pour les aider à résoudre ces problèmes d’accessibilité et d’utilisation, ils ont développé Piper, un moteur de flux de travail de données d’Uber. La plateforme prend en charge environ 3 000 flux de travail actifs dans l’ensemble de l’entreprise qui traitent directement de la formation de modèles ou de la génération de nouvelles fonctionnalités.
Amélioration de l’expérience utilisateur
Chaque jour, des utilisateurs Uber du monde entier créent des tickets d’assistance client via leur plateforme Customer Obsession Pour garantir une expérience utilisateur homogène, chacun de ces tickets est associé à un agent parlant la langue de l’utilisateur et ayant été formé à la gestion de problèmes de ce type et dans ce pays. Depuis 2018 Les tickets de support chez Uber ont plusieurs attributs qui sont utilisés dans le processus de routage pour diriger leur flux vers des agents de support spécifiques formés pour gérer des cas d’utilisation de support client particuliers. Source
Statistiques clés sur Uber
– Uber est disponible dans 65 pays et dans plus de 600 villes du monde
– 15 millions de voyages Uber sont effectués chaque jour
– Plus de 5 milliards de voyages ont été effectués dans le monde
– Le chiffre d’affaires d’Uber pour le deuxième trimestre de 2018 s’est élevé à 2,8 milliards de dollars, soit une augmentation de 63% (en baisse par rapport à 70% au premier trimestre).
– Le revenu net d’Uber en 2017 était de 7,5 milliards de dollars; perte nette de 4,5 milliards de dollars
– Le capital-risque total réuni par Uber s’élève à 24,2 milliards de dollars
– La valorisation d’Uber en 2018 était de 72 milliards de dollars
– Le revenu moyen du conducteur Uber est de 364 $ / mois
– Il y a 3 millions de conducteurs Uber dans le monde, 0,75 million aux États-Unis et 2,25 millions dans le reste du monde.27% des conducteurs américains UberX sont des femmes
– On estime qu’Uber injecte entre 125 et 150 millions de dollars dans la recherche sur les voitures autonomes
– UberEats, en avril 2017, ils ont établi un partenariat avec 46 000 restaurants dans le monde – actuellement disponible dans 250 villes du monde entier – l’application avait enregistré un taux de réservations de 6 milliards de dollars en mai 2018.
Concurrence
– Son principal rival, Lyft, a réalisé un chiffre d’affaires de 1 milliard de dollars en 2017 et de 909 millions de dollars au premier semestre de 2018, soit une augmentation de plus de 100% par rapport au premier semestre 2017. Lyft a 1,4 million de conducteurs, qui ont servi 23 millions de passagers plus de 500 millions de trajets
– Le concurrent asiatique Grab devrait rapporter 1 milliard de dollars sur 2018, 36 millions de passagers ont utilisé collectivement Grab 2 milliards de fois, desservis par 2,6 millions de conducteurs
– Didi est son plus grand concurrent internationale, évaluée à 56 milliards de dollars
l’entreprise affirme que ses 21 millions de conducteurs effectuent 30 millions de trajets par jour