食物送货巨头不仅仅是将用餐带到您家门口，还涉及每秒做出数千个智能，快速的决策。在幕后，Swiggy依靠大量的数据和人工智能（AI）来确保一切顺利进行，尤其是在印度动态，超本地市场中。
Swiggy几乎从每次互动中收集数据，当客户浏览该应用程序，下订单，餐厅确认它或送货伙伴将其捡起来时。
Swiggy的主要工程师Akash Agarwal表示：“我们已经非常非常局部。我们已经训练了模型，以确保他们看到这些物品，并显示出正确的可用性。”
他补充说，Swiggy的食品和快速商务业务所达到的规模巨大，该应用程序的每月交易超过1700万，截至2024年9月，订单的订单超过35亿。
这些数据包括从位置和流量到客户偏好和城市需求模式的所有内容。例如，繁重的单身汉区域可能会看到小吃和软饮料订单的尖峰，而家庭社区则喜欢杂货和订书钉。
所有这些信息都涉及Swiggy所说的“数据湖”，这是一个不同类型的数据融合在一起的中心地点。这有助于实时跟踪和分析事物。因此，当您打开应用程序时，它可以立即告诉您食物将根据过去的数据，当前的流量，餐厅负载和交货伙伴的可用性到达多长时间。
实时数据还有助于Swiggy在实地做出决定。
Agarwal说：“我们所有的指标，无论我们拥有什么数据，都必须尽可能实时。实际上，大多数数据源必须在几秒钟内提供正确的决定。”
例如，如果城市的一部分正面临着突然的订单峰值（例如在IPL比赛中），经理可以将交付伙伴从安静的区域转移到更忙碌的区域。这种灵活性只能是因为Swiggy在短短几秒钟内就可以进行大量数据。该应用程序的后端目前每秒进行超过一百万个预测。
为了处理这个规模，Swiggy使用了将原始信息分为层的智能数据系统。第一层存储所有原样，这对于审核很有用。下一层清洁并组织数据，以便将其用于业务报告，AI模型或跟踪折扣和库存等操作。
Swiggy还建立了工具，使这些数据对跨团队的员工有用，无论是营销，运营还是客户服务。例如，仪表板总结了绩效，甚至建议采取哪些行动，为员工节省了处理数字的麻烦。
Swiggy拥有对这些统一数据培训的AI模型，从推荐餐厅到预测交货延迟，这有助于一切。它是由大语言模型提供支持的聊天机器人，实时回答客户问题，从而减少了人类代理商的负担。
（记者应Databricks的邀请在旧金山）
