Доставка: улучшение точности ETA

Ситуация: Среднее отклонение ETA от фактического времени — 12 минут. Цель — снизить до 5 минут.

Служба доставки еды, 200K заказов/день. ETA показывается при оформлении заказа. Опоздания >15 мин — причина 35% негативных отзывов.

Доступные данные

• orders: order_id, restaurant_id, customer_lat_lon, created_at, promised_eta, actual_delivery_time
• couriers: courier_id, order_id, pickup_time, delivery_time, route_distance_km
• restaurants: restaurant_id, avg_prep_time, cuisine_type, location
• weather: date, hour, temp, precipitation, wind_speed

Задачи

• Декомпозировать ETA: prep_time + pickup_wait + travel_time. Найти основной источник ошибки.
• Проанализировать зависимость ошибки от: time_of_day, weather, restaurant, distance.
• Предложить feature set для ML-модели ETA.
• Определить метрики качества: MAE, RMSE, % заказов с отклонением <5 мин.

Все кейсы для подготовки → ← Все кейсы