Welke projecten ben jij en het Data Science-team van Trainline momenteel aan het werken?

We werken met enorme hoeveelheden reisgegevens (dagelijks worden 127.000 ritten door onze klanten gemaakt) om de reiservaring te verbeteren met nieuwe, slimme innovaties. Deze innovaties zijn ontworpen om klanten op vele manieren te helpen, van het besparen van geld tot het vinden van het beste ticket voor hun reis op een snelle en gemakkelijke manier.

Een van de projecten waaraan mijn team recent heeft gewerkt, is verbeterde storingsmeldingen voor onze klanten. Binnenkort om bèta te lanceren in onze stemapp, gebruiken verbeterde verstoringsmeldingen machine learning en natuurlijke taalverwerking om de Twitter-feeds van de railoperators te 'lezen', te analyseren en relevante contextuele reisupdates te delen die zijn afgestemd op de individuele reiziger. Het is een primeur voor de spoorwegindustrie in het Verenigd Koninkrijk en we zijn erg enthousiast om het te lanceren.

'Big Data' is een modewoord geworden, maar wat betekent het voor jou?

De technische industrie is geen onbekende in modewoorden, maar soms moet ze beter worden uitgelegd. Ik denk dat als we het hebben over 'big data' veel mensen zich gewoon enorme spreadsheets voorstellen, veel getallen, of gewoon niet weten waar het naar verwijst.

'Big data' is enigszins misleidend omdat het suggereert dat alleen volume betrokken is. Vroege definities suggereerden dat big data verwijst naar drie Vs: 'Volume, Velocity and Variety'. Die definitie is meer dan een decennium oud, maar het blijft in sommige opzichten nuttig. De snelheid waarmee gegevens worden verzameld, waar het wordt opgeslagen en voor hoe lang, evenals de verscheidenheid van de gegevens - de verschillende bronnen waar het vandaan komt, de uniformiteit of het ontbreken van - deze eigenschappen en facetten spelen allemaal een rol in 'big gegevens.

Uiteindelijk, aangezien data science ingebakken raakt in elke sector, moeten we mensen op de hoogte houden van wat het is, in plaats van het gebruiken als een allesomvattend zinnetje dat weinig doet om het werk erachter te verklaren.

Hoe is big data of kunstmatige intelligentie van toepassing op de reisindustrie?

De rail- en touringcarindustrie is een zeer interessante ruimte om te werken in data science. Met rail hebben we een eeuwenoud systeem, fundamenteel voor ons dagelijks leven, dat we aan het moderniseren zijn. Recente innovaties, zoals de introductie van mobiele tickets, die we nauw samenwerken met de spoorwegsector om het hele land uit te rollen, hebben een revolutie teweeggebracht in de reiservaring..

Nu concentreren we ons erop om de klantervaring nog verder te verbeteren met geavanceerde technologie. Zo hebben we onlangs een spraak-app gelanceerd, gebouwd voor de Google-assistent, die werkt op 12 + niveaus met gespreksdiepte. Het is ontworpen om reizen nog slimmer en gemakkelijker te maken en klanten te helpen om hands-free te reizen, zowel thuis als onderweg.

Wat onderscheidt het werk dat je aan het doen bent op Trainline van andere reis-apps?

Wij zijn Europa's leidende trein- en touringcar-app. We werken met 181 rail- en touringcarbedrijven en we verkopen tickets aan klanten in 173 landen. We zijn volledig toegewijd om onze technische expertise te gebruiken om een ​​ervaring te creëren die enorm ten goede komt aan elke klant. Zo lanceerden we onlangs de eerste voorspellende prijs-AI van het Verenigd Koninkrijk voor treintickets, die voorspelt wanneer de tarieven voor voorschotten waarschijnlijk zullen stijgen. Sinds de lancering van Price Prediction hebben meer dan 2 miljoen klanten zich beziggehouden met de AI, resulterend in een totale besparing van bijna £ 9 miljoen.

Wat is het afgelopen jaar goed gegaan en wat is uitdagend gebleken?

We zijn ons team blijven uitbreiden - het bestaat nu uit bijna 50 mensen met ongelooflijk talent. Dit betekent dat we over verbeterde mogelijkheden beschikken om de komende weken en maanden aan nog opwindender projecten te werken.

Zoals met elk team dat snel evolueert en snel groeit, is er een leercurve geweest - voor mij in het bijzonder. Ik heb moeten aanpassen hoe ik met het team werk om het tempo bij te houden en ervoor te zorgen dat ieders talenten effectief worden gebruikt en dat elk lid van het team de ruimte krijgt om te groeien.

  • Het zijn niet alleen treinen - big data heeft ook voorspeld wie het WK 2018 gaat winnen!

Hoe denk je dat de reisindustrie haar relatie met technologie zou kunnen verbeteren??

Elke branche is onafscheidelijk van technologie en reizen is geen uitzondering. Reisorganisaties en technische bedrijven, zoals Trainline, moeten nauw met elkaar samenwerken om industriestandaarden vast te stellen die de behoeften van onze klanten toekomstbestendig kunnen maken. Een groot deel hiervan, vooral in het spoor, is de implementatie van internationale datastandaarden om ervoor te zorgen dat naarmate meer en meer geografische gebieden worden samengebracht door technologieplatforms, één naadloze, wereldwijde ervaring wordt aangeboden aan de klant.

Wat is volgens jou de volgende grote doorbraak voor data science?

Het is waarschijnlijk dat we een reeks kleinere stappen zullen zien, waarbij het geheel groter is dan de som van de delen, in plaats van een gigantische stap vooruit als het gaat om data science. Het zal resulteren in apps die nog grotere hoeveelheden gegevens kunnen analyseren en ze op een eenvoudige manier en met toenemende snelheid kunnen presenteren.

Iets verderop kunnen we een kantelmoment zien, wanneer machine learning en AI een niveau bereiken waarop het uit zichzelf leert met minimaal menselijk management - maar het is nog steeds onzeker wanneer een dergelijke vooruitgang zal plaatsvinden.

Voor nu zie ik de rol van de gegevenswetenschap als antwoord op de kleine, maar belangrijke, dagelijkse vragen - vragen die een enorme hoeveelheid gegevens vereisen om te beantwoorden maar een grote impact hebben op de kwaliteit van ons dagelijks leven - vragen zoals, “Welke trein moet ik nemen??”.

Fergus Weldon is directeur gegevenswetenschap bij Trainline