本文主要是介绍Amazon SageMaker助力德比软件提高酒店房态查询准确率，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
【2020年10月12日】 记者从德比软件（上海）有限公司获悉，该公司利用亚马逊云服务（AWS）旗下的全托管机器学习服务Amazon SageMaker开发了酒店库存智能缓存系统，通过分析实时查询数据以及过往十多年的历史订单数据，建立了更为准确的算法模型，将酒店房态信息查询准确率提高20%，可望为德比软件全球22万家酒店客户带来数亿美元的额外订单收入。在系统开发过程中，通过采用Amazon SageMaker的Spot训练等多项先进技术，德比软件还将机器学习的成本节省了70%~90%。
德比软件是一家服务于酒店行业的科技公司，其主要业务是将酒店的房态信息与Booking.com、携程网等各大酒店预订平台对接，实现消费者对其全球酒店客户的客房房态查询，并进行订单处理。酒店的房态信息非常复杂，库存变化涉及不同的入住日期、入住天数、成人及儿童数量（甚至包括儿童的年龄段）、不同房型、不同价格计划以及不同的预订渠道，而且这些信息随时随刻都在发生变化。以希尔顿酒店集团为例，它在全球有六千家酒店，任何一秒都可能有消费者在德比软件服务的预订平台查询希尔顿在全球的某家酒店、某天或某几天、某种房型的价格, 每天各种变化组合达1.5万亿。理论上，仅针对这一个渠道客户，德比软件就需要每天实时更新最多1.5万亿次房态信息。除非德比软件以每秒上万次的频率去查询酒店的订房系统，否则不可能准确记录房态信息的每一个变化。但是酒店的系统和互联网带宽限制都难以承受大量查询，会对德比软件的查询请求加以限制，有些酒店的信息可以向渠道推送，但酒店提供的信息也可能不实时、不准确。无论哪种情况，房价和房态信息的准确率都比较低，消费者查询房态信息，可能出现查询时有房、下订单却不成功、需要重新查询等情况，影响客户体验，酒店因此错失客户。
面对这一行业痛点，德比软件决定利用机器学习技术开发酒店库存智能缓存系统。在AWS机器学习解决方案实验室全球专家团队的帮助下，德比软件构建了优化的机器学习算法，改变房态信息缓存机制，在不显著改变酒店系统访问频率的同时，提高库存房态信息的准确率。通过分析消费者的实时查询请求和历史订单数据，德比软件可以找出酒店库存变化规律，预测产品状态及其价格过期时间。只有预测到消费者有可能查询某酒店某时段的房态信息、而且预测到这些房态信息有可能发生变化的情况下，才会预先从酒店系统更新相关的房态信息，这样既减轻了酒店系统的压力，又提高了房态信息的准确性，还降低了德比软件的运营成本。例如，新冠疫情期间，美国80%以上订单都是一周内订单，可以重点加大该时间段内房态信息的更新频率。
建立算法后，德比软件选择将其部署在了Amazon SageMaker机器学习服务上，轻松实现了一键构建、训练、部署机器学习模型，而无需自行运维和管理底层的计算资源和机器学习框架，极大地提高了开发效率。由于需要对每一个酒店客户、甚至每一家酒店、每一个特定场景分别构建算法模型，德比软件要进行大量的机器学习训练。有了SageMaker带来的“傻瓜式”应用和高效率，德比软件才有可能在未来面向所有酒店客户、全面推进智能缓存系统的应用。按照德比软件目前每年6200万笔订单、每笔订单平均350美元的数据估算，智能缓存系统全面应用后，可望总共为酒店客户带来数亿美元的收入。
德比软件早在2011年就开始使用AWS，到2017年已经将所有业务迁移到AWS上，目在AWS上使用了两千多个云服务器实例，通过AWS的云服务和云平台每天处理200TB以上的数据和100亿以上的事件。特别值得一提的是，在安全合规方面，德比软件涉及到信用卡信息的处理，需要满足非常严格的合规要求，AWS的云基础设施在全球拥有广泛的合规认证，极大地简化了德比软件在全球的合规流程。
作为一家全部建立在AWS上的软件公司，德比软件对适应未来技术趋势的变化充满信心。德比软件副总裁夏卫表示：“云计算、大数据、机器学习、自然语言处理是这个时代的代表性技术。在这些方面，AWS都提供了全面的、领先的云服务。我们希望在AWS这样的云服务领先者的帮助下，成为人工智能时代的赢家。”
目前，德比软件还在探索利用机器学习技术，实现智能运维、容量预测、异常检测等方面的应用，探索酒店订单的智能分析与预测、酒店内容智能运营、智能竞价等方面的应用，降低运营成本，帮助客户提高销售效率。
这篇关于Amazon SageMaker助力德比软件提高酒店房态查询准确率的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
