پاسخ به چالشهای کلان مقیاس دیجیکالا: پیشبینی هوشمند مرجوعی کالا در درگاه خرید، بهینهسازی ۳ بعدی کارتن و جایدهی در انبار دانش، مسیریابی بهینه ناوگان دیجیاکسپرس و حذف بار پردازشی دیتابیس در زمان جشنوارههای میلیونی.
با تزریق دادههای تاریخی چند ده میلیون سفارش گذشته دیجیکالا در محیط امن On-Premises، مدل اختصاصی دیجیکالا با دقت بینظیر رفتارهای خرید، تخمین دقیق زمان آمادهسازی کالا در انبار و ریسک مرجوعی را یاد میگیرد.
مدل بر مبنای دادههای خرید و بازگشت گذشته کاربران، هنگام انتخاب کالاهایی با ریسک سایز بالا، پیشنهاد بررسی مجدد جدول ابعاد به کاربر میدهد.
تخصیص سفارشات به رانندگان دیجیاکسپرس بر اساس چگالی بستهها در مناطق پستی و ترافیک لحظهای تهران و کلانشهرها بدون تاخیر.
موتور v1m بدون نیاز به ارسال حتی یک بایت داده به خارج از دیتاسنتر، در کلاسترهای کوبرنتیز دیجیکالا با مصرف حافظه ناچیز بالا میآید.
آمادگی برای بنچمارک موازی در کنار سیستم فعلی پردازش سبد خرید دیجیکالا در کمپین بعدی.