說(shuō)簡(jiǎn)單點(diǎn)，就是開(kāi)發(fā)了一套對(duì)接酒店系統(tǒng)的系統(tǒng)，它可以從酒店系統(tǒng)里讀取房間數(shù)量和房屋價(jià)格等數(shù)據(jù)后生成緩存，然后，將緩存提供給OTA（Online Travel Agency）和在線(xiàn)旅游服務(wù)平臺(tái)使用，常見(jiàn)的OTA比如有攜程，常見(jiàn)的在線(xiàn)旅游服務(wù)平臺(tái)比如有去哪兒網(wǎng)，總之是能在線(xiàn)訂酒店的系統(tǒng)，這里統(tǒng)稱(chēng)為在線(xiàn)平臺(tái)。

為什么這些在線(xiàn)平臺(tái)不直接訪(fǎng)問(wèn)酒店預(yù)訂系統(tǒng)？

從夏衛(wèi)的介紹中了解到，這是因?yàn)榇蠖鄶?shù)酒店預(yù)訂系統(tǒng)的架構(gòu)太過(guò)古老，很多都根本承受不起在線(xiàn)平臺(tái)的頻繁實(shí)時(shí)訪(fǎng)問(wèn)，所以只能提供一套緩存，由于酒店系統(tǒng)本身的延遲造成數(shù)據(jù)的實(shí)時(shí)性比較差，訪(fǎng)問(wèn)次數(shù)多了酒店系統(tǒng)也會(huì)做限流，總之問(wèn)題很多。

解決的辦法是盡量減少訪(fǎng)問(wèn)酒店系統(tǒng)的次數(shù)，讓這些訪(fǎng)問(wèn)都找德比軟件的緩存去。最后下單的時(shí)候，系統(tǒng)會(huì)走另外一套接口最終確認(rèn)信息完成下單，下單之前的數(shù)據(jù)查詢(xún)?nèi)康卤溶浖木彺妫绻茏尵彺娴臄?shù)據(jù)接近于真實(shí)數(shù)據(jù)，那么，訂單成功率就會(huì)更高。

有朋友會(huì)想到，為什么攜程這樣的OTA不直接從酒店對(duì)數(shù)據(jù)呢？

事實(shí)上攜程也確實(shí)這么做過(guò)，但這一做法會(huì)有許多隱形成本，比如運(yùn)維和維護(hù)與多個(gè)酒店對(duì)接的這套系統(tǒng)的成本，如果出問(wèn)題帶來(lái)的損失也會(huì)非常大，不如索性直接對(duì)接德比這樣的平臺(tái)，專(zhuān)業(yè)的人做專(zhuān)業(yè)的事兒。

同理，對(duì)于酒店來(lái)說(shuō)也是一樣，對(duì)接多個(gè)獨(dú)立的平臺(tái)意味著自身系統(tǒng)承載了額外的負(fù)擔(dān)，大部分酒店只需將數(shù)據(jù)對(duì)接到德比的平臺(tái)，由德比軟件負(fù)責(zé)對(duì)接各種外部渠道，包括攜程這樣的OTA，也包括許多分銷(xiāo)渠道、在線(xiàn)旅行社、垂直搜索引擎、旅游批發(fā)商，這就是德比軟件數(shù)據(jù)的價(jià)值。

德比軟件在此類(lèi)服務(wù)中的地位屬于全球范圍內(nèi)的佼佼者，在大型連鎖酒店集團(tuán)，全球前十大甚至前幾十大酒店集團(tuán)當(dāng)中都在用德比的服務(wù)，行業(yè)聚集效應(yīng)明顯，強(qiáng)者愈強(qiáng)，因?yàn)閷?duì)各個(gè)渠道來(lái)說(shuō)，只對(duì)接德比這一個(gè)平臺(tái)的話(huà)，更能保證數(shù)據(jù)的一致性。

All-in On AWS

德比軟件的這套系統(tǒng)架起了酒店系統(tǒng)到在線(xiàn)平臺(tái)的橋梁，首先要求這座橋梁要非常的穩(wěn)定，要能承載著大量的訪(fǎng)問(wèn)流量，而且由于酒店預(yù)訂流量有互聯(lián)網(wǎng)業(yè)務(wù)那樣的周期性流量高峰特點(diǎn)，所以，對(duì)于架構(gòu)靈活性的要求也非常高。

所以，德比軟件接受夏衛(wèi)的建議采用AWS云就是非常明智的選擇了，云計(jì)算天生就是用來(lái)干這個(gè)事兒的。

考慮到2011年開(kāi)始就陸續(xù)使用AWS，德比軟件還是挺超前的。提起這段往事，夏衛(wèi)表示，那時(shí)候也沒(méi)什么太多的云可供選擇，在2011年之前，夏衛(wèi)就接觸并使用過(guò)AWS。于是，才有了這個(gè)現(xiàn)在看來(lái)有點(diǎn)冒險(xiǎn)的推薦。

原來(lái)，夏衛(wèi)不只是推薦德比軟件上AWS，當(dāng)年洲際酒店集團(tuán)剛進(jìn)入中國(guó)，需要做一個(gè)大型網(wǎng)站，洲際酒店集團(tuán)希望用一個(gè)云計(jì)算的平臺(tái)，夏衛(wèi)推薦的也是AWS，后來(lái)，很多德比軟件的客戶(hù)，特別是一些海外客戶(hù)，在跟德比軟件做項(xiàng)目對(duì)接的時(shí)候，也是一步步放到了AWS上。

AWS的全球布局使得德比更容易開(kāi)展全球性業(yè)務(wù)，使用AWS首先省去了自建機(jī)房的麻煩，不僅系統(tǒng)整體可用性提升，而且，由于AWS本身有很多合規(guī)性的設(shè)計(jì)，無(wú)須投入成本來(lái)進(jìn)行合規(guī)認(rèn)證。最后，夏衛(wèi)還表示暫不考慮使用除AWS以外的云服務(wù)，他想的更多是怎么把AWS利用好。

德比軟件在AWS上的業(yè)務(wù)有很多年了，大概從2017年起，德比軟件開(kāi)始All-in On AWS，把所有業(yè)務(wù)都放到了AWS上，每天承受大量的在線(xiàn)訪(fǎng)問(wèn)，算下來(lái)有大約200TB的數(shù)據(jù)，這些數(shù)據(jù)也都存在Amazon S3上或者是成本更低的S3 Glacier上。

基于Amazon SageMaker打造的智能緩存（AI Cache）

All-in On AWS之后，德比軟件用AWS用的越來(lái)越大膽，用的服務(wù)也越來(lái)越高級(jí)，從2019年年底開(kāi)始，德比軟件開(kāi)始使用AWS的云上機(jī)器學(xué)習(xí)服務(wù)Amazon SageMaker來(lái)優(yōu)化緩存系統(tǒng)，讓緩存變得更智能，更準(zhǔn)確，以前的這套緩存更新的做法都是人為設(shè)定的規(guī)則，效率和準(zhǔn)確度不可同日而語(yǔ)。

通過(guò)收集歷史數(shù)據(jù)，并使用SageMaker來(lái)訓(xùn)練模型，結(jié)合當(dāng)下最新數(shù)據(jù)來(lái)預(yù)測(cè)一小時(shí)后的酒店房間的(ARI)信息，包括可用房間數(shù)量、房間狀態(tài)等，把這些數(shù)據(jù)給到在線(xiàn)平臺(tái)，讓展示的數(shù)據(jù)盡可能與實(shí)際數(shù)據(jù)相近，從而提升訂單的成功率，提升效益。

所以，模型預(yù)測(cè)的準(zhǔn)確率直接關(guān)系酒店的訂單量，對(duì)于德比軟件平臺(tái)上的數(shù)據(jù)規(guī)模而言，提升一點(diǎn)點(diǎn)精準(zhǔn)度帶來(lái)的收益都是非常明顯的，據(jù)夏衛(wèi)介紹說(shuō)，模型的精準(zhǔn)度與訂單成功率有直接關(guān)系，按照德比軟件目前的訂單量，而每提高1%的訂單成功率就能為客戶(hù)帶來(lái)上億美金的額外訂單收入。

與想象不同的是，德比軟件創(chuàng)新實(shí)驗(yàn)室的數(shù)據(jù)工程師團(tuán)隊(duì)并不大，只有四個(gè)人，但在AWS上海人工智能實(shí)驗(yàn)室的機(jī)器學(xué)習(xí)解決方案實(shí)驗(yàn)室與德比軟件的共同努力下，最后設(shè)計(jì)的算法在初步測(cè)試中將庫(kù)存準(zhǔn)確率的預(yù)測(cè)提升了20%，帶來(lái)訂單成功率的提升。

德比軟件的商業(yè)模式是從成功的訂單中收取服務(wù)費(fèi)，成功的訂單量增多意味著收獲更多的服務(wù)費(fèi)用，夏衛(wèi)還特別強(qiáng)調(diào)說(shuō)，德比軟件的收費(fèi)其實(shí)非常低。

據(jù)夏衛(wèi)介紹說(shuō)，在實(shí)際訂票系統(tǒng)中，中國(guó)用戶(hù)80%的訂單都是在當(dāng)天通過(guò)手機(jī)預(yù)訂的，在美國(guó)，大部分的訂單也是在入住前一周之內(nèi)生成的，所以，模型的即時(shí)性也非常重要。這一過(guò)程中，訓(xùn)練模型的過(guò)程需要時(shí)刻進(jìn)行，每過(guò)幾小時(shí)就訓(xùn)練一次，模型是在不斷變化的，如果訓(xùn)練的慢了，模型就可能會(huì)過(guò)期，云上充足的計(jì)算能力能讓德比軟件在計(jì)劃的時(shí)間內(nèi)完成訓(xùn)練。

SageMaker的一大優(yōu)勢(shì)就是能直接降低機(jī)器學(xué)習(xí)方案的成本，德比軟件夏衛(wèi)表示，與傳統(tǒng)方案相比，使用Amazon SageMaker，以及Code Builder/Pipeline，CDK架構(gòu)之后，使用了許多流程自動(dòng)化的工具，可以自動(dòng)化的進(jìn)行訓(xùn)練，自動(dòng)化的調(diào)參，自動(dòng)化的部署模型，自動(dòng)化的終結(jié)一些實(shí)例，不僅資源利用率提升，而且運(yùn)維成本也大大降低，最終使得成本大約降低了70%到90%左右，差異還是非常明顯的。

寫(xiě)在最后

像夏衛(wèi)這樣，自己了解AWS，然后推薦AWS的人其實(shí)我也認(rèn)識(shí)好幾個(gè)，大多是本著務(wù)實(shí)的態(tài)度去解決具體的問(wèn)題。

談到使用AWS AI服務(wù)的未來(lái)規(guī)劃時(shí)，夏衛(wèi)表示，除了SageMaker以外，還在嘗試在新的場(chǎng)景中使用AWS的AI服務(wù)，比如把Alexa智能音箱放到酒店的場(chǎng)景里，他認(rèn)為人工智能在酒店行業(yè)的應(yīng)用空間還是很大的。

zhupb

<abbr id="bkmur"><samp id="bkmur"></samp></abbr>