Vay transformiert den Stadtverkehr in Las Vegas mit der Snowflake AI Data Cloud

New York hat seine U-Bahn, Paris hat die Metro, Las Vegas hat … Autos. Die Metropolregion Las Vegas ist eine der am stärksten vom Auto abhängigen Großstadtgebiete der USA. Es ist jedoch auch einer der teuersten Orte, um ein Fahrzeug zu besitzen – ein Auto zu halten, ist also nicht nur eine Notwendigkeit, sondern stellt auch eine Belastung dar.

Vay wurde 2018 gegründet und verändert das Gesicht des Transports für die Einwohnenden von Vegas und die jährlich 40 Millionen Besuchenden. Das Unternehmen schließt die Lücke zwischen einer Carsharing-App und einem Ridesharing-Service und nutzt menschliche Fahrende, um E-Autos auf Abruf zu den Kund:innen zu schicken – egal, wo in der Stadt sie sich befinden. Der Service bietet alle Vorteile eines Autos, aber ohne die lästige Haltung – damit ist der Transport in Vegas weniger Glücksspiel als zuvor. 

„Unsere Mission ist es, dass weniger Fahrzeuge in Städten herumstehen“, so Philipp Leufke, AI Principal Data Analyst bei Vay. „Wir wollen eine bessere Raumnutzung und dass Menschen kein Auto besitzen müssen, ohne hierdurch eingeschränkt zu werden.“

Daten spielen eine entscheidende Rolle für die flexible Carsharing-Erfahrung von Vay. Seit 2023 nutzt das Unternehmen die Snowflake AI Data Cloud, um die Einblicke zu gewinnen, die das Unternehmen vorantreiben.

Um seinen neuen Ansatz für fahrerlose Mobilität umzusetzen, sammelt und verarbeitet Vay riesige Datenmengen. Der Großteil davon stammt von seinen Remote-Fahrstationen, an denen professionell geschulte Remote-Fahrer:innen von Vay sitzen und die Fahrzeuge steuern, um sie an die Kund:innen zu liefern oder am Ende der Fahrt abzustellen. Die Remote-Fahrstationen sind mit Lenkrädern, Brems- und Gaspedalen und anderen Fahrzeugsteuerungen sowie Monitoren ausgestattet. 

Die Daten der Remote-Fahrstationen umfassen Telemetriedaten und Live-Videostreams, aber das Unternehmen erfasst auch Informationen aus seiner mobilen App, aus Kundeninteraktionen, CRM-Systemen und mehr.

„Wir brauchen Daten, die uns sagen, wo wir unsere Fahrzeuge positionieren müssen, um den besten Service zu bieten. Und wir müssen wissen, welche Route wir fahren müssen, um innerhalb unseres Netzes zu bleiben“, so Leufke. „Jede Entscheidung, die unser Unternehmen trifft, basiert auf Daten.“ 

Bei der Verarbeitung dieser Informationen in der klassischen Data-Lake-Architektur des Unternehmens kam es oft zu Ressourcenauslastung, sodass Vay seine Datenmodelle in immer kleinere Batches aufteilen musste. Außerdem führten lange Abfragezeiten zu hohen Kosten und der technische Aufwand, um diese Probleme zu überwinden, war äußerst belastend.

Aufgrund dieser Probleme mit der Abfrage-Performance haben sich letztlich weniger Stakeholder:innen mit Daten befasst. „Wenn Menschen Dashboards öffnen und sich dann erst einmal einen Kaffee kochen müssen, bevor die Daten endlich aktualisiert wurden, dann denken sie auch nicht daran, mit Daten zu experimentieren oder Anwendungsfälle zu erweitern“, so Leufke. „Das hat früher unsere Innovation eingeschränkt.“

2023 entschied Vay, dass es Zeit für eine Veränderung war. Nachdem Leufke zuvor in einer anderen Rolle mit Snowflake gearbeitet hatte, erkannte er, dass die Plattform die Anforderungen des Unternehmens in Bezug auf Rechenleistung, Skalierbarkeit und mehr erfüllen konnte. 

„Wir haben einen Machbarkeitsnachweis durchgeführt, um Snowflake mit anderen Optionen zu vergleichen – und Snowflake war einfach um Längen besser“, sagt Leufke.

Nach der Entscheidung verlief Vays Migration zu Snowflake schnell und einfach. Das Unternehmen migrierte alle Daten-Workloads in nur drei Monaten zur AI Data Cloud. 

Heute nutzt das Unternehmen Snowpipe, um Daten aus einer Amazon S3-Speicherumgebung in Snowflake einzuspeisen. Dieser Workflow ermöglicht eine Erfassung, die vollständig vom Datenschema unabhängig ist, um die vielfältigen und immer neuen Datenquellen von Vay zu integrieren. Und das ist entscheidend, um die Geschwindigkeit zu erreichen, die das Unternehmen bei der Arbeit mit seinen großen Datenmengen benötigt.

Hierzu Leufke: „Das ist eine der größten Stärken von Snowflake: Die Variantendatentypen sind fantastisch, denn was auch immer wir upstream erhalten, wir können es einfach in einer einzigen Variantenspalte ablegen.“ 

Die Daten von Vay stammen aus fast 80 verschiedenen Quellen und dienen jeder Abteilung im Unternehmen: von Produkt- und Softwareentwicklung bis hin zu Marketing und Betrieb. Anwender:innen können dann über verschiedene Tools auf die benötigten Informationen zugreifen, darunter Grafana für Zeitreihenanalysen oder Apache Superset für Datenexploration und -visualisierung. Das Unternehmen setzt auch umfassend auf Dekart, ein Kartierungstool, das von Volodymyr Bilonenko, Director of Software Engineering bei Vay, entwickelt wurde.  

In Sachen Data Governance nutzt Vay das Dynamic Data Masking von Snowflake, um personenbezogene Daten von Personal und Kundschaft zu schützen – das stellte mit der vorherigen Data-Lake-Architektur eine echte Herausforderung dar.

„Dynamic Data Masking vereinfacht viele Punkte“, so Leufke. „Zuvor mussten wir doppelte Tabellen erstellen, was sehr ressourcenintensiv war. Doch mit Snowflake können wir Daten schützen, ohne dabei bestimmte Tabellen vor irgendjemandem verstecken zu müssen.“

Als Unternehmen im Bereich der Mobilität ist die Fähigkeit, Daten mit Standorten zu verknüpfen, ein wesentlicher Bestandteil der Datenstrategie. Vay nutzt die Geodatenfunktionen von Snowflake sowie ein Dashboard, das in der AI Data Cloud erstellt wurde, um nahezu in Echtzeit zu überblicken, wie Kund:innen den Service nutzen – und anhand dieser Informationen langfristige strategische Entscheidungen zu treffen. Mit der Plattform können die Entscheidungstragenden von Vay sehen, wo sich Ladestationen befinden, wo Parkmöglichkeiten vorhanden sind und welche optimalen Routen Remote-Fahrende zur Auslieferung von Fahrzeugen einschlagen sollten.

„Snowflake fügt immer wieder Geodatenfunktionen hinzu, was uns sehr wichtig ist“, so Leufke. „Damit planen wir, welche Bereiche wir mit unserem Remote-Fahrdienst unterstützen wollen.“ 

Vay integriert seine Daten auch in Dekart, um durch die Kartenfunktionen des Tools langfristige Trends aufzudecken. 

„Mit Dekart können wir Objekte auf Karten platzieren, um die Nachfrage der Nutzer:innen oder ihre Customer Journeys zu visualisieren“, so Leufke. „Wir können auch sehen, wie sich Nachfrage-Hotspots weiterentwickeln, und unsere Strategie entsprechend anpassen.“

Mit dieser Kombination von Einblicken verschafft sich Vay einen umfassenden Überblick über alle Fahrzeug- und Nutzeraktivitäten, sowohl kurz- als auch langfristig. So kann das Unternehmen Effizienz, Kundenerfahrung, Fahrzeugwartung und Betriebsstrategie verbessern.

Wenn modernste Technologie die Grundlage für das Business bildet, werden unweigerlich Fehler und Probleme auftreten. Vay ist es wichtig, dass sein Kundenservice schnell, hilfreich und, wo möglich, vorausschauend arbeitet, um Unterbrechungen zu minimieren.

Um das zu erreichen, nutzt Vay Snowflake Cortex AI, um Kundenanrufe zu kategorisieren und besser zu verstehen, wo Probleme auftreten. 

Mit der Snowflake-Funktion AI_TRANSCRIBE kann Vay Audiodateien seiner Kundenanrufe automatisch transkribieren. Anschließend bereinigt Cortex die Transkription, bevor ein SQL-Prompt angewendet wird, der jedes Problem zusammenfasst.

Anhand dieser Zusammenfassungen kann Vay einzelne Probleme mit seiner App oder seinen Fahrzeugen erkennen und lösen oder auch neue Trends ermitteln, um proaktive und präventive Verbesserungen vorzunehmen. Früher wäre das noch manuell geschehen – doch jetzt, wo der Prozess über Cortex AI automatisiert wurde, ist die interne Effizienz enorm gestiegen. Leufke schätzt, dass Kundenserviceteams hierdurch bereits über 300 Stunden eingespart haben.  

Mit Cortex kann Vay auch automatisch die Kategorien ändern und optimieren, die es verwendet, um Kundenanrufe zu organisieren und die Genauigkeit seiner Erkenntnisse zu verbessern – ein Prozess, der einfach zu zeitaufwendig wäre, um ihn manuell durchzuführen. 

„Vor dem Wechsel zu Snowflake dauerte das Ganze zu lange bzw. war einfach zu schwierig. Mit Snowflake können wir heute neue und deutlich effizientere Arbeitsweisen nutzen“, so Leufke.

Nach der Migration zu Snowflake konnte Vay die Performance seiner Dateninfrastruktur umgehend verbessern. Das Team stellte nahezu sofort fest, dass seine BI- und nutzerseitigen Abfragen 12-mal schneller erfolgten als zuvor – und das trotz deutlich mehr Abfragen. Laut Leufke unterscheidet sich die Situation deutlich von den frustrierend langsamen Dashboards, mit denen Anwender:innen zuvor zu kämpfen hatten.

Mithilfe der schnelleren Dashboards in Snowflake können Anwender:innen sofort Daten filtern und im Detail analysieren. Und die kürzeren Feedbackzyklen haben Innovationen gefördert und die Akzeptanz unter Anwender:innen erhöht. Doch Snowflake bietet Vay nicht nur Performance, sondern auch Nutzerfreundlichkeit. Als Managed Service verursacht Snowflake nur minimalen technischen Aufwand. So ist das Datenteam von Vay in der Lage, seine Ressourcen auf andere Geschäftsbereiche zu lenken.

„Mit Snowflake müssen wir uns kaum noch um unsere Daten-Pipelines oder Rechen-Cluster kümmern“, so Leufke. „Die Ressourcenprobleme, mit denen wir uns früher herumschlagen mussten, sind allesamt verschwunden, was die Wartung des Service sehr, sehr einfach macht. Wenn es um die Aspekte geht, die für den Erfolg unseres Unternehmens entscheidend sind, will ich eine Lösung, die einfach funktioniert. Und genau das ist Snowflake.“ 

Da die Data Engineers von Vay nun weniger Zeit mit der akuten Problembehebung verbringen, können sie sich auf die Zukunft konzentrieren, die Unternehmensstrategie unterstützen und den Einwohnenden von Vegas einen komfortablen, sicheren und effizienten Transport bieten. So kann das Unternehmen seine Mission, den Stadtverkehr zu transformieren, mit der Sicherheit einer zuverlässigen Datenplattform weiter vorantreiben.