Ir al contenido

Uso de la capa de métricas para estandarizar y ampliar la experimentación en DoorDash

Las métricas son vitales para medir el éxito en cualquier empresa basada en datos, pero garantizar que estas métricas se miden de forma coherente y precisa en toda la organización puede resultar complicado.

2022 Summer Intern Projects Artículo nº 3

DoorDash ofrece a nuestros becarios de verano la oportunidad de integrarse plenamente en los equipos de ingeniería para obtener el tipo de experiencia real en el sector que no se enseña en las aulas.

Uso de CockroachDB para reducir los costes de almacenamiento de funciones en un 75%.

Mientras creábamos un almacén de funciones para gestionar el crecimiento masivo de nuestra plataforma de aprendizaje automático ("ML"), nos dimos cuenta de que el uso de una combinación de diferentes bases de datos puede mejorar significativamente la eficiencia y la simplicidad operativa.

Cómo DoorDash actualizó una heurística con ML para salvar miles de pedidos cancelados

Uno de los retos del funcionamiento de nuestra plataforma es poder realizar un seguimiento preciso del estado operativo de los comerciantes y de su capacidad para recibir y satisfacer pedidos.

Equilibrio entre velocidad y confianza en la experimentación

Ejecutar miles de experimentos con eficacia significa equilibrar cuidadosamente nuestra velocidad con los controles necesarios para mantener la confianza en los resultados experimentales, pero encontrar ese equilibrio nunca es fácil.