Представьте, что у вас есть карта города, способная «рассказывать истории» про людей, дороги, дожди и события — прямо сейчас, вживую. С помощью платформы Atlas анализ города превращается в чтение интерактивной хроники, а не в просмотр сухой статистики.

Привет! Меня зовут Аня, я руковожу службой аналитических платформ в Яндексе. Сегодня я расскажу про один из наших инструментов — SaaS‑платформу Atlas. Ей пользуются аналитики из Яндекс Такси, Доставки, Лавки и других сервисов Яндекса. Atlas помогает визуализировать данные, быстро находить и проверять гипотезы, а ещё — оперативно делиться инсайтами. Ниже — подробности о том, как работает платформа и с какими кейсами она помогает справляться, а также как вы можете попробовать её в деле. 

Зачем Atlas Яндексу

Аналитика в Такси — важная часть операционной деятельности. А операционка у Такси, Доставки и Еды органически «привязана» к карте. Поэтому и метрики нам всегда хотелось смотреть именно на карте. На старте мы агрегировали метрики в крупных разрезах — например, «заказы в Москве». Но довольно быстро стало понятно: Москва — отнюдь не гомогенная зона.

Ещё один важный параметр для нас — скорость. Среда постоянно меняется, и нам критично важно не ждать, пока данные за вчерашний день подтянутся в дашборды. Если ориентироваться только на данные из прошлого, можно упустить момент для быстрой реакции: спрос и трафик в большом городе меняются буквально каждый час.

Метрики на карте в реальном времени — это и есть наш Atlas. Больше 1800 активных пользователей в месяц анализируют в нём тысячи метрик от разных сервисов и видят новые данные с задержкой 1–5 минут от реального времени. 

Кейсы и принципы работы Atlas: как платформа помогает принимать решения 

Вокруг Atlas накопилось множество аналитических кейсов — про то, как удобно визуализировать данные, работать с инсайтами и быстро искать ответы на вопросы. Именно об этом я и расскажу на примере реальных бизнес‑сценариев.

Ураган «Орхан»

Начнём с геоаналитики: 5 июля 2024 года в Москве прошёл ураган «Орхан». В соцсетях появились жалобы на работу такси. Теперь представим, что мы аналитики и нам нужно разобраться, что произошло с заказами Такси в сервисе в этот дождливый день. Для этого откроем Atlas. 

Первое, на что обращаем внимание, — визуальный интерфейс. 

При выборе метрики в Atlas автоматически добавляются и её значения за предпериод. Это помогает увидеть отклонения и сезонные паттерны. Например, на графике заказов видно, что утренний пик был и две недели назад (пунктирная линия), а вот вечерний — уже аномальный. Хочется понять, что произошло.

В Atlas можно добавить сколько угодно метрик для отображения, они выстраиваются вертикально друг под другом. Если выделить точку на одном графике, она автоматически подсвечивается и на остальных — так проще ловить взаимосвязи.

Добавляем метрику силы осадков — мы берём её из Яндекс Погоды. Сразу видно: в день урагана сила осадков резко выросла. Снизу добавляем график суржа: во время всплеска заказов сурж тоже отработал.

Всё это видно на обычных графиках, но становится особенно интересно, когда мы переходим к карте. Если выделить точку на графике суржа, можно тут же увидеть её распределение на карте — хитмап (heatmap). Например, в нашем кейсе по визуализации видно, что сначала повышенные коэффициенты появились на западе Москвы, а затем начали распространяться восточнее. Ураган не накрыл город одномоментно — он двигался по направлению с запада, и мы можем это буквально «увидеть» в данных. 

Live‑графики и карты не только фиксируют площади повышенного спроса, но и открывают необычные, скрытые раньше закономерности: например, вечерние «хвосты» в спальных районах или всплески в неожиданных точках города — там, где аналитик раньше не смотрел.

Для чего всё это нужно? Благодаря такому анализу мы можем заранее понимать, как система отреагирует на погоду, и предупреждать пользователей о том, что на общественном транспорте можно будет уехать быстрее.

Мне нравится думать, что геоданные — это рентген города. Они помогают увидеть то, что часто теряется в агрегированных метриках. Об этом наш следующий пример.

Концерт группы «Звери»

Пример будет музыкальным: концерт группы «Звери» в Питере. В момент окончания концерта «СКА Арена» буквально «вспыхнула» на карте — поток заказов резко вырос, всё покраснело. 

Такие локальные аномалии хорошо видны именно на карте, поэтому нам важно уметь анализировать данные в пространстве.

Если в каком‑то районе города регулярно наблюдается устойчивый геопаттерн — высокий сурж, большой спрос и нехватка водителей — мы можем использовать это как сигнал. Например, выделить такую зону и сообщить водителям заранее: приезжайте сюда, гарантируем, что здесь будет повышенный спрос. А если нет — доплатим. Такой механизм мы называем геосубсидиями.

Геосубсидии, или куда направить водителей 

Представим, что мы аналитики геосубсидий. Открываем Atlas, пара нажатий — и начинаем искать зоны с повторяющимися проблемами. Давайте посмотрим, как справляется наш сервис с заказами такси, например, в Рязани. 

И по заказам, и по суржу прослеживается периодичность — значит, можно попробовать спрогнозировать и периоды, и места повышенного спроса на такси.

Для начала найдём периоды повышенного спроса. Можно посмотреть на линию суржа за неделю, чтобы определить время всплесков. А можно одним нажатием превратить обычный линейный график в хитмап по неделям: по вертикали — дни недели (понедельник, вторник и так далее), по горизонтали — часы. И сразу становится видно:

• По будням с 7 до 9 утра — чёткий пик спроса: люди едут на работу.

• В пятницу — тоже повышенный сурж в течение дня (похоже, уезжают летом за город).

• Вечерний пик по будням более размазанный — люди возвращаются домой в разное время.

• В выходные — наоборот, активность смещается на вечер.

Дополнительно одним нажатием можно построить график агрегаций — это когда каждый день недели растянут в отдельную линию. Так мы можем чётко видеть, где происходят пики. Здесь видно, что наиболее острый пик возникает в 8 утра.

Теперь определим места утреннего пика суржа. Вернёмся к линейному графику и выделим 8 утра на карте. Сразу видно, что центр города в это время относительно свободен, а основная нагрузка ложится на отдалённые районы, или «рукава» Рязани — один из них особенно заметен справа. Именно туда, судя по данным, логично направлять водителей утром: спрос стабильно высок.

На практике геосубсидии у нас настраиваются автоматически — с помощью специального алгоритма, который обрабатывает данные по всем городам и геозонам. Аналитики визуально проверяют результаты, особенно если нужно запустить эксперимент или возникают сомнения по конкретному городу. И делают они это с помощью Atlas.

Ранее я упоминала, что Москва — неоднородный город, и по метрикам это хорошо видно. Рязань меньше по масштабу, но тоже может «вести себя» неравномерно. В Atlas есть удобный инструмент: можно выделить любую зону на карте и построить метрику только по ней. Выделяем центр и один из «рукавов» — и сравниваем.

Что вызывают на Патриках?

И ещё один кейс: давайте предположим, что мы хотим выбрать места для наружной рекламы тарифа Ultima. Это премиум‑тариф, логично будет ориентироваться на зоны, где часто вызывают машины премиум‑класса.

Как это делается? Очень просто: строим метрику заказов по Ultima и смотрим, где есть кластеры с высокой плотностью. 

На карте — Патрики, деловой центр — всё ожидаемо. Но тут возникает сомнение: метрика построена на срезе за три месяца. А вдруг в этот период был какой‑то симпозиум, на который съехались все фанаты Ultima, и больше их там не будет? Нам нужно понять: кластер постоянный или случайный. Выделяем интересующую зону (например, деловой центр) и строим метрику только по ней, по дням. 

Видим, что поток заказов в деловом центре вполне стабильный. Значит, «наружку» можно размещать — место подтверждено. Всё делается за пару нажатий и наглядно визуализируется.

Пульс-контроль в режиме онлайн

Важная особенность Atlas — работа практически в онлайне. Мы видим почти реальную картину происходящего: метрики поступают с задержкой максимум в 5 минут.

Например, мы научились в онлайне выделять зоны необычного скопления заказов. Благодаря этой метрике мы отслеживаем нехарактерные зоны пиковых запросов. Проиллюстрировать их работу можно в случае того же концерта группы «Звери» в «СКА Арене». Видно, что увеличилась метрика нетипичных заказов, а общая метрика заказов выглядит довольно обычно.

Забавно, что по этой метрике можно видеть, где и когда проходят концерты: вот концерты «Зверей» и Басты в Петербурге и хоккейный матч СКА — «Динамо». А значит, предсказывая такие метрики, мы можем научиться эффективно управлять очередями на массовых мероприятиях.

Другой пример, где важна была онлайновость: представьте, что вы операционный менеджер и вдруг видите, что водители пропали — метрика упала по сравнению с предыдущей неделей (пунктирная линия).

Баг? Забастовка? Благодаря Atlas мы отловили технический сбой в классификаторе за минуты и смогли быстро исправить его. 

А ещё у нас есть справочник событий. Наталкиваясь на этот провал в метрике в прошлом, мы сможем быстро вспомнить повлиявшие на метрику события: нужно просто нажать на кнопку «Отображать события» под графиком.

А еще хочу показать свой любимый скрин — визуализацию графа назначения водителя. На ней можно рассмотреть, как происходит многокомпонентный выбор водителя на заказ, и быстро анализировать корнер‑кейсы назначений. 

Atlas доказывает: хорошая визуализация важна не меньше самих данных.

Atlas — для всех

Мы пользуемся Atlas уже 8 лет, и за это время платформа обзавелась полезным инвентарём. У нас есть разные виды геослоёв, аналитические инструменты под разные сервисы, тул для загрузки метрик. В какой‑то момент мы посмотрели на всё это и поняли, что Atlas — это вполне готовая платформа для решения задач разных бизнесов на их данных. Почему бы не попробовать предложить эту функциональность в помощь другим аналитикам для обработки накопленной базы данных их компаний.

Просто представьте, что у вас есть карта, на которой видно ваши процессы и накопленные данные: покупки, оборудование, сотрудники, события — всё в реальном времени. Если что‑то идёт не так, вы узнаёте об этом сразу и можете быстро принять решение. Думаю, что Atlas может быть полезен в логистике, финтехе, телекоме, ритейле — везде, где важна визуализация, особенно гео и реального времени.

Платформа берёт ваши пространственные данные: адреса, координаты, зоны, визуализирует ключевые метрики через динамические графики, накладывает интенсивность этих метрик на интерактивную карту в виде тепловых карт или кластеров. Это помогает выявить скрытые паттерны, проблемы и возможности, неочевидные в таблицах и отчётах. 

Все подробности есть на странице платформы, там же можно оставить заявку на демо.

Спасибо, что дочитали! Если у вас есть вопросы, задавайте их в комментариях, с удовольствием отвечу.