記者從德比軟體（上海）有限公司獲悉，該公司利用亞馬遜雲服務（AWS）旗下的全託管機器學習服務Amazon SageMaker開發了酒店庫存智慧快取系統，通過分析實時查詢資料以及過往十多年的歷史訂單資料，建立了更為準確的演算法模型，將酒店房態資訊查詢準確率提高20%，可望為德比軟體全球22萬家酒店客戶帶來數億美元的額外訂單收入。在系統開發過程中，通過採用Amazon SageMaker的Spot訓練等多項先進技術，德比軟體還將機器學習的成本節省了70%~90%。

德比軟體是一家服務於酒店行業的科技公司，其主要業務是將酒店的房態資訊與Booking.com、攜程網等各大酒店預訂平臺對接，實現消費者對其全球酒店客戶的客房房態查詢，並進行訂單處理。酒店的房態資訊非常複雜，庫存變化涉及不同的入住日期、入住天數、成人及兒童數量（甚至包括兒童的年齡段）、不同房型、不同價格計劃以及不同的預訂渠道，而且這些資訊隨時隨刻都在發生變化。以希爾頓酒店集團為例，它在全球有六千家酒店，任何一秒都可能有消費者在德比軟體服務的預訂平臺查詢希爾頓在全球的某家酒店、某天或某幾天、某種房型的價格, 每天各種變化組合達1.5萬億。理論上，僅針對這一個渠道客戶，德比軟體就需要每天實時更新最多1.5萬億次房態資訊。除非德比軟體以每秒上萬次的頻率去查詢酒店的訂房系統，否則不可能準確記錄房態資訊的每一個變化。但是酒店的系統和網際網路頻寬限制都難以承受大量查詢，會對德比軟體的查詢請求加以限制，有些酒店的資訊可以向渠道推送，但酒店提供的資訊也可能不實時、不準確。無論哪種情況，房價和房態資訊的準確率都比較低，消費者查詢房態資訊，可能出現查詢時有房、下訂單卻不成功、需要重新查詢等情況，影響客戶體驗，酒店因此錯失客戶。

面對這一行業痛點，德比軟體決定利用機器學習技術開發酒店庫存智慧快取系統。在AWS機器學習解決方案實驗室全球專家團隊的幫助下，德比軟體構建了優化的機器學習演算法，改變房態資訊快取機制，在不顯著改變酒店系統訪問頻率的同時，提高庫存房態資訊的準確率。通過分析消費者的實時查詢請求和歷史訂單資料，德比軟體可以找出酒店庫存變化規律，預測產品狀態及其價格過期時間。只有預測到消費者有可能查詢某酒店某時段的房態資訊、而且預測到這些房態資訊有可能發生變化的情況下，才會預先從酒店系統更新相關的房態資訊，這樣既減輕了酒店系統的壓力，又提高了房態資訊的準確性，還降低了德比軟體的運營成本。例如，新冠疫情期間，美國80%以上訂單都是一週內訂單，可以重點加大該時間段內房態資訊的更新頻率。

建立演算法後，德比軟體選擇將其部署在了Amazon SageMaker機器學習服務上，輕鬆實現了一鍵構建、訓練、部署機器學習模型，而無需自行運維和管理底層的計算資源和機器學習框架，極大地提高了開發效率。由於需要對每一個酒店客戶、甚至每一家酒店、每一個特定場景分別構建演算法模型，德比軟體要進行大量的機器學習訓練。有了SageMaker帶來的“傻瓜式”應用和高效率，德比軟體才有可能在未來面向所有酒店客戶、全面推進智慧快取系統的應用。按照德比軟體目前每年6200萬筆訂單、每筆訂單平均350美元的資料估算，智慧快取系統全面應用後，可望總共為酒店客戶帶來數億美元的收入。

德比軟體早在2011年就開始使用AWS，到2017年已經將所有業務遷移到AWS上，目在AWS上使用了兩千多個雲伺服器例項，通過AWS的雲服務和雲平臺每天處理200TB以上的資料和100億以上的事件。特別值得一提的是，在安全合規方面，德比軟體涉及到信用卡資訊的處理，需要滿足非常嚴格的合規要求，AWS的雲基礎設施在全球擁有廣泛的合規認證，極大地簡化了德比軟體在全球的合規流程。

作為一家全部建立在AWS上的軟體公司，德比軟體對適應未來技術趨勢的變化充滿信心。德比軟體副總裁夏衛表示：“雲端計算、大資料、機器學習、自然語言處理是這個時代的代表性技術。在這些方面，AWS都提供了全面的、領先的雲服務。我們希望在AWS這樣的雲服務領先者的幫助下，成為人工智慧時代的贏家。”

目前，德比軟體還在探索利用機器學習技術，實現智慧運維、容量預測、異常檢測等方面的應用，探索酒店訂單的智慧分析與預測、酒店內容智慧運營、智慧競價等方面的應用，降低運營成本，幫助客戶提高銷售效率。