DSB – Plads på Rejsent

NoA Ignite

for

DSB Digital Labs

Kategori :

Type :

andet

Vinder af Analytics and AI

GULD
Guld i kategorien Analytics & AI gives til en case der har formået at udnytte data på en helt ny måde - hurtigt, effektivt og med en sublim timing på et kritisk tidspunkt i vores samfund.
Løsningen blev skitseret, løst og implementeret på få uger, og er intet mindre end en lille genistreg, når bremselængde pludselig bliver en afgørende faktor i at bremse smittetrykket i en global pandemi.
Godt set, godt tænkt, godt eksekveret!
Juryen finder det fantastisk opløftende at se en stor traditionel dansk virksomhed, der formår at træde i karaktér og tage ansvar, når befolkningen har brug for dem. Det er både tryghedsskabende, relationsopbyggende og sætter virksomheden i et helt nyt lys – tilbage på sporet ligefrem ;)
Et stort velfortjent tillykke til DSB. Men husk succes forpligter! Og denne jury glæder sig allerede til at se, hvilke data-baserede guldkorn der kan komme ud af de gamle statsbaner, frem mod DDA 2022!

Vinder af Innovation

SØLV
DSB har haft deres kunder tryghed i fokus, og har på kort tid løst et akut samfundsproblem. De har brugt eksisterende data og sammensat det på en ny måde, der giver stor værdi for brugeroplevelsen.

Baggrund

Under den første COVID-19 lockdown i april 2020, vendte rejsende langsomt tilbage til den offentlige transport, men med restriktioner.

Behovet for at holde sikker afstand ombord på toget, var grund til stor bekymring for mange rejsende, og faldende passagertal.

S-togene fungerer som metroen, folk hopper af og på. Det gør det umuligt at styre kapaciteten og planlægning af og for rejsende i togene.

Hvordan sikrer vi at passagertallet spredes ud, giver tryghed, og får brugerne af toget tilbage, i de rette rammer?

Løsning

Hvert S-tog indeholder vægtsensorer som vejer toget. Indtil nu blev disse data kun brugt internt i DSB til at beregne togets bremselængde.

Vi tog denne data og anvendte den med machine learning, for at beregne forventet kapacitet ud fra den vægt passagerne lagde i toget, dette gav et godt tal af hvor mange der faktisk var i toget.

På tre uger udviklede og designede vi et mobilt site, der tog denne data, og synliggjorde den realtime for passagerer så de kunne planlægge deres rejse. Enten realtime på stationen mens de ventede på toget om de skulle tage det næste, eller ved at følge ens primære toge med forventet kapacitet. Sidst var der også prognose for hvilken tidspunkt man burde tage afsted på til at planlægge rundt om.

Resultat

Ved måling fik DSB med servicen en NPS på 25,9. Normalt ligger DSB på en NPS på 0.

Der kom over 125.000 brugere på med det samme, 20% blev ved med at bruge servicen.

Løsningen blev DSBs hovedkommunikation under COVID-19 i perioden, og fik bred mediedækning bla. i de store nyhedskanaler (DR/TV2).

Den første kundehenvendte løsning for DSB der benyttede ML.

DSB Digital Labs

Jacob Saugmann

Head of Innovation

Mikkel Grønvold

Developer

Steffen Pedersen

Technical Product Lead

Michele Stawowy

Lead data scientist

Ling Feng

Data scientist

Victoria Chudinov

Data scientist

Trine Sofie Vestergård

Lead backend

Michael Von der Fehr

Backend

NoA Ignite

Mike Rosendal

Designer

Henriette Hosbond

UX

Christian Steen Jensen

Partner

Bjarke Lautrup-Larsen

Designer

Watch Video