Grassdoor 的主要挑战是计算准确的预计到达时间并优化最后一英里和按需配送的路线。该公司需要一个距离矩阵 API，它可以大规模处理大量 API 调用，以高吞吐量和低延迟运行，并且具有成本效益。市场上现有的Distance Matrix API存在局限性，例如矩阵大小仅限于25*25元素，不足以优化Grassdoor大规模运营的大量交付。这些现有 API 的成本也是一个问题，因为事实证明它们价格昂贵，而且随着 Grassdoor 规模的扩大，问题变得更加严重。该公司还在扩展过程中寻找提高吞吐量和减少延迟方面的运营效率的方法。

一家领先的人工智能云计算公司面临着在三个月内为整个阿联酋创建大规模端到端地图解决方案的挑战。该公司需要以快速刷新率构建高精度、国家范围的地图，这是一项既昂贵又广泛的任务。该过程涉及在阿联酋级别构建地图、添加 50 多个自定义属性、执行质量检查和冲突解决，以及不断维护和刷新地图数据。该公司还需要从多个图像源获取地图数据情报，这是一个耗时的过程。不同的路由和导航引擎（例如 OSRM 等）使用的数据结构因路由引擎类型而异。客户需要能够轻松与其现有路线和导航引擎集成的地图数据。

美国领先的食品配送公司在满足不断增长的需求和客户期望方面面临着挑战。该公司正在努力在不影响服务质量的情况下实现其雄心勃勃的增长目标。现有的地图解决方案十分僵化，不能满足公司的具体需求。该公司需要更量身定制的地图解决方案，帮助他们实现更高效、更准时的交付，提供更准确的预计到达时间 (ETA)，并降低地图 API 的成本。

一家领先的印度物流科技公司被称为该国最大的中立货运网络，在为客户提供直观的货运跟踪体验方面面临着挑战。该公司所处行业复杂，不同层面的技术采用率较低。主要挑战包括跟踪每次旅程的数千个数据点，例如跨高速公路、乡村道路和仓库位置的准确路线、跨城市和州的交通数据、设置上下文 POI 以及轮胎磨损等附加数据、车辆使用、通行费和许可证。这些数据点由不同的利益相关者管理，带来了重大的运营挑战。第二个挑战是考虑当地的细微差别，例如车辆限制和驾驶行为，这些细微差别在印度各邦之间存在巨大差异。其他复杂因素包括车辆类型、地形变化、驾驶模式以及取决于货物的速度限制。