Большие данные в логистике: зачем нужны и как применяются
Информация огромных объемов
Большие данные — это разнородная информация огромных объемов, собираемая из постоянного растущего набора источников. Этой информации так много, что ее нельзя обработать стандартными способами. Но с помощью специальных технологий такие данные можно использовать для решения бизнес-задач. Технологии обработки больших данных позволяют накапливать, хранить, анализировать информацию и получать ценные инсайты для бизнеса.
Работать с большими данными можно по-разному: если у компании хватает ресурсов, то они могут нанять команду инженеров, чтобы разработать собственную инфраструктуру для анализа и обработки. Но чаще всего компании пользуются готовыми инструментами — отдельными сервисами, например, для поиска оптимального маршрута, или комплексными решениями, которые, помимо учета данных и составления отчетов, помогают анализировать и большие данные. Например, в сервисе для управления логистикой есть функция поиска оптимальной ставки на конкретное направление перевозки, работающая на основе анализа ставок транспортных компаний, взятых из открытых источников.
Как анализ больших данных помогает в транспортной логистике
Планирование грузоперевозок. При организации перевозки не всегда легко оценить, насколько быстро машина доедет от склада А до склада Б — на скорость доставки влияют оперативная работа сотрудников склада, пробки на дорогах, состояние автомобиля, расположение автозаправок. Если анализировать совокупность этих факторов, получая данные из открытых источников, можно эффективно планировать маршруты и управлять работой складов.
Также сложности возникают на «последней миле» — водителю приходится заезжать во дворы, искать парковку, разворачиваться. На это тратится большое количество времени. Если компания проанализирует карты местности и, учитывая особенности дворов и подъездов, составит свои оптимальные маршруты на этапе «последней мили», то сможет быстрее доставлять грузы.
Мониторинг амортизации техники. Компании, которые не используют анализ больших данных, периодически замечают упущенную выгоду. Например, представители компании Caterpillar теряли до 18 млрд прибыли в год. Они смогли остановить потери, оснастив машины датчиками, которые собирали информацию о состоянии ключевых деталей, степени их износа. Это помогает вовремя отправлять технику на ремонт и техобслуживание.
Минимизация рисков при перевозках. Если компания учитывает состояние техники и следит за погодными условиями и состоянием дорог, то может увеличивать безопасность перевозок. Например, крупнейшая железнодорожная компания США Union Pacific Railroad, проанализировав огромные массивы данных, снизила частоту схождения вагонов с рельсов до 75%. Компания собирала информацию с термометров, акустических и визуальных сенсоров, установленных на дне каждого локомотива, сведения о погодных условиях, состоянии тормозных систем, GPS-координаты составов. Это же можно применять и для любых видов перевозок, чтобы избежать выхода аварийных автомобилей на трассы — это поможет снизить вероятность порчи груза и сократить сроки доставки. К тому же можно отслеживать данные о собственниках транспортных средств, чтобы избежать мошенничества и хищения грузов.
BIG DATA в складской логистике
Поиски груза на складе. Если компания ставит на складах системы видеонаблюдения, а также датчики на каждую единицу груза, это дает возможность находить товар на складе и следить за ним на каждом этапе обработки. Так можно оптимизировать работу склада. Также информация о потоках товаров помогает определить сезонность и колебания спроса — например, мы знаем, что чаще всего в октябре товар отгружают в определенном направлении, значит можем освобождать под него место и находить больше машин.
Оптимизация упаковки. Одна из проблем на складе — это неоптимальное использование упаковки, которое затем мешает правильно загрузить контейнер или автомобиль. Если сканировать груз и фиксировать данные о весе и размерах товара, можно определять наилучший способ упаковки. Информация об одном грузе не позволит сделать надежные выводы, данные о миллионе товаров — помогут. Например, может оказаться, что использование пластиковых паллет не спасает жесткий груз от повреждений, но занимает много места.
Об отношениях с контрагентами
Рейтинги перевозчиков. Для того, чтобы усилить безопасность и эффективность перевозок, важно оценивать исполнителей — в том числе, с помощью анализа больших данных. Это помогает снизить вероятность кражи груза, позволяет пересмотреть или вовремя заменить перевозчиков. Если мы используем большое количество показателей от разных компаний и оцениваем информацию за продолжительный период времени, мы сможем принять оптимальное решение о том, с кем именно стоит заключать контракты.
Информация о водителях. Многие компании составляют свои «черные списки» водителей, чтобы избегать непрофессионализма конечных исполнителей перевозки и любых конфликтов с клиентом. Также анализ информации помогает отследить водителей, которые часто меняют телефоны или указывают в разных сервисах несколько номеров паспортов — это сигнал к тому, что водитель или поставщик транспорта участвует в мошенничестве.
Рейтинги платежеспособности. Подобные рейтинги помогают транспортным компаниям избегать контрактов с грузовладельцами, у которых уже есть невыполненные обязательства перед другими перевозчиками.
Материал подготовлен Умной Логистикой
