Big Data i analityka predyktywna to rozwiązania w zarządzaniu transportem, które są stosowane na rynku polskim dopiero od niedawna. Biorąc pod uwagę przydatność i zyski, jakie generują, niedługo mogą się stać w transporcie tym, czym dziś jest telematyka.

Do czego się stosuje analitykę predyktywną w transporcie?

Big Data i analityka predyktywna pomagają osiągnąć wyższe współczynniki załadowania dla sieci przesyłek drobnicowych i grupowych oraz zmniejszenie ruchu pustych naczep i kontenerów.

Przewidywanie lub prognozowanie przyszłego zapotrzebowania na podstawie danych historycznych oraz czynników zewnętrznych, takich jak święta, sezonowość, wydarzenia branżowe itp. pozwala firmom logistycznym reagować z wyprzedzeniem poprzez:

  • anulowanie zbędnych połączeń;
  • przerzucenie części pojazdów na dany kierunek;
  • zwiększenie ilości pracowników na dany okres;
  • zakup lub wynajem potrzebnego sprzętu itd.;

Na czym to polega w praktyce?

Transmetrics to bułgarska firma, która jako jedna z pierwszych w Europie zaczęła oferować rozwiązania do zarządzania transportem, oparte na wykorzystywaniu danych historycznych. Mieliśmy przyjemność poznać CEO firmy, pana Asparuha Koeva na forum o IT i telematyce na targach TransPoland.

Zapytaliśmy szefa przedsiębiorstwa, Asparuha Koeva o tym, na jakie korzyści w praktyce przekłada się analityka predyktywna.

transmetrics-asparuh-koev-ceoAsparuh Koev, CEO Transmetrics

„Dzięki analizie danych przewoźnik może poprawić zdolność obsługową poprzez redukcję nadmiaru mocy nawet o 10% w ciągu dekady. Dla wielu firm to zysk rzędu 1 mln rocznie. Duże przedsiębiorstwo, takie jak na przykład DHL, może zwiększyć zysk nawet o 100-300 mln euro netto”.

 

Jakie problemy transportu drogowego może rozwiązać Transmetrics?

Oferujemy rozwiązania dla kilku segmentów transportu drogowego: samochodów ciężarowych, przesyłek drobnicowych, paletowych i grupowych. W przypadku tej części sektora transportu drogowego możemy rozwiązać problem wykorzystania wolnych mocy, tj. pustych przebiegów. Stosując narzędzie predykcyjne, firma transportowa może zrezygnować z niepotrzebnych pojazdów lub połączeń bądź poprawić proces ich konsolidacji.

Firmom, oferującym przewozy całopojazdowe (FTL) Transmetrics pomaga zmniejszyć pusty kilometraż i rozwiązać problem wahającego się wypełnienia poprzez prognozowanie przyszłych wolumenów, np. wskazując punkty geograficzne, z których można podjąć dodatkowe ładunki do przewiezienia.

W jaki sposób przewoźnik zbiera dane? Na jakiej technologii opiera się to rozwiązanie?

Zbieramy dane z TMS (Transport Management System) przedsiębiorstwa i nakładamy na nie dużo danych z zewnętrznych źródeł prywatnych i publicznych. Możemy wspierać dowolną technologię, której używa firma transportowa, żeby korzystać z danych TMS, np. pliki tekstowe, XML, EDI itp. Dla danych zewnętrznych wykorzystujemy naszą własną metodologię. Klient może uzyskać dostęp do wyników prognozowania i optymalizacji na bezpiecznej stronie internetowej.

Jak można wykorzystać dane historyczne?

Dane historyczne są niezbędnym elementem do przewidywania przyszłych wolumenów ładunków, które są głęboko związane z przeszłymi i bieżącymi trendami. Analizując dane historyczne można określić pewne wzorce zachowań obecnych klientów. Na przykład, można przewidzieć, że klient prawdopodobnie będzie realizować przewóz na koniec miesiąca lub w określonym sezonie.

transmetrics-anna-shaposhnikova-cco

Anna Shaposhnikova, Chief Commercial Officer w Transmetrics

„Jeśli ustalimy, że w danym okresie i na danym kierunku liczna ładunków wzrasta o 150%, to możemy nie tylko wynegocjować lepsze stawki u dostawców, ale także zadbać o odpowiednią ilość dostępnych pojazdów czy zagwarantować potrzebną przestrzeń magazynową na tej linii”.

 

Czy wiadomo, w oparciu o konkretne przypadki, ile pieniędzy można zaoszczędzić poprzez zbieranie i analizowanie danych historycznych w transporcie?

Nie chodzi tu tylko o wykorzystaniu danych historycznych. Raczej o połączenie wiedzy pochodzącej z analizy danych historycznych z informacjami na temat czynników zewnętrznych, które wpływają na popyt na przewozy (np. święta, sezonowość, zmiany ekonomiczne, promocja nowych produktów itp.) oraz dostarczenie danych z giełd transportowych, które pokazują, gdzie wystąpi popyt.

Biorąc pod uwagę te dane, rozwiązanie Transmetrics może mieć następujący wpływ na działalność firm transportowych. W przypadku przewoźnika o przychodach na poziomie 200 mln euro jego koszty stałe stanowią 100 mln, z czego średnio do 43% jest niewykorzystane. Każdy procent wzrostu wykorzystania zdolności obsługowej jest zatem wart 1 mln euro dodatkowego zysku netto. Transmetrics zmierza do poprawy wykorzystania zdolności obsługowych w postaci 10% redukcji nadmiaru mocy w ciągu 10 lat, co oznacza wzrost zysku przewoźnika o 10 mln euro. W przypadku większych przewoźników, takich jak DHL, efekty gospodarcze mogą być 10 – 30 razy większe, co równa się poprawie zysku o 100 – 300 mln euro.

A jakie inne korzyści z analizy danych historycznych w transporcie mógłby Pan wskazać?

Główną korzyścią jest wykorzystanie danych o przeszłości do przewidywania przyszłości i podejmowania działań. Na przykład, jeśli wiadomo, że będziemy mieć 60% normalnego wolumenu ładunków w danym dniu, ponowne zaplanowanie sieci pozwoli nam zaoszczędzić tego dania setki tysięcy, bo nie będziemy musieli utrzymywać nadmiernej zdolności przewozowej.

Inny przykład, jeśli wiesz kilka dni wcześniej, że w okolicach Bożego Narodzenie liczba ładunków do przewiezienia wzrośnie o 150%, to możesz przewidzieć dodatkowe moce oraz (a) z wyprzedzeniem wynegocjować lepsze ceny u dostawców usług zewnętrznych oraz (b) zagwarantować odpowiednią przestrzeń magazynową, wymaganą przez klientów zamiast kupowania jej w ostatniej chwili.


O wykorzystaniu danych do optymalizacji transportu Asparuh Koev opowiedział na forum pt. „IT & Telematyka w branży TSL: Innowacyjne formy zarządzania biznesem”. Poniżej prelekcja szefa Transmetrics.

ZOSTAW ODPOWIEDŹ

Please enter your comment!
Please enter your name here