Предсказательная аналитика (Predictive Analytics) стала очень модной концепцией, и мы, вероятно, будем использовать ее все чаще и чаще. Ее использование может помочь в производственной деятельности и не только. Это также важно для цепочки поставок.
Начнем с определения – прогностическая аналитика означает использование статистических данных и алгоритмов для определения вероятности получения будущих результатов на основе этой исторической информации. По сути, речь идет о преобразовании отрасли от принятия решений человеком к принятию решений на основе данных. А их много.
На практике прогностическая аналитика – это не более чем способность определять, что может произойти в будущем. Кто-нибудь скажет – ведь это очевидно, это пытаются делать на протяжении многих лет. Да, но специалисты утверждают, что это уже не пресловутое «гадание на кофейной гуще». Только современные методы сбора информации, их масштабность и аналитические методы позволяют прогнозировать с удовлетворительной точностью.
Этому также способствует растущая доступность компьютеров и более удобное для пользователя программное обеспечение. Благодаря им прогностическая аналитика уже не является доменом только математиков, она может быть использована также бизнес-аналитиками.
Predictive Analytics помогает предсказать аварии
Руководители транспортных компаний и логистических операторов используют предсказательную аналитику для решения проблем, а также для изучения новых возможностей.
Список типичных приложений достаточно длинный. Он охватывает:
– выявление фактов мошенничества (например, в Интернете),
– лучшее выполнение отдельных процессов,
– прогнозирование инвентаризации и управление ресурсами,
– оптимизация цен.
В результате, с одной стороны, ставится задача повышения эффективности а, с другой стороны, минимизации рисков.
Все эти особенности также применимы к цепочке поставок. Это включает, например, прогнозирование отказов оборудования и снижение рисков, связанных с безопасностью и надежностью, что особенно важно в случае автоматизированных складов и автономных транспортных систем.
Камил Словик из Mecalux на недавней конференции «Smart Warehouse» подчеркнул, что такой же функциональностью обладают современные складские программы (например, WMS).
– Они помогают прогнозировать сбои на складе, а WMS может реагировать на сценарии, например, при отключении электроэнергии на складе. Все больше и больше компаний ценят этот тип решений, потому что они связаны с оптимизацией работы, – подчеркнул Камил Словик.
Поэтому в случае автоматизированных складов и автономных транспортных средств так называемое профилактическое обслуживание особенно важно, поскольку помогает обнаружить возможные сбои до того, как они произойдут и приостановят действие системы. Это сводит к минимуму возможные перерывы в работе оборудования. Миколай Рута из WDX также подчеркивает эту особенность автоматических решений. На основе этих данных можно прогнозировать, что произойдет в будущем (predictive maintenance, ремонтные прогнозы). Это особенно важно для бесперебойной работы склада.
Предсказательная аналитика позволит оптимизировать маршруты и использование ресурсов
По мнению специалистов Transmetrics, благодаря предсказательной аналитике логистические операторы и перевозчики могут планировать действия на основе данных о потребностях клиентов и поведении покупателей (прогнозы спроса и предложения) за недели или даже месяцы вперед. Это оптимизирует использование средств в логистике. Благодаря аналитике программ, поддерживающих управление транспортом (TMS) можно прогнозировать потенциальные угрозы, корректируя свои действия в соответствии с ними.
Предсказательная аналитика также полезна для планирования доставки «последней мили», оптимизации маршрутов и графиков, где это возможно, исключая обременительный простой в пробках и помогая в координации грузовых перевозок по принципу совместного использования.
Специалисты подчеркивают, что инвестирование в решения для предсказательной аналитики больше не является альтернативой, оно стало необходимостью.
Выбор данных, критически важных для успеха
Что могут сделать компании, чтобы начать внедрение таких решений? По мнению специалистов Transmetrics, в некоторых случаях первым шагом может быть трудоустройство или назначение специального человека для управления цифровой трансформацией компании и построения цепочки поставок на основе информации.
Второй вариант заключается в сотрудничестве с внешним поставщиком технологий, который будет предоставлять продукты и услуги для прогностического анализа с учетом потребностей транспорта и логистики.
Ключом к использованию прогностического анализа является осознание проблемы, которую необходимо решить. Следующим шагом является выбор данных, анализ которых поможет решить эту проблему. В случае цепочки поставок это, как правило, данные, собранные различными датчиками и регистраторами. Полученные данные должны быть подготовлены для анализа в соответствии с ранее определенным «ключом». При построении прогностической модели учитывается характер и количество собранных данных.
Прогностическое моделирование требует командного подхода. Нужны люди, которые понимают специфику конкретной бизнес-проблемы, которые могут подготовить данные для анализа, а затем предоставить соответствующую аналитическую инфраструктуру для построения и внедрения модели.
В следующей части мы обсудим влияние прогностической аналитики на деятельность ведущих логистических операторов, в частности, компаний Amazon, Maersk и UPS.