Big Data – хотя это звучит немного таинственно, это не будущее транспорта и логистика, это его настоящие. Данные собираются и анализируются в нашем секторе уже очень давно. Посмотрите, какая польза от использования Big Data.
Как работает Big Data?
Лучше всего, когда все данные передаются в наборы Big Data автоматически, без вмешательства человека. Например, данные из тахографа могут собираться и передаваться в систему управления работы водителей автоматически, во время работы, или вручную, один раз в сутки.
Другим примером может быть считывание предложений на транспортных биржах. На бирже доступен весь объём информации о выполненных заказах и предложениях. Благодаря интеграции полезных источников данных можно осуществлять анализ Big Data. Независимо от способа их передачи в систему Big Data, эти данные должны там находиться – иначе возможности анализировать их не будет.
Данные, которые должны приниматься во внимание (например, реестр рабочего времени), должны попасть в общую систему Big Data. Затем необходимо выполнить трансформацию данных, например, валют, расстояний, размеров, стандартов.
Данные будут количественными и обеспечат возможность проведения анализа только тогда, когда все цены будут записаны в одной валюте (например, евро), расстояния будут приводиться в одних и тех же единицах (например, в километрах), таким же образом будет описываться и размер контейнеров (например, в футах). Следующим шагом является проведение анализа с точки зрения определённых аспектов и формирование выводов таким образом, чтобы обеспечить выгоды, описанные в следующем пункте.
К программному обеспечению и инструментам, которые существуют или будут использоваться в фирме, также предъявляются определённые требования.
Польза от использования Big Data
Благодаря сбору и использованию огромного количества данных о работе фирмы можно оптимизировать действия и повысить эффективность работы. Big Data исключает необходимость самостоятельной проверки всех угроз и возможностей и позволяеттранспортной компании:
– снизить расход топлива: вместо того, чтобы предполагать, что водитель, который имеет наибольший расход топлива, ездит неэкономично, можно принять во внимание иные условия:
- вид местности на маршрутах, гористость, наклоны, повороты,
- класс дорог, что это: автомагистрали, дороги местного значения
- техническое состояние транспортного средства,
- норма расхода топлива
- вид коробки передач,
- наличие современных систем содействия водителю,
- вес и размеры перевозимых грузов.
Лишь обладание такой информацией даёт уверенность, что выводы и рекомендации относительно способа и стиля езды обоснованы и соответствуют водителю и грузу. Ведь автомобиль, который ездит по голландским автомагистралям, будет работать иначе, чем автомобиль, осуществляющий перевозку между Мюнхеном и Миланом (где местность гористая).
– дополнительные заказы на обратных направлениях – вместо того, чтобы искать обратные грузы из места, в которое перевозится товар в рамках обычного заказа. Для этого необходимо иметь информацию о:
- сроках погрузки в постоянном заказе,
- показаниях тахографа водителя
- условиях на дороге, пробках, объездах, ремонтах,
- ставках,
- виде груза и его соответствии конструкции транспортного средства,
- опозданиях при проезде к месту.
Анализ всех предложений позволит предположить, которые из них отвечают этим критериям и не повлияют на выполнения постоянного заказа, но принесут дополнительный заработок.
– ожидаемое время прибытия (ETA) – рассчитанное в реальном времени определение времени прибытия, учитывающее пробки, ограничения, данные тахографа и среднее время ожидания в месте выгрузки.
– поиск лучшего маршрута: если осуществляется перевозка по постоянному маршруту, то имея доступ к большему количеству маршрутов выполненных перевозок, можно сравнивать их между собой – может оказаться, что другие фирмы между теми же самыми пунктами „А” и „Б” проезжают по иному маршруту, который требует меньше времени или обеспечивает меньший расход топлива.
– принятие новых заказов, которые могут использоваться с подобным (совместимым) видом кузова, но упускаются,
– получение рекомендаций, касающихся, например, прохождения более раннего сервисного обслуживания, на основании прогноза о доступном большем количестве предложений перевозок и заказов.
Подробнее: