Использование больших данных в логистике бизнеса поможет компании сократить издержки и повысить эффективность процессов, руководитель логистического направления «Яндекс.Маршрутизации», рассказал, как это работает.

Согласно прогнозам аналитиков, к 2028 году на рынке больших данных (big data) ожидается рост до $115,13 млрд, превышающий его текущий уровень в 3,6 раза. Как ожидается, рост прогнозируется не только на мировом рынке – в некоторых российских компаниях разговоры о big data уже давно превратились в проекты и собственные ИТ-системы.
В сфере логистики наблюдается рост интереса к большим данным, который увеличивается на протяжении последних лет: по данным Яндекс.Маршрутизации, число проектов по автоматизации логистических процессов в 2020 году увеличится на 45%

Какие данные в логистике считаются большими

Большие данные, или big data, – это та информация, которую невозможно обработать традиционными способами из-за ее масштаба. В итоге, масштаб должен быть измеряемым – необходимо знать его конечное количество.
Звезды на небе и капли в море точно никому не известны. А значит, и алгоритм обработки данных не будет реализован. Если у каждой звезды был бы датчик и он учитывался в системе, то такой массив вполне мог бы быть обработан посредством ИТ-инструмента. Для того чтобы сделать онлайн-прогноз пробок, используется обезличенный сигнал от пользователей навигатора, который ездит по городу. Благодаря этому уже через месяц их можно будет обработать и проанализировать более 500 млн треков автолюбителей. Разница в точности прогноза времени прибытия курьеров между моделью, построенной на больших данных и моделью с использованием статистики составляет 20%, что значительно влияет на качество маршрутов.
В этой работе хорошо видно, что основная задача bigdata в логистике, как и в других сферах, – это моделирование различных ситуаций, которые отображают наше взаимодействие с реальным миром. Чаще всего эти задачи алгоритмически сложные – нет решения, которое бы описало реальный процесс одной простой формулой.
В логистике бизнес постоянно сталкивается с изменениями ситуации на дорогах, и с большим количеством параметров, которые необходимо учесть при транспортировке любого груза. Помимо указанного выше прогноза пробок для расчета маршрута используется еще ряд других данных.
В частности, для расчета маршрута курьеров на 5 тыс. мест в день (среднее количество, с которым за день работают крупные ретейлеры в Москве), алгоритм должен быть огромным – это 325 млн маршрутов, посчитаных по реальному графу дорог, где 165 млн ребер. Сам процесс планировки маршрутов будет выглядеть как набор сотен миллионов комбинаций за ограниченное время
Непросто подсчитать вручную все эти данные, но это возможно. Чем занимались фирмы до появления высоких технологий? По словам одного из наших клиентов, ранее логистика у них была непредсказуема Водители принимали решение о маршруте сами, а это приводило к многочисленным опозданиями и нарушениям.
На решение этой задачи ушло автоматизация и использование больших данных — они позволили сделать логистику предсказуемой, и тем самым управляемой. Но при этом бизнесу не приходится вручную писать кодами и придумывать алгоритмы, чтобы получить конечный продукт, внедрение больших данных в процессы бизнеса происходит как покупка подписки на одно или пару логистических решений.

Как использовать big data, чтобы повысить качество логистики

А в чем может быть выражен эффект от применения big data для бизнеса.
Сбалансированные автоматические решения
Эти решения не зависят от экспертизы логистов и водителей и имеют большую зависимость от фактических данных реального мира. Благодаря этому пропадает фактор неопределённости Полученные результаты полностью объяснимы и управляемы.
Возможность многократного использования
Не только быть, но и не испытывать проблем с масштабированием. Кроме этого, в случае изменения расположения склада или появления нового производства, логистам компании придется затратить не один день для того, чтобы переработать имеющиеся маршруты курьеров. Автоматизированный процесс планировки можно провести за несколько часов.
Рост качества.
Для каждой компании эффективность может быть разной: экономичностью, уровнем сервиса и прозрачностью доставки. По этой причине кому-то алгоритмы планирования позволяют экономить за счет использования меньшего количества машин. А другие могут с их помощью построить вокруг товаров эффективную инфраструктуру клиентского сервиса (с четкой и прозрачной доставкой повышается доверие клиентов и позволяет надеяться на возврат средств за новыми покупками).
Где же найти решение всем?
Большой объем данных помогает моделировать реальный мир и строить процессы внутри него. При этом реальная жизнь всегда сложнее, чем созданная на основе ИТ-системы модель мира, поэтому любая модель будет только ограниченно и упрощенно ее описанием.
Шутка про процесс достижения результата: «Быстрые, качественные, недорогие», но выбор есть только из двух вариантов. И в случае с автоматизацией логистики, каждая компания будет строить свою стратегию исходя их этого принципа. Одним из приоритетов будет клиентский сервис, который потребует дополнительных затрат, а для других – экономия ресурсов
Однако, благодаря использованию big data, можно проверить различные логистические стратегии за короткое время. За несколько часов можно найти самые разные варианты и сравнить их между собой.

В чем недостатки больших данных

Использование big data при логистике для бизнеса имеет и недостатки А теперь давайте разберемся с ними.
Это связано с тем, что большая часть информации требует обработки в больших объемах и умении работать с ней Это необходимо учитывать, если компания выбирает вариант автоматизации с использованием on-premise-решение, когда вся инфраструктура разворачивается в пределах компании.
Всегда есть ситуации в которых человек может быть более эффективным чем любые прогнозы, основанные на больших данных Водитель, который работает водителем уже 20 лет, может быть правдив в том случае, если он уже 20 лет ездит на маршруте. Необходимо понимать, что алгоритм решает максимально формализированную задачу, а в реальности остается множество нюансов, которые могут возникнуть у курьера при доставке в Калининградскую или в Московскую область. Что делать, если товар по формальным признакам не попадает ни в один автомобиль – алгоритм не видит места для ковра или люстры, а человек знает, как свернуть ковер и положить его в кабину к водителю.
Именно поэтому внедрение больших данных не должно подменять логиста искусственным интеллектом. Big data – это только понятный инструмент в руках человека.

В каких случаях необходимо внедрение big data

А вот самые распространенные случаи, когда бизнесу стоит задуматься над созданием ИТ-решений, обрабатывающих огромные данные, в свою логистику.
На сегодняшний день логистическая схема не соответствует быстрому росту, который компания испытывает и планирует в будущем; существующая схема ведет к плохому клиентскому сервису(опоздания, рекламации от покупателей, отсутствие своевременной информации о доставке). Необходимо перейти от аутсорсинга к собственному производству; рутин
Предложите клиенту новую услугу – экспресс-доставка, доставка день в День или внедрение узких временных интервалов доставки.