V čem nám data pomůžou u logistiky? | Mňamka #306

Logistika v datech

Firmy zabývající se logistikou produkují ohromné množství dat, které jde velmi dobře zhodnotit. Jedná se například o data z terénu - z provozu a z konkrétních aut, o dodavatelích, zákaznících nebo řidičích. Škála je široká. Detailní data ve velkém množství jsou hotový poklad a pokud o něm klient neví, rozhodně bychom jej o tom měli umět přesvědčit. Poslední věta se netýká jen logistiky, ale hodnoty dat obecně.

V každé firmě, která provozuje alespoň pár aut k logistickým účelům, hledají odpovědi na otázky, které jim pomůžou zlevnit, zrychlit a celkově zefektivnit vozový park, a tím snížit náklady. Mezi nejčastější otázky patří:

Jak jsou auta využita právě teď? Jakou zanechávají uhlíkovou stopu například za odvezenou zakázku? Jaká trasa bude pro konkrétní typ vozidla a zakázky nejlepší? Jak optimalizovat najeté kilometry? Kdo z firmy řídí bezpečně, a přitom efektivně? Kdo nejčastěji překračuje rychlost? Jaké vozidlo je často v servisu, jak dlouho a proč? Mají řidiči přehled o tom, jestli stíhají naplánovanou trasu a jak plní časový plán za určité období? Je zpoždění častěji zaviněno řidičem nebo druhou stranou? A co nehody?

U některých zákazníků se naši datoví detektivové k datům z logistiky dostanou a právě na tyto a podobné otázky hledají odpověď. Pojďme se zaměřit na nejčastější příklady.

Počet objednávek na trase

Zdánlivě komplikovaný pohled na vozidla (A, B, C,...) a trasy (1, 2, 3) v jednotlivých oblastech (Velká/Malá Lhota) pro konkrétní den, může být skvělým pomocníkem pro plánování a optimalizaci počtu objednávek na trase.

Velká Lhota má vyšší koncentraci obyvatel než Malá Lhota, lépe proto naplní kapacity trasy a rozvoz se více vyplatí. Pokud ale objednávek bude příliš, nemusí je řidič stihnout rozvézt, a hrozí nespokojení zákazníci.  Naopak spodní hraniční hodnota, kdy se ještě vyplatí na trasu vyjet, je v tomto případě devět zakázek. Jak jde vidět, je logicky častěji dosažena v málo osídlené oblasti.

Utilizace v jednotlivých časových slotech

Heatmapa názorně zobrazuje využití vozidel, která jsou aktuálně k dispozici a jsou schopna okamžitě vyrazit na trasu. Samozřejmě musíme v tomto pohledu brát na zřetel, ideálně odfiltrovat, vozidla v servisu nebo používaná managementem.

Heatmapa s geografickým aspektem

Mezi vizualizačními nástroji využívanými našimi klienty často vítězí Power BI. I takový může být pohled na odvezené objednávky. Tmavě modré body jsou označené myší. Součet a další KPIs vztažené k výběru vidíme v záhlaví strany. Kromě počtu objednávek jsou zde i příjmy za odvoz, pokuty za zpoždění a procentuální hodnota SLA.

Scoring řidičů

Každý řidič v průběhu jízdy sbírá hodnocení. Například o stylu jízdy, rychlosti a jejím překročení, stylu brždění a zatáčení. Společně s počtem zaviněných nehod a zpožděním si management udělá přesný obrázek, který řidič je nespolehlivý nebo naopak, kdo si zaslouží odměnu za příkladnou jízdu.

Data v logistice jsou díky jejich objemu velmi dobře využitelná. Byla by škoda nechopit se příležitosti. Co myslíte? Chtěli byste si o tomto tématu přečíst víc? Máme taky případovou studii, kterou najdete zde. 

Zapomněla jsem na něco? Chcete se na něco zeptat? Napište mi. 

Eva

Eva Tesařová

datový detektiv
LinkedIn

Keboola a Kai PromtLab | Mňamka #524

Keboola a Kai PromtLab | Mňamka #524

Objavte PromptLab, sofistikované riešenie od Kebooly a Kai PromtLab na zlepšenie interakcií s umelou inteligenciou. V tomto článku sa dozviete, ako PromptLab využíva technológiu Streamlit na automatické prispôsobovanie výziev za účelom dosiahnutia lepšej jasnosti a presnosti vo vašich projektoch. Oboznámte sa s intuitívnym rozhraním, ktoré vám umožní porovnávať výsledky a optimalizovať pracovné postupy.

Základní pojmy v datovém modelování | Mňamka #457

Základní pojmy v datovém modelování | Mňamka #457

Co je to datový model? Jaký je rozdíl mezi konceptuálním a logickým modelem? A k čemu slouží proces tzv. normalizace? Bez datového modelování se dnes v BI obejdete už jen stěží, Kuba si o něm proto připravil krátkou minisérii, ve které si vše probereme od úplných základů. V prvním díle se seznámíme s nejdůležitějšími pojmy, které byste v této souvislosti měli znát, a na jednoduchém příkladu z oblasti sales si ukážeme, jak takový datový model vlastně vypadá. Tak pojďme na to!

MAQL II. - MAQL Reuse factů & Nesting metrik | Mňamka #454

MAQL II. - MAQL Reuse factů & Nesting metrik | Mňamka #454

Proč se vyplatí recyklovat metriky v MAQL? Máme tady pokračování naší krátké minisérie o dotazovacím jazyku MAQL od Péti. V minulém díle jsme si osvětlili základní rozdíl mezi SQL a MAQL a dnes se zaměříme na výhody metrik vytvořených pomocí MAQL a jejich recyklaci. Funguje to přitom podobně jako v případě klasické recyklace surovin. Pokud ji dělat nebudete, ušetříte si možná půl minutky práce, v budoucnu se vám to ale může velmi nepříjemně vrátit. Tak se na to pojďte podívat!