23.12.16

ИТ ломают традиционные взгляды на логистику

Логистика – одна из крупнейших индустрий в мире, занимающая 5% глобального ВВП, или $4 трлн в денежном выражении. Транспортный сектор – самый крупный и быстрорастущий сегмент экономики, который растет в последние пять лет на 7–10% ежегодно. Ожидается, что в 2016 г. транспортные компании в совокупности заработают $3,8 трлн выручки. Такие огромные объемы перемещения людей и грузов сопровождаются обработкой большого количества данных. Как ИТ помогают перевозчикам в работе?

В логистике, как и в других отраслях, есть три основных способа повысить рентабельность бизнеса. Первый – рост тарифов на услуги. Особенность отрасли заключается в том, что на рынке работает много мелких частных перевозчиков, которые соглашаются на низкую цену, да и покупатели считают каждую копейку в условиях кризиса.

Второй способ – снижение затрат. Но сокращать можно только переменные затраты, так как фиксированные (стоимость топлива, амортизация, налоги) транспортная компания никак изменить не может. Остаются: снижение зарплаты водителя, переход на более дешевое топливо, сокращение штата, что напрямую сказывается на качестве услуг и снижении количества заказов.

И, наконец, третий способ повышения рентабельности – оптимизация расходов. Этот прием нацелен на снижение затрат, но не просто за счет сокращения людей или зарплаты, а за счет более умного распределения ресурсов.

Для переформирования бизнес-моделей и оптимизации расходов в логистике можно эффективно использовать интеллектуальный анализ данных. Если связать накопленную информацию с профилями клиентов, экономическими индикаторами и данными о геолокации, логистические провайдеры могут прогнозировать спрос с постоянно увеличивающейся точностью. Это позволит планировать объемы перевозок, оптимизировать маршруты с учетом максимальной загрузки транспорта и времени в пути, на загрузке и выгрузке, а также более эффективно распределять ресурсы, тем самым снижая расходы.

Интеллектуальный анализ данных, как описывает его IBM, – это совокупность статистических данных и методов их получения и интерпретации, моделирования, ранжирования факторов, выявленных с учетом веса каждой группы данных, выявления закономерностей и составления алгоритмов из них. Основная цель интеллектуального анализа данных состоит в том, чтобы создать модель, позволяющую эффективно интерпретировать и использовать те данные, которыми вы располагаете сейчас, и те данные, которые вы получите в будущем. Что же может сделать интеллектуальный анализ данных в логистике?

Конечно, не все проблемы решит такой сложный инструмент. Он будет работать в совокупности с планированием. Отличительная черта такого анализа в совокупности с оптимизацией загрузки транспорта в том, что он адаптируется и учится на прошлых событиях. Это стало возможным благодаря технологиям нейронных сетей и машинного обучения.

Например, в логистике часто бывает, что приходят срочные заказы, которые необходимо отправить машиной в этот же день, а найти или подобрать обратный груз за столь короткое время не удается. Отказываться от заказа нельзя, иначе машина просто будет не использована на обратном пути. Поэтому транспортная компания предоставляет машину по более высокой цене, чтобы хоть как-то перекрыть затраты. Естественно, клиент недоволен, потому что ранее ему озвучили другую цену.

Спустя несколько десятков заказов алгоритм выявляет закономерность, что у данного заказчика высокая вероятность заказа в среду и чуть ниже в четверг, а на обратный путь есть заказ на пятницу. Алгоритм на базе анализа исторических данных составит оптимальное расписание с учетом максимально возможной загрузки и посоветует, в какое время необходимо выехать, чтобы успеть загрузиться и выгрузиться по первому заказу, чтобы успеть исполнить второй.

К тому же анализ данных транспорта показывает узкие места, особенно те, которые стали причиной неэффективности. Логистическая индустрия в значительной степени обусловлена экономическими факторами: спрос на перевозки в городе, стоимость топлива, меры безопасности, время доставки, выбор между воздушным, железнодорожным и наземным транспортом, надежность цепей поставки и внутренних и внешних коммуникаций и т.д. Широкий спектр факторов напрямую влияет на прибыльность. Неравенство и сложность этих факторов означает, что интеллектуальный анализ является единственно-возможным вариантом преобразования Больших данных в реальные бизнес-решения.

Специфика логистики такова, что планирование отправок клиентов либо неэффективно, либо невозможно, потому что у них либо нет таких планов, либо они меняются. Поэтому вручную наладить процессы невозможно, на это не хватит ни времени, ни сил.

Многочисленные факторы, влияющие на логистику, влияют в равной степени на стоимость конечного продукта. Свыше 90% времени оборота все продукты материального производства находятся в различных стадиях логистических процессов. Небольшое изменение одного фактора может в несколько раз изменить стоимость перевозки, и соответственно, изменить стоимость самого продукта.

Ценообразование должно быть разумным и опираться на реальные данные. Алгоритмы, которые могут собирать, анализировать и учиться на данных – лучшее решение для факторинга показателей, чувствительных к внешним изменениям, и используя эти данные и преобразуя внешние факторы в цифры (погодные условия, время транспортировки), можно точно установить рыночную цену. Этот метод динамического ценообразования поможет найти баланс между конкурентными ценами и затратами, между спросом и предложением, и привести «в порядок» хаотичный и неэффективный рынок логистических услуг.

Сегодня на рынке логистики спрос значительно превышает предложение, так как после девальвации рубля и повышения процентной ставки в 2014 году многие перевозчики вынуждены были уйти с рынка, так как не смогли выплачивать лизинг и кредиты, на которые были закуплены транспортные средства.

В сезон перевозчик может получить более 10 предложений за день, а с появлением онлайн-платформ их число увеличивается в геометрической прогрессии. Большинство более-менее крупных транспортных компаний имеет небольшое количество собственных машин, которые ставят на загрузку только при получении не менее 20% рентабельности. На остальные заказы обычно привлекают наемный транспорт, но сегодня им становится все труднее найти недорогой транспорт, готовый ехать куда угодно и дешево.

Мелкие перевозчики просят либо удвоенный тариф, чтобы обезопасить себя от простоя и холостого пробега, либо обратную загрузку. А как же тогда выполнять заявки клиентов? Для этого могут помочь онлайн сервисы грузоперевозок и ИТ-решения по оптимизации загрузки транспорта, и желательно использовать эти два инструмента одновременно.

Так, DHL уже около 30 лет использует сервис Paragon для построения маршрутов и планирования отгрузок. А крупнейшая европейская логистическая компания DB Schenker запустила американскую онлайн-платформу uShip, которая поможет совмещать конкретные грузы с конкретными перевозчиками. Компания уверена, что это даст возможность 25 тысячам транспортных провайдеров, партнеров DB Schenker, находить возможности по забору грузов на маршруте в режиме реального времени, и одновременно ускорит сервис для клиентов.

В России онлайн-сервисы грузоперевозок, такие как GroozGo, «Везет всем» и другие, еще в новинку. Консервативный рынок воспринимает их как угрозу традиционным моделям бизнеса и еще не до конца понимает, что на самом деле они друг друга дополняют. Ведь без транспортных компаний эти платформы не смогут получить тот актив, который продают, а перевозчики без быстрого и технологического решения для загрузки транспорта не смогут предоставлять более дешевый и быстрый сервис, который требует прихотливый клиент.

Именно транспортные компании получат выгоду от использования новых технологических решений: агрегации большого количества заказов, анализа этих заказов, построения кругорейсов и маршрутов для оптимизации загрузки, моментального расчета тарифа и рентабельности и других инструментов, которые можно использовать все вместе и по отдельности.

CNews