"Velká data a logistika do sebe dokonale zapadají. Logistické společnosti řídí obrovské toky zboží, čímž vytvářejí značné množství dat. Každý den se zaznamenávají specifické údaje o milionech dodávek, jako jsou místo určení, rozměry, hmotnost a informace o obsahu. Tato data skýtají mimo jiné obrovský potenciál pro nové obchodní modely. Logistické společnosti se tak mohou stát dodavateli dat pro uživatele ze všech myslitelných oblastí," vysvětluje Martin Wegner, viceprezident zodpovědný za výzkum a vývoj v divizi DHL Customer Solutions & Innovation. Logistická data se dnes využívají většinou pouze k základním statistickým rozborům, hlubší analýza se ale provádí málokdy. V ní je však značný nevyužitý potenciál jak pro zvýšení efektivity, zvýšení spokojenosti zákazníků, tak právě i pro nové obchodní modely.

PROVOZNÍ EFEKTIVITA

Velkým problémem dopravních firem je finální doručení. Analýza velkých dat je prostředkem, který by mohl přispět ke zvýšení úspěšnosti doručení na první pokus, a to díky optimalizaci tras na základě aktuálních údajů o dopravním provozu, změnách v provozu nebo dostupnosti příjemců. Na základě těchto faktorů by každý kurýr dostával neustále aktualizované informace, jaké je nejvýhodnější pořadí doručení a jaká trasa bude nejrychlejší.

Další možností, jak zvýšit provozní efektivitu, je podle studie využití vyškolených, ale neprofesionálních doručovatelů. Informační technologie by jednou mohly propojit logistické firmy s taxikáři, řidiči autobusů, studenty nebo jinými běžnými občany, kteří by doručovali balíky na svých obvyklých trasách. Tato možnost má budoucnost hlavně v řídce osídlených oblastech, kde je efektivita doručení nejnižší. Taková vize by ale vyžadovala sofistikovaný software, který by detekoval dostupné a vhodné "kurýry", jejich polohu a cíl cesty a další faktory.

Další sférou je plánování optimálního využití zdrojů logistických firem. Jde jak o konfiguraci distribuční sítě, tak využití skladových a přepravních kapacit. Přesné naplánování zabezpečí to, že se firma vyhne riskantním a mnohdy zbytečným investicím do nových skladových prostor nebo vozové flotily.

Analýza by vycházela z komplexního srovnání dřívějších kapacit a jejich využití. Zároveň by zohledňovala další faktory, jako jsou sezónnost, nové dopravní možnosti, ekonomická situace v jednotlivých průmyslových odvětvích, aktuální informace o poloze přepravovaných produktů, kamionů a dalších dopravních prostředků, dopravní situace, epidemie, přírodní katastrofy atd. Systém by pak byl schopen předvídat, kdy budou které dopravní, lidské i skladovací zdroje dostupné, a určí jejich ideální využití.

ZÁKAZNÍK V CENTRU POZORNOSTI

Velká data se dají využít i k marketingovým účelům, především ke zvýšení spokojenosti zákazníků. Pro každou firmu je důležité vědět, jaké mají klienti požadavky a co je přiměje k tomu, aby využili její služby. To je ale stále obtížnější, protože tradiční obchodní model se rozrůstá o další kanály.

Vhodné analytické techniky tak například umožní zacílit na významné zákazníky, kteří se chystají odejít ke konkurenci. Pokud logistický provider zaznamená snižující se množství dopravených zásilek pro firmu, která současně deklaruje stejné nebo zvýšené prodeje, může pomocí analýzy najít problematické body vzájemného vztahu, jako třeba vzrůstající podíl pozdě doručeného zboží.

Aby byl takový nástroj komplexní a smysluplný, je třeba jej nastavit na celé portfolio zákazníků prostřednictvím rozboru informací z mnoha zdrojů, například od zákaznického servisu, obchodního oddělení a marketingového oddělení firmy, a to v souvislosti se statistikami o distribuci, veřejně dostupnými zdroji z výročních zpráv, informačních agentur nebo rozbory postojů na sociálních médiích.

Je také třeba se zaměřit nejen na odesílatele, ale i na příjemce. Jeho nespokojenost může vést odesílatele ke změně logistického providera. Typickým příkladem jsou internetové obchody, které si samy často dělají průzkum zákaznické spokojenosti.

Průzkum spokojenosti a očekávání zákazníků je také důležitým zdrojem informací o zlepšování servisu a potřebě inovací. I v tomto případě platí, že tradiční zdroje informací jako ankety a data z CRM systémů nepokryjí zdaleka vše. Účinným pramenem jsou zejména debaty na sociálních sítích a diskusních fórech. Jejich množství je ale téměř nekonečné, proto se k tomu využívají speciální sémantické analýzy, které automaticky prohledávají texty i audio a video nahrávky a dekódují z nich zákaznické postoje. Relevance těchto analýz může být ovlivněna místem a časem nebo prostě jednorázovými odchylkami. I takové souvislosti by měl správný rozbor odhalit.

PŘEDPOVĚĎ RIZIK

Zajištění plynulého a stabilního dodavatelského řetězce je nezbytnou součástí fungování každé firmy. Jakékoliv přerušení toku, zpoždění nebo poškození zboží může vést k obrovským ztrátám. Vliv na to můžou mít občanské nepokoje, přírodní katastrofy, neočekávané ekonomické a politické změny a řada dalších faktorů. Takto složitá analýza je opět záležitost spíš pro sofistikované IT nástroje sbírající data z mnoha zdrojů.

Tzv. odolný dodavatelský řetězec je velkým tématem současné logistiky. Hovořit se o něm začalo intenzivněji v roce 2011. Po zemětřesení a následné tsunami v Japonsku se tehdy například provozní zisk Toyoty snížil o více než polovinu; po záplavách v Thajsku ve stejném roce došlo kvůli koncentraci dodavatelů z elektronického průmyslu v této oblasti k obrovskému nedostatku a zdražení některých počítačových komponent.

Účinné řízení rizik dodavatelského řetězce vyžaduje nejen monitorování veškerých možných vstupních faktorů, které jsou většinou v nestrukturované podobě. Nezbytnou součástí je i důkladné zmapování topologie celého řetězce a navržení rychlých a účinných řešení pro případ vysokého stupně rizika.

NOVÉ OBCHODNÍ PŘÍLEŽITOSTI

Logistický sektor funguje jako indikátor makroekonomického vývoje. Logistické firmy disponují obrovským množstvím dat o přesunech materiálu a zboží. Pokud se celkové statistiky rozloží na jednotlivé položky, ať už podle regionu nebo třeba druhu zboží, dávají obrázek i o budoucím vývoji v detailnější podobě. V tomto případě je však velice citlivá otázka zachování ochrany obchodních údajů.

Poskytnutí takových dat by mohlo být vedlejším zdrojem příjmů logistických firem, přičemž cílovou skupinou by byly nejspíš malé a středně velké podniky, které nemají dostatek prostředků na vlastní průzkum trhu. Podobně jsou logistická data zajímavým zdrojem informací pro předpovědi a hodnocení analytických a finančních institucí.

Zatímco zmíněné příležitosti vycházely z využití už sesbíraných dat, další obchodní možností jsou aktuální data přímo z terénu. Flotily logistických a dopravních firem můžou pomocí kamer nebo senzorů přenášet informace například o provozu, znečištění ovzduší, počasí, kvalitě silnic, tepelném úniku budov apod. Tato data pak může využívat státní správa, stavební firmy, policie, reklamní společnosti a řada dalších. Kamiony některých dopravců už dnes posílají data o silničním provozu.

Informační technologie se postupně stávají nedílnou součástí logistiky, a takové využití je proto v budoucnu vysoce pravděpodobné. Přesto - pokud k tomuto scénáři jednou dojde, nejspíš bude prodej logistických dat firmám a institucím tvořit pouze malou část jejich byznysu, stejně jako je v současnosti minoritní součástí byznysu logistických firem třeba výroba, catering nebo služby v oblasti marketingu.


Radek Novotný
(podle studie Big Data in Logistics společnosti DHL)


Analýza velkých dat umožní firmám efektivněji plánovat lidské, skladové i přepravní kapacity a konfigurovat jejich rozložení.
FOTO: MATEJ SLÁVIK

Logistické firmy disponují obrovským množstvím dat, jejich poskytování třetím subjektům představuje nový obchodní model.
FOTO: DHL

Související