En ocasiones, en PiperLab llevamos a cabo meses temáticos, enfocados a cada uno de los diferentes sectores en los que llevamos a cabo proyectos con nuestros clientes. Por unas razones y otras, el otoño para PiperLab está dedicado especialmente al sector industrial, y en concreto a cómo aplica el big data en la logística. En este sentido, hemos impartido cursos (Maite, Jaime y yo) en el CEL (Centro Español de Logística) (por si tenéis curiosidad, este es uno de ellos:“Big Data en la cadena de suministro. Data Science para generar valor de tus datos”), hemos asistido como expositores a eventos como Logistics Madrid, en donde por cierto, tuve la ocasión de ser ponente en el Foro Tecnológico en 2015, y hemos realizado entrevistas en el programa de Big Data que tenemos en Capital Radio, a expertos del mundo de la logística y la industria para que den su visión sobre el big data en estas áreas.
En esta ocasión, quiero aprovechar este mes para hacer una pequeña reflexión sobre la relación entre las técnicas de Big Data y la logística.
En el sector logístico y en todo el entorno relacionado con la gestión de la cadena de suministro se generan grandes cantidades de datos, y cada vez más con la incorporación de más sensores a las máquinas, el aumento del detalle en el registro de los movimientos de todos los paquetes, la información recogida de los consumidores finales (a los que cada vez se nos quiere conocer mejor), etc.
En la imagen anterior observamos un diagrama de la cadena de suministro en el que no se interpreta sólo con la visión puramente materialista de un flujo unidireccional del proceso de compra → transporte → fabricación → almacenamiento → distribución → consumidor.
Se cierra el ciclo en base a la información que se genera en cada fase y, fundamentalmente, en la realimentación de lo que se aprende de los consumidores, para tratar de organizar todo el proceso en función de su demanda futura y de sus hábitos.
Muchas veces el procesamiento de la información se limita a almacenar todos los datos en diversos sistemas. Lo lógico es tratar de extraer valor.
Idealmente, podemos pensar en construir un súper sistema que recopile todos los datos y sea lo suficientemente inteligente para procesarlos y proporcionar detalladamente todas las indicaciones necesarias calcular las compras de materias primas, los tiempos de trabajo, el espacio en los almacenes y cuándo va a venderse al consumidor final, todo esto minimizando costes y maximizando beneficios.
Abordar una optimización de ese calibre en todas las secciones de la cadena de suministro a la vez, evidentemente no es ni sencillo, ni barato, ni rápido. Por no decir que es utópico, al menos de momento. Recordemos el post con el que abría Álex nuestro Blog.
Esto no quiere decir que no podamos ir avanzando en pequeños pasos, aterrizando el Análisis de Datos o el Big Data para resolver preguntas concretas de negocio en puntos específicos de la cadena de suministro. Esto no solamente es deseable sino que se hará necesario porque si no lo hace tu empresa lo hará la competencia, obteniendo ventajas que pueden ser decisivas a medio plazo.
Algunos ejemplos de aplicaciones de big data en logística que se pueden definir como quick-wins, porque empiezan a generar valor con una inversión temporal y económica relativamente pequeña en comparación con implantación de grandes herramientas software, son:
- Predicción de abandono de clientes
- Planificación de capacidad de operaciones
- Mantenimiento predictivo
- Modelado de la obsolescencia
- Previsión de facturación y subcontratación de recursos
Por cierto, si queréis tener más información sobre estas soluciones, aquí las explicamos con más detalle.
En respuesta a la pregunta del título de si el big data y la logística están condenados a entenderse, creo que no se puede decir otra cosa que sí, estos dos mundos están condenados a entenderse.
