I Big Data al centro della trasformazione della logistica

L'irruzione dei Big Data nella logistica trasforma il modus operandi delle aziende del settore in modo considerevole. Nell’era della digital transformation, i provenienti dai sistemi transazionali, dai moderni dispositivi connessi alla rete e una da lista interminabile di altre fonti convergono nella supply chain.

Dietro ogni movimento, merce o sistema si cela un'imponente mole di bit che è possibile raccogliere, analizzare, sintetizzare e interpretare. Pensare ai Big Data solo in termini di "quantità", sarebbe però riduttivo. I Big Data devono garantire anche qualità, grazie alla varietà delle fonti e dalla velocità di acquisizione dei dati (le famose "3 V" dei Big Data).

La logistica 4.0 ruota attorno a queste "tre V" e obbliga a ripensare completamente le dinamiche di magazzino. Ma da dove provengono questi dati? Quali sono quelli più utili per ottimizzare la supply chain? Che applicazioni pratiche trovano nella logistica? Ne parliamo in questo articolo.

Big Data, "volume" e capacità di sintesi senza precedenti

La quantità massiva di informazioni a cui si può accedere oggi implica un cambio nelle metodologie di strutturazione dei dati. La depurazione dei dati (data scrubbing) è possibile solo attraverso un profondo intervento di digitalizzazione dei processi.

Una transizione al digitale permette di guadagnare due vantaggi: una notevole sinteticità delle informazioni (da grandi moli di dati si minano solo quelli necessari) e una facile lettura e interpretazione (in quanto i programmi organizzano meglio le informazioni rispetto a quanto avvenisse in passato). I software moderni filtrano l'immenso volume di dati e restituiscono i Big Data Analytics, utilizzabili lungo l'intera supply chain.

Ma cosa significa "dati strutturati" e "non strutturati"? Vediamone brevemente le differenze:

• I dati strutturati (o structured data) sono quelli già precompilati dall'azienda in modo da essere schematizzati facilmente. In altre parole sono i dati "ripuliti" delle informazioni superflue e organizzati per compiere una precisa funzione.
• I dati non strutturati ci pervengono in maniera disorganizzata che rende indispensabile una riorganizzazione senza la quale è impossibile ottenere una normalizzazione delle informazioni. I moderni sistemi informatici contribuiscono a sintetizzare in maniera rapida ed efficace i dati non strutturati, aumentando la facilità di interpretazione degli stessi da parte dei manager.
• I data semistrutturati si collocano a metà strada tra i dati strutturati e non strutturati.

Le analitiche sono il risultato del lavoro combinato di due filtri: data mining e data scrubbing. Le informazioni vengono passate al setaccio per rilasciare solo gli elementi indispensabili per ottimizzare la supply-chain. In altre parole, il dato diventa un elemento trasformativo utile realizzare le seguenti azioni:

• Segmentare la filiera e a individuare le priorità (dove agire subito).
• Integrare processi e funzioni organizzative.
• Misurare gli indicatori di prestazione e i KPI di magazzino.

Passiamo ora a parlare della seconda "V" che corrisponde alla varietà delle fonti e vediamo da dove vengono estrapolati i dati.

Varietà delle fonti: la seconda "V" dei Big Data

Come è facile intuire, i Big Data raccolgono informazioni da più di una "fonte" e in molteplici formati. Un analitica di questo tipo è quasi sempre il risultato di una complessa ricerca e raccolta dati che ha coinvolto migliaia di post provenienti dai social network, l'analisi di fogli di calcolo di varie estensioni, la lettura delle informazioni provenienti dai gestionali e la scansione di diversi file media.

Qui di seguito elenchiamo le principali fonti da cui attingono i Big Data:

• Sistemi informatici aziendali: le applicazioni di business come il software gestione magazzino o il sistema ERP (da cui provengono dati strutturati e semistrutturati riguardanti le fasi operative e gestionali di un'azienda/magazzino).
• Data da sensori e tecnologie di geolocalizzazione: si tratta delle informazioni che arrivano dai sistemi di tracciamento delle merci (RFID e IoT), o dai sistemi TMS per la gestione delle flotte e dei trasporti. Pensare all'importanza di questi dati per la logistica del freddo.
• Agenzie statali e private che offrono dati economici, climatici, dati governativi in distinti formati.
• Social Media e portali web: da queste fonti provengono informazioni utili sul comportamento degli utenti e sul loro flusso di navigazione online, oltre ai prodotti più venduti del sito ecc. Questi dati sono preziosi nella logistica e-commerce.
• Media e documenti elettronici: video, immagini, audio, trasmissioni in diretta (live stream), fogli di calcolo, PDF, email ecc. I moderni software Big Data leggono qualsiasi tipo di formato.

Come è possibile notare, le fonti sono molteplici e i volumi di dati sono enormi. Questo ci porta alla terza e ultima "V", quella legata alla velocità.

Big Data e "velocità": come accelerare la logistica

Quando ci si trova davanti a una montagna di dati, bisogna scegliere con cura cosa andare ad analizzare. Per questo è bene ricorrere al data mining e scavare nella roccia di informazioni fino ad estrarre solo le informazioni che davvero contribuiscono all'ottimizzazione dei seguenti aspetti della logistica.

1. Controllo dello stock

I Big Data permettono di analizzare l'efficacia delle proprie strategie di material handling, di studiare l’efficienza dei flussi di materiali (inbound e outbound) e a migliorare le previsioni di vendita.

Tutto ciò si traduce a livello pratico in una migliore distribuzione-allocazione delle merci all'interno di un magazzino e, conseguentemente, in un perfezionamento dei lead time legati alle fasi operative.

2. Customer Care personalizzato

Il servizio di assistenza al cliente e i sistemi CRM (Customer Relationship Management) traggono enormi vantaggi dai Big Data. I dati, infatti, servono a offrire un servizio migliore e customizzato ai propri clienti. Al contempo, permettono alle aziende di anticipare le esigenze di consumo o il ripetersi di incidenze avvenute in passato.

3. Manutenzione preventiva

La strutturazione e l'analisi dei dati agevola il monitoraggio sia del rendimento sia del funzionamento delle macchine e dei robot di magazzino. In questo modo è possibile pianificare una manutenzione preventiva e scongiurare eventuali interruzioni delle attività causate da un fermo macchina.

4. Organizzare i flussi distributivi e i percorsi delle flotte

I software e la macchine alimentano il proprio autoapprendimento attraverso l'ingerimento di Big Data. Il machine learning sta rivoluzionando la logistica permettendo ai software di "imparare attivamente". Gli attuali WMS sono capaci di analizzare lo storico dello stock ed elaborare la migliore mappatura di magazzino tenendo in considerazione più variabili e indici di prestazione. Analogamente sono in grado di analizzare i percorsi dei camion per ottimizzare i tragitti e lavorare sull’”ultimo miglio”.

Big Data nel magazzino "caotico" e cross-dock

L'analisi dei dati comporta dei vantaggi considerevoli a tutte le aziende che sfruttano un metodo "caotico" di stoccaggio, o alle imprese che scelgono di articolare una strategia cross docking. Entrambi gli approcci potrebbero essere migliorati consistentemente grazie al contenuto analitico e strategico dei Big Data. Grazie ad essi è possibile aumentare la capacità predittiva relativa alle fluttuazioni della domanda. Migliori previsioni significano più reattività e flessibilità.

Big Data: addio al vecchio modello di analisi

È ormai evidente che il presente e il futuro della logistica passa per i Big Data. La competitività delle aziende non dipende ormai solo dai fattori legati alla produttività, ma ad incidere sono soprattutto la capacità di prevedere scenari futuri e di saper agire (e adattarsi) rapidamente ai possibili mutamenti del mercato.

I Big Data offrono alle aziende gli strumenti per riprogrammare la produzione o ripensare la logistica in maniera solida e da una prospettiva analitica: l'unica capace di motivare qualsiasi cambio nei processi. Se è vero che la logistica si fa liquida come la nostra società, è altrettanto vero che mantiene sempre un approccio funzionale al conseguimento degli obiettivi. Le finalità non cambiano: comprendere il mercato, individuare i trend da cavalcare per aumentare il proprio vantaggio competitivo.

Ma per poter sfruttare appieno le potenzialità del Big Data bisogna salutare il vecchio modello di analisi dei dati e accettare il fatto che le informazioni ora sono più dinamiche e fluide che in passato. I vecchi modelli di analisi sono utili, ma non bastano: c'è bisogno di sistemi che siano in grado di "minare" e "depurare" in maniera efficace i segnali che emette la nostra società a più livelli (sociale, economico, governativo, digitale ecc.).

L'importanza dei Big Data è quindi indiscussa, e nessuna azienda dovrebbe restare fuori dalla rivoluzione 4.0 in quanto il rischio di perdere il treno dell'innovazione può portare a un isolamento dalle logiche di mercato e, quindi, a una forte perdita di competitività.

Mecalux può contribuire alla digitalizzazione del tuo magazzino con sistemi di gestione WMS e moduli adatti a ogni settore. Se vuoi saperne di più, contattaci e i nostri ingegneri risponderanno a tutte le tue domande.