Onačení big data používáme pro velké množství dat, která lze systematicky získávat z různých zdrojů a následně je pomocí různorodých technologií analyzovat a vyhodnocovat. Jedná se o „BI ve velkém“. Ohromný nárůst zpracovávaných dat je způsobený především tím, že drtivá většina dat nevzniká ručně, ale automaticky uvnitř softwarových systémů i prostřednictvím specializovaného hardwaru. Příkladem může být automatické zaznamenávání informací o dopravní situaci nebo třeba lékařských údajů při poskytování zdravotní péče. S velkými daty se tedy můžeme setkat v různých oborech podnikání, mimo jiné také v logistice.

Chtějí jen někteří

Mnohé důležité informace bývají ve velkých datech ukryty tak, že nejsou na první pohled patrné. Analytické postupy proto musí kombinovat rozdílné přístupy, rozhodně si nevystačíme například jen se statistickými metodami. Někdy si navíc tyto pokročilé postupy nezadají ani s příslovečným hledáním jehly v kupce sena. Vyhledávání informací ve velkém množství dat navíc může spotřebovávat značné zdroje. Je to jeden z důvodů, proč se podle studie Big Data in Logistics realizované inovačním týmem DHL věnuje problematice big data pouhých čtrnáct procent evropských společností. Situaci příliš nezachraňuje ani dalších 23 procent evropských firem, které aktuálně zvažují zařazení velkých dat do svých dlouhodobých plánů. Obě hodnoty jsou totiž příliš malé, zejména s ohledem na strategickou hodnotu big data analýz.

Nároky na zdroje ale nejsou jediným důvodem vlažného přijímání tohoto typu analytického zpracování. Velmi často je příčinou neschopnost managementu nalézt odpovědi na otázky, k čemu nám to vlastně bude a jaká ta strategická hodnota ve skutečnosti je. Tyto otázky jsou přitom jednoduché pouze zdánlivě a odpovědi lze nalézt ve třech základních rovinách.

Tři oblasti využití big data

První oblastí, se kterou výhody velkých dat úzce souvisí, jsou běžné provozní činnosti libovolné firmy. Zejména pak činnosti, které se týkají předmětu podnikání. Je zcela běžné, že data a z nich získávané informace využíváme jako prostředek pro lepší rozhodování, optimalizaci spotřeby zdrojů, zlepšení kvality procesů i zvýšení výkonnosti. Nejde přitom o nic nového a úspěšné tažení informačních technologií napříč celou lidskou společností je toho jednoznačným důkazem. Novou úrovní, která s big daty přímo souvisí, je ovšem komplexnost přístupu – velmi zjednodušeně jde o zužitkování všech datových vstupů, které máme k dispozici. Samozřejmě ale nejde o to, že bychom měli provádět bezbřehé analýzy bez konkrétního záměru. Jen se předem neomezujeme na příliš redukované sady dat.

Konkrétním příkladem využívání velkých dat mohou být podrobné analýzy, které již řadu let provádí nad různorodými vstupy newyorská policie. Na základě vyhodnocení dat pocházejících například z hovorů na tísňovou linku a map zločinnosti jednotlivých okrsků lze efektivněji plánovat umístění policejních hlídek či s jistou mírou pravděpodobnosti předpovídat trestnou činnost pro danou lokalitu a časové období. Na první pohled to zní jako sci-fi, ale reálná čísla hovoří jasně – počet loupeží i vražd v New Yorku dlouhodobě klesá.

Druhá rovina se týká přímo zákazníků, respektive jejich spokojenosti a loajality s jejich současnými dodavateli. Analýzy umožňují přesné dělení zákazníků do cílových skupin, a to jak z pohledu předmětu jejich zájmu, tak i z pohledu časového a územního. Na základě těchto informací lze poměrně přesně optimalizovat nabídku produktů i služeb a přizpůsobovat se konkrétním požadavkům zákazníků. Jen připomeňme, že big data v tomto případě nepochází pouze ze CRM systémů. Svoji roli hrají i informace získávané na sociálních sítích – včetně nestrukturovaných dat, jako jsou negativní i pozitivní komentáře na firmy apod.

Nesmíme zapomenout ani na to, že analýza velkých dat umožňuje existenci zcela nových obchodních modelů. Příkladem může být využívání informací o pohybech držitelů mobilních telefonů, samozřejmě při dodržení zásad ochrany osobních údajů. Na základě pohybů můžeme například odvodit vhodnou otevírací dobu nového obchodu. Nebo třeba na základě informací o počtu dopravních nehod, úrazů a dlouhodobého vývoje počasí můžeme v konkrétní lokalitě nabídnout nový pojistný produkt.

Logistika a big data? Proč ne?

Uvedené tři kategorie možných výhod analytického zpracování velkých dat lze v té či oné podobě najít i v oblasti logistiky. Logistické firmy jsou nicméně z pohledu zavádění nových analytických technologií o něco opatrnější a zpravidla postupují po malých krocích. Nejčastěji se tak u logistických firem můžeme setkat právě s analytickou podporou provozních činností. Běžně očekávaným cílem bývá zkrácení dodacích lhůt prostřednictvím vyhodnocování dopravních informací, a to jak v reálném čase, tak i dlouhodobě. S tím velmi úzce souvisí i vyhodnocování informací o chování zákazníků na obou stranách přepravního řetězce, například u doručování je velmi cenné vyhodnocování úspěšnosti předání a spokojenosti. V ideálním případě při zohlednění denní doby a dnů v týdnu.

Dnešní doba je oprávněně považována za hektickou, a součástí logistiky proto musí být úzká integrace s firemními procesy, ať již interními či u zákazníků. Podrobné analýzy nad velkými daty umožňují včas odhalit případná rizika jednotlivých článků v celém přepravním řetězci, a efektivně tak předcházet případným důsledkům. Analýzy navíc umožňují pohlížet na logistiku opravdu globálně – jako na síť vzájemně propojených informací a mikroekonomických souvislostí.

Big data v DHL

Příkladem využití velkých dat je plánování a optimalizace tras v DHL. Na začátku každého dne je pro jednotlivé řidiče naplánována optimální trasa, a to jak na základě dat o doručování v daném dni, tak i na základě dlouhodobých informací o dopravní situaci a úspěšnosti doručení. Během jízdy nicméně může operativně docházet k přehodnocení plánované trasy, například v návaznosti na dopravní situaci nebo podle aktuálních požadavků na čas doručení. Data z jednotlivých jízd pak rozhodovací algoritmy využívají jak pro operativní plánování v dalších dnech, tak i pro strategické plánování kapacit a rozšiřování služeb.

Big data lze v logistice využívat i pro podrobné analýzy územního pokrytí a pro plánování decentralizace poskytovaných služeb. Záznamy o pohybu jednotlivých vozidel a pracovníků umožňují odhalení problémových míst i předvídání komplikací. Jde přitom o zcela zásadní přínos v předvídání poptávky, protože jen tak lze včas a efektivně plánovat přepravní kapacity. Analýzy nad velkými daty tyto velmi komplexní a komplikované problémy zjednodušují.

Možnostem využití velkých dat se meze nekladou a v praxi se tak stále častěji budeme setkávat s logistickými modely, které byly dříve nemyslitelné. Realitou tak v některých případech bude také nahrazení vysoce organizovaných článků (interních zaměstnanců) zajišťujících poslední míli náhodně pohybujícími se subjekty. Například dojíždějícími studenty nebo taxikáři. A to je opět něco, s čím nám big data pomohou.

-dhl-