Tendências em Logística e Data Analytics: a transformação que vem dos dados.

Com o avanço tecnológico que trouxe junto a evolução de máquinas, sensores, GPS’s e instrumentos eletrônicos cada vez mais modernos, o processo de coleta de dados têm sido fortemente impactado nas empresas do setor de logística.

Para acompanhar esta evolução, os sistemas computacionais também têm passado por constantes ajustes e disrupções. Neste contexto de uma complexidade cada vez maior, o caminho fica aberto para que projetos de Big Data e Data Analytics sejam desenvolvidos e decisões data driven sejam tomadas.

Acompanhe neste artigo as tendências e possíveis soluções a serem exploradas em logística e Data Analytics, com técnicas de inteligência artificial e aprendizado de máquina.

Contexto: logística e a cadeia de suprimentos

Logística é uma área derivada da Administração de Empresas, a qual é responsável por prover recursos a uma organização para que suas atividades possam ser desenvolvidas. Na prática, logística trata de movimento, de entregas, de recebimentos, de alocação e armazenagem. É uma das áreas mais complexas e mais fascinantes da Administração. E atualmente uma das áreas com maior quantidade de dados sendo capturados.

Dessa forma, é uma das partes mais importantes da logística gerenciar a cadeia de suprimentos (supply chain). A cadeia de suprimentos envolve todo o sistema logístico responsável por levar desde a matéria prima até a entrega do produto final ao consumidor.

Para fazer este gerenciamento, alguns tipos de sistemas computacionais são bem conhecidos em logística:

• TMS (Transportation Management System), para melhorar as entregas e otimizar rotas;
• WMS (Warehouse Management System), o Sistema de Gerenciamento de Armazém, que irá controlar todo o inventário e as necessidades de reposição;
• OMS (Order Management System), que fará a gestão dos pedidos;
• LMS (Logistics Management System), o qual é um sistema que integra os demais.

Imagine agora estes sistemas atuando em tempo real em todo território nacional ou até em operações globais, gerenciando inúmeras entregas, processos de armazenagem e pedidos ao longo de cada dia. São muitos os dados gerados, e a maioria das empresas não consegue se beneficiar deste bem tão valioso.

Logística e Data Analytics: Supply Chain Analytics

A cadeia de suprimentos é uma enorme fonte de dados, os quais são originados dos clientes, negócios e operações (veja mais). Porém, o que se vê no dia a dia ainda é muitas decisões sendo tomadas com base em planilhas eletrônicas. Contudo, certos tópicos não são eficientemente analisados em planilhas, como probabilidades de falhas nas entregas, fatores que causam o crescimento e aumentam a lucratividade, e possíveis ciclos que são comuns em certas operações logísticas.

Sendo assim, as empresas que se utilizarem dos dados para tomarem decisões de forma preditiva e prescritiva vão deixar de olhar apenas para o passado (como se fosse dirigir olhando pelo retrovisor), e passarão a olhar pra frente, tomando decisões que geram vantagens competitivas.

Trabalhar agindo de forma preditiva e prescritiva na gestão da uma cadeia de suprimentos permite que a organização saia de um posicionamento reativo para um proativo em termos de gestão logística.

Nesse sentido, o termo Supply Chain Analytics trata da aplicação dos conceitos e técnicas de logística e data analytics, big data, machine learning e inteligência artificial para melhorar a margem operacional da companhia.

Por que projetos de Data Analytics para logística?

Devido ao que já foi exposto em termos dos sistemas já consolidados na área de logística, que já permitem uma integração entre dados oriundos de sistemas e frentes de trabalho diferentes, não restam dúvidas de que há um grande potencial de gerar valor a partir dos dados nesta área.

Em resumo, pelo menos os seguintes pontos favorecem a aplicação de logística e Data Analytics de forma conjunta:

• Alto nível de maturidade de dados quando as empresas do setor de logística são comparadas a outros setores.
• Dados organizados em sistemas consolidados, maduros e confiáveis. Mais informações sobre diferenças entre sistemas transacionais e sistemas analíticos.
• Grande quantidade de dados (big data),
• Há grande dificuldade de encontrar casos críticos em meio a tantos dados via painéis de BI ou planilhas eletrônicas.
• Necessidade de conformação de dataset analíticos ( O que são datasets e como estruturá-los? )

Perguntas chave/aplicações para estruturar projetos de Data Analytics para logística de sucesso

Um dos principais pontos para ter sucesso dentro da organização na execução de projetos de Data Analytics é ter uma cultura organizacional orientada a dados.

Clique aqui e veja o relatório que a Aquarela desenvolveu sobre a “cultura de dados nas empresas brasileiras”

Depois deste passo cumprido, é essencial elaborar boas perguntas de negócio para guiarem os projetos de análise de dados. Por isso, separamos algumas ideias de perguntas de negócio recorrentes quando o assunto é logística e Data Analytics. Também fizemos um mapeamento de possíveis outputs de um projeto de Data Analytics para Logística, veja:

Pergunta	Solução de Data Analytics
Quais os clientes que provavelmente não receberão uma entrega?	Sistema de análise preditiva para mapear entregas com probabilidade de falhas; e análise prescritiva para recomendar ações corretivas (ligar para reagendar a entrega, etc).
Existem dias ou horários mais propícios a falhas nas entregas?
Quais as ações a serem tomadas para que haja sucesso em entregas com alta probabilidade de falhas?
Quais entregas possuem rotas similares e podem ter seu horário de agendamento ajustado para otimizar e reduzir custos de transporte?	Recomendador de novos horários para entregas próximas, com base em análise prescritiva.
Quais as melhores combinações de armazenagem/estocagem?	Análise prescritiva para recomendações de locais de armazenamento, considerando as probabilidades de saídas de cada mercadoria.

Tendências: a área de Logística e a Indústria 4.0

A área de logística talvez seja uma das que mais irá enfrentar os efeitos da Quarta Revolução Industrial, a chamada Indústria 4.0. Por isso, vale ressaltar que outras frentes além de Data Analytics também estão melhorando as operações de Supply Chain e na logística como um todo, como por exemplo:

• IoT: robôs autônomos;
• Drones: serviços de delivery.
• Inteligência artificial: sistema completo com IA para otimizar ao máximo a entrada e saída de mercadorias em armazéns logísticos.

Uma convergência entre as aplicações citadas está na geração de uma enorme quantidade de dados. Sendo assim, Big Data é o que todas as aplicações da Indústria 4.0 para logística irão gerar. E para obter insights e vantagem competitiva a partir dos dados não tem como escapar de projetos de análise de dados.

Conclusões: tendências em logística e Data Analytics

A Quarta Revolução Industrial chegou, e a área de logística está com “a faca e o queijo na mão” para usufruir deste momento, utilizando precificação dinâmica e logística inteligente. É um campo com sistemas robustos e confiáveis, que geram enormes quantidades de dados.

A maior parte das análises destes dados, que em sua maioria ainda não são utilizados, é analisada em planilhas eletrônicas.

Os dados em logística irão aumentar cada vez mais com o advento de novas tecnologias (IoT, drones e uso intensivo de IA). Por isso, é preciso construir times, e investir em projetos focados de análise de dados, e até terceirizar este trabalho com especialistas na área, como a Aquarela.

A partir de análises detalhadas nos dados dos clientes, entregamos um sistema prescritor (com recomendações)  para guiar ações de forma objetiva e melhorar a performance logística das organizações, viabilizando decisões data-driven nos níveis estratégico, tático e operacional.

Autores