Привет, Хабр! Мы – сервис для оптимизации внутригородской логистики Relog. Наш продукт целиком построен вокруг аналитики. И сегодня мы расскажем пользователям Habr, какие возможности для логистических компаний открывает Big Data.
Для начала несколько слов об анатомии TMS Relog. Это комплекс ПО, который отвечает за полную систематизацию данных логистической компании с высокой частотой обновления. В этом участвуют два ключевых механизма: валидация данных и автоматизация процессов по доставке последней мили.
Информация о статусе заказов мгновенно поступает из ERP-систем клиента в аналитическую систему Relog BI. Мы построили свой продукт на базе решения Microsoft Power BI (которое, к слову, продолжает работать на территории России без сбоев). Также мы интегрировали решения, связанные с сенсус-аналитикой и геоаналитикой. Пространственный анализ позволил расширить возможности системы.
Бенефиты Big Data для логистических компаний
Алгоритмы Big Data позволяют обновлять аналитическую информацию в режиме, близком к реальному времени. Это нужно для того, чтобы супервайзеры или руководители могли оперативно выявлять проблемы и решать их на месте. Информация выводится на дашборд с карточками. В них может отражаться рейтинг своевременной доставки грузов, процент принятых заказов, исполнения задач и другие параметры. Смысл этих возможностей в том, чтобы не ждать компиляции и доставки отчетов, а видеть реальную картину происходящего и реагировать немедленно.
В карточках могут отражаться как абсолютные значения метрик и KPI, так и средние цифры, необходимые для оценки общей эффективности автопарка. Эти данные помогают принимать взвешенные управленческие решения по поводу стратегии дальнейшей работы. В частности, строить более "кучные" маршруты и утилизировать транспорт на 100%, избавляясь от лишних единиц. Или другой пример: в зависимости от загруженности транспорта Relog BI генерирует рекомендации по весо-габаритным характеристикам для покупки новых единиц в будущем.
Наши дата-сайентисты ведут статистику востребованности у клиентов аналитики Relog BI. И на первом месте – отчёты по водителям. С их помощью можно выявить как водителей-лидеров, так и аутсайдеров за любой период (от одного дня до года). Графики строятся автоматически.
Вот несколько примеров аналитических операций с данными:
полная картина по каждому водителю: дата создания заявки на доставку, время фактического обслуживания каждого заказа, последовательность исполнения, общий вес товаров в машине и их валовая сумма.
сравнение конкретных водителей друг с другом.
выявление «чемпиона» по чеку среди курьеров в разные периоды.
ранжирование курьеров по недоставленным товарам (ведется backlog, который фиксирует отказ клиента от доставки товара по вине водителя).
Все эти данные формируют KPI водителей в режиме реального времени. А они, в свою очередь, могут учитываться при начислении зарплаты.
В целом, главный бенефит работы с Big Data для логистической компании – это глубокое понимание своего бизнеса и прогностические возможности. Аналитика данных, в частности, позволяет выявлять внешние факторы влияния как сезонность (лето-зима) или недельный цикл продаж в торговых точках.
Big Data + геоаналитика: вместе эффективнее
Мы уже давно подключили Leafnet на основе растровых карт, а в этом году добавили более современную технологию – векторные карты Mapbox. Они работают при помощи бинарных кодов, и скорость их выше. Впрочем, оба вида обладают своими преимуществами.
«Плитки» растровых карт очень детализированные, а потому лучше подходят для передачи информации об объектах. Вместе с тем, они занимают больше места, чем описание объекта с помощью бинарного кода. Векторные же карты загружаются быстрее – это их преимущество при нестабильном соединении. Есть и минусы: успех того же Mapbox ограничен в работе с малыми картами или проектами, сложности создает и строгая стандартизация данных. Несмотря на все это, Мapbox превосходен при работе с большим набором данных.
На основе векторных данных об объектах в Mapbox (форма, высота, категория, назначение и т.д.) можно создавать 3D-карты, подкрашивая определенную выборку объектов (магазины, автомобили, склады). Это позволяет проводить визуальный анализ. Например:
оценить количество целевых объектов торговли в районе или городе;
прикинуть численность населения возле торговой точки в 5-минутной пешей дальности;
сравнить плотность заказов в районах города, выделенных на карте разными цветами;
увидеть расположение транспорта различных видов и направление его движения, etc.
Все эти данные помогают логистической компании или службе доставки ритейлера оценить эффективность распределения маршрутов.
Как проходит интеграция
Продуктовая часть аналитики Relog BI работает только с теми данными, которые поступают из других ERP-систем (будь то это 1С или SAP), что касается других отчетов – мы используем несколько источников данных: PostgresSQL, MongoDB, GoogleBigQuery, ClickHouse.
Главное правило интеграции – достаточно просто написанная API-документация, чтобы разработчик компании клиентов смог быстро разобраться и отправить свои первые запросы в личный аккаунт. Кстати, мы со своей стороны также предоставляем услуги интеграции через типовую подсистему “RELOG (Обмен данными)”, которая рассчитана на работу с любыми системами «1С» 8.2 и выше, как на управляемых формах, так и на обычных.
Когда интеграторы связывают «1С» клиента с Relog, они внедряют в ERP наш модуль. Через него идет двусторонняя передача данных. Relog получает информацию о заказах и строит для них оптимальные маршруты, передавая в диспетчерский сервис. Помимо этого, наша система оперативно обновляет в «1С» клиента статусы заказов (выполненные, опоздание, отказы). Отсутствие интеграции означает, что оператор в конце рабочего дня вынужден вручную менять статус каждого заказа. А почти неизбежные ошибки и неэффективное использование времени сотрудников.
Как ни парадоксально, именно страх ошибок удерживает клиентов от автоматизации. Часто она воспринимается, как еще большее зло. Ведь, допустим, неправильные дата или адрес доставки заказа автоматически превращаются в некорректно построенный маршрут. Это приводит к росту расходов на логистику, срыву сроков поставок и даже потере прямой прибыли. Поэтому интеграция с «1С», которая ведет комплексный учет большинства бизнес-процессов компании, требует скрупулезного подхода.
Понимая «боли» клиентов, мы стараемся не просто внедрить решение на основе Big Data, но адаптировать его так, чтобы технология действительно начала приносить пользу. Потенциальные эффекты того стоят. Мега-массив данных, содержащихся в системах ERP, позволяет делать важную и глубокую аналитику в Microsoft Power BI.
Изучение бизнес-процессов клиента на основе его данных даёт понимание, какие инструменты нужно применить в системе Relog и для чего их лучше использовать. Этот подход позволяет максимально адаптировать внедрение продукта. Также мы отслеживаем взаимодействие клиента с системой Relog и то, насколько полноценно он использует весь функционал программы.
Подытожим: используя возможности больших данных, логистические компании смогут делать точные прогнозы и повышать эффективность своей работы. Технологии позволяют своевременно выявлять проблемные точки в бизнес-процессах, вести учет объемов логистики и оптимизировать использование ресурсов.