Barkod tarayıcılar, RFID okuyucular, telematik, GPS, operasyon yöneten yazılım sistemleri ve araçlardaki/cep telefonlarındaki konumlandırma sistem cihazlarından büyük miktarda veri üretildiği için, Lojistik sektöründe Büyük Veri’den (Big Data) yararlanmanın önemi son yıllarda gittikçe arttı. Haydi itiraf edelim: biz de müşteri olarak; siparişimizin nerede olduğunu (anlık olarak!) takip etmek istiyoruz, tam zamanında teslim edilmesini bekliyoruz ve herhangi bir yorum veya şikayet paylaşmaktan asla çekinmiyoruz. Dolayısıyla ürettiğimiz veriler (büyük veri) – ürün yorumları, sosyal medya yorumları, beğenileri, bloglar ve online yorumlar – geleneksel olarak bölümlenmiş bu sektörü yeniden şekillendiriyor diyebiliriz.
Bu sebeplerden dolayı, lojistik sektörü son zamanlarda büyük veriyi daha iyi ve verimli kullanacak şekilde kendini konumlandırmaya başladı. O zaman Lojistik sektörünün büyük veri ve teknolojilerinden hangi durumlarda yararlandığına bir göz atalım:
Operasyonel Verimlilik
Büyük Veri ile sağlanan faydaların, lojistiğin her alanında gözle görülür ve açık bir şekilde belli olmayabileceğini söyleyebiliriz ama yine de en doğrudan sonuçlar, lojistik sektörünün ana faaliyet alanı olan “operasyon birimlerinde” rahatça görülebiliyor.
a. (Gerçek Zamanlı) Güzergah Optimizasyonu
Lojistik sektörü genellikle gelen sevkiyat verileri, trafik durumları, tatiller, teslimat sıraları, hava koşulları ve rotaları hesaplayan dinamik güzergah sistemlerini kullanıyor.
Güzergâh optimizasyonu ayrıca hangi araçların (kamyon, gemi, uçak veya tren) olası rotalar ve kesişim noktaları üzerinde seçim yapacağının belirlenmesinde önemli bir rol oynuyor ve maliyet ve zaman açısından zincir boyunca akışı optimize ediyor.
Bu güzergah zekası, şirketlerin manuel hazırladıkları personel sıralamasında (staff manual sequencing) zamandan ve maliyetten tasarruf etmelerini, araçların katettikleri mesafeyi azaltmalarını ve başarısız teslimatları en aza indirgemelerini sağlıyor. Öyle ki, UPS’in, 2001’de rota optimizasyonuna başladığından beri 39 milyon galon yakıt tasarrufu sağlayıp 364 milyon mil daha fazla katetmekten kurtulması bunun canlı bir kanıtı. Buna ek olarak, UPS motorun boş geçen zamanından (engine idle time) tasarruf edip, etkileyici bir şekilde 10 milyon dakika azaltmayı da başardı!
b. Adres Doğrulama
Teslimat adresinin doğrulanması, lojistik sektörünün en temel gerekliliklerinden birisi olarak karşımıza çıkıyor. Adres doğrulama araçları, bir veritabanına girilen verilerin giriş esnasında doğru olmasını gerçek zamanlı otomatik tamamlama ile sağlıyor ve doğru Coğrafi Koordinatlar (GeoCoordinates) aracılığıyla daha hızlı teslimatlar ve en iyi rotalar sunuyor.
c. Vardiya Planlama
Lojistikte, vardiya hesaplama ve yönetme yalnızca personel uygunluğuna bağlı değil. Bu planlama; uzun vadeli üretim ve talep tahminleri ve her bir mağaza için günlük satışları içeren ağ planlaması (network planning), tedarik zinciri planlaması, nakliye kapasitesi planlaması ve periyodik yoğun zamanlar gibi birçok başka parametre de içeriyor. Öngörüsel Analiz (Predictive Analysis) ile şirketler bu karmaşık dalgalanmaları öngörebiliyor ve stratejik yatırımlar tüm networkün içinde destekeniyor. Bir başka deyişle, güzergahları önceden hesaplamak, lojistik biriminin uygun vasıflı personelini kolayca belirlemesine olanak tanıyor ve çalışanların daha tutarlı bir iş-kişisel yaşam dengesi kazanmaları sayesinde çalışan memnuniyetine olumlu yönde katkıda bulunuyor.
d. Gerçek Zamanlı Analiz
Araçlarda bulunan sensörler, verileri gerçek zamanlı olarak rapor edebiliyor. Bu rapor ve analizler, kaynak tüketimini optimize ettikleri gibi performansı ve süreç kalitesini de geliştiriyor. Artık şirketler, sistemin işleyişini aksatmadan malzemelerin veya araçların yerlerini sorgulayabiliyor. Son dakika program değişikliklerinin sürücülere duyurulduğu teslimatı da yönetebiliyorlar ve bazen o esnada uygun olan bir sürücü, zaten gideceği güzergah üzerindeki sevkiyatları teslim ediyor.
Risk Planlaması
Öngörüsel Analiz yardımıyla, taşımacılık biçimleri, bakım gereksinimleri, sevkiyat güzergâhları gibi iç riskleri; hava koşulları, yol koşulları, yoğun dönemler gibi dış riskleri tahmin etmek mümkün oluyor. Hatta lojistik şirketleri, büyük veri analizi uygulayarak verimsiz ve planlanmamış bakımları önleme konusunda milyonlarca dolar tasarruf etmeye bile başladı. Algoritmalar, teslimat araçlarının bakım gereksinimlerini önceden söyleyebiliyor ve böylece şirketler, herhangi bir aracın plansız bir şekilde arızalanmasının sonucu olarak geç kalmış teslimatlar ve mutsuz müşterilerle yüz yüze gelmek zorunda kalmıyor.
Ayrıca, büyük veri analizi, iş parametrelerine karşı müşteri bilgilerini, davranışları ve geri bildirimlerini (sosyal medya, çağrı merkezleri vb.) haritalandırarak müşteri kaybını (churn) tahmin etmek için de kullanılıyor.
Müşteri Deneyimi
Müşteri hizmetleri beklentileri radikal bir şekilde değiştiğinden dolayı; müşterilerin neyi, ne zaman ve nerede istediklerini belirlemek ve bunlara göre hareket etmek lojistik sektöründeki önceliklerden biri haline geliyor. Doğru bir müşteri segmentasyonu ve hedeflemesi yapmak, müşteri etkileşimini optimize etmek ve müşteri gereksinimlerini anlamak için de büyük veri teknolojileri kullanılıyor. Müşteri bilgileri hakkındaki bu kapsamlı görünüm, şirketlerin hizmet / ürün kalitesini ve portföyünü geliştirmelerini sağlıyor.
Bir örnek olarak, online perakendecinin belirli yerlerdeki müşteri talebini tahmin etmelerine ve buna göre envanterlerini ayarlamalarına yardımcı olmayı amaçlayan Amazon’un Öngörmeli Sevkiyat (Anticipatory Shipping) tekniğini verebiliriz. Buradaki talep tahmini; müşterilerin ihtiyaçlarını tam olarak karşılamak için önceki satın alımlar, önceki aramalar ve belirli kalemlere bakmak için harcanan zamanı temel alıyor.
Öte yandan UPS de, müşteri deneyimini zenginleştirmek için müşterileri için bir hizmet yarattı. My Choice, müşterilerin teslimat yerini ve zamanlamasını mobil cihazlar vasıtasıyla gerçek zamanlı olarak yönetmesini sağlayarak en büyük müşteri sorunlarından birini çözüyor: bir kargo paketi için evde kalmak!
Son zamanlarda, lojistik sektörü çeşitli bileşenlere sahip networklerinin optimizasyonunu sağlamak adına karmaşık raporlar yerine Veri Görselleştirme (Data Visualisation) araçları ve içgüdüsel hisler yerine Öngörüsel Analiz gibi manuel hesaplamaları veri analizi ile değiştirmek için daha fazla çaba gösteriyor. Büyük veri, etkili iş kararları alma, yatırım kararlarını geliştirme, yeni stratejiler türetme ve daha güçlü projeler ve yenilikler geliştirme konusunda doğru veri güdümlü (data-driven) bilgilerle endüstriye yardımcı oluyor.