analítica avanzada y big data en el sector transporte
TRANSCRIPT
Diciembre 2016/ 0
El potencial de la
analítica avanzada y el
BigData en el sector de
Transporte y Logística
Webinar:
Diciembre 2016/ 1
En lo digital todo deja ‘huella’
Y esto genera datos que pueden ser explotados
DigitalizaciónContexto para Analytics y BigData
Diciembre 2016/ 2
¿Qué entendemos por BigData?
BigData es la Datificación de “todo”
Pensamientos Cosas Actividades
Diciembre 2016/ 3
¿Qué entendemos por BigData?
Si pudiésemos hacer una
captura de lo que sucede cada
minuto en internetobtendríamos una imagen como
esta …
Desde 2013, el número de Tweetsha aumentado un 25% hasta másde 350.000 Tweets/minuto
El uso de Youtube se hatriplicado en los dos últimosaños: los usuarios suben 400h devídeo cada minuto!
Los usuarios de Instagram hacenLike a 2,5M de posts cada minuto.
Desde 2013, el número de postcompartidos en Facebook hacrecido un 22%, desde 2,5M hasta3M por minuto
4M de búsquedas se hacen enGoogle cada minuto!
BigData es el resultado
de la “Explosión de los
Datos”
Fuente: Internet Live Stats
Diciembre 2016/ 4
Por qué BigData ahoraDrivers que impulsan su adopción
Era del Internet of Things, donde
sensores y sistemas recogen datos
con estructuras múltiples e interactúan
automáticamente.
Era Digital y Social, las webs y
aplicaciones móviles recogen y
exponen nuestro comportamiento.
‘Mercados’ de datos, apertura de los
datos por parte de las
administraciones públicas y el fomento
de los data markets.
Cloud, tecnología y modelos XaaS.
Aumento de la capacidad de
computación de los procesadores y
el ‘in-memory’ computing.
Reducción del precio de
almacenamiento de datos.
Decisiones y
acciones basadas
más en el análisis
de datos y menos en
la experiencia e
intuición.
Drivers del BigData
Diciembre 2016/ 5
Qué es BigData – Las V’s
Más fuentes de datos y de mayor volumen
provenientes de humanos y de máquinas:
Móviles
Analítica web
Logs de aplicaciones
Sensores (en coches, casas, trenes,
instalaciones, etc.)
Social media
OpenData
Históricos de aplicaciones
Gran incremento en el
volumen de los datos disponibles
“Velocidad”: Los datos en real time como fuente de ventaja competitiva
El disponer de datos sobre lo ocurrido y lo
que puede ocurrir lo antes posible es una
fuente de ventaja competitiva. Por ejemplo:
Proporcionando “insights” al negocio
sobre el comportamiento de clientes
en tiempo real
Posibilitando nuevas estrategias de
negocio inspiradas por los datos
Ofreciendo recomendaciones a
clientes en tiempo real
Predicciones más efectivas, ya que se
cuenta con más datos
Mayor variedad de formatos en los datos
disponibles
Estructurados (logs, históricos, sensores, etc.)
No-estructurados (textos, documentos, vídeos,
imágenes, etc.) provenientes de dispositivos
móviles, sensores y otros dispositivos
Cambio de
paradigma en el
tratamiento de la
información
Diciembre 2016/ 6
alor
La V principal del BigData
Diciembre 2016/ 8
¿Analizar más datos para qué?
● Conocer mejor la realidad en la que actuamos
● Ofrecer mejores servicios y funcionalidades
basados en la analítica
● Exponer-Monetizar ese conocimiento
Clientes-Ciudadanos
Procesos internos
Competencia
Personalización
Recomendación
Predicción
Economía API
OpenData
Diciembre 2016/ 9
Tendencias en la industria de la Transporte
Tendencias en Transporte
Aumento de la colaboración. Búsqueda permanente de
sinergias en transporte, almacenamiento, información,
inversión y uso de tecnología
Industry 4.0 – Transporte 4.0: Los mundos de la
automatización y de las TIC están convergiendo
Responsabilidad Social Corporativa y Sostenibilidad
Visibilidad en la cadena de suministro
Monitorización de recursos
Diciembre 2016/ 10
¿Cambiará el BigData la industria del Transporte?
Fuente: KPMG “The future of Logistics”
Diciembre 2016/ 11
Mejorar productos
y servicios
Mejorar la capacidad
operativa y la eficiencia
Optimizar la ruta y
los kilómetros en vacío
Optimización del
inventario
Controlar riesgos
El Análisis de Datos proporciona nuevos métodos para
abordar estos desafíos
¿Cambiará el BigData la industria del Transporte?
Diciembre 2016/ 12
Evolución de los
procesos y los
productos
Mejor trazabilidad de
los productos
Mejor control de la
flota de vehículos,
actividad de los
almacenes, de los
pallets…etc
Valor del BigData en la gestión del Transporte
Mejor gestión de
los activos
Permite ajustar la
oferta de un producto
concreto a cada
cliente.
Previsión más
segmentada y ajustada
De la demanda
Información de los
dispositivos constate
y en tiempo real
Mantenimiento
preventivo,
ligado al IoT
Parámetros de
negocio para adaptar
los precios a la
demanda de
productos y costes
logísticos
Fijación dinámica
de precios Permite la reducción
de los niveles de
inventario
Optimización de
inventarios
Estudio de diferentes
variables para
escoger la ruta más
óptima
Optimización de
rutas Permite reducir los
niveles de
contaminación
Sostenibilidad –
contaminación
Reducción de los
kilómetros en vacío.
Optimización de la
Red de Transporte
Optimización de la
carga en base a
diversas variables.
Mejor planificación
de cargas
Diciembre 2016/ 13
Cambios gracias al Big Data en el Sector Transporte
Gracias al BigData, las empresas de
Transporte han conseguido:
1. Mejorar el servicio al cliente y los
niveles de cumplimiento de la
demanda.
2. Permite generar tiempos de
reacción más rápidos y eficientes
ante cualquier problema en la
cadena logística.
3. Un aumento en la eficiencia de la
cadena logística.
4. Una mejor integración de todo el
sistema logístico
5. La optimización del inventario y una
mejor productividad con el uso de
activos.
Fuente: Accenture 2015
Diciembre 2016/ 14
Disección de un proyecto de BigData
Diciembre 2016/ 15
Gasto en combustible
Amortización del vehículo
Reparaciones y mantenimiento
Costes fiscales
Seguros
Dietas
Neumáticos
Financiación
Personal de conducción
El gasto en combustible supone
aproximadamente el 1/3 del gasto total
Se desconoce el gasto por consumo de
combustible de forma anticipada y no se hace
un consumo eficiente de dicho combustible
Disección de un proyecto de BigData en TransporteSituación y problemáticas en las empresas del sector
Principales partidas en la
cuenta de resultados
25-35%
Diciembre 2016/ 16
Disección de un proyecto de BigData en TransporteAspectos Tecnológicos a tener en cuenta
Analíticaavanzada
Almacenamiento y procesamiento de
datos
BigData
Visualización
Real-time
Diciembre 2016/ 17
Disección de un proyecto de BigData en TransporteDiseño conceptual de la solución
Datos
Datos vehículo
Tacógrafo
Comportamiento conductor
Características de la ruta
Combustible
Datos meteorológicos
Plataforma de Big Data
Variables influyentes en
el consumo
de combustible
Ahorro en el consumo
de combustibleAlmacenamiento
Analítica Avanzada
Modelos predictivos
Correlaciones
Regresión Logística
Árboles de decisión
Objetivos
Visualización y
Análisis
Fuentes de datos
Diciembre 2016/ 18
Matriz
de datos
Vehículo
Carga
Conductor
Rutas
Fijos Histórico Snapshot
Largo / Alto / Ancho
Capacidad
Marca
Fecha mantenimiento
Peso
Ocupación
Origen
Destino
Educación
Prácticas
Desnivel
Rugosidad de la vía
Vías urbanas/autopista
Estaciones de servicio
Emisiones CO2
Consumo combustible
Ruta
Temperatura
Otras variables
Velocidad
Agenda descansos
Comportamiento tráfico
Uso de cinturón
Histórico de tráfico
Histórico de accidentes
Velocidad
Posición
Dirección
Temperatura
Otras variables
Estado de la agenda
Tiempo hasta la
próxima parada
Tráfico actual
Colas
Disponibilidad
Meteo Mapas meteorológicosHistórico temperatura
Probabilidad de lluvia
Condiciones actuales
Temperatura actual
Disección de un proyecto de BigData en TransporteEvaluación de las fuentes de datos
Diciembre 2016/ 19
Disección de un proyecto de BigData en TransporteFuentes de Datos
Navision
Peso de la carga
Tipo de la carga
Temperatura carga
Entradas de gasoil
Cantidad,
lugar, fecha
e importe
Ficha del
vehículo
Continental
Marca
Antigüedad
Motor
Fecha último
mantenimiento
Emisiones CO2
Tacógrafo
Vel. Media
RPM
Origen
Destino
Descansos
Tiempo de
conducción
Otras
Fuentes
Datos Meteorológicos
Histórico
Temperatura
Histórico lluvia
Calendario
Características de la ruta
Desnivel promedio
Rugosidad
% vías urbanas
Histórico de tráfico
Histórico accidentes
Precio del carburante
Peajes
Detalle datos
Fuente
Formato de datos Base de datos Fichero csv Varios
Diciembre 2016/ 20
Disección de un proyecto de BigData en TransportePlataforma BigData – Diseño conceptual
MeteoOpen
DataCalendario
Geoloca-
lizaciónNavisionFicheros Sensores TacógrafoFuentes
Almacen-
amiento Nodo 1 Nodo 2 Nodo 3 Nodo n…………………………………..
Cuadros de mando Informes
Data Discovery
Data
Visualization
Asociaciones
Modelos predictivos
Correlaciones
Regresión Logística
Árboles de decisión
Redes Neuronales
Detección de anomalías
Visualiza-
ción
Anal.
Avanzada
Diciembre 2016/ 21
MeteoOpen
DataCalendario
Geoloca-
lizaciónNavisionFicheros Sensores TacógrafoFuentes
Almacen-
amiento
Visualiza-
ción
Analítica
Avanzada
Tecnologías de almacenamiento distribuido
Disección de un proyecto de BigData en TransportePlataforma BigData – Herramientas
Diciembre 2016/ 23
Detección de las variables que tienen más influencia en el consumo
de combustible
Recomendaciones para el consumo eficiente de combustible
Ahorro en gastos de mantenimiento (ruedas, etc…)
Mejora en la seguridad de los conductores
Disección de un proyecto de BigData en TransporteBeneficios
Diciembre 2016/ 24
Demo BigData
Diciembre 2016/ 25
Empresa de
transportes
Flota de camiones
Sensores
1 2 3 …. 100
Diciembre 2016/ 27
Dato estructurado
procedente de BD Relacional
(características del camión y
del conductor)
Datos semi - estructurados
procedentes del tacógrafo o
sensores del camión
Fuentes de datos Plataforma de Big Data
Almacenamiento
Procesamiento
Visualización
Apache Zeppelin
Microsoft Power View
Demo BigDataEmpresa de Transportes
Diciembre 2016/ 28
Analytics y BigData
Carlos Antón GarcíaConsultor Big Data
(+34) 628 698 598
¡Muchas gracias!
