Para el 2025, la cantidad de datos en el mundo crecerá 10 veces en comparación con el 2015. Estas cifras fueron anunciadas por la compañía internacional de investigación y consultoría IDC (ing. International Data Company) en el informe "Data Age 2025".
En la industria de la logística, la tendencia no es diferente de la global. La cantidad de información se duplica cada dos años. Según los analistas, ya en 2020, la cantidad de datos será de 44 zettabytes. Como referencia: un disco duro de 1 zettabyte contendría un video 4K de alta resolución, con un tiempo total de más de 63 millones de años...
Para el análisis e interpretación de grandes cantidades de datos, los algoritmos de aprendizaje automático (Machine Learning - ML) vienen al rescate. ML realiza pronósticos basados en la información recibida y las tendencias identificadas. Para obtener más información sobre el aprendizaje automático y su aplicación en la industria del transporte y la logística, le pedimos a Vitaly Verbilovich, jefe del departamento de investigación y desarrollo del grupo corporativo internacional AsstrA.
Vitaliy, ¿cómo utilizan el aprendizaje automático en logística?
El aprendizaje automático se utiliza en todas las áreas de transporte y logística.
- Logística de almacén. La visión por computadora monitorea el inventario de bienes en los almacenes, controla a los trabajadores y garantiza la seguridad en las instalaciones.
- Despacho. Con base en la información recopilada sobre el transporte, se planifican y construyen rutas, se pronostican olas de temporada.
- Ventas. Se elaboran pronósticos de los volúmenes de ventas, los cambios en la política de precios de la compañía de transporte y logística, inclusive tomando en cuenta los indicadores históricos de la venta de servicios.
- Seguridad. Los modelos de puntuación (Scoring: es un sistema de puntuación de objetos basado en métodos estadísticos numéricos) ayudan a identificar contratistas inescrupulosos o potencialmente problemáticos incluso antes del inicio de la cooperación, basados en la información sobre sus relaciones con los proveedores.
¿Qué información se procesa utilizando algoritmos ML y qué se debe dejar en mano de los analistas?
En análisis, la primera prioridad es el planteamiento del problema y la formulación de solicitud para la selección de la información necesaria. Aquí no se puede prescindir de la intervención humana: del análisis con experiencia y del conocimiento en un área comercial específica. Además, entran en funcionamiento los algoritmos de aprendizaje automático, que hacen frente de manera más eficiente a las tareas de recopilación, procesamiento y análisis primario de información. El analista se libera de las tareas rutinarias y tediosas, y se concentra en los aspectos conceptuales del trabajo.
¿Cómo AsstrA usa los algoritmos de aprendizaje automático?
El grupo corporativo AsstrA-Associated Traffic AG utiliza algoritmos de aprendizaje automático para resolver tareas en tres categorías:
- Digitalización de trámite de documentos a través de la elaboración de bases de datos relevantes con un continuo procesamiento de información.
- Pronosticar e informar sobre posibles causas de fuerza mayor en las rutas de transporte. Con el propósito de aumentar la transparencia de la cadena de suministro, AsstrA colabora con Shippeo, cuyos algoritmos permiten aumentar la transparencia de las cadenas de suministro en tiempo real, así como para predecir posibles problemas en la ruta del transporte y señalizarlos.
- Análisis predictivo de patrones en indicadores obtenidos durante períodos anteriores y la evaluación de riesgos y oportunidades futuras.
Gracias a la información procesada, se toman decisiones ponderadas, orientadas a aumentar la eficiencia de la logística en las cadenas de suministro.