El uso de datos masivos no está completamente libre de riesgos, especialmente si los datos se utilizan sin control como base para la planificación, entonces, si la base de datos es válida y coherente, los beneficios del big data se pueden aprovechar de manera más eficiente para una mayor fiabilidad de los pronósticos, suavización de la carga o despliegue eficiente del personal, señala Miebach Consulting.
Asimismo, para mejorar las previsiones de inventario, aumentar los niveles de servicio y reducir los costos de infraestructura. También para un mayor cross-docking en almacenes tradicionales, eliminando el almacenamiento, reduciendo costos y aumentando la disponibilidad. Y para la detección más rápida, reducción y hasta eliminación de errores.
Hoy en día, existen numerosos ejemplos del uso de las posibilidades de recopilación, análisis y evaluación de datos de diferentes fuentes (big data) en la cadena de suministro. El diseño de redes logísticas o la planificación de la logística interna en los sitios individuales se basan cada vez más en bases masivas de datos, señalan Alexander Klaas y Michael Offermanns.
“Un proyecto reciente evaluó diferentes estructuras de logística para un minorista. El suministro eficiente a los mercados requirió un rediseño de la red logística que definía nuevas ubicaciones de almacén. La base fue la extrapolación de alrededor de 900 millones de artículos de entrega”.
En este sentido, siguen creciendo las posibilidades del big data, lo cual conduce a cambios en los procesos de trabajo y en las tareas a realizar. La logística, en particular, se beneficia considerablemente con esto al apoyar de manera efectiva tanto los procesos de planificación táctica como los operacionales, indican los expertos de la firma.
“Esto proporciona información mucho más detallada sobre las redes de logística y de las ubicaciones individuales. Tenemos entonces con el big data un potencial considerable para aumentar la eficiencia dentro de las empresas y organizaciones. En la práctica se sigue observando que la calidad de los datos brutos proporcionados por diferentes mundos del sistema no es suficiente para muchos procesos de planificación.
“A menudo, estos datos son inconsistentes, incompletos o no se mantienen (por ejemplo, datos de geometría, volumen, o peso). La posterior validación manual y la garantía de coherencia de datos son costosas, aunque se siguen desarrollando pruebas automatizadas y técnicas de mejora con inteligencia artificial”, refieren Klaas y Offermanns.
Y añaden que en el curso de la digitalización, existe la oportunidad de reemplazar el registro manual con registros automáticos, lo que aumenta la calidad de los datos. Ejemplos de esto incluyen sistemas de telemetría, sistemas de cámara de alta resolución con reconocimiento de imágenes, sistemas de RFID, sistemas de topografía láser o barreras de luz y redes.
“Las ganancias potenciales en productividad por el uso de big data son enormes. Las empresas de hoy necesitan crear las condiciones para seguir siendo competitivas. Las inversiones necesarias en equipamiento técnico y conocimiento humano se amortizarán rápidamente, ya que una mayor precisión en la planificación y la detección temprana de problemas generan una mayor eficiencia y una utilización óptima”, explican los representantes de Miebach Consulting.
