O uso do Big Data tem o poder de revolucionar o setor de logística, trazendo um enorme impacto no transporte rodoviário de carga. Você já deve ter ouvido uma afirmação parecida com essa mas, a pergunta é: como? Fique tranquilo que vamos explicar. Qualquer tecnologia que se proponha a melhorar este setor terá grande impacto. Basta considerar o tamanho deste segmento no Brasil: segundo estudo da Fundação Dom Cabral, 75% das mercadorias do Brasil passam pela malha rodoviária. Este setor, ainda segundo levantamento da Confederação Nacional do Transporte – CNT, em sua edição mais recente, de 2017, o transporte rodoviário movimentou 503,8 milhões de toneladas úteis (TU) em 2016 no País.
O primeiro ponto é esclarecer o que é, afinal, o Big Data. O termo é derivado da área de tecnologia da informação e se refere a tecnologias, sistemas e processos capazes de lidar com grandes volumes de dados, de maneira estruturada, muitas vezes tendo que trabalhar com fontes de informação distribuídas, e que permitam abstrair correlações e insights que, por conta disso, permitirão uma melhor tomada de decisão nos negócios.
Confira um exemplo sobre Big Data
Um uso clássico de Big Data, tirado do varejo, a título de exemplo, identifica correlações de produtos díspares como cerveja e fraldas (um exemplo hipotético), no qual, ao examinar um histórico ao longo do tempo, nota-se que pais em busca de fraldas também compram cerveja. Então uma boa estratégia para incremento de vendas passa pela promoção casada destas duas categorias no corredor central, que destaca as ofertas.
Em logística o princípio é o mesmo: examinar vastas quantidades de informação ao longo de uma série histórica e, a partir delas, extrair visões de como melhorar os resultados das empresas que atuam no setor. Para a GUEP, este é um exercício fundamental uma vez que a tecnologia de Big Data é um dos pilares de nossas soluções.
Big Data é uma seara que está sempre associada aos chamados ‘3Vs’: Volume, Variedade e Velocidade, onde Volume se refere à quantidade de informação que deve ser processada (muito superior ao de bancos de dados convencionais), Variedade está relacionada aos tipos diferentes de fontes de informação, formatos e plataformas e Velocidade está diretamente ligada à agilidade com que os dados são processados, ou seja, se você tem só dois destes três ‘pilares’, digamos volume e variedade, mas que demora um mês para ficar pronto, pode ser valioso, importante, pode ser tudo, menos Big Data.
Como aplicar o Big Data no transporte rodoviário, na prática?
E trazendo para o ramo da logística, quais seriam as eventuais aplicações práticas dessa tecnologia de Big Data no transporte rodoviário? Durante um processo logístico convencional temos uma carga composta por um determinado número de elementos, caixas, volumes, com um código identificador único para cada produto, fornecido por um embarcador, que tem uma origem, destino e trajeto, peso e dimensões e prazo, além, claro, de todas as rotinas, procedimentos e documentações necessárias para que um caminhão vá do ponto A ao ponto B. Esta é, portanto, a rotina no transporte rodoviário. Hoje, com as tecnologias já adotadas pelas transportadoras, empresas de logística, embarcadores, empresas de gerenciamento de risco e seguradoras, além das empresas de rastreamento, já há uma multidão de dados e formatos disponíveis e que são gerados ou utilizados em cada uma destas etapas. O Big Data surge quando um agente, uma organização, como uma empresa de tecnologia, por exemplo, capta dados de todas estas fontes e consegue cruzá-los estabelecendo correlações, permitindo gerar insights para melhorar processos e resultados.
É com o Big Data, monitorando o status das principais rodovias, que um alerta pode ser disparado a todos os sistemas de roteirização – de maneira automatizada, sem intervenção humana – a partir de um evento que comprometa uma via principal. Um desabamento de uma passarela, que interdita uma rodovia de grande trânsito em dois sentidos por algumas horas, por exemplo, pode comprometer cargas refrigeradas ou com prazo acordado. Uma integração simples pode gerar alertas que vão permitir um recálculo dinâmico de rotas que considerem este evento sem comprometer os prazos acordados com os clientes.
É possível identificar oportunidades com o Big Data?
Com o Big Data é possível identificar oportunidades relacionadas a questões de sazonalidades. Digamos que um cliente que sempre pede um frete do ponto A ao ponto B, mas que, ao ser atendido por um transportador, gera um caminhão subutilizado com aproveitamento de 50% do espaço, o que, portanto, permitiria a ele, nestas janelas, oferecer o espaço remanescente a um outro cliente numa condição muito atraente, aumentando a ocupação do caminhão.
Outro caminho possível de ser adotado com o Big Data é quando conseguimos analisar o impacto dos vários componentes de custo de um frete: mão de obra, combustível, tipo de veículo, ano de fabricação, seguro, gerenciamento de risco, perfil do motorista, estado de pneus, etc. Numa estrutura convencional de custos, cada componente é visto de forma isolada, mas com o Big Data é possível descobrir que o principal problema da transportadora não era o elevado custo de pneus ou com diesel, mas que, para as entregas que ela faz, uma simples renovação de 50% da frota no prazo de três anos geraria uma economia significativa e, com isso, redução de custos operacionais. Aí é que reside uma oportunidade indispensável.
Já um embarcador pode, por exemplo, mapear e avaliar numa análise mais aprofundada os seus transportadores. O convencional é que se olhe os índices médios de ocorrência de sinistros, o que, na prática, pode não querer dizer muita coisa… Mas e se analisarmos estes índices de ocorrência de sinistros com relação à participação percentual de cada transportador, veremos quais destes geram mais e menos sinistros, ou atrasos, por exemplo. Daí é possível elaborar uma análise das melhores práticas, qualificar ou então selecionar melhor os fornecedores com base em índices de desempenho.
Solução da GUEP já aplica o Big Data
Na plataforma da GUEP, uma solução que incorpora estes princípios é o Score, que consegue checar em várias fontes de informação diferentes um perfil cadastral de motoristas, para agilizar a liberação de carga, com assertividade, menores custos e uma agilidade incomparável.
E este em apenas um de nossos produtos. Ainda falando de como o Big Data encontra aplicação na logística, podemos separar o uso desta tecnologia em três momentos, no tempo, e em duas categorias distintas quanto ao tipo.
Quanto ao tempo, podemos falar do uso do Big Data para:
– Ter um novo olhar sobre o passado: ao analisar séries históricas, podemos notar as correlações de causa, efeito e desempenho, extraindo destas séries uma compreensão de fatores que interferem no resultado geral das entidades logísticas para, a partir destes fatores, identificar aspectos de melhoria e elevar a performance geral das organizações. O exemplo que demos de uma comparação da idade de frota como um fator da estrutura de custos materializa este principio.
– Ter uma reação rápida e automatizada para o presente: quando temos um Big Data efetivo funcionando em tempo real, estabelecemos um sistema ou conjunto de sistemas que pode reagir – sem intervenção humana – a um evento que comprometa um objetivo de negócio, a exemplo do que o ‘recalculando rota’ de um GPS faz com o caminho a ser percorrido, mas que, no caso do Big Data, incorporaria todas as etapas do processo logístico, como no monitoramento de uma carga em transporte e que, diante de um caminhão quebrado, por exemplo, já dispararia um socorro ou até mesmo uma notificação de necessidade de um veículo de transbordo com características similares mais próximo, dando de quebra, ao cliente, em tempo real, um status deste acontecimento, com novo prazo final de entrega.
– Olhar para o futuro com ganhos de eficiência: considerando ainda o aprendizado com as séries históricas, uma análise poderia gerar cálculos de probabilidade para eventos que poderiam comprometer entregas e prazos de entrega. Um exemplo? Eventos extremófilos (eventos climáticos extremos, consequência do aquecimento global) poderiam gerar um regime de chuvas acima do previsto para uma dada região que tem impacto no escoamento de grãos, comprometendo prazos e custos de frete. É com o Big Data que empresas podem se preparar para estes cenários e transformar o que seria um grande problema em oportunidades.
Falamos dos três tipos de uso do Big Data baseados nos momentos. Agora falemos dos tipos distintos:
– Desvios: para uma dada análise, há o que chamamos de média, o que é o ‘normal’. E há o desvio, o que foge dessa normalidade e que gera um insight. Todos os caminhões na rota X, com mesma origem e destino, levam 12 horas para completar o trajeto. Um deles, no entanto, consome 18 horas. Por que? Porque talvez a carga seja transportada num horário diferente, pode ser mais pesada, etc. Um dashboard ou uma representação gráfica pode mostrar os menos e os mais eficientes deste grupo. Quando pensamos em desvios, normalmente vêm à mente os problemas, mas há também desvios ‘do bem’, resultado de melhores práticas, tecnologias, frotas mais novas, rotas mais rápidas e que, identificadas, podem ser replicadas gerando ganhos em toda a cadeia.
– Clusterização ou agrupamento: aqui é o mesmo princípio dos desvios, mas usado para buscar as semelhanças. Uma análise de dados aprofundada pode mostrar a tendência geral para um dado grupo e que deve ser utilizado como baliza para mostrar uma média a ser conseguida. Se no desvio você combate o resultado ruim e premia o bom, no agrupamento você mostra o que pode ser melhorado em determinados grupos ou categorias para chegar na média.
Com tudo isso que falamos, o Big Data já pode ser um aliado estratégico para o setor de transportes gerando valor e vantagens competitivas permitindo benefícios como:
– Melhoria nos controles com custos de transporte, com redução dos gastos de combustível ou manutenção via roteirização inteligente
– Melhoria na avaliação e gerenciamento de riscos
– Agilidade na tomada de decisão para negócios
– Maior velocidade na reação a eventos que impactam os negócios
– Identificação das melhores – e piores – práticas, selecionando e qualificando fornecedores
– Ganho de agilidade na liberação de fretes
– Melhora e automação dos processos de Supply Chain Management, integrando dados e informações conferindo mais transparência e reduzindo custos operacionais do processo de reposição de mercadorias.
Quer saber mais sobre como o Big Data pode impactar a sua operação logística? Chame a GUEP para uma conversa!!
