データ分析が競争力に差をつける Bigdata
物流領域のデータとは
日々発生する膨大な物流データ物流業務には様々な情報が発生し、それぞれ膨大なデータ量にのぼります。
例えば、倉庫業務では、
- ・入出荷データ
- ・在庫の保管・移動データ
- ・作業実績データ
輸配送業務に目を向けると、
- ・送り状データ(届け先、個数、重量、運賃など)
- ・配達データ(車両、配達状況、距離、時間など)
- ・トラック・ドライバーの実績データ
物流データの有効性と可能性
物流はデータの宝庫物流は倉庫管理・在庫管理・輸配送管理とデータの種類も幅広く、他の業界と比較しても多種類のデータが揃っていると言えます。
また日々データが発生するため、分析に十分なデータ量が確保できます。
-
有効性)
- ・サプライチェーンマネジメントに必要な情報が含まれている
- ・毎日決まって発生しデータ量が膨大である
- ・WMSや運送事業者からの提供など、比較的簡単にデータを入手できる
物流業界は人手不足に加え、非接触への対応など働き方改革も迫られています。
そして多品種小ロット、時間指定など物流自体も複雑化しており、今ある物流リソース(倉庫・人・トラックなど)をいかに有効活用するかが最重要課題となっています。
物流データ分析が企業の競争力を分ける重要なポイントと言っても過言ではありません。
-
可能性)
- ・物量分析で倉庫内の作業員配置を適正化
- ・最適な配送ルートの決定
- ・荷物の発生時期、エリアを予測しリソースを集中
例えば・・・
膨大な輸送情報の活用例
大手運送事業者によるBigdata&BIツール事例
目的
- ・リソースの適正化
- ・サービスレベルの維持向上
- ・収益の確保と適正化
活用データ
- ・1日約80万件(年間2億件以上)の送り状データ
→住所、個数、重量、運賃など - ・それに関連する貨物トレースデータ
→集荷、積込、到着、配達完了など
活用法
- ・送り状番号をキーとして、過去数年分のデータを加工
- ・BIツール(※)を使用してデータを可視化、異常値を原因分析
効果
- ・ドライバーの生産性向上
物量予測に応じた車両の適正配置を実施
ドライバーの一人当たり取扱い量が向上 - ・お客様からの問合せの減少
配達未着が発生しているエリアとその原因を分析
同じような傾向がみられる潜在エリアへ事前の手当てを実施 - ・運賃是正による収益改善
※BIツールは QlikViewを使用
その他の先進技術
R : | Robot に関する情報は こちら |
A : | AI に関する情報は こちら |
I : | IoT に関する情報は こちら |
S : | Sharing に関する情報は こちら |