Skip to content
August 11, 2020
4 minutes

Transportutvikling med visuell dataanalyse

Artikkel av Johan Hellan I mine år som logistikksjef i et stort produksjonsselskap skjelte vi ofte til bilindustrien og de avanserte logistikkonseptene som ble utviklet og anvendt der. Vi rekrutterte også hyppig logistikkeksperter fra bilindustrien i håp om at de skulle kunne hjelpe oss å utvikle oss og forbedre logistikken vår. Problemet som ofte oppstod, var imidlertid at ekspertene fra bilindustrien var eksperter på nettopp logistikk i bilindustrien. De var altså flinke til å arbeide i et avansert logistikksystem som allerede fungerte veldig godt. De var imidlertid ikke så flinke til å jobbe med et rudimentært system og utvikle dette. De var, for å si det med en metafor, flinke til å forbedre steget til en god løper, men de visste ikke hvordan de kunne lære noen å gå.

Visuell dataanalyse

Når det gjelder verktøy for visuell dataanalyse – "business intelligence", som det ofte kalles – snakker man gjerne om tre typer analyser: descriptive (beskrivende), predictive (forutseende) og prescriptive (foreskrivende). Descriptive analyse handler om det som har skjedd, predictive handler om det som kommer til å skje, og prescriptive handler om å foreslå de optimale valgene med gitte forutsetninger. Selvsagt er det prescriptive analyse som er det store målet, og i disse tider med kunstig intelligens og big data ser potensialet nærmest ubegrenset ut. Det finnes allerede avanserte eksempler innen transportindustrien, der Amazons patenterte konsept for transport av varer i forveien i påvente av bestillinger ("anticipatory shipping") kanskje er det mest kjente.

Virkelighetstilpassede verktøy

På Unifaun er vi midt oppe i utviklingen av neste versjon av tilbudet vårt innen visuell dataanalyse. Det er tydelig at vi og kundene våre ofte møter utfordringer som ligner på de jeg beskrev i innledningen. Verktøy og innfallsvinkel tilpasses ofte for å gjøre allerede velfungerende logistikksystemer enda bedre – tenk for eksempel på Amazon og deres "forutseende transport". Mange har imidlertid systemer som ikke fungerer så godt og befinner seg i en mye mer uorganisert og uperfekt virkelighet. Transporter bestilles gjennom mange ulike kanaler og med mange ulike transportører. Det er langt fra selvsagt at det er de transportørene det er inngått avtale med, som brukes. Mange sliter også med å fastsette måldato for henting og levering, eller for det som gjelder måling av de faktiske resultatene. Det sier seg selv at det blir vanskelig å måle leveringspresisjon (dvs. levering i tid) hvis man verken vet når godset skulle ha kommet fram eller når det faktisk kom fram.

Overblikk og forståelse

Konklusjonen som vi har trukket, er at det som kanskje er aller viktigst, er å utvikle visuelle analyseverktøy som gjør det mulig å følge og styre det grunnleggende arbeidet med å strukturere og organisere transportene. Det kan for eksempel være en visualisering som gjør det enkelt å forstå mellom hvilke noder det i det hele tatt finnes sendinger i transportadministrasjonssystemet som brukes, og med hvilke transportører og hvilke vektintervaller. Et annet eksempel kan være visualiseringer som gjør det lett å forstå hvordan statusflyten og statuskvaliteten fra ulike transportører ser ut. Et tredje eksempel er muligheten til å studere sendinger, vekter og transportkostnader relatert til ulike transportører, tjenester og land.

Finne sammenhenger i store, komplekse datamengder

Styrken ved moderne verktøy for visuell datanalyse er at det enkelt og raskt lar seg gjøre å identifisere sammenhenger i komplekse datamengder. Ved å vise helheten på en oversiktlig måte samtidig som det er mulig å grave seg dypt ned i detaljene og skjære gjennom dataene langs mange ulike dimensjoner, skapes det gode forutsetninger for å oppnå forbedringer med de riktige avgjørelsene på de rette områdene. Mantraet vårt er å hjelpe kunden med å få oversikt og kontroll slik at de kan arbeide med kontinuerlige forbedringer. Visuell analyse anser vi som en forutsetning for å lykkes med dette. Det er kanskje sånn at den store verdien ved visuell analyse ligger i det å finne fram til en eksakt og effektiv virkelighet som ofte kan fungere som utgangspunkt for mer avanserte anvendelser innen predictive og prescriptive analytics.

Søk