Analítica en procesos logísticos

Portada
Share on facebook
Share on twitter
Share on linkedin
Share on whatsapp
Share on email

Los activos más valiosos de una compañía pueden no ser los que se creen. Los datos que se obtienen y analizan durante cualquier operación tienen la capacidad de convertirse en el mayor recurso a la hora de optimizar los procesos internos y externos, mejorando el posicionamiento y los resultados.

Por: Diego Alejandro López Saldarriaga

Profesional y asesor en temas de analítica

Tras las dos primeras revoluciones industriales, la humanidad masificó el uso de máquinas y medios de transporte y estos mejoraron en gran medida la productividad de los procesos y personas en las diferentes industrias. La mejora continua de los métodos generó una nueva necesidad y revolución; esta vez se implementó la automatización de grandes procesos industriales a partir de la inclusión de las nuevas tecnologías en la industria: la electrónica y la computación. Nuevamente, la búsqueda constante de la mejora de los procesos en conjunto con los avances tecnológicos, hicieron que surgiera una cuarta revolución con los protagonistas de la ingeniería: la digitalización y la información.

Y con esto último, durante muchos años la exigencia de la industria fue buscar procesos automáticos y confiables, pero los paradigmas tecnológicos actuales ya cuentan con la suficiente confiabilidad y certeza de que existen sistemas mecánicos y electrónicos de altas prestaciones para la industria.  Entonces, en lugar de buscar sistemas automáticos fiables, se comenzaron a realizar registros digitales y a obtener información a partir de los diferentes procesos de las empresas.

Cuando se hace referencia a un proceso, no solo se habla de aquellas operaciones industriales que buscan transformar las materias primas, sino que también se hace referencia a todos los métodos embebidos en una empresa, sin importar cual sea su actividad económica.

Con la digitalización y la centralización de la información, se busca que procesos como la facturación, la gestión de inventarios, las ventas, la producción y en general todas las actividades que intervienen en la cadena de suministros de una empresa, obtengan una perfecta trazabilidad que les permita conocer el estado actual.

Analítica

Con la centralización de la información, la mayoría de las empresas buscan obtener la trazabilidad de sus transacciones y procesos, y para ello se utilizan los sistemas de gestión de información, como los famosos ERP y CRM, por mencionar algunos. No obstante, muchas compañías cayeron en la cuenta del gran valor que tiene la información centralizada, ya que estos sistemas además de organizar los estados financieros y la cadena de suministro también permiten extraer la información y analizar de manera particular cada uno de los procesos.

Visualización de datos

Una primera fase de la analítica busca preparar la información centralizada para visualizar los resultados y con ellos, entender cada uno de los procesos y predecir el comportamiento y la tendencia. Con esta primera fase nace la inteligencia de negocios que busca mejorar la toma de decisiones a partir de los sistemas de información y el análisis del entorno. Esta nueva ciencia multidisciplinaria se fundamenta en conceptos de informática, estadística, matemática, ingeniería y marketing; y facilita la compresión de los procesos con el único objetivo de mejorar la toma de decisiones.

La primera visualización que puede tener una empresa es una tabla del CRM o ERP, que quizás sea exportada a un archivo de Excel para su posterior estudio. Este análisis, en la mayoría de los casos, no basta para comprender un proceso, y menos cuando de logística se habla. Los procesos de transporte y almacenamiento ocupan un vasto registro de información y hacen que Excel, aunque fundamental en toda empresa, no sea la herramienta apropiada para llevar a cabo estos grandes análisis del negocio. En su lugar, aparecen los analizadores de inteligencia de negocios, también conocidos como softwares BI (por sus siglas en inglés Business Intelligence), los cuales, con sus potentes motores de procesamiento de datos, procesan millones de registros en cuestión de segundos y sin tener un solo retraso, además de que permiten acceder a visualizaciones dinámicas de estos datos.

Algunos de los BI más utilizados en la actualidad son:

Dado que todos los BI tienen un objetivo en común, cuentan con grandes similitudes a la hora de gestionar la información y, aunque algunos tienen una respuesta más rápida que otros o interfaces gráficas más amigables para el usuario, todos buscan entender procesos y negocios. El precio de estas herramientas tiene una alta variación, pero puede ir desde 0 hasta los USD 1.500 por año, según sea el caso y el uso de cada una.

Con la visualización se obtiene un alto valor en los datos y el entendimiento de procesos, que ayuda tomar decisiones contundentes entorno a las compañías. En la cadena logística estas herramientas son utilizadas a lo largo de todo el espectro, ya que ningún proceso está exento de proveer información valiosa, y es por esto por lo que distribución, inventarios, ventas, operaciones portuarias y transporte terrestre, ya no pueden ser vistos por fuera de la inteligencia de negocios, pues cada proceso logístico es crucial para los costos y el desempeño de las compañías.

Visualizar la información de un portafolio o inventario de productos en un escatergrama es una forma muy simple de entender cuáles productos están aportando valor a la compañía y aún más importante, cuáles lo están destruyendo y qué acciones se deben tomar al respecto. De esta forma, los inventarios se gestionan y se gerencian de una manera óptima.

Otro claro ejemplo es el monitoreo de indicadores logísticos. Los gerentes de logística administran sus procesos de forma rápida y efectiva con el uso de tableros o dashboards de gestión, que son diseñados para generar alertas gráficas y facilitar la toma de decisiones en sitio. Con esto, un proceso de distribución puede monitorearse rápidamente con la lectura del Fill Rate, el On Time, lasreferencias despachadas por hora-hombre o cualquier otro indicador establecido que sea importante en el proceso logístico.

Analítica descriptiva y predictiva

La visualización analítica siempre está bien y nos ayuda con importantes decisiones de la compañía, pero más allá de hacer que los datos muestren una radiografía de la empresa, lo que muchas personas quieren es escuchar la historia de los datos, entenderlos, hacer que hablen y que, según su pasado, sugieran lo que va a suceder con los próximos registros. Esta asociación de los datos hablando no está fuera de lo normal, de hecho, esto es lo que se busca con la estadística descriptiva y la analítica predictiva y prescriptiva.

Todos conocemos la regresión lineal que, a partir de registros y unas estadísticas básicas, encuentra un modelo matemático lineal (ecuación de línea recta) que permite modelar el comportamiento de un proceso, experimento o situación. Una vez se tiene esta línea recta, es posible hacer predicciones con un margen de error asociado a la distribución de los datos.

Con esta técnica se pueden modelar experimentos como la deformación de un resorte y predecir con la longitud deformada del resorte cuál es la carga que está aplicada sobre él, pero también se pueden modelar sistemas más complejos como el que conforman la energía y la producción en una planta de manufactura. Este simple modelo ayuda a empresas a lo largo de todo el mundo a planificar sus demandas de energía teniendo en cuenta únicamente cuántas unidades se van a producir, además de que con el mismo modelo se planifican mantenimientos y se monitorea el estado de las máquinas y la materia prima. Esto y mucho más es lo que se logra cuando hacemos que los datos hablen.

Para predecir el comportamiento de un sistema complejo que incluye varias variables y de carácter no lineal y desconocido, hay que hacer uso de herramientas computacionales más avanzadas; las cuales permiten procesar millones de registros al instante, además de contener librerías y métodos de análisis establecidos. Nuevamente, en Excel pueden llevarse a cabo análisis complejos, pero cuando se trata de estadística avanzada y grandes volúmenes de información, ya no es la herramienta idónea y en estos casos el reemplazo más común es el uso de Python y R, dos lenguajes de programación de código abierto y libre uso, especializados en el análisis de datos.

Algunas de las técnicas más comunes de la analítica predictiva son las máquinas de soporte vectorial (SVM por sus siglas en inglés), los bosques aleatorios y las redes neuronales, las cuales se fundamentan en modelos estadísticos y matemáticos que permiten obtener complejos sistemas de clasificación.

Un claro ejemplo de esto es el uso de redes neuronales para el reconocimiento de imágenes y personas. Con esta técnica y con las máquinas de soporte vectorial se adelantan múltiples avances médicos para la detección de tumores analizando las radiografías obtenidas y las características de las muestras. Y esta misma tecnología está siendo aplicada en centros de distribución, donde, de acuerdo con el tamaño, tipo de embalaje y color, se clasifica la carga de forma automática, sugiriendo el tipo de vehículo necesario para llevar a cabo un despacho y con realizar la asignación automática de fletes y rutas.

Los sistemas de gestión de almacenes WMS (por sus siglas en inglés Warehouse Management System) portan información valiosa y susceptible a la analítica. Su información nos sugiere por si sola cómo optimizar y rediseñar los almacenes. Los datos nos describen cómo es el flujo de referencias y SKU’s, además del orden de despacho frecuente. Si bien todo esto es tenido en cuenta en el diseño inicial, también comienza a ser el insumo de la mejora continua, ya que todos somos conscientes y dolientes de los ahorros y los costos que se presentan en distribución. En casos como este, la visualización y la analítica ya son imprescindibles.

Analítica prescriptiva

Por último, se encuentra la analítica prescriptiva; esta, después de conocer los datos, usa las historias contadas para recomendar o sugerir una acción. A diario convivimos con estos sistemas de analítica, por ejemplo, los servicios de streaming como Netflix y Prime Video saben qué tipo de contenido nos gusta y saben qué películas y series recomendarnos con base en nuestro consumo; lo mismo hacen Google y Facebook analizando nuestras navegaciones por internet.

En muchas ocasiones queremos conocer la relación entre las acciones que tomamos y la respuesta que obtenemos por ello en la compañía, o encontrar la correlación entre procesos y variables. El más claro ejemplo de esto es el estudio de analítica que hace el marketing en sus campañas publicitarias y el resultado obtenido en las ventas de un producto y su línea en el mercado. Los mercaderistas se apropiaron de estas tecnologías y tienen la capacidad de dar una respuesta objetiva a situaciones en cuestión de horas y medir el impacto que tiene su publicidad por los diferentes canales de comunicación. Además, este impacto de la analítica en el mercadeo ha permitido que las empresas planifiquen objetivamente su demanda y ha masificado las ventas de las compañías en gran medida.

Parte del objeto de estudio del marketing, es el análisis de la tendencia del consumidor y su impacto en la cadena de suministros. Cada punto de ventas en particular es estudiado minuciosamente para distribuirle desde el almacén los insumos en su justa cantidad. Esta acción analítica tiene gran impacto en la cadena de suministros, pues con base en esto se controlan los recursos y activos logísticos necesarios para ejecutar cada operación, además del control que otorga sobre la demanda y producción.

Otro claro ejemplo de analítica prescriptiva se está llevando a cabo en centros de distribución a lo largo del mundo, y es que, a partir del histórico de ventas y despachos, se obtienen pronósticos acertados de la disponibilidad necesaria en personal y vehículos para poder ejecutar las operaciones de cada día de la semana. Las compañías planifican con base en los resultados del cierre de la semana cuál será su panorama y para qué deben prepararse. Estos impactos son solo una pequeña muestra de lo que se puede obtener cuando se hacen hablar los datos.

Queda claro que los datos son mucho más que trazabilidad, transacciones, histórico y control, especialmente cuando de procesos logísticos se habla. Estos, con un poco de analítica pueden contar historias complejas y ayudarnos a crecer en gran medida. Y sea cual sea el panorama frente a la información de tu área en la empresa, en cualquier ocasión debes visualizar los datos y escuchar sus sugerencias. La analítica ya existe y cualquiera puede disponer de ella.

Comparte esta publicación

Share on facebook
Share on twitter
Share on linkedin
Share on whatsapp
Share on email