Η DHL υλοποιεί αρχικά ευρήματα από την έκθεση τάσεων "Big Data in Logistics" που δημοσιεύτηκε πρόσφατα και χρησιμοποιεί μια περιεκτική πηγή δεδομένων για την έγκαιρη διάγνωση πιθανών κινδύνων στις αλυσίδες εφοδιασμού.
Με την παρουσίαση της λύσης "Resilience360”, ενός μέσου για τη διαχείριση κινδύνων της εφοδιαστικής αλυσίδας που χρησιμοποιεί αναλύσεις πληροφοριών Big Data, η DHL μπορεί να παρέχει στους πελάτες της δυνατότητα γνώσης για πιθανές διακοπές στις επιμέρους αλυσίδες εφοδιασμού τους. Περαιτέρω εφαρμογές που προέρχονται από την έκθεση τάσεων, όπως το μοντέλο πρόβλεψης όγκου πακέτων της DHL "DHL Parcel Volume Prediction” ή το "DHL Geovista", ένα διαδικτυακό εργαλείο geo marketing για μικρομεσαίες επιχειρήσεις για την ανάλυση επιχειρησιακών δυνατοτήτων, βρίσκονται πλέον σε πιλοτικό στάδιο.
«Η λύση Resilience 360 είναι ένα τέλειο παράδειγμα για τα οικονομικά οφέλη της ανάλυσης των πληροφοριών Big Data στα logistics. Η συγκέντρωση και η αξιολόγηση δεδομένων διασφαλίζει και βελτιώνει την αποδοτικότητα στις αλυσίδες εφοδιασμού. Με αυτό τον τρόπο, εξασφαλίζεται η επιχειρηματική συνέχεια και βελτιστοποιείται με βιώσιμο τρόπο η ικανοποίηση των πελατών», εξηγεί ο Δρ Markus Kückelhaus, επικεφαλής του τμήματος Trend Research, DHL Customer Solutions & Innovation. «Η έκθεσή μας δείχνει, επίσης, δύο άλλες πιθανές εφαρμογές των αναλύσεων των πληροφοριών Big Data: Τη βελτίωση της λειτουργικής αποδοτικότητας και τη δυνατότητα διερεύνησης νέων επιχειρηματικών μοντέλων.»
Η λύση DHL Resilience360 αποτελείται από δύο μέρη: μια μελέτη εκτίμησης των κινδύνων και εργαλεία για την παρακολούθηση της εφοδιαστικής αλυσίδας, που λειτουργούν σχεδόν σε πραγματικό χρόνο. Οι αλυσίδες εφοδιασμού πρέπει να είναι πιο ανθεκτικές και λιγότερο επιρρεπείς σε αποτυχία, εμποδίζοντας έτσι την διακοπή της παραγωγής και τις απώλειες εσόδων.
Ένα άλλο μέρος της έκθεσης τάσεων, που ασχολείται με τη βελτίωση της λειτουργικής αποτελεσματικότητας, καλύπτει την ανάλυση συσχέτισης των καιρικών συνθηκών, των κρουσμάτων γρίπης και τη διαδικτυακή συμπεριφορά αγορών των ατόμων. Το μοντέλο «DHL Parcel Volume Prediction», για παράδειγμα, μπορεί να διευκολύνει το σχεδιασμό σχετικά με τον όγκο των πακέτων που πρόκειται να μεταφερθούν, μέσω της συνεκτίμησης των διαφόρων σχετικών δεδομένων. Στην περίπτωση αυτή, τα μοντέλα Big Data βοηθούν στη βελτιστοποίηση των διαδικασιών και στη βελτίωση της εξυπηρέτησης των πελατών.
Τέλος, οι πληροφορίες Big Data προσφέρουν στους παρόχους logistics υποσχόμενα σημεία εκκίνησης για την ανάπτυξη νέων επιχειρηματικών μοντέλων, όπως η παροχή εργαλείων geo marketing για τις μικρές και μεσαίες επιχειρήσεις. Χρησιμοποιώντας το μοντέλο "DHL Geovista”, το οποίο παρέχει λεπτομερή ανάλυση και αξιολόγηση των σύνθετων γεωγραφικών δεδομένων, οι πάροχοι logistics μπορούν να προβλέψουν τα στοιχεία των πωλήσεων των μικρομεσαίων επιχειρήσεων.
