Descargar como PDF, PPTX
Subido porCLARA CAMPROVIN
Analítica avanzada y Big Data en el sector Transporte
El documento analiza el impacto del big data y la analítica avanzada en el sector de transporte y logística, destacando la importancia de la recopilación y análisis de datos en tiempo real para mejorar la eficiencia operativa. Se identifican los principales impulsores de la adopción del big data y sus beneficios, como la optimización de rutas y la mejora en el servicio al cliente. Además, se discuten tendencias actuales y técnicas de análisis para abordar problemas como el consumo de combustible y la gestión de inventarios.
Más contenido relacionado
Similar a Analítica avanzada y Big Data en el sector Transporte
Analítica avanzada y Big Data en el sector Transporte
- 1. Diciembre 2016/ 0 Elpotencial de la analítica avanzada y el BigData en el sector de Transporte y Logística Webinar:
- 2. Diciembre 2016/ 1 Enlo digital todo deja ‘huella’ Y esto genera datos que pueden ser explotados Digitalización Contexto para Analytics y BigData
- 3. Diciembre 2016/ 2 ¿Quéentendemos por BigData? BigData es la Datificación de “todo” Pensamientos Cosas Actividades
- 4. Diciembre 2016/ 3 ¿Quéentendemos por BigData? Si pudiésemos hacer una captura de lo que sucede cada minuto en internet obtendríamos una imagen como esta … Desde 2013, el número de Tweets ha aumentado un 25% hasta más de 350.000 Tweets/minuto El uso de Youtube se ha triplicado en los dos últimos años: los usuarios suben 400h de vídeo cada minuto! Los usuarios de Instagram hacen Like a 2,5M de posts cada minuto. Desde 2013, el número de post compartidos en Facebook ha crecido un 22%, desde 2,5M hasta 3M por minuto 4M de búsquedas se hacen en Google cada minuto! BigData es el resultado de la “Explosión de los Datos” Fuente: Internet Live Stats
- 5. Diciembre 2016/ 4 Porqué BigData ahora Drivers que impulsan su adopción Era del Internet of Things, donde sensores y sistemas recogen datos con estructuras múltiples e interactúan automáticamente. Era Digital y Social, las webs y aplicaciones móviles recogen y exponen nuestro comportamiento. ‘Mercados’ de datos, apertura de los datos por parte de las administraciones públicas y el fomento de los data markets. Cloud, tecnología y modelos XaaS. Aumento de la capacidad de computación de los procesadores y el ‘in-memory’ computing. Reducción del precio de almacenamiento de datos. Decisiones y acciones basadas más en el análisis de datos y menos en la experiencia e intuición. Drivers del BigData
- 6. Diciembre 2016/ 5 Quées BigData – Las V’s Más fuentes de datos y de mayor volumen provenientes de humanos y de máquinas: Móviles Analítica web Logs de aplicaciones Sensores (en coches, casas, trenes, instalaciones, etc.) Social media OpenData Históricos de aplicaciones Gran incremento en el volumen de los datos disponibles “Velocidad”: Los datos en real time como fuente de ventaja competitiva El disponer de datos sobre lo ocurrido y lo que puede ocurrir lo antes posible es una fuente de ventaja competitiva. Por ejemplo: Proporcionando “insights” al negocio sobre el comportamiento de clientes en tiempo real Posibilitando nuevas estrategias de negocio inspiradas por los datos Ofreciendo recomendaciones a clientes en tiempo real Predicciones más efectivas, ya que se cuenta con más datos Mayor variedad de formatos en los datos disponibles Estructurados (logs, históricos, sensores, etc.) No-estructurados (textos, documentos, vídeos, imágenes, etc.) provenientes de dispositivos móviles, sensores y otros dispositivos Cambio de paradigma en el tratamiento de la información
- 7. Diciembre 2016/ 6 alor LaV principal del BigData
- 8. Diciembre 2016/ 8 ¿Analizarmás datos para qué? ● Conocer mejor la realidad en la que actuamos ● Ofrecer mejores servicios y funcionalidades basados en la analítica ● Exponer-Monetizar ese conocimiento Clientes-Ciudadanos Procesos internos Competencia Personalización Recomendación Predicción Economía API OpenData
- 9. Diciembre 2016/ 9 Tendenciasen la industria de la Transporte Tendencias en Transporte Aumento de la colaboración. Búsqueda permanente de sinergias en transporte, almacenamiento, información, inversión y uso de tecnología Industry 4.0 – Transporte 4.0: Los mundos de la automatización y de las TIC están convergiendo Responsabilidad Social Corporativa y Sostenibilidad Visibilidad en la cadena de suministro Monitorización de recursos
- 10. Diciembre 2016/ 10 ¿Cambiaráel BigData la industria del Transporte? Fuente: KPMG “The future of Logistics”
- 11. Diciembre 2016/ 11 Mejorarproductos y servicios Mejorar la capacidad operativa y la eficiencia Optimizar la ruta y los kilómetros en vacío Optimización del inventario Controlar riesgos El Análisis de Datos proporciona nuevos métodos para abordar estos desafíos ¿Cambiará el BigData la industria del Transporte?
- 12. Diciembre 2016/ 12 Evoluciónde los procesos y los productos Mejor trazabilidad de los productos Mejor control de la flota de vehículos, actividad de los almacenes, de los pallets…etc Valor del BigData en la gestión del Transporte Mejor gestión de los activos Permite ajustar la oferta de un producto concreto a cada cliente. Previsión más segmentada y ajustada De la demanda Información de los dispositivos constate y en tiempo real Mantenimiento preventivo, ligado al IoT Parámetros de negocio para adaptar los precios a la demanda de productos y costes logísticos Fijación dinámica de precios Permite la reducción de los niveles de inventario Optimización de inventarios Estudio de diferentes variables para escoger la ruta más óptima Optimización de rutas Permite reducir los niveles de contaminación Sostenibilidad – contaminación Reducción de los kilómetros en vacío. Optimización de la Red de Transporte Optimización de la carga en base a diversas variables. Mejor planificación de cargas
- 13. Diciembre 2016/ 13 Cambiosgracias al Big Data en el Sector Transporte Gracias al BigData, las empresas de Transporte han conseguido: 1. Mejorar el servicio al cliente y los niveles de cumplimiento de la demanda. 2. Permite generar tiempos de reacción más rápidos y eficientes ante cualquier problema en la cadena logística. 3. Un aumento en la eficiencia de la cadena logística. 4. Una mejor integración de todo el sistema logístico 5. La optimización del inventario y una mejor productividad con el uso de activos. Fuente: Accenture 2015
- 14. Diciembre 2016/ 14 Disecciónde un proyecto de BigData
- 15. Diciembre 2016/ 15 Gastoen combustible Amortización del vehículo Reparaciones y mantenimiento Costes fiscales Seguros Dietas Neumáticos Financiación Personal de conducción El gasto en combustible supone aproximadamente el 1/3 del gasto total Se desconoce el gasto por consumo de combustible de forma anticipada y no se hace un consumo eficiente de dicho combustible Disección de un proyecto de BigData en Transporte Situación y problemáticas en las empresas del sector Principales partidas en la cuenta de resultados 25-35%
- 16. Diciembre 2016/ 16 Disecciónde un proyecto de BigData en Transporte Aspectos Tecnológicos a tener en cuenta Analítica avanzada Almacenamiento y procesamiento de datos BigData Visualización Real-time
- 17. Diciembre 2016/ 17 Disecciónde un proyecto de BigData en Transporte Diseño conceptual de la solución Datos Datos vehículo Tacógrafo Comportamiento conductor Características de la ruta Combustible Datos meteorológicos Plataforma de Big Data Variables influyentes en el consumo de combustible Ahorro en el consumo de combustibleAlmacenamiento Analítica Avanzada Modelos predictivos Correlaciones Regresión Logística Árboles de decisión Objetivos Visualización y Análisis Fuentes de datos
- 18. Diciembre 2016/ 18 Matriz dedatos Vehículo Carga Conductor Rutas Fijos Histórico Snapshot Largo / Alto / Ancho Capacidad Marca Fecha mantenimiento Peso Ocupación Origen Destino Educación Prácticas Desnivel Rugosidad de la vía Vías urbanas/autopista Estaciones de servicio Emisiones CO2 Consumo combustible Ruta Temperatura Otras variables Velocidad Agenda descansos Comportamiento tráfico Uso de cinturón Histórico de tráfico Histórico de accidentes Velocidad Posición Dirección Temperatura Otras variables Estado de la agenda Tiempo hasta la próxima parada Tráfico actual Colas Disponibilidad Meteo Mapas meteorológicos Histórico temperatura Probabilidad de lluvia Condiciones actuales Temperatura actual Disección de un proyecto de BigData en Transporte Evaluación de las fuentes de datos
- 19. Diciembre 2016/ 19 Disecciónde un proyecto de BigData en Transporte Fuentes de Datos Navision Peso de la carga Tipo de la carga Temperatura carga Entradas de gasoil Cantidad, lugar, fecha e importe Ficha del vehículo Continental Marca Antigüedad Motor Fecha último mantenimiento Emisiones CO2 Tacógrafo Vel. Media RPM Origen Destino Descansos Tiempo de conducción Otras Fuentes Datos Meteorológicos Histórico Temperatura Histórico lluvia Calendario Características de la ruta Desnivel promedio Rugosidad % vías urbanas Histórico de tráfico Histórico accidentes Precio del carburante Peajes Detalle datos Fuente Formato de datos Base de datos Fichero csv Varios
- 20. Diciembre 2016/ 20 Disecciónde un proyecto de BigData en Transporte Plataforma BigData – Diseño conceptual MeteoOpen Data Calendario Geoloca- lizaciónNavisionFicheros Sensores TacógrafoFuentes Almacen- amiento Nodo 1 Nodo 2 Nodo 3 Nodo n………………………………….. Cuadros de mando Informes Data Discovery Data Visualization Asociaciones Modelos predictivos Correlaciones Regresión Logística Árboles de decisión Redes Neuronales Detección de anomalías Visualiza- ción Anal. Avanzada
- 21. Diciembre 2016/ 21 MeteoOpen Data Calendario Geoloca- lizaciónNavisionFicherosSensores TacógrafoFuentes Almacen- amiento Visualiza- ción Analítica Avanzada Tecnologías de almacenamiento distribuido Disección de un proyecto de BigData en Transporte Plataforma BigData – Herramientas
- 22. Diciembre 2016/ 23 Detecciónde las variables que tienen más influencia en el consumo de combustible Recomendaciones para el consumo eficiente de combustible Ahorro en gastos de mantenimiento (ruedas, etc…) Mejora en la seguridad de los conductores Disección de un proyecto de BigData en Transporte Beneficios
- 23. Diciembre 2016/ 24 DemoBigData
- 24. Diciembre 2016/ 25 Empresade transportes Flota de camiones Sensores 1 2 3 …. 100
- 25. Diciembre 2016/ 27 Datoestructurado procedente de BD Relacional (características del camión y del conductor) Datos semi - estructurados procedentes del tacógrafo o sensores del camión Fuentes de datos Plataforma de Big Data Almacenamiento Procesamiento Visualización Apache Zeppelin Microsoft Power View Demo BigData Empresa de Transportes
- 26. Diciembre 2016/ 28 Analyticsy BigData Carlos Antón García Consultor Big Data [email protected] (+34) 628 698 598 ¡Muchas gracias!