Las redes sociales, smartphones, sistemas GPS… generan miles de datos, que surgen desordenados, pero que al organizarlos son oro molido para gobiernos, empresas e individuos. Quien domine el lenguaje del Big Data marcará el rumbo y las tendencias en este mundo repleto de información.
La infraestructura y las actividades logísticas generan continuamente un volumen masivo de datos: a través de sensores en vehículos y vías de comunicación, sistemas de peaje y de transporte público, dispositivos de sistema de rastreo satelital (GPS) y aplicaciones en teléfonos inteligentes… Por ello, logística, tecnología y datos están hechos tal para cual.
A la recopilación, almacenamiento y explotación de volúmenes masivos de datos se denomina Big Data. Sin embargo, más allá de generar y acumular, el reto está en su explotación y análisis: obtener información útil para la toma de decisiones de gobiernos, empresas e individuos.
Dicho tratamiento requiere no sólo de avances en tecnología y algoritmos computacionales, sino de un cambio de mentalidad orientada hacia el futuro y al desarrollo de habilidades analíticas: «ciencia de datos» (data science).
Al Big Data lo caracterizan tres «V’s»:
1. El volumen de datos que se genera diariamente. Por ahora es de 2.5 x 1018 bytes, lo que significa que 90% de los datos en el mundo se crearon en los dos últimos años.
2. La velocidad con la que se generan los datos tanto por individuos como por máquinas (webcams, lectores, sensores, sistemas GPS y otros dispositivos autónomos conocidos como «Internet de las cosas»1), así como la celeridad necesaria para almacenarlos y explotarlos.
3. La variedad de datos (videos, imágenes, texto, sensores, posicionamiento GPS, etcétera) incrementa la complejidad en el análisis.
Una vez estructurados los datos, se procede a su análisis y explotación mediante el uso de algoritmos computacionales que pertenecen a dos tipos de estudio:
1. Análisis predictivo. Identifica las principales variables que impactan un proceso y predice la probabilidad de que un suceso ocurra. Comprende técnicas estadísticas de modelación, minería de datos y aprendizaje automático (Machine Learning), entre otras. En su libro Predictive Analysis, Eric Siegel lo define como «el poder para predecir quién hará un clic, quién comprará, mentirá o morirá».
2. Análisis prescriptivo.Conocido comúnmente como optimización, busca la combinación de factores/variables para maximizar o minimizar un resultado. Muchos de estos algoritmos tuvieron orígenes militares y se han utilizado por varios años en las industrias de servicios financieros y telecomunicaciones. Otro tipo de industrias y actividades los han comenzado a utilizar recientemente.
BENEFICIOS PARA EL GOBIERNO
Los gobiernos, en todos sus niveles, son responsables de proveer infraestructura, reglamentación y servicios en materia logística para soportar el flujo de personas, bienes y servicios en su lugar de influencia y en otras entidades. El ámbito público debe tomar decisiones de inversión y financiamiento que impacten el crecimiento económico y la calidad de vida de los individuos.
Tomemos como ejemplo el congestionamiento vial en las ciudades, un problema que afecta a empresas e individuos y genera altísimos costos económicos, ambientales y personales. La figura 1 muestra los resultados del Commuter Pain Index (IBM, 2011) que clasifica a las principales ciudades del mundo en términos del costo económico y emocional de las personas que se transportan a su lugar de trabajo.
El costo del congestionamiento de tráfico es muy elevado. De acuerdo con un estudio de la revista Forbes (2014), los embotellamientos en Estados Unidos significan 124 mil millones de dólares perdidos al año, cifra que para 2030 se incrementará 50%. Los principales costos son el tiempo y combustible desperdiciados, así como los costos indirectos transferidos a los consumidores. Los datos del estudio tienen como base el índice de la empresa INRIX, cuya misión es resolver el problema de tráfico en el mundo, para lo cual recolecta y procesa datos de más de 180 millones de vehículos y dispositivos en las calles de 40 países.
La solución al congestionamiento de tráfico no es trivial, ya que requiere de cambios en múltiples áreas: el uso de diferentes medios de transporte público y privado, modernizar la infraestructura, crear nuevos impuestos y leyes, recopilar y analizar datos, entre otros.
Desde el punto de vista tecnológico, una opción es manejar el tráfico en las ciudades de la misma manera que se maneja en internet. Allí se optimiza con software y enrutadores; por lo tanto, en las calles se puede mejorar el tráfico al recopilar y analizar datos. Esto puede llevar a acciones específicas como: sincronizar semáforos, crear carriles dinámicos de alta ocupación y peajes basados en condiciones de tráfico. Incluso imaginemos un escenario en el que los conductores renuncien al control de sus vehículos y que el tráfico se optimice al coordinar autos y vías de comunicación. En algunos estados de la unión americana ya están permitidos los automóviles autónomos, como el Google Self-Driving Car.2
Actualmente existen múltiples iniciativas que permiten a las agencias gubernamentales de transporte entender y operar mejor el tráfico, lo que se traduce en traslados más ágiles, calles más seguras y descenso en la contaminación. He aquí algunos ejemplos:
• Los Ángeles, Estados Unidos. Desde hace varios años utiliza datos en tiempo real para sincronizar los miles de semáforos. El sistema funciona con sensores en las calles que miden el flujo del tráfico, cientos de cámaras y un sistema central que analiza los datos y hace ajustes segundo a segundo para maximizar el flujo, adaptándose a condiciones cambiantes y utilizando información histórica para predecir embotellamientos.
Resultado: El flujo incrementó 16% y los tiempos se redujeron 12% en las intersecciones más importantes.
• Brisbane, Australia. Su sistema Queensland Motorway utiliza modelos matemáticos que manejan los flujos de tráfico, reducen cuellos de botella y mejoran la seguridad.
Resultado: En la red de autopistas administradas por el organismo, se redujeron 13 minutos de transporte en horas pico.
• New Jersey, Estados Unidos. Con la tecnología Turnpike Authority identifican congestionamientos inminentes 10 minutos antes de que sucedan y alertan a los conductores para buscar otras opciones.
Resultado: La tecnología tiene una certeza de predicción de 96.2% con anticipación de 30 minutos y de 93.4% con anticipación de 60 minutos.
Otros ejemplos de los beneficios potenciales del uso de tecnología y datos en la logística son:
• Predecir el impacto causado por actividades planeadas (cierres en líneas de metro, construcción y mantenimiento, eventos especiales…), por eventos no planeados (huelgas, manifestaciones…), por otros factores (clima, días festivos); y recomendar los cambios para lidiar con el impacto.
• Identificar nuevas rutas con menos conexiones o adecuar vías existentes para reducir tiempos de espera.
• Detectar y predecir incidentes no planeados como accidentes, vehículos descompuestos, etcétera; y recomendar respuestas óptimas.
• Identificar sucesos diarios relacionados con el la infraestructura y el transporte público (retrasos recurrentes, fallas en vehículos o semáforos…) y sugerir formas para eliminarlos o mitigarlos.
• Modelar y predecir el impacto de diferentes proyectos de transporte (en términos de cambios de patrones de rutas, uso de suelo, etcétera) y asistir en la selección o cambio de los mismos para lograr objetivos de sustentables.
• Examinar el impacto de grandes desarrollos comerciales (centros comerciales, universidades, estadios…), para que las autoridades incrementen el beneficio público del proyecto.
UTILIDAD PARA LA EMPRESA
También las empresas pueden mejorar su operación logística al explotar grandes volúmenes de datos en cuatro áreas: planeación estratégica, eficiencias operativas, manejo de riesgo y creación de nuevos modelos de negocio.
Utilizar de manera óptima los recursos es una de las ventajas competitivas de cualquier empresa. El exceso en capacidades de recursos reduce la rentabilidad, mientras que el déficit impacta la calidad del servicio y arriesga la satisfacción del cliente.
A nivel estratégico, el análisis de grandes cantidades de datos permite tomar decisiones sobre la topología de una red de suministro: los mercados a servir, el número y ubicación de fábricas, almacenes, centros de distribución y cruces de andén; y los modos de transporte a utilizar. Al generar pronósticos más precisos que consideren información histórica, aspectos macroeconómicos, comportamientos cíclicos o estacionales, y nuevas tendencias, las empresas pueden disminuir el riesgo de sus inversiones a largo plazo.
El análisis de datos también ayuda a definir el tamaño y composición de las flotas de transporte. Por ejemplo, aún cuando la mayoría del transporte entre ciudades se sigue haciendo mediante ferrocarril y autotransporte de carga, la distribución en las ciudades ha evolucionado para lidiar con el incremento del tráfico y las regulaciones locales, lo cual ha incrementado el número de vehículos pequeños que cubren áreas más reducidas.
A nivel operativo, permite tomar decisiones en tiempo real sobre el despliegue de la capacidad disponible (recursos productivos y de distribución, vehículos de transporte, personal operativo…) disparado por cambios en las condiciones locales: en patrones de demanda, pronósticos del clima, condiciones de tráfico y otros incidentes (epidemias, desastres naturales, etcétera).
Para las empresas que tienen muchos puntos de recolección y entrega, permite optimizar las rutas en tiempo real, al utilizar información sobre el tráfico, la ubicación de puntos de recolección y entrega, y la saturación del vehículo.
El uso de la tecnología ofrece grandes beneficios en el manejo del riesgo, pues permite a las empresas anticiparse a situaciones problemáticas, diseñar cadenas de suministro resilientes y tomar decisiones en imprevistos. Por ejemplo:
• Identificar patrones y cambios en el comportamiento de conductores que se relacionan con accidentes prevenibles. Schneider, una de las principales empresas de transporte en Estados Unidos con más de 13 mil conductores, utiliza software predictivo para identificar a conductores más propensos a involucrarse en accidentes.
• Predecir riesgos de eventos con potenciales desastres, al dar seguimiento del desarrollo local en aspectos políticos, económicos, naturales y de salud.
• Pronosticar problemas de fallas en equipo crítico. La empresa BNSF predice fallas en vías de tren, la principal causa de accidentes ferroviarios, con una certeza de 85%.
El análisis de datos también brinda efectos indirectos. Por ejemplo, al entender mejor las necesidades de los clientes, las empresas son capaces de ubicar los productos correctos en lugares oportunos, reduciendo así el exceso y el transporte innecesario de productos.
Además de los beneficios a las operaciones logísticas actuales y futuras de las empresas, la tecnología abre oportunidades para nuevos modelos de negocios.
PROVECHO PARA LAS PERSONAS
La logística es parte de nuestra vida diaria, cuando nos trasladamos a la escuela o lugar de trabajo, tomamos un avión, compramos alimentos extranjeros, etcétera. Para muchas personas, las actividades logísticas consumen una parte importante de tiempo y energía, patrón que se incrementó en años recientes, sobre todo en las grandes ciudades.
La gráfica 1 muestra los tiempos de traslado promedio para personas que utilizan el transporte público en varias ciudades del mundo. En al menos seis, el tiempo que se ocupa en traslados es mayor a dos horas diarias, que se podría dedicar a actividades productivas o de esparcimiento para mejorar la calidad de vida.
Con el fin de reducir tal impacto, en años recientes se han dado avances tecnológicos visibles, como el caso de las aplicaciones para teléfonos inteligentes:
Waze, desarrollada en Israel en 2008 y adquirida por Google en 2013, utiliza los datos de cada individuo para generar inteligencia colectiva (crowdsourcing) que favorezca a todos. Envía información de posición y velocidad de manera continua, calcula las velocidades en las diferentes vías y recomienda rutas. Además, ayuda a mejorar los mapas existentes al reconocer los sentidos de las vías (si todos los vehículos van en la misma dirección, concluye que la calle es de un solo sentido) e identificar nuevas vías (cuando un vehículo utiliza una vía por primera vez, inmediatamente se actualiza el mapa y la vía se vuelve visible para todos los usuarios). Otras aplicaciones similares, como INRIX, combinan los datos en tiempo real con otros que afectan el tráfico para ofrecer mejores opciones a sus usuarios: pronósticos del clima, eventos especiales, horarios escolares, construcción y mantenimiento, etcétera.
Moovit, aplicación desarrollada en 2012 por los creadores de Waze, funciona de manera similar pero para el transporte público; combina en tiempo real los datos de los usuarios con datos estáticos (itinerarios) proporcionados por las autoridades del transporte público y brinda mejores opciones.
Otras aplicaciones recientes promueven el concepto de ride-sharing, que permite emparejar a individuos que requieren transporte con otros que lo ofrecen. En este grupo están Uber y Lyft, creadas en San Francisco en 2009 y 2012, respectivamente. El impacto de esta tecnología es importante, ya que fomenta el mejor uso de asientos vacíos en vehículos de pasajeros, lo que se traduce en menos autos en las calles. Este concepto ha resultado controversial por su falta de regulación y por la incapacidad de proveer seguridad a los pasajeros, también ha enfrentado obstáculos legales promovidos por sindicatos de taxistas y organismos de transporte público. El resultado: ha sido aprobado en algunas ciudades y prohibido en otras, como Berlín.
Otro ejemplo es una iniciativa de IBM en Corea de Sur, que utiliza la ubicación de un usuario con teléfono inteligente y provee información para encontrar estacionamiento, lo cual no es baladí pues se estima que más de 30% de la congestión de tráfico en ciudades se debe a automóviles que buscan un lugar para estacionarse.
Juntar estas dos tecnologías trae aún más ventajas, una muestra es la alianza entre Moovit y Lyft, que permite que los usuarios soliciten un conductor para recogerlos en caso de que el transporte público no pueda llevarlos puntualmente a su destino.
NUEVOS MODELOS DE NEGOCIO
Además de las ganancias que pueden obtener los gobiernos, las empresas y las personas, existen grandes beneficios adicionales por la colaboración entre todos. A continuación algunos ejemplos:
• Río de Janeiro es la primera ciudad del mundo en recolectar datos en tiempo real de conductores que utilizan Waze y usuarios de transporte público que utilizan Moovit (también está en conversación con Strava para datos de ciclistas), lo que le permite tener una visibilidad sin precedente de miles de puntos móviles. Por un lado, las autoridades utilizan estos datos para entender los patrones de movimiento, identificar problemas y tomar acciones correctivas, así como para mandar alertas a la población. A cambio, Waze recibe información en tiempo real de sensores y cámaras en las calles y Moovit recibe información de tiempo real de GPS de autobuses y trenes públicos.
• MyWays, una iniciativa de DHL, busca optimizar el problema de la última milla (el último eslabón en una red de suministro es casi siempre el más costoso) que enfrentan las empresas de distribución para entregar mercancía en el último punto de entrega. La idea, basada en el concepto de crowdsourcing, es muy sencilla: pagar a individuos (viajeros, taxistas, estudiantes) para realizar la entrega en rutas que de todas maneras iban a utilizar.
• Utilizando una variedad de sensores en vehículos comerciales y particulares, las empresas e individuos pueden recopilar datos ambientales (contaminación de ozono y partículas, temperatura, humedad, densidad del tráfico, ruido, condiciones de las calles, etcétera), que representan información invaluable para autoridades, agencias ambientales y otras organizaciones.
Hoy son visibles los adelantos en tecnología que impactan las decisiones diarias de autoridades, empresas y personas. Al mirar hacia adelante aún nos topamos con un sinnúmero de obstáculos que saltar: cambio de mentalidad, calidad de datos, privacidad, reglamentación, factibilidad técnica. Sin embargo, en el largo plazo, cuando la tecnología y el análisis de datos tengan una influencia omnipresente en las actividades logísticas, estos obstáculos serán secundarios, ya que sus beneficios superarán el costo y las oportunidades siempre serán impulsadas por el espíritu emprendedor.
Notas finales
1 «Internet de las cosas» se refiere a la interconexión digital de objetos cotidianos con Internet.
2 Google Self-Driving Car es un proyecto de Google para desarrollar tecnología para vehículos autónomos.