Publicado 08/07/2020 13:10CET

Portaltic.-Big Data, analítica predictiva de datos y machine learning para detectar las necesidades de la cadena de suministro

Big Data, analítica predictiva de datos y machine learning para detectar las nec
Big Data, analítica predictiva de datos y machine learning para detectar las nec - DHL

   MADRID, 8 Jul. (Portaltic/EP) -

   DHL Supply Chain Iberia ha puesto en marcha el modelo Demand Forecasting que, utilizando Big Data, analítica avanzada de datos y machine learning, logra un ratio medio de acierto cercano al 90 por ciento en la previsión de la demanda de actividad, pudiendo dimensionar las necesidades futuras de la cadena de suministro, algo de gran valor para la planificación táctica y estratégica de las operaciones logísticas que la compañía proporciona a sus clientes.

   “El nuevo proyecto que hemos iniciado ahora en España da un paso más e incorpora las tecnologías y modelos de análisis más innovadores para hacer estimaciones, modelar diferentes escenarios y realizar análisis de sensibilidad, lo que nos permite anticipar de manera muy exacta qué necesidades logísticas se tendrán en el corto, medio y largo plazo”, explica Roberto Gamero, director de TI e Innovación de la compañía.

   El objetivo pasa por optimizar la gestión de dos aspectos clave para la actividad logística: la planificación de flotas y la previsión de gestión de la demanda en almacén, logrando una estimación muy exacta de los recursos necesarios para alcanzar los objetivos de productividad acordados con cada cliente, que puede garantizar la provisión al mercado de sus productos y, a su vez, no tener que incurrir en costes extra ante posibles eventualidades inesperadas.

   En estos momentos, en el área de gran consumo, la compañía ha de mantener un control predictivo para planificar una flota de 570 camiones diarios que transportan al año cerca de 8.620 toneladas de producto. A través de Demand Forecasting, DHL logra extraer información clave tras entrenar más de 2.800 modelos de predicción para el área de transporte y cerca de 3.300 para el entorno de almacén.

   Unos modelos de predicción en los que se conjugan datos históricos con aspectos de muy diversa índole, como, entre otros, calendarios festivos nacionales y autonómicos, eventos macro de todo tipo (huelgas, ferias, manifestaciones, celebraciones, etc), periodos de rebajas, picos extremos de demanda de productos y devoluciones por campañas de enorme repercusión comercial como CiberMonday o Black Friday, previsiones climatológicas o campañas promocionales de los propios clientes.

   Esta herramienta tecnológica ya está operativa en diez almacenes que la compañía tiene dedicados a los sectores de Farmacia y producto sanitario, Gran consumo y Distribución, y Tecnología, dando servicio actualmente a 25 clientes, y se está ampliando en estos momentos a otros diez almacenes para estos mismos sectores, con el objetivo de tenerlo implementado durante este año en un total de veinte almacenes.