Predictive Analytics in Logistics: เทรนด์ที่ต้องตามให้ทัน

Business person hand holding financial statistics displayed on the tablet screen at office.

______________________________________________

ท่ามกลางการแข่งขันที่รุนแรงที่มีผู้เล่นจากอุตสาหกรรมอื่นขยับเข้ามาในธุรกิจโลจิสติกส์มากขึ้น เราจะต้องเตรียมพร้อมอย่างไร เพื่อก้าวให้ทันเทคโนโลยีเหล่านี้

______________________________________________

            เทคโนโลยีในการพยากรณ์คำสั่งซื้อของ Amazon ที่สามารถส่งสินค้าก่อนที่ผู้ซื้อจะกดทำการสั่งซื้อทำให้บริษัทโลจิสติกส์อื่นๆต้องตื่นตัวในการนำระบบต่างๆเข้ามาช่วยในการพยากรณ์ก่อนจะถูกบริษัทอย่าง Amazon เข้ามาแทนที่ ล่าสุด UPS ได้เริ่มใช้ข้อมูลจากฐานข้อมูลที่มากกว่า 1 พันล้าน shipment ต่อวัน เพื่อเข้ามาประมาณการปริมาณการขนส่งและความต้องการของลูกค้า

ในการทำงานด้านโลจิสติกส์ แน่นอนว่าการการคาดการณ์อนาคตเป็นเรื่องยาก แต่ถ้าเรายังไม่เริ่มต้นใช้เครื่องมือเราอาจจะตามผู้เล่นคนอื่นไม่ทัน เพราะเครื่องมือเหล่านี้สามารถนำมาใช้ได้อย่างไม่มีขอบเขต ไม่ว่าจะเป็นการทำ Network Management, Risk Management, Route Optimization การวางแผนปริมาณการขนส่ง ไปจนถึงการวางแผนเพื่อบำรุงรักษารถ

จาก A.T. Kearney Analysis การใช้ข้อมูลเพื่อนำมาทำการพยากรณ์จะเป็นเทรนด์ที่มีความสำคัญสำหรับธุรกิจโลจิสติกส์มากที่สุดในอีก 10 ปีข้างหน้า เครื่องมือที่ใช้ในการวิเคราะห์นี้รวมถึง AI จะถูกนำมาใช้ในการทำ Optimize เส้นทางการขนส่ง ตารางเดินรถ Asset Utilization และอื่นๆ เราจึงควรเตรียมความพร้อมในการใช้เครื่องมือเหล่านี้ตั้งแต่วันนี้

การปรับเปลี่ยนภายในองค์กร

จากการสำรวจของ Gartner ในปี 2017 พบว่า 3 ใน 4 ของผู้บริหารด้าน Supply Chain ยอมรับว่าการทำงานในปัจจุบันยังไม่เป็นไปในทางเดียวกันกับนโยบาย Digital Transformation ซึ่งไม่ใช่เรื่องที่น่าแปลกใจแต่อย่างใด หากการทำงานในปัจจุบันยังคงใช้ Excel หรือการบันทึกในกระดาษเป็นหลัก ซึ่งทั้ง 2 อย่างนี้ไม่เป็นประโยชน์ต่อการนำข้อมูลมาคำนวณผลด้วยเครื่องมือขั้นสูง ดังนั้นสิ่งที่ต้องทำก่อนที่จะลงทุนซื้อเครื่องมือในการทำ Predictive Analytics คือการเตรียมความพร้อมในการทำ Digitalization ในองค์กร อาจเริ่มจากการมีทีม Digital ที่วางแผนการปรับเปลี่ยนองค์กรและนำเทคโนโลยี เช่น GPS เซ็นเซอร์ IoT มาใช้ เพื่อให้มีฐานข้อมูลในการนำมาวิเคราะห์

ในธุรกิจโลจิสติกส์ที่ Margin น้อยการมีข้อมูลที่ทำให้เห็นทั้ง Supply chain เหมือนอย่างที่ Amazon มีจะช่วยให้ธุรกิจสามารถแข่งขันได้ และที่สำคัญคือการให้พนักงานเข้าใจความสำคัญของเทคโนโลยีและเตรียมพร้อมรับความเปลี่ยนแปลงนี้  อาจจะผ่านช่องทางการออกไปสัมมนาหาความรู้จากภายนอกเพิ่มเติม การจัดอบรมให้พนักงานมีความรู้เรื่องการใช้เทคโนโลยี เป็นต้น

Clean Data คือสิ่งสำคัญ

นอกจากการบันทึกข้อมูลแล้ว คุณภาพของข้อมูลยังเป็นสิ่งที่สำคัญในการทำ Predictive Analytics เพื่อตัดสินใจ จากการสำรวจของ Deloitte ในปี 2017 พบว่าอุปสรรคที่สำคัญที่สุดของการนำเทคโนโลยีมาใช้ในการวิเคราะห์ในธุรกิจโลจิสติกส์คือคุณภาพของข้อมูล รองลงมาคือไม่มีข้อมูล ซึ่งเป็นผลมาจากการบันทึกข้อมูลในระบบที่หลากหลาย ใช้หน่วยวัดที่ต่างกัน ดังนั้นการทำให้ข้อมูลเป็นมาตรฐานเดียวกันคือสิ่งสำคัญ

ปัจจุบันเรามีระบบ AI ที่สามารถช่วยทำให้ข้อมูลมีคุณภาพมากขึ้นด้วยการตรวจหาข้อมูลที่ผิดปกติและทำให้เป็นมาตรฐานก่อนจะส่งเข้าสู่เครื่องมือการวิเคราะห์ต่างๆนอกจากนี้ยังสามารถคาดเดาจากข้อมูลส่วนที่ควรมีแต่ขาดหายไปได้ด้วย โดย AI ใช้ข้อมูเพียงแค่ 10% จากข้อมูลที่มีอยู่จริงก็สามารถสร้างข้อมูลที่ควรจะเป็นของบริษัทนั้นๆได้แล้ว

ลงทุนในเทคโนโลยีที่ถูกต้อง

หลังจากที่เรามีระบบและข้อมูลที่มีคุณภาพแล้ว สิ่งที่สำคัญต่อมาคือการเลือกลงทุนในเทคโนโลยีที่เหมาะสมกับองค์กร  World Economic Forum ประมาณการว่าเทคโนโลยีที่เกี่ยวข้องกับการนำข้อมูลมาวิเคราะห์จะมีมูลค่าในตลาดรวมกันกว่า 8 แสนล้านดอลลาร์ ซึ่งการพัฒนาเครื่องมือเหล่านี้ด้วยตัวเองอาจจะเป็นไปได้ยากสำหรับบริษัทโลจิสติกส์ทั่วไป ดังนั้น การลงทุนซื้อเครื่องมือเหล่านี้จากบริษัท startup ก็อาจเป็นตัวเลือกที่ดี

อย่างไรก็ตาม นอกจากการเลือกลงทุนในเทคโนโลยีที่เหมาะสมแล้ว ยังต้องคำนึงถึงทรัพยากรบุคคลที่เป็นผู้ใช้อีกด้วย การมีพนักงานที่สามารถเข้าใจการใช้เครื่องมือเหล่านี้ก็เป็นสิ่งที่จำเป็นต้องลงทุน

เรียบเรียงโดย BLOG.SCGLogistics

อ้างอิงและรูปภาพจาก http://transmetrics.eu, pixabay.com

Share this post