Após realizarmos pesquisas de mercado nas áreas de logística e TI, onde atuamos, notamos o quanto a falta de informação impacta na decisão de todos os níveis em uma cadeia logística. Esses impactos vão desde não saber a posição dos veículos, até simples previsões de tráfego e ordenação de rota, serviços que sempre são feitos por uma pessoa ou equipe com auxílio, algumas vezes, de sistemas que entregam dados brutos, não se adequando as constantes mudanças do mundo em que vivemos.
Com base nisso, começamos o desenvolvimento de um sistema que gera informação e conhecimento a partir dos dados brutos fornecidos. Temos como meta oferecer opções de decisão, não apenas dados.
Usando uma integração AWS Kinesis Stream com Apache Spark, processamos dados de diversas fontes externas e internas de clientes, a fim de fornecer as opções com mais acuracidade, dentre as variáveis consideradas relevantes pelo mesmo.
Trata-se da combinação de um sistema de fluxo de dados na nuvem e o sistema de redução de dados mais usado atualmente. São análises feitas em tempo real, devido ao tratamento dos dados ocorrer antes da entrada no banco, resultando em uma economia de tempo que pode atingir 98% em relação à captura de dados em bancos não relacionais testados para o projeto.
Desta maneira é possível fornecer a um coordenador de operações qual motorista é o mais indicado para determinada rota e modelo de carga, assim como quais são as melhores rotas, previsão de chegada, pontos possíveis de parada, entre outros.
Tudo visando que o responsável logístico possa sempre ter insights sobre as melhores opções de quais caminhões, com quais caminhoneiros são os mais indicados para determinadas rotas, quais ajudantes geralmente são os mais rápidos, entregas problemáticas, tempo de entrega média, entre outros. Sempre pensando no máximo de recursos orçamentários a serem usados na operação.
A melhor parte é que o sistema se retroalimenta e aprende com suas próprias decisões, baseados em feedbacks de usuários, resultados de processo, e todos os fatores externos como clima, trânsito e greves.
O modelo pode ser implantado sem a necessidade de retirada dos sistemas que já são usados, pois sendo essencialmente um centro de coleta e processamento de dados gerados ele pode se comunicar com outros sistemas via xml, json e web service, diminuindo o custo de implantação dele para uma integração com os legados.
Quando utilizados todos os recursos que o sistema dispõe atualmente, é esperado que ocorra uma diminuição de 5% a 40% nos gastos com as operações recorrentes. Após ser implantado o sistema, com todas as integrações incluindo rotas inteligentes, dashboard com status da operação e relatórios gerenciais, e também com a disponibilização de um customer service dedicado, a mudança percebida pelos clientes é muito satisfatória, permitindo uma visão 360º da operação logística, combinada com um atendimento exclusivo e customizado.