Logistik-Big-Data: „Die große noch zu bewältigende Aufgabe“

1. Kraftstoffverbrauch und Steuerzahlungen.
2. Gesamtumsatz der Logistikbranche und nach Unternehmen.
3. Tarife und Transportpreise.
4. Arbeitsunfälle in der Logistik.
5. Produktverluste in der Lieferkette.
6. Nachfrageprognose für heute.
7. Vom WMS aktualisierter Lagerbestand.
8. Rückverfolgbarkeit der Lebensmittelkette.
9. Geolokalisierung der Lkw-Flotte.
10. Retourenbestellungen laut Kundenservice.
11. Daten zum Betrieb der Flurförderzeuge im Lager dank RF.
12. Daten zur Kommissionierung.
13. Daten zur Feinverteilung.
14. Verkehrsstrafen, Verstöße gegen behördliche Vorschriften usw.
15. Vorfälle im technischen Support für den Kundenstamm.
16. Anzahl der Follower in Ihrer digitalen Community zur Konvertierung in Kunden.
17. Tankstellen, Logistikplattformen, Rastplätze, Trockenhäfen usw.
18. Verwaltung von Paletten, Behältern und Verpackungen, Packaging usw.
19. E-Commerce-Konsumgewohnheiten.

Dies sind nur 19 Beispiele für Big Data in jeder Lieferkette. Asier Barredo, CEO von Baitech und Experte für Datenanalyse in der Lieferkette, hat die Big-Data-Situation im spanischen Logistiksektor diagnostiziert: „Es gibt Lager, die noch immer keinen Barcode in ihren Systemen installiert haben. Spanien hat noch einen langen Weg vor sich, um beim Big-Data-Management in der Supply Chain aufzuschließen – zumindest auf ein ähnliches Niveau wie die Länder Mitteleuropas. Ich bin der Ansicht, dass das Management großer Datenmengen in Logistik- und Transportunternehmen heute die große noch zu bewältigende Aufgabe ist. Und es wird einer der Schlüssel für das Überleben vieler Unternehmen der Branche sein – sowohl für kleine und mittlere Unternehmen als auch für multinationale Konzerne. Verschiedene Studien zu Supply-Chain-Trends für die nächsten 10 Jahre sprechen von der Bedeutung der Mikrosegmentierung als Erfolgsfaktor. Ein Mikrosegment ist der grundlegendste Teil jedes Produktportfolios und löst die endgültige Kaufentscheidung aus – nicht die Kategorie oder Produktfamilie. Die Mikrosegmentierung kann durch Big-Data-Analytik unterstützt werden. Sie ist das perfekte Werkzeug. Die Ergebnisse werden überraschend und effizient sein.“

Asier Barredo unterstreicht die notwendige Harmonisierung bei der Bewertung von Big Data in jedem europäischen Land: „Die Koordination, die wir heute haben, entsteht dank IT-Tools. Mit leistungsstarken Programmen können professionelle Berater alle Daten in für jedes Unternehmen vorteilhafte Schlussfolgerungen übersetzen“. In diesem Sinne hat der CEO von Baitech den Aufwand hervorgehoben, den beispielsweise die europäische Angleichung des statistischen Systems bedeutet hat:

Internet der Dinge (oder Industrial Internet)

Logistik-Big-Data sollte eher als Chance betrachtet werden, den Kunden besser kennenzulernen, als als Problem. Das Internet der Dinge (in jedem Objekt/Produkt unseres privaten und beruflichen Lebens) ist eine von allen akzeptierbare Gegebenheit. Die Realität von Big Data und dessen Verarbeitung erfordert jedoch ein Change Management. So werden beispielsweise Investitionen in große relationale Datenbanken in Kürze obsolet sein.

Lora Cecere, Gründerin und CEO von Supply Chain Insights, hat kürzlich versichert, dass: „Big Data bietet die Möglichkeit, die Prozesse der Lieferkette von außen nach innen neu zu definieren und eine kundenorientierte Lieferkette zu gestalten. Dies steht im Gegensatz zu den IT-Investitionen des letzten Jahrzehnts, die darauf abzielten, von innen nach außen zu reagieren – basierend auf dem Versand von Bestellungen. Diese traditionellen Investitionen in Enterprise-Resource-Planning (ERP), Advanced-Planning-Systeme (APS) und traditionelle Business Intelligence (BI) für Informationen verbessern zwar die Reaktionsfähigkeit der Lieferkette, ermöglichen es der Organisation jedoch nicht, diesen Prozess von außen nach innen zu orchestrieren. Neue Datentypen (z. B. Bilder, Social Data, Streaming, Sensordaten aus Global-Positioning-Systemen (GPS), das Internet der Dinge sowie unstrukturierter Text aus E-Mails, Blogs, Bewertungen und Rezensionen) bieten neue Chancen. Sie erfordern auch neue Techniken und Technologien. Big Data für das Unternehmen bedeutet: zuhören, testen, lernen und schneller reagieren.“

Die CEO von Supply Chain Insights berichtete über eine Umfrage, die sie im vergangenen September unter 123 Herstellern, Einzelhändlern, Großhändlern, Distributoren, Genossenschaften und 3PL-Anbietern durchgeführt haben, die mit dem Management großer Datenmengen vertraut sind. Dies sind die Ergebnisse:

• 76 % sind der Ansicht, dass Big Data eine Chance ist; 28 % haben bereits eine Big-Data-Initiative in ihrem Unternehmen. Die Möglichkeiten großer Datenmengen sind unendlich.
• Die Einführung neuer Konzepte für große Datenmengen ist ein radikaler Wandel für Supply-Chain-Teams. Es ist ein Change Management erforderlich.
• Es handelt sich um kleine, interaktive Projekte, die neue Analyseformen nutzen. Die Projekte müssen auf einem Business-Problem basieren, und der Ansatz muss auf kontinuierlichem Lernen beruhen. Das unterscheidet sich deutlich vom traditionellen Mapping-Projektansatz. Unternehmen müssen offen für die Ergebnisse sein und in Innovation durch Analysen investieren.
• Unter Big Data verstehen die Befragten ein Petabyte: die Arbeit mit einer Datenvielfalt, die über traditionelle strukturierte Daten hinausgeht, sowie Aufbauprozesse, die auf einer Erhöhung der Datengeschwindigkeit basieren, die mit Echtzeit-Streams verbunden ist.
• Die größte Chance liegt nicht im Volumen oder in der Geschwindigkeit der Daten, sondern im Chancenmanagement, das mit neuen Datenformen verbunden ist.
• Datenbanken wachsen, sind aber beherrschbar. 15 % der Unternehmen verfügen heute über eine Datenbank von mindestens einem Petabyte. Die größten Datenbanken sind keine ERP-Datenbanken. Stattdessen befinden sie sich in den Bereichen Produktmanagement oder Kanaldaten.
• Organisationen mit aktiven Teams im Stammdatenmanagement haben mit höherer Wahrscheinlichkeit ein großes, funktionsübergreifendes Datenteam. 54 % der Unternehmen mit Big-Data-Initiativen glauben, dass Datenanalysen mit einem MDM sehr hilfreich sind.