La mayor parte de los expertos y actores claves siguen utilizando métodos tradicionales para la obtención de los datos necesarios en estudios y análisis de movilidad, dado que son capacidades instaladas con las que cuentan las instituciones, organismos públicos y la academia. Sin embargo, la obtención de este tipo de datos es cada vez más compleja por la dificultad de su producción, lo que implica grandes costos y tiempos prolongados para su procesamiento. Si bien estas técnicas siguen siendo una pieza fundamental en muchas ciudades, es imprescindible conocer cuáles son las fuentes de datos no tradicionales que están disponibles, cómo se almacenan, analizan y cuál es su marco de implementación. El futuro presenta un desafío: los recursos humanos deberán estar formados en las nuevas tecnologías para hacer un uso eficiente de las fuentes de datos alternativas y su utilización en planeamiento, gestión y diseño de políticas de transporte y movilidad.
Conozcamos las ventajas del uso de Big Data en procesos de movilidad. Las oportunidades que brindan las nuevas tecnologías son potencialmente revolucionarias. Por ejemplo, el desarrollo de información predictiva a través del Big Data orientada a la actividad logística permite optimizar el transporte de cargas a través del establecimiento de rutas inteligentes desarrolladas en función de diferentes categorías como pueden ser el tráfico, el destino, el tipo de mercancía, las condiciones climáticas, los hábitos de consumo de los usuarios, etc. Esto supone para las empresas un importante incremento en su productividad, ahorro de costos y sobre todo mejoras en la experiencia satisfacción del cliente.
Las herramientas de data mining, reconocimiento de patrones, data analytics e inteligencia de negocio también se están integrando en el emergente campo de la ciencia de datos aplicada a los procesos logísticos, que está evolucionando hacia los modelos predictivos. Las empresas están aprendiendo a convertir grandes cantidades de datos en ventajas competitivas. El pronóstico preciso de la demanda del mercado, la personalización ajustada de modelos de negocio completamente nuevos como el comercio electrónico da cuenta de la explotación de datos no utilizados e inexistentes en el pasado. Según publicaciones especializadas, una mejor predicción de la demanda gracias al Big Data, en algunos casos dio como resultado una reducción del 20% al 30% en los niveles de inventario dependiendo del sector y una considerable optimización de la cadena de suministros.
En los procesos logísticos existe un volumen importante de datos que genera la actividad. No se dispone de un nivel de información homogéneo, sino que existen diferentes niveles de información logística generada de manera individual por empresas, asociaciones, consorcios u otros organismos. A través del Big Data, toda la información procesada en forma de datos se recategoriza, agregando valor a los datos capturados y pasando así a formar parte de una capa de información con un nivel de integración mayor. Por lo tanto, el proceso de Big Data aplicado a toda la cadena de suministro configura una herramienta para la gestión de grandes volúmenes de datos e información aplicada a la optimización de los procesos logísticos.
La utilización óptima de los recursos es una ventaja para los operadores logísticos. El exceso de capacidad reduce la rentabilidad de las empresas lo cual es crítico en la producción de servicios logísticos, mientras que la escasez de capacidad afecta la calidad del servicio y produce perdidas de mercado. Los proveedores logísticos necesitan realizar una planificación exhaustiva de los recursos, tanto a nivel estratégico como operativo. La planificación a nivel estratégico y operativo de las empresas requiere en ambas perspectivas técnicas de Big Data que mejoran la fiabilidad de la planificación y el nivel de detalle alcanzado, permitiendo a los proveedores logísticos optimizar las respuestas a la demanda y el aprovechamiento de los recursos disponibles, activos físicos, procesos e inversiones.
Publicado en 1 de noviembre del 2017
BIDtransporte
https://blogs.iadb.org/transporte/es/big_data_y_movilidad/
