Už jste to určitě taky slyšeli. Big data neboli velké objemy dat nejrůznějšího druhu nejsou jen tématem IT specialistů, mluví o nich kdekdo. Ne vždy je ovšem tak docela jasné (a to ani řečníkům samotným), k čemu můžou být big data dobrá, co dokáží říct a proč je nejen sledovat a ukládat, ale především analyzovat. Právě poslední bod zatím u většiny firem představuje zásadní háček.Analyzovat obrovská množství dat a najít v nich to, co dává smysl a může firmě pomoci v jejím jednání, není snadné. Jisté je, že to za to stojí. Správné vyhodnocení posbíraných dat může podstatně pomoct zvýšit efektivitu, ušetřit náklady a jednoduše řečeno dělat věci tak, aby dávaly smysl. Právě v našem oboru a obecně supply chain managementu to má (a věříme, že v budoucnosti bude mít ještě větší) smysl.

„Vyhodnotili jsme celý řetězec, od zákazníků po dodavatele, a dívali se, co se děje v jednotlivých článcích celého řetězce,“ říká Tomáš Formánek, CEO Logia. Když se na celý tenhle řetězec podíváme zdálky, ukáže se pořádně spletitý síťový graf.  Z toho je jasné, o jak komplexní věc jde.

Každé epicentrum, z nějž vybíhají čáry dál, představuje zákazníka Logia, kterému řídíme dodavatelský řetězec. Čím je tohle epicentrum větší, tím větší je i firma. Rovné čáry představují spojení s dodavateli. Celkem tu je 50 tisíc vazeb, z toho v 15 tisících jsou propojené. „To je ohromná příležitost, 30 procent spojení je společných, ale ty firmy to zatím neumí využít a neplánují podle toho,“ upozorňuje Formánek s tím, že graf znázorňuje de facto vzorek celého trhu (jsou zde zachyceny firmy z obchodu, řetězce, potravináři, nápojáři, zdravotní i automobilový průmysl). Vyjádřeno v reálných číslech, aby bylo jasné, o jak velké téma, potažmo o jak obrovskou sumu jde: na pozadí těchto vazeb je 160 miliard obratu a 120 miliard nákupu, jinak řečeno dvě miliardy transakcí za dva roky a 23 milionů položek na prodejnách.

K čemu je to dobré?

– Znalost těchto spojení může pomoci zefektivnit plánování a celkově řízení dodavatelského řetězce. Pokud by se informace mezi jednotlivými články přenášely rychleji a cíleně, podařilo by se lépe reagovat na nejrůznější výkyvy v poptávce a reflektovat je bez zbytečných nákladů.

– Z dat se dají analyzovat promoakce. Bez speciálních nástrojů to není vůbec snadné, ale vzhledem k tomu, že se dnes až 50 procent obchodu prodává přes promoakce, je analýza jejich efektivity více než smysluplná.

– O kanibalizaci obchodníci moc nemluví. Opět to je z velké míry proto, že dnes jen těžko dokáží přesně určit, kde a v jakém rozsahu se koná. Dáte slevu na eidam, a ementál zůstane v regálech. Podobně je na tom otázka, jaký je skutečný postpromoční efekt. Díky analýze dat jsme ale schopni zjistit i tohle.

– Výroba je taky věda. Když si vezmeme produkční linky a zamyslíme se nad tím, jak je postavit tak, aby fungovaly co nejefektivněji, vidíme další pořádný úkol. Možných kombinací, jak výrobní linku byť jen pro několik produktů poskládat, je ohromné množství. A bez dat je výsledná varianta především věcí zkušenosti a intuice.

– Samozřejmě že další velké téma je distribuce. Jak ji uspořádat, abychom zbytečně neplýtvali zdroji? Stačí pět vozidel a deset zastávek a možných kombinací je opět bezpočet.

V dalších článcích se na našem blogu budeme jednotlivým částem věnovat podrobněji.

Mezitím se můžete mrknout třeba na tenhle článek Fortune, text amerického Forbesu nebo na tenhle rozcestník  s dalšími tipy na články, které rozebírají big data v logistice.