Тысячи компаний используют облачные системы «БелТрансСпутник» уже 20 лет. Это позволяет алгоритмам сравнивать поведение обезличенных пользователей между собой, улавливать успешные практики, обучать на них систему и создавать «отраслевой разум». Система находит максимально выгодные решения практически мгновенно.
Обладая надежной информацией, вы принимаете верные решения. А если у вас надежная информация за 20 лет, алгоритмы улавливают тенденции и миллионы факторов – вы принимаете верные решения уже и на будущие недели.
ИИ сделал возможным прогнозирование, но особенно важно и то, что Система подсказывает пользователям – какое их действие не оптимально, может их обучать. К тому же она видит реально эффективных сотрудников, и позволяют руководителю вовремя премировать их, чтобы не потерять.
В чем экономия?
Если говорить о грузовых автоперевозках, то около 15% затрат неоправданно истираются об асфальт. Система это видит, сравнивая 100.000 водителей между собой: многие проезжают с тем же темпом в полностью аналогичных условиях, но с меньшими затратами. Значит, остальные неоправданно перерасходуют ресурсы своих компаний. И система дает инструменты для их сокращения.
Что касается доставки в магазины и E-commerce, то там исторически сложилась цифра недополученной доходности логистики до 30-50%. Если говорить конкретно о логистике доставки: 30-50% – это много. Как это работает? И причем здесь прогнозы?
На основе GPS-данных движения 50.000 обезличенных корпоративных автомобилей за 20 лет наши Data Science-инженеры научились прогнозировать трафик на дорогах, очереди в гипермаркетах. Это позволяет давать водителю на завтра максимально напряженное, но гарантированно выполнимое задание. То есть максимально выгодное предприятию. Без недовольства водителя.
10 лет разрабатывались и закладывались в Систему собственные алгоритмы для оптимизации сетей маршрутов доставки с учетом загрузки улиц и очередей на разгрузку, чтобы маршрутные задания водителю были оптимальны и создавались за секунды.
Учет требований покупателей и возможностей водителей
Робот учитывает все: от цены автомобиля и гибкости водителя до желаний клиентов и рисков отказа их от заказов. Это позволяет балансировать на пике финансовой оптимальности логистики. И вместо рутины логисты получили возможность управлять стратегиями доставки. На практике наш робот сокращает в среднем время работы логистов в 30 раз, а затраты на доставку – на 30%.
Контроль водителей при выполнении заданий
Интеллектуальное планирование и GPS-контроль водителей происходит в одной Системе. Поэтому стало возможным сравнение план/факт. Автоматика выявляет отклонения от оптимальных маршрутов, пробегов и графиков. Не нужно смотреть за всеми: вы уделяете внимание только нарушениям.
Что отличает нашу Систему от зарубежных продуктов
Google, TomTom, Яндекс и пр. получают данные от навигаторов, и не знают, на чем едет пользователь. Но водитель городского автобуса и шустрый курьер на легковушке – это разные «планеты». Усреднять их скорость – это «средняя температура по больнице». Соответственным получается и прогноз скорости доставки.
Мы смогли решить эту проблему: «БелТрансСпутник» 20 лет своими руками ставила более 50.000 GPS на автомобили. Нам известно, от какого типа авто приходят GPS-данные. Именно поэтому мы строим прогнозы скорости на улицах отдельно для легковых, фургонов, грузовиков. Эта точность убрала конфликты с водителями, и обоснованно увеличила темп доставки. Водитель видит в карте нашего приложения: как ехать, когда, где быть, какой пробег ему оплатят в конце дня и т.д.
ИИ не заменяет логиста, а делает его позицию ценнее
Что делает обычно логист в доставке? Целый день раскидывает заказы по машинам на завтра. Он должен учесть вместимость и цену каждого автомобиля, доступность водителя и заезды на склады поставщиков, требования клиентов и возврат тары, кросс-докинг и совместимость грузов, и пр. К вечеру он закончит один вариант логистики, и разошлет задания водителям на завтра.
А ведь нужно как-то сделать логистику оптимальной для своей компании. Учесть риски простоя в очередях, переноса сроков, трафик на каждой улице на завтра. И хорошо бы просчитать десяток альтернативных вариантов логистики, чтобы выбрать оптимальный.
Соревноваться человеку с компьютером, как пешеходу обогнать самолет. С ним нужно не соревноваться, а «оседлать».
Система настолько автоматизирует работу логиста, что он через 15 минут может закрыть компьютер, а может в Системе и дальше просчитывать разные стратегии: «клиентоориентированность – доходность», «риски – выгода» и найти еще более выгодное решение.
Например, логист попробует разрешить приезжать раньше на 10 минут к некоторым клиентам. Система сделает перерасчет и сократит, скажем, 3-4 машины в доставке дня. В месяц это экономия $10-15 тыс. Если за месяц не было нареканий от клиентов, значит логист все сделал правильно и достоин бонуса из сэкономленных денег.
Выгода руководителя помимо экономии
Оцифрованность процессов. Сотрудник хочет получать больше и для этого он иногда пытается сделать компанию зависимой от себя. Например, логист держит в своей голове: когда нужно доставлять грузы в магазины, каково примерное время разгрузки и т.д. Уйдет такой логист – все рухнет.
При внедрении знания сотрудника оцифровываются, вкладываются в систему оптимизации логистики, и логист обучается создавать более выгодные решения, увеличивать доходность компании. С его уходом ничего не рухнет, но отпускать такого сотрудника не выгодно — поэтому получается Win-Win.
Сила – в простоте пользования
Простота использования – ключевое требование. После экспертной настройки Системы под процессы компании логистическая рутинная работа делается одной кнопкой. Если кто-то говорит: «вам нужно изменить процессы под нашу систему», значит, разработчики не сделали настроек под любые бизнес-процессы. Или хотят получить с вас деньги за «персональные» доработки.
Если ваши сотрудники не хотят освоить новые технологии, то необходим логистический аудит до внедрения. Он покажет: какая дополнительная доходность стоит на кону, как можно выполнить доставку с помощью нашей Системы меньшим количеством автомобилей, пробегов и трудочасов, и т.д.
«Отдайте на съедение» выводы аудита вашим логистам. Пусть попробуют найти ошибки. А когда увидите, что возразить им нечего, а найденная экономия составляет 30%, вы поймете, что нужно начинать.
Не стоит беспокоится: ломать никого не придется. В случае нежелания сотрудников осваивать новую технологию мы создадим IT-канал параллельного выполнения логистической работы. Когда он включится, вы пропустите через него 5% заказов, затем 20%, 50% и без рисков начнете работу по-новому. А лучшие сотрудники сами захотят перейти в новый отдел.
Удержание водителей через Big Data и Data Mining
Мы 20 лет собирали данные о работе более 100.000 обезличенных водителей. Разработали алгоритмы, которые сравнили водителей между собой, и увидели: многие водители выполняют работу с той же производительностью, но с меньшими затратами.
Один человек проехал участок и потратил 26л. топлива, а второй потратил 30л. Если условия были одинаковыми, то второй водитель зря сжег 4л. Потому что первый своим проездом доказал, что можно потратить 26л.
А куда девались излишне сожжённые 4 л.? Они дополнительно истерли шины, диски, увеличили аварийность и т.д. Это закон сохранения энергии. Поэтому умножайте стоимость зря потраченного топлива на 2-3.
Мы сравниваем между собой водителей на одном типе машин, дорог, с таким же грузом, погодой, плотностью трафика, временем прохождения маршрута и мн. др. Но даже если на каждом участке дороги сгруппировать всех водителей в полностью сопоставимых условиях, то виден большой разброс создаваемых ими затрат. Это как «рентген», определяющий скрытые качества водителя.
Система выступает не против водителя, а в помощь ему и HR-службе. Она показывает водителю его неоптимальные действия на дороге, учит больше экономить топливо. Больше оставлять его себе как бонус. И тогда вопрос удержания водителя не будет для вас таким острым, а компания получает не меньше: за счет продления ресурса автомобиля и его расходных материалов, снижения аварийности. Добавьте сюда маркетинговые преимущества: вот как четко мы следим за бережностью перевозки ваших грузов, как снижаем риски их повреждения, выбросы CO.
Что это дает HR-службе
Это фильтр на входе. Уже через первых 50-100км система оценки покажет кто перед вами. И не голословно, а сама учтет сложность маршрута, предоставит набор доказательств на карте с неоптимальными действиями водителя в этих условиях. Вы не пропустите в коллектив людей, которые будут создавать избыточные затраты.
Кроме того, по каждому вашему водителю Система показывает: каков он в рейтинге вашей отрасли, какова вероятность, что за воротами стоит лучший кандидат.
Почему не работают иные системы оценки водителей
Они строятся на формальных подходах: % времени движения на круиз-контроле, повышенные обороты, нажатия на тормоз, соблюдения знаков скорости и пр. Но может водитель грамотно тормозил двигателем – вот и повышенные обороты. Может он ехал по холмам, и правильно отключил круиз-контроль, мешающий экономить топливо, а может он въехал в город на 69 км/ч и проехал его без торможений на этой скорости ночью. То есть он профессионал. Предъявив к такому водителю претензии, вы потеряете отличного сотрудника. Попробуйте оценить любого водителя такой системой, и он возмутится: «у меня был сложный маршрут, там лучше не проедешь». И вам придется подстраивать систему оценки, чтобы не обидеть человека. А что это за линейка, которую нужно изгибать под измеряемого?
Учет сложности маршрута и объективная оценка
В Системе собрана Big Data работы водителей разных отраслей за 20 лет: от E-commerce до международных перевозок. Под каждым участком дороги накапливали базу до миллионов проездов по нему. И теперь сравниваем на участке каждой сложности, как по нему проехали тысячи разных водителей в полностью аналогичных условиях. Мы не знаем ни одной системы, которая смогла бы так же успешно решить эту задачу.
Почему все это не возникло ранее
Есть закон о переходе количества в качество. Пока наша BigData «зрела», пока не стала настолько большой и разносторонней, что к ней можно применить инструменты Data Science, мы не могли решить эти задачи. Да и математические методы поиска закономерностей Data Mining появились совсем недавно.
Зато теперь нам по плечу все больше задач, которые раньше не имели решения.
ЧУП «БелТрансСпутник»
Республика Беларусь, г. Минск, ул. Платонова, 12Б
+375 (17) 270-78-25
