Mucho se habla del Big Data en los últimos tiempos y lo cierto es que las actuales tecnologías nos permiten leer y tratar ingentes cantidades de datos para sacar conclusiones y actuar de cara a conseguir determinadas metas. El Big Data está revolucionando el mundo de la empresa en todos los sectores y como no, también en el de la logística portuaria, hay muchas expectativas respecto a su uso.
Para empezar es importante entender que Big Data no equivale simplemente a analizar multitud de datos. La tecnología tradicional ya permitía antes que las empresas logísticas obtuvieran datos para su análisis, como tiempos, velocidades, cantidades, precios, etc. y con ellos elaborar informes o gráficas que ayuden a representar y evaluar mejor el modelo de negocio.
El Big Data no se queda ahí, sino que a esas métricas tradicionales se añaden nuevos tipos de datos, como texto, audio o vídeo junto a información de sistemas de negocio de una forma mucho más cohesiva. Si hablamos de logística, el Big Data incorpora conceptos como el tiempo atmosférico, los retrasos, las huelgas en los puertos, las reparaciones inesperadas y sobre todo una gran cantidad de datos obtenidos de sensores, GPS, RFID y otros sistemas de gestión del tráfico.
El Big Data y la orientación a resultados
Pero sobre todo, lo que diferencia al Big Data de cualquier otro tipo de tratamiento de la información que el sector haya conocido hasta ahora, es la orientación a los resultados. No se trata de trabajar con cuántos más datos mejor, sino precisamente de elegir, entre la riqueza de datos disponibles, cuáles son los indicadores que debemos poner en relación para solucionar nuestros problemas.
Si el Big Data nos permite adelantarnos a percances que provocarían un retraso en el movimiento de nuestras mercancías, estaremos aumentando beneficios. A diferencia de los datos tradicionales (costos, tiempos, horarios…), el Big Data no tiene por qué ser cuantificable, pero es una valiosa herramienta para mejorar los números que sí nos importan.
Por ello, el primer paso de una estrategia Big Data es definir qué queremos resolver o por dónde queremos que nuestra empresa crezca. Por ilustrarlo con un ejemplo, no se trata de mirar en nuestro archivo cuántos contenedores exportamos a Brasil el mes pasado, sino de relacionar los datos necesarios que nos permitan hacer esa misma entrega de forma más barata o más rápida.
El experimento piloto de Valenciaport
A una escala más amplia, uno de los experimentos más ambiciosos en el campo del Big Data es el proyecto Transforming Transport. La iniciativa europea, cuenta con una serie de pilotos que ya han demostrado que en sectores de transporte como el aeroportuario o el ferroviario, el uso del Big Data podría reducir las emisiones de CO2 y el consumo de combustible de forma dramática, aumentando los beneficios y mejorando la eficiencia de las operaciones.
El puerto de Valencia fue elegido como sede del piloto que tiene como fin de comprobar si el Big Data puede ser utilizado para optimizar la cadena logística portuaria. La Fundación Valenciaport junto con el Instituto Tecnológico de Informática, llevan año y medio combinando información de las aplicaciones que utilizan el puerto de Valencia y la operadora Noatum, además de información en tiempo real.
El objetivo de este piloto es diseñar un control de mandos de productividad global para la logística portuaria, para identificar las ineficiencias y mejorar la toma de decisiones. Esto permitiría optimizar el sistema de gestión de tráfico para programar y asignar las grúas de patio, teniendo en cuenta el tiempo de llegada, el orden de los trabajos, la predicción, el comportamiento humano y factores como el tiempo, los flujos de tráfico esperados y la demanda.
También se está trabajando en un modelo de mantenimiento predictivo en las grúas que operan en la terminal mediante la sensorización y monitorización para poder recibir alertas sobre sus necesidades de mantenimiento y evitar paradas en el proceso logístico. La idea es estudiar si las decisiones que hoy en día son tomadas por personas en base a su experiencia, podrían ser automatizadas y basadas en datos objetivos y no en consideraciones subjetivas.
