- Logística
BuscarBuscar
La toma de decisiones basada en datos es un enfoque que busca disminuir la incertidumbre. En el contexto de la logística, implica sustentar cada decisión con datos que aporten evidencia sobre los efectos y sobre el contexto en que se tomará.
Las decisiones que afectan las operaciones, así como las que participan en la planificación y coordinación de las operaciones, deben apoyarse en datos que recogen información sobre el proceso y su entorno. La calidad y la integridad de esos datos son fundamentales para conseguir buenos resultados.
La toma de decisiones se descompone en una serie de pasos que van desde la identificación del problema hasta su ejecución, incluyendo la recopilación y limpieza de los datos, el análisis y la interpretación.
Cada uno de esos pasos debe ser diseñado y ejecutado con cuidado, y la implementación de un ciclo de toma de decisiones soportada por datos es un proceso exigente y costoso que debe adaptarse a las características de cada organización. Sin embargo, un proceso de ese tipo facilita una toma de decisiones más informada y con mayor probabilidad de éxito.
La logística se beneficia de la analítica en todos sus aspectos, desde el uso de información para decidir operaciones hasta la determinación de la demanda que una empresa debe satisfacer en el futuro.
Las empresas que han implementado decisiones basadas en datos en los procesos logísticos obtienen resultados más positivos en eficiencia operativa y en el uso de recursos, así como menores costos, tiempos de entrega más cortos y un mejor servicio al cliente. También logran ser más resilientes frente a la incertidumbre, especialmente ante la variabilidad de la demanda y de la cadena de suministro.
Con datos precisos y procesos bien determinados, las empresas pueden y deben evaluar el efecto de la incertidumbre en la demanda en la disponibilidad de productos. Para ello, es fundamental contar con un modelo que relacione, entre otras variables, el nivel de inventario, los costos de mantener ese inventario y las decisiones de reposición.
A partir de un ejercicio de simulación, pueden definirse políticas de reposición que brinden el mayor nivel de servicio al menor costo.
En primer lugar, la recolección y gestión de datos incluye procesos que garantizan la disponibilidad de datos de alta calidad para la analítica.
A continuación, el análisis descriptivo comprende la caracterización de los datos a través de métricas y KPI que ayudan a identificar patrones y tendencias.
Luego, el análisis predictivo y prescriptivo implica la implementación de modelos que generan estimaciones de variables críticas y la proyección de escenarios para soportar la toma de decisiones. Asimismo, se considera el uso de modelos de optimización y simulación para problemas de asignación de rutas, dimensión de inventarios y capacidad.
Finalmente, se incluye la visualización de datos y dashboards como herramientas para la toma de decisiones.
La toma de decisiones apoyada por datos inicia con la recopilación de datos, que puede incluir datos de operaciones actuales y pasadas, datos de la cadena de suministro, datos externos, datos generados por modelos y datos de autoaprendizaje.
Este conjunto de datos debe ser suficientemente amplio, confiable y representativo para la generación de conclusiones informadas. Una vez recopilados, los datos requieren una limpieza y preparación previa de calidad, que considera aspectos de integridad, consistencia y calidad.
Estos procesos son esenciales en la analítica, dado que se hallan en la base de cualquier modelo predictivo o prescriptivo. Una adecuada preparación de los datos permite, por ejemplo, mitigar problemas de calidad, sesgos analíticos y sobreajuste en modelos estadísticos y de machine learning.
Se deberá contar con una infraestructura tecnológica que contemple, al menos, los siguientes aspectos:
Algunos ejemplos de herramientas son: Microsoft Fabric, Google Cloud Platform, SAP Analytics Cloud, entre otras.
Por un lado, no es posible analizar o visualizar correctamente información si el análisis se realiza únicamente con planillas de cálculo.
Para manejar grandes volúmenes de datos, es necesario contar con software de análisis y visualización, como Power BI, Tableau, Qlikview, Looker Studio, que poseen funcionalidades para realizar análisis descriptivos de forma eficiente y que, mediante inteligencia de negocios, facilitan la construcción de tableros que integran distintas fuentes de información y permiten contar con una visualización clara sobre diversos indicadores de desempeño.
También existen plataformas que permiten integrar datos desde diferentes fuentes, como, por ejemplo, Alteryx o Talend, que permiten un análisis descriptivo más eficiente al evitar el trabajo manual de integración de datos.
La toma de decisiones basada en datos puede ofrecer grandes beneficios, pero también puede suponer importantes desafíos y riesgos.
Uno de los mayores desafíos es la calidad de los datos utilizados en el análisis. La suposición de que los modelos y los resultados pueden considerarse válidos simplemente porque un modelo se está utilizando es un sesgo cognitivo común y puede llevar a conclusiones erróneas. Esto es especialmente problemático en el caso de los modelos predictivos y prescriptivos, en los que se confía en un modelo para proporcionar la respuesta correcta.
Sin embargo, si los datos de entrada contienen errores o si el modelo predictivo tiene un sesgo, los resultados también estarán sesgados. Por lo tanto, se debe prestar especial atención a la calidad de los datos de entrada.
Los datos son un insumo clave para la toma de decisiones y su calidad y gobernanza determinan el éxito de la analítica. No obstante, los datos por sí solos no generan valor. La analítica proporciona las herramientas para transformar la información almacenada en los sistemas en acciones concretas de mejora.
En este sentido, se ha presentado el ciclo de decisión apoyado por datos, compuesto por las etapas de recopilación, limpieza, análisis, interpretación y acción. Con estas bases se han identificado las principales áreas donde la analítica mejora la logística y se han destacado las herramientas y metodologías más relevantes.
Almacenamiento
Un asesor se pondrá en contacto contigo en máximo 24 horas.
Agenciamiento de carga
Un asesor se pondrá en contacto contigo en máximo 24 horas.
Soluciones Logísticas
Un asesor se pondrá en contacto contigo en máximo 24 horas.
