BI в логистике: задачи и сценарии использования

20

20 регионов РФ внедрили систему
N3.Аналитика

5,5%

Общее количество дорожно-транспортных
происшествий на дорогах России за десять
месяцев 2022 года сократилось по сравнению
с аналогичным периодом прошлого года на 5,5%

2017

С 2017 года BI-система N3.Аналитика
внедрена в различных субъектах РФ

Как работает «N3.Аналитика»

Как работает N3.Аналитика

Какие задачи логистики решает «N3.Аналитика»

Проводит анализ логистического цикла: от размещения заказа до доставки конечному потребителю

Делает анализ полноты выполнения условий доставки

Выгружает анализ эффективности работы склада

Предоставляет анализ загрузки собственного парка транспортных средств

Проводит анализ потерь товаров при доставке, потерь на складе

Выполняет анализ грузовых и пассажирских перевозок

Осуществляет контроль за эксплуатацией и своевременным ремонтом транспорта и инфраструктуры

Отслеживает обеспечение безопасности перевозок

Обеспечивает соблюдение нормативов и внутренних регламентов

Выполняет диспетчерский мониторинг

Организует оперативное управление внештатными ситуациями, системой информирования

«N3.Аналитика» c 2017 года используется для обработки данных цифрового здравоохранения. В ежедневном оперативном управлении у нашей команды терабайты информации, сотни объектов в информационной модели, тысячи атрибутов.

Возможности «N3.Аналитика»

Подключение к различным источникам данных

  • Настройка и проверка параметров подключения;
  • Просмотр данных, в том числе таблиц БД источников;
  • Загрузка данных с выбором метода и периодичности загрузки;
  • Настройка права в управлении источниками данных;
  • Извлечение и трансформация данных с помощью ETL;
  • Настройка инкрементальной загрузки данных.

Аналитические возможности

  • Понятный инструмент трансформации данных и создания моделей данных
  • Формирование неограниченного числа моделей данных
  • Удобный интерфейс формирования аналитических срезов, их визуализация
  • Неограниченные перекрестные сравнения данных внутри одной модели и между данными разных моделей
  • Создание расчетных полей и иерархии
  • Объединение (Join, union) таблицы одного/нескольких источников
  • Выборка (Distinct) уникальных значений данных в формат справочников
  • Использование SQL в моделях

Настройка отчётов

  • Определение интересующих аналитических срезов - наборы полей моделей, которые необходимо анализировать в отчете;
  • Работа в режимах просмотра и редактирования;
  • Возможность группировки и агрегации, вывод итоговых и промежуточных значений;
  • Фильтрация (базовая и расширенная, включая скрытые фильтры);
  • Сортировка;
  • Применение условного форматирования;
  • Настройка прав доступа;
  • Возможность делиться ссылками на виджет;
  • Экспорт данных в csv

Формирование дашбордов

  • В режиме drag-n-drop определение набора виджетов для отображения в дашборде;
  • Настройка фильтрации отчётов, построенных на данных разных моделей;
  • Возможность делиться ссылками на дашборд;
  • Экспорт данных в формате pdf и png;
  • Работа в режиме просмотра и редактирования;
  • Настройка прав доступа.

Логистические бизнес-процессы присутствуют на каждом этапе движения ресурсов внутри организации: от заказа товара, сырья или комплектующих у поставщика до доставки готовой продукции потребителю. При этом автоматизация логистики позволяет оптимизировать расходы и увеличить прибыль компании, а система аналитической отчетности делает ИТ-инфраструктуру еще более эффективной. BI-инструменты дают возможность рядовым специалистам достигать большей эффективности работы, а руководителям – минимизировать риски, связанные с прогнозированием и принятием решений на основе больших объемов структурированных данных.

Бизнес аналитика в логистике используется в большом количестве процессов. BI-система собирает, консолидирует, обрабатывает и визуализирует данные из множества источников.

Среди основных источников можно выделить следующие:

  • CRM-системы (например, для взаимодействия с поставщиками);
  • ERP-системы (контроль за ресурсами);
  • различные учетные системы и базы данных;
  • системы управления складом (Warehouse Management Systems, WMS)
  • системы управления транспортом (Transportation Management Systems, TMS);
  • системы исполнения цепочек поставок (Supply Chain Execution, SCE);
  • мобильные и геолокационные сервисы и т. д.

Ниже мы перечислим несколько типовых сценариев применения big data в логистике.

BI для оптимизации цепочек поставок

Крупные предприятия закупают сырье или комплектующие для производства готовой продукции у многих поставщиков. Например, для сборки компьютерного оборудования нужны микроэлектронные компоненты, печатные платы, пластиковые корпуса, кабели и другие комплектующие. То же самое можно сказать про все остальные производства: от пошива одежды до самолетостроения. У добывающих предприятий так же существуют свои поставщики. Каждая компания стремится к тому, чтобы получать поставки по наиболее выгодной цене, учитывая стоимость товаров, транспортные расходы, оптовые скидки и т. д.

Аналитическая система BI может обрабатывать коммерческие предложения от поставщиков и предоставлять результат в виде удобных отчетов для выбора наилучших вариантов, что в итоге дает значительную экономию на операционных расходах.

BI в процессе управления перевозками

Если компания владеет собственным автопарком, система логистической аналитики может применяться для подсчета рентабельности транспорта. Например, она помогает определить оптимальные варианты загрузки фур и их маршрут, учитывая количество и расположение точек доставки, объема и ассортимента грузов, типа транспортных средств.

Специалисты в онлайн-режиме на аналитических дашбордах могут отслеживать такие метрики, как выполнение плана по доставке заказов, и при необходимости своевременно вносить корректировки в логистической BI-системе. Поскольку грузоотправители часто владеют огромным автопарком, руководителям крайне важно получать оперативную, агрегированную информацию, на основании которой они могут заниматься планированием транспорта и минимизировать риски возникновения инцидентов в дальнейшем.

BI в процессе управления складом

Склады и распределительные центры – особые объекты, для которых характерны собственные параметры эффективности. Товар, попадающий на промежуточное хранение, особенно с коротким сроком годности (молочные продукты, гастрономия), должен быть своевременно отгружен заказчику. Складские помещения не должны оказаться перегруженными товаром – иначе его просто некуда будет размещать. Особенно это важно в период рекламных кампаний. Транспорт должен приезжать на погрузку точно по расписанию, чтобы не создавать очереди.

Система аналитической обработки, интегрированная со складскими программами и учетными системами магазинов, дает возможность отслеживать все необходимые показатели, прогнозировать загруженность склада и объемы запасов в точках продаж, динамику продаж.