Kdo vlastní informace

Do roku 2025 vyroste množství dat ve světě desetkrát ve srovnání s rokem 2015 Tyto údaje zveřejnila mezinárodní výzkumná a poradenská společnost IDC ( International Data Company) ve zprávě „Období dat 2025“.

V logistickém průmyslu se tento trend neliší od globálního. Objem informací se zdvojnásobuje každé dva roky. Podle prognóz analytiků bude již v roce 2020 objem dat 44 zettabytů. Pro informaci: 1-zettabajtový pevný disk obsahuje video ve vysokém rozlišení 4 kB s celkovou chronometráží přes 63 milionů let...

Pro analýzu a interpretaci velkého objemu dat přicházejí k záchraně algoritmy strojového učení (SU). SU vytváří prognózy na základě obdržených informací a zjištěných trendů. Pro více informací o strojovém učení a jeho aplikaci v dopravě a logistice žádáme Vitalije Verbiloviče, vedoucího výzkumu a vývoje v mezinárodní skupině společností AsstrA.

Vitaliji, jak používáte strojové učení v logistice?

Strojové učení se používá ve všech oblastech dopravy a logistiky.

• Logistika skladu. Počítače monitorují zbytky zboží ve skladech, kontrolují pracovníky, zajišťují bezpečnost v zařízeních.
• Expedice. Na základě získaných informací o přepravě se plánují a staví trasy, předpovídají sezónní vlny.
• Prodej. Sestavuje se prognóza objemů prodeje, změny cenové politiky dopravní a logistické společnosti, včetně zohlednění historických ukazatelů prodeje služeb.
• Zabezpečení. Modely bodování (poznámka: Bodování - systém bodového hodnocení založený na numerických statistických metodách) pomáhá identifikovat bezohledné nebo potenciálně problematické dodavatele ještě před zahájením spolupráce na základě informací o vztazích s dodavateli.

Jaké informace se zpracovávají pomocí algoritmů SU a co by mělo zůstat analytikům?

V analytice je první prioritou prohlášení o problému a formulace žádosti o výběr nezbytných informací. Zde se neobejdete bez zásahu člověka - analytika se zkušenostmi a znalostmi v konkrétní oblasti podnikání. Dále do hry vstupují algoritmy strojového učení, které efektivněji zvládají úkoly sběru, zpracování a primární analýzy informací. Analytik je osvobozen od rutinních a časově náročných úkolů a zaměřuje se na koncepční aspekty práce.

Jak algoritmy strojového učení používá AsstrA?

Skupina společností AsstrA-Associated Traffic AG používá algoritmy strojového učení k vyřešení tří kategorií problémů:

1. Digitalizace pracovního postupu vytvořením příslušných databází s dalším zpracováním informací.
2. Prognóza a informování o možné vyšší moci v přepravním provozu. Aby se zvýšila průhlednost dodavatelského řetězce, AsstrA spolupracuje s Shippeo, jehož algoritmy umožňují zvýšit průhlednost dodavatelských řetězců v reálném čase, stejně jako předpovídat možné problémy v průběhu přepravy a upozornit na ně.
3. Prediktivní analýza vzorců v ukazatelích za předchozí období a hodnocení budoucích rizik a příležitostí.

Díky zpracovaným informacím se přijímají zpracovaná rozhodnutí o zvýšení efektivity dodavatelských řetězců.