¿Es útil el Big Data para la industria de flotas?
El uso de big data para mejorar la eficiencia es la consigna que la industria de flotas lleva escuchando desde hace bastante tiempo.
¿Es útil el Big Data para la industria de flotas?
El uso de big data para mejorar la eficiencia es la consigna que la industria de flotas lleva escuchando desde hace bastante tiempo. ¿Cuáles son las áreas de la industria de flotas en las que el big data ha tenido un impacto real? La planificación de rutas y la navegación es uno de los campos donde se afirma haber encontrado el mayor impacto, seguido de la gestión de la cadena de suministro. Pero, ¿es cierta esta afirmación? Una empresa de telemática de tamaño mediano que presta servicio a unos diez mil vehículos todavía no tendría la masa crítica necesaria para realizar rutas y navegación de manera eficiente, ya que necesitaría millones de vehículos. Como resultado, las empresas tienen que utilizar las API principales de compañías de mapas como Google y HERE y ofrecer servicios de valor añadido sobre ellas. En el caso de la gestión de la cadena de suministro, las barreras para compartir datos entre diferentes empresas ha hecho que esto solo sea impactante para las grandes corporaciones que prestan servicios en diferentes partes de la cadena. Entonces, ¿es inútil la búsqueda del big data para la industria de flotas?
Cuando se trata de obtener beneficios a través de conocimientos derivados de los datos, los datos de vídeo o la analítica visual ofrecen el valor más tangible sin necesidad de cantidades colosales de información. No hace falta una gran masa crítica de vehículos suministrando datos continuamente para que esto genere un impacto. Se pueden obtener conocimientos a nivel de conductor, a nivel de flota y entre flotas. El comportamiento y la seguridad del conductor es el primer nivel de análisis que abarca soluciones como la advertencia de colisión frontal, el mantenimiento de carril, el cumplimiento de los límites de velocidad, etc. La analítica a nivel de flota pondrá de relieve parámetros de eficiencia, como el ahorro de combustible y los costes de mantenimiento. Estos parámetros tendrán una relación directa con el comportamiento del conductor. A partir de la agregación de la analítica a nivel de conductor, surgirá el estado general de la flota en términos de patrones de conducción, lo que puede traducirse directamente en indicadores clave de rendimiento; por ejemplo, más eventos de infracción por distancia de seguimiento en toda la flota indicarán no solo un mayor consumo de combustible, sino también un mayor riesgo de colisión por alcance. La siguiente escala sería la agregación de datos entre flotas para ofrecer una analítica de vídeo mucho más avanzada, por ejemplo, algoritmos de aprendizaje automático avanzados que puedan predecir accidentes a partir de datos de vídeo basados en el historial y advertir al conductor antes de que ocurra el accidente.
En conclusión, obtener información a partir de datos de vídeo resulta mucho más práctico, y sus frutos pueden recogerse sin necesidad de alcanzar una masa crítica de vehículos mucho mayor.
