KUNDENBERICHT
Die Landesregierung in Melbourne, Australien, beauftragte das Machine Learning (ML)-Team von GHD, einem globalen Beratungsunternehmen, mit der Verbesserung der Prozesse in der Containerlieferkette durch das Sammeln und Verstehen großer Datasets von Industrie-, Behörden- und Transportsoftware-Dienstanbietern.
Das Team unter der Leitung von Nikita Atkins, Data Science Global Leader, GHD, nutzte Alteryx, um 100 Millionen Container- und Warendatensätze mit einer Genauigkeit von 99,9965 % auf 1,9 Millionen zu reduzieren.
Darüber hinaus konnten sie mithilfe der Intelligence Suite Prognosen erstellen und Vorhersagemodelle entwickeln, um besser einschätzen zu können, wohin die Container gingen, welche Waren sie enthielten, wie hoch die Kapazität jedes einzelnen Containers war und wie lange es dauern würde, bis sie von ihrem Bestimmungsort zum Ursprungsort zurückkehrten. Auf diese Weise konnten sie die Ausgaben der Regierung und die Infrastrukturinvestitionen besser einschätzen.
Alle fünf Jahre muss der Hafen von Melbourne (Port of Melbourne, PoM) alle ein- und ausgehenden Schiffscontainer erfassen. Es ist entscheidend, zu wissen, wohin die Fracht transportiert wird. Nur so kann gewährleistet werden, dass die richtigen Infrastrukturen, Industrieflächen, Planungskontrollen und Rahmenbedingungen vorhanden sind, um Lieferketten effizient zu unterstützen.
Der PoM verwendete mehr als 57 unabhängige Gruppen, um Daten in über 60 verschiedenen Formaten zu verfolgen. Der manuelle Zeitaufwand für diesen Prozess beläuft sich in der Regel auf Hunderte von Stunden, und die Prognosequote lag in der Vergangenheit bei unter 30 %. Darüber hinaus war der PoM bis vor Kurzem nicht in der Lage, eine erfolgreiche Übereinstimmungsanalyse durchzuführen.
Im Jahr 2019 konnten Nikita Atkins und das Machine-Learning-Team bei GHD ein Verfahren zur Prognosemodellierung entwickeln und damit die Erhebung zu Rohstoffen und Containern vorantreiben. Mithilfe von Alteryx wurden die Daten von September bis Oktober 2019 (mehr als 250.000 Containerfahrten) erfasst, standardisiert und kombiniert. Außerdem wurden 100 Millionen doppelte Datensätze entfernt und mehr als 200 Geschäftsregeln hinzugefügt, bevor die Daten genutzt werden konnten. Die endgültigen 1,9 Millionen Datensätze konnten mit den Datensätzen des PoM verglichen werden. Dabei stellte sich heraus, dass die Datenbereinigung mit Alteryx eine Übereinstimmung von 99,9965 % ergab.
Sie verwendeten die Alteryx Intelligence Suite, um 10 Prognosemodelle zu erstellen und ihre Effektivität zu vergleichen. Sie grenzten ihre Auswahl ein und waren in der Lage, den Standort eines Containers einzuschätzen – einschließlich des Ausgangs- und Zielpunkts, der enthaltenen Waren, der Kapazität jedes Containers und des Endpunkts der Rückreise und des Zeitrahmens eines Containers.
Nach Abschluss dieses Prozesses sammelte das Team von Nikita die genauen Daten des PoM und verglich sie mit den Prognosen des Modells der Alteryx Intelligence Suite. Die Ergebnisse zeigten eine Genauigkeitsrate von 77 % bei der Verfolgung des Transportzyklus von Waren und Versandcontainern. Das war zweifellos der höchste prognostizierte Ertrag, den der PoM je erwartet hatte.
Die Erkenntnisse, die GHD mit der Alteryx Intelligence Suite gewonnen hat, geben den den lokalen und staatlichen Behörden Aufschluss darüber, wohin die Container gehen und wo die Waren eingekauft werden, um bessere Entscheidungen über die Verkehrsinfrastruktur und die Netzplanung zu treffen. Das wiederum ermöglicht eine schnellere, gezieltere und produktivere Lieferkette.