CASO DEL CLIENTE
El Gobierno estatal de Melbourne, Australia, contrató al equipo de aprendizaje automático (ML) de GHD, una empresa de consultoría global, para mejorar los procesos de la cadena de suministro de los contenedores a través de la colección y comprensión de grandes conjuntos de datos de los proveedores de servicios de software industriales, gubernamentales y de transporte.
El equipo, dirigido por Nikita Atkins, Líder Global de Ciencia de Datos, GHD, utilizó Alteryx para reducir 100 millones de registros de contenedores y productos básicos a 1.9 millones con una tasa de precisión equivalente a un 99.9965 %.
Además, con Intelligence Suite, fue posible realizar previsiones y crear modelos predictivos para estimar mejor el destino de los contenedores, qué productos básicos contenían, el nivel de capacidad de cada contenedor y cuánto tiempo llevaría regresar de su destino al punto de origen a fin de optimizar la evaluación del gasto del Gobierno y la inversión en infraestructura.
Cada cinco años, el Puerto de Melbourne (PoM) en Australia debe rastrear todos los contenedores de envío que ingresan y salen. Comprender dónde se mueve el cargamento es fundamental para garantizar la infraestructura, el terreno industrial, los controles de planificación y la configuración de políticas correctas para apoyar las cadenas de suministro eficientes.
El PoM utilizaba más de 57 grupos independientes para rastrear los datos en más de 60 formatos diferentes. Este proceso por lo general requiere cientos de horas y recursos manuales, e históricamente, la tasa de previsión cayó por debajo del 30 %. Además, no pudieron completar un análisis de coincidencia exitoso hasta hace poco.
En el 2019, Nikita Atkins y el equipo de aprendizaje automático de GHD lograron desarrollar un proceso de modelado predictivo e impulsar la encuesta de productos básicos y contenedores. Usaron Alteryx para recopilar los datos desde septiembre a octubre del 2019 (más de 250,000 viajes en contenedores) para estandarizarlos, combinarlos, eliminar las duplicaciones de 100millones de registros proporcionados y, además, incluir más de 200 reglas comerciales antes de hacer consumibles los datos. Gracias a Alteryx, compararon su conjunto de datos final de 1.9 millones de registros con el PoM y descubrieron que su limpieza de datos produjo una coincidencia del 99.9965 %.
Utilizaron Alteryx Intelligence Suite para crear diez modelos predictivos y comparar su eficacia. Redujeron su selección y fueron capaces de estimar la ubicación de un contenedor, incluido su punto de origen y destino, los productos básicos que contenía, el nivel de capacidad de cada contenedor, y proporcionaron insights sobre el punto final y el programa del viaje de regreso del contenedor.
Después de completar este proceso, el equipo de Nikita reunió los datos exactos del PoM y los comparó con lo que había previsto su modelo de Alteryx Intelligence Suite. Los resultados mostraron que su trabajo tuvo una tasa de exactitud del 77 % en el seguimiento del ciclo de contenedores de productos básicos y de envío. No cabe duda de que fue el rendimiento predictivo más alto que PoM jamás había esperado.
Los insights que GHD desarrolló con Alteryx Intelligence Suite otorgan al Gobierno local y estatal una comprensión de hacia dónde se dirigen los contenedores y dónde se compran los productos básicos para fundamentar mejor las decisiones sobre la planificación de la infraestructura de transporte y de las redes. A su vez, esto permite la entrega de una cadena de suministro más rápida, enfocada y productiva.