Tras Bastidores: Transformar Una Década de Datos de la Cadena de Suministro en Decisiones

Hoy, si abres una aplicación de seguimiento de envíos, el punto suele estar ahí, lo cual no es poca cosa si recuerdas cuánto dependía el transporte de llamadas de verificación, ETAs desactualizadas y las conjeturas de alguien. La visibilidad en tiempo real ha cumplido su primera misión: encontrar la carga.

La pregunta más difícil surge justo después: ¿qué debes hacer con lo que ahora puedes ver?

Ahí es donde entra en juego mi equipo.

Mi nombre es Cathy Slesnick y soy la Directora de Ciencia de Datos en Tive. Me uní como la primera contratación de datos de Tive en diciembre de 2021, lo que significó que tuve el raro privilegio de construir la función de datos desde cero. El equipo, la pila tecnológica, la infraestructura, la dirección. Todo.

Aquí es donde la historia realmente comienza: no con simplemente ver la carga, sino con entenderla. Años de datos de la cadena de suministro, patrones de red y mucho trabajo entre bastidores son lo que hacen posible convertir la visibilidad de envíos en tiempo real en decisiones sobre las que la gente puede actuar.

Cómo llegué aquí

Para explicar dónde estamos ahora, ayuda empezar por el principio, porque cuando llegué, casi nada de esto existía todavía.

Como entrar en una tienda de dulces

No me uní a Tive por una pasión de toda la vida por la logística. Me uní porque Tive, para una persona de datos como yo, se veía como una tienda de dulces para un niño. Aquí había una empresa con sensores moviéndose por todo el mundo, generando un enorme flujo de datos sobre envíos, condiciones y rutas, y casi nada de ello se estaba utilizando por completo.

Para alguien a quien le emociona de verdad encontrar patrones en los datos (tengo un doctorado en astrofísica, así que observar enormes conjuntos de datos y esperar a que algo se revele es lo mío), eso fue irresistible.

Construyendo la infraestructura 

Antes de poder hacer algo ingenioso en ciencia de datos, hay que hacer mucho trabajo pesado. Cuando empecé, estábamos recopilando información en bruto, pero carecíamos de la base subyacente para utilizar esos datos y obtener información significativa. Por ello, los primeros años se dedicaron al trabajo menos emocionante pero más necesario que existe: limpiar, organizar y construir lo que llamamos una capa de transformación de datos.

En pocas palabras, eso significa tomar todos los datos en bruto que provienen de nuestros sensores y sistemas, depurarlos, unirlos y convertirlos en conjuntos de datos fiables sobre los que alguien pueda construir. Es la fontanería dentro de la casa: nunca la ves, pero nada funciona sin ella, y es la parte que la mayoría de la gente subestima.

Gatear, Caminar, Correr

En mi mente, la progresión es gatear, caminar, correr.

Cuando llegué, la visión para los productos de datos de la cadena de suministro apenas estaba formada. Pero una vez que nuestra actual vicepresidenta de Producto, Kyra, lo apoyó, las cosas empezaron a moverse rápido. El momento tenía sentido: el hardware crece solo hasta cierto punto, mientras que el software y los productos de datos escalan mucho más rápido, y las empresas que ganan convierten sus datos en impulso.

Ahora dirijo un equipo de 13 personas en tres disciplinas: ciencia de datos, análisis de datos e ingeniería de datos, además de socios de análisis integrados en toda la empresa. El equipo está distribuido, con ciencia de datos en Boston, análisis entre Boston y Kosovo, ingeniería distribuida y control de calidad en Canadá.

Con ese equipo establecido y los datos limpios, ahora podemos dedicar nuestro tiempo a obtener perspectivas y a desarrollar productos en lugar de lidiar con lo básico.

Lo que estamos viendo ahora: La gente quiere contexto, no solo montones de datos 

Una vez que el trabajo de «gatear, caminar, correr» está hecho y los datos finalmente funcionan correctamente, la conversación cambia casi de inmediato. Los equipos dejan de pedir información en bruto y empiezan a pedir información procesable. A medida que los datos de la cadena de suministro maduran, el enfoque se aleja de la visibilidad por sí misma y se dirige a ayudar a las personas a decidir qué hacer a continuación.

Empieza por este

La mayoría de los equipos de transporte de carga, sin embargo, no funcionan así. Empiezan el día con alertas que llegaron mientras dormían, rastreadores que se detuvieron en algún lugar inconveniente, lecturas de temperatura que se movieron lo suficiente como para molestar a todos, y un mapa lleno de puntos que parecen igualmente urgentes hasta que uno de ellos se vuelve costoso.

Esa es la primera tendencia que sigo viendo: el apetito por los datos brutos de la cadena de suministro ha disminuido, mientras que el apetito por la información procesable ha explotado. Los equipos quieren que el sistema interprete la situación. Quieren que diga: «Empieza con esta carga, luego revisa ese transportista y no pierdas la mañana con las otras ocho alertas a menos que algo cambie».

Lo «normal» se ha vuelto lo difícil

Un envío solo parece extraño después de que sabes lo que significa extraño, lo cual suena obvio hasta que intentas construir el sistema que lo respalda.

Un camión que se desvía de su ruta esperada podría significar que el conductor conoce una carretera local mejor. También podría significar que la carga acaba de entrar en un patrón de robo. La diferencia depende del contexto: la ruta, la mercancía, el corredor, el historial de paradas, la hora del día y los miles de viajes tranquilos que enseñaron al sistema cómo suele ser lo normal.

Alertas inteligentes de desviación de ruta fueron creadas para combatir ese problema exacto. El sistema tiene que entender las carreteras que suelen tomar los envíos antes de que pueda señalar la carretera que merece una segunda revisión.

La red empieza a rellenar los huecos

Una vez que el sistema entiende el movimiento normal, puede empezar a inferir las cosas que los clientes nunca introducen en un formulario. Datos de referencia importa inmensamente por esta razón. Por supuesto, me encantaría un mundo donde cada cliente etiquetara cuidadosamente cada envío para nosotros, pero ese mundo no existe.

Tomemos las bayas como ejemplo. Un cliente puede que nunca nos diga que el camión transporta fresas. Sin embargo, el envío puede moverse como carga de bayas, comportarse como carga de bayas y parecerse a los patrones de alerta que vemos en otras cargas de bayas. A partir de ahí, el sistema puede recomendar una configuración de alerta más inteligente sin pedir al cliente que la construya desde cero.

La confianza también debe estar integrada en ese tipo de inteligencia desde el principio. Agrupamos los puntos finales, dejamos las paradas privadas únicas fuera de los límites de la ruta y utilizamos el patrón de la red en lugar de la huella privada del cliente. La inteligencia colectiva debería hacer que cada envío sea más inteligente sin que nadie sienta que la red ha empezado a espiar.

Lo que realmente se busca es una alerta temprana

Una vez que los clientes se acostumbran a la prioridad, el contexto y las alertas más claras, hacen la pregunta que todos han querido hacer desde siempre: ¿pueden avisarme si algo anda mal antes de que el problema se vuelva costoso?

Esa petición se ve por todas partes. ¿Qué puertos retienen la carga durante tres días con tanta frecuencia que los equipos deberían planificar en consecuencia? ¿Qué transportistas siguen activando la misma alerta? ¿Qué rutas crean problemas con la refrigeración, robo de carga riesgo, o retrasos recurrentes que parecen aleatorios en un envío, pero son evidentes en toda la red?

La alerta de refrigeración que acabamos de implementar encaja con ese patrón. Los clientes solían preguntarse si un conductor encendía la unidad cuando la carga necesitaba protección. Ahora pueden verlo, probarlo y responsabilizar a la parte correcta cuando un envío falla; el mismo registro que señala el problema en el momento se convierte en la evidencia que determina quién debe qué más tarde, y la lección que indica al siguiente envío dónde buscar primero. 

Los datos de la cadena de suministro empiezan a demostrar su valor en ese punto. La carga de ayer enseña al sistema de hoy dónde buscar primero.

Lo mejor del trabajo: ver el panorama completo

Terminaré con la parte de este trabajo que más me gusta. Cuando la gente pregunta qué me mantiene en él, estas cinco cosas son la respuesta sincera:

• Una visión general de todo: Dado que mi equipo gestiona el almacén de datos, esencialmente todo tipo de datos de Tive fluye a través de nosotros, desde lecturas de sensores hasta registros de envíos y quién pide qué. Un equipo que trabaja con una sola parte no puede ver cómo se conectan esas piezas, y esa perspectiva es lo que más valoro del trabajo.
• El momento en que aparece un patrón: ¿Recuerdas esos pósteres de Ojo Mágico que parecían ruido hasta que cambiaba tu enfoque y aparecía una imagen? Un buen trabajo con datos tiene la misma recompensa: te sientas con una cantidad abrumadora de información, esperas, y un patrón que siempre estuvo ahí se revela. Ese momento de reconocimiento nunca deja de sorprender.
• Rastrear una anomalía hasta su origen: Parte del trabajo más gratificante es puro trabajo de detective. Un compañero de equipo notó recientemente que un proveedor nos estaba cobrando de más, y siguió tirando del hilo hasta que lo rastreó hasta la causa raíz. Seguir una señal extraña hasta su origen es verdaderamente gratificante.
• Construirlo desde cero: Como la primera contratación de datos de Tive, he tenido la rara oportunidad de dar forma a esta función desde cero: contratar a cada persona, elegir la pila tecnológica y establecer la dirección. No mucha gente tiene la oportunidad de construir lo que luego va a dirigir.
• Convertir datos en decisiones: Esto es lo que hace que el resto importe. Un patrón que es invisible dentro de cualquier envío individual se vuelve evidente en toda la red, lo que nos permite entregar al cliente una respuesta clara en lugar de una pila de datos. Ver cómo eso remodela la forma en que alguien gestiona su cadena de suministro es la parte más significativa de todas.

La vista desde aquí

Cuando miro hacia atrás al panorama que se abría ante mí en 2021, el cambio es difícil de exagerar. Una avalancha de datos infrautilizados se convirtió en una base sólida, y esa base se transformó en una plataforma que no solo te muestra dónde está tu carga, sino que también te dice qué hacer al respecto. La próxima década de esta industria pertenece a la inteligencia, no solo a la visibilidad, y ese futuro se construye patrón a patrón.

Aquí es precisamente donde Tive se destaca. Somos una de las pocas empresas que combina seguimiento en tiempo real hardware y software de visibilidad con más de una década de datos de red. Convertimos esa combinación en inteligencia procesable: rutas más inteligentes mediante alertas de desviación de ruta inteligente, señales tempranas de robo y riesgo, previsión sobre dónde se atascarán los envíos y recomendaciones extraídas del comportamiento de toda una red.

No intentamos ser la única empresa que hace esto. Intentamos hacerlo lo mejor posible.

Empieza con Tive hoy mismo para saber más.