Dostava zadnjega kilometra v maloprodaji in e-trgovini je zapletena in bistvenega pomena za pravilno izvedbo. Med drugim vpliva na zadovoljstvo in izkušnje strank, ponovne posle, dojemanje blagovne znamke in dobičkonosnost. Zato je razumljivo, da ekipe za logistiko in načrtovanje dostave ponavadi porabijo veliko časa za pripravo svojih dostavnih poti, za razvoj stroškovno najbolj učinkovitih in okolju prijaznih načrtov, ki jih morajo izvesti njihove dostavne ekipe in vozni parki. Ustvarjanje optimiziranega načrta poti za dostavo je prvi korak k povečanju učinkovitosti voznega parka in zagotavljanju pozitivne izkušnje strank.
Vendar pa je odličen načrt pomemben le, ko je izveden – in to je izziv za mnoge upravljavce voznih parkov. Sledenje voznikom z GPS seveda pomaga, vendar problem ni tako preprost, saj obstaja več področij, kjer prihaja do odstopanj od načrta. Nekatera odstopanja so na primer prostovoljna (npr. voznik se odloči spremeniti zaporedje dostave), druga pa neprostovoljna (npr. zapora ceste ni zajeta v podatke digitalnega zemljevida). V mnogih primerih se odstopanje od načrta začne precej preden voznik sploh stopi na cesto. Zato morajo trgovci na drobno za boljši nadzor nad zmogljivostjo voznega parka slediti "načrtovani" in "dejanski" uspešnosti. Chris Jones, EVP,Descartespojasnjuje.
Definiranje "načrta" vs. "Dejanska" zmogljivost
Obstajajo tri ključne točke, ki jih je treba razumeti, ko gre za načrt v primerjavi z dejansko zmogljivostjo, in kako lahko operaterji maloprodajnih voznih parkov uporabijo te informacije za povečanje učinkovitosti voznega parka in uporabniške izkušnje.
1. Začnite z optimiziranim načrtom poti
Številni operaterji voznih parkov uporabljajo rešitve za načrtovanje poti za podporo pri maloprodajnih in e-trgovinskih dostavah. Današnje napredne rešitve za optimizacijo poti so zelo spretne pri upoštevanju vseh poslovnih omejitev in ocenjevanju kompromisov med posebnimi naročili na določenih poteh in zaporedjem, po katerem so dostavljena. Celostno iščejo najboljšo kombinacijo poti in zaporedij, ki bodo ustrezala zahteve strank za dostavo po najnižjih stroških dostave.
Čeprav rešitev za načrtovanje poti ni popolna, bo, če je pravilno konfigurirana, dosledno prekašala človeški um pri iskanju stroškovno najučinkovitejšega načrta poti. Za to razpravo upoštevajmo, da je načrt, ki ga je prvotno ustvaril sistem, izhodiščna merilna točka in ima najboljše možne rezultate.
2. Ocenite vpliv sprememb, ki so jih naredili načrtovalci
Ko je načrt prvotno ustvarjen, ga načrtovalec običajno pregleda, da zagotovi, da ni nobenih nedoslednosti, ki bi lahko vplivale na uspešnost dostave, in upošteva vse pogoje, ki niso bili upoštevani v konfiguraciji sistema ali jih ni bilo mogoče modelirati. Ta korak je prvo mesto, kjer lahko pride do odstopanja od začetnega optimiziranega načrta. Iz upravičenih in poljubnih razlogov načrtovalci spreminjajo optimizirane poti. Načrtovalec na primer ve, da rešitev ne zajame v celoti omejitve in števila dobav, ki jih lahko izvede določen tovornjak.
Prav tako ima lahko načrtovalec vnaprejšnje predstave o tem, kako naj bi pot "izgledala", in naredi spremembe, da se na določen način prikaže na digitalnem zemljevidu. V obeh primerih je bil optimiziran načrt prilagojen, rezultati pa spadajo v dve kategoriji: bolj optimizirani in boljša zmogljivost ali manj optimizirani in nižja učinkovitost. Te spremembe je treba zajeti in primerjati s prvotno optimiziranim načrtom.
3. Sledite izvedbi in zajemite odstopanja, ki nanjo vplivajo
Ko načrtovalec konča s prilagoditvami, se načrt objavi vozniku. Predpostavimo, da so vse pošiljke na tovornjaku in voznik začne izvajati pot, ki jo spremlja GPS. Tudi tu lahko voznik odstopi od načrta poti iz upravičenih in poljubnih razlogov.
Voznik ve, da bo določena stranka sprejela naročila prej, kot je navedeno v načrtu poti, in spremeni zaporedje dostave, da bo učinkovitejše, ali pa se voznik rad ustavi na določeni lokaciji, ker so zmogljivosti boljše ali možnosti hrane in pijače privlačnejše . Potem so tu dogodki, ki so izven voznikovega nadzora, kar lahko spremeni načrt poti. Na primer, stranka prekliče dostavo ali nesreča zapre cesto. Vse spremembe voznika in zunanje dogodke je treba zajeti, da dobimo popolno sliko odstopanj med izvajanjem poti.
Celoten načrt v primerjavi z dejansko sliko
Zajemanje teh točk daje upravljavcem voznih parkov izčrpen pogled na načrt skozi dejansko izvedbo in boljši nadzor nad rezultati uspešnosti. Vodje bodo poznali izhodišče načrta v smislu stroškov in storitev za stranke, kako so spremembe načrtovalca vplivale na stroške in storitve, in enako zavoznikspremembe in zunanji dogodki – vsi pomembni dejavniki, ki jih je treba upoštevati pri naraščajočih stroških dostave na dom in delovanja voznega parka.
Postavljen drug ob drugem, lahko vodja vidi (1) če načrt ni bil najbolj optimalen ali izvedljiv, (2) stopnjo, do katere načrtovalci spreminjajo prvotni načrt in zakaj ter stopnje, ki spodbujajo odstopanje in zakaj. S temi informacijami lahko menedžerji sprejmejo korektivne ukrepe za (1) izboljšanje kakovosti začetnega optimiziranega načrta s spremembami konfiguracije, (2) ugotavljanje, kateri načrtovalci preveč urejajo načrt in negativno vplivajo na stroške in storitve za stranke ter (3) boljše upravljati voznikovo upoštevanje načrta in razumeti stopnjo, v kateri zunanji dogodki vplivajo na uspešnost dostave.
Tehnologija lahko izboljša in optimizira postopek pregleda
Tehnologija nenehno izboljšuje učinkovitost v maloprodajnem sektorju. Poenostavi lahko načrt dostave na dom v primerjavi z dejanskim postopkom pregleda, odpravi nekatere vzroke za odstopanja od načrtov, ki negativno vplivajo na uspešnost; lahko pa upošteva tudi odstopanje, ki je imelo pozitiven učinek. To podpira tehnologija.
• Podatkovna analitika, integrirana z rešitvijo za načrtovanje in izvedbo, lahko pospeši analizo načrta v primerjavi z dejansko izvedbo. Eden največjih izzivov je zbiranje, organiziranje in povezovanje ogromne količine podatkov, ki jih ustvarijo načrtovanje poti in izvedbene rešitve, ki temeljijo na GPS-u.
Pojav zmogljivih, a intuitivnih in poceni analitičnih platform, kot je Microsoft PowerBI™, ki ima standardizirano integracijo z rešitvami za načrtovanje poti in izvedbo, poenostavi proces upravljanja podatkov in daje globok vpogled v primerjavo načrta z dejansko uspešnostjo.
• Kako strojno učenje pomaga zajeti načrt v primerjavi z dejansko uspešnostjo. Sledenje načrtu voznega parka v primerjavi z dejansko zmogljivostjo dostave je odlična aplikacija za strojno učenje zaradi vseh podatkov, ki se ustvarijo pri načrtovanju poti skozi postopek izvajanja.
Strojno učenje lahko natančneje prepozna dejansko lokacijo postanka, čas vožnje, servis in čas postanka ter druge vzorce, kot so spremembe v zaporedju postanka. Ta priporočila je mogoče uporabiti pri optimizirani rešitvi načrtovanja za ustvarjanje natančnejših in produktivnejših načrtov poti.
Strojno učenje lahko tudi prepozna, kateri načrtovalci in vozniki so izstopajoči, da zajame najboljše prakse ali pouči slabše uspešne.
• Robotska avtomatizacija procesov lahko odpravi nekatere vzroke načrta v primerjavi z dejanskim odstopanjem. Na žalost se lahko uspešnost načrtovalca zelo razlikuje, kar povzroči znatna odstopanja od začetnega optimiziranega načrta in slabšo uspešnost načrta.
Z zajemanjem in avtomatiziranjem praks načrtovanja najboljših načrtovalcev z avtomatizacijo robotskih procesov lahko upravljavci voznih parkov odpravijo številne popravke po optimizaciji, do katerih pride med fazo pregleda načrtovanja. Posledično bo manj sprememb, bolj predvidljivi rezultati načrtovanja v celotni organizaciji, krajši pregledi načrtovanja in večja produktivnost načrtovalcev.
Analiza izvedbe načrtovanja in dejanske dostave je pomemben proces za natančno določanje in izboljšanje praks in ukrepov, ki jih izvajajo načrtovalci in vozniki in ki negativno vplivajo na uspešnost dostave na dom za trgovce na drobno. Uporaba opisanega tritočkovnega pristopa omogoča menedžerjem znotraj maloprodajnih in e-trgovinskih organizacij, da zajamejo spremembe, ki vplivajo na uspešnost dostave na dom. V kombinaciji s tehnološkim napredkom, kot so podatkovna analitika, strojno učenje in robotska avtomatizacija procesov, lahko operacije voznega parka izvajajo zmogljiv načrt v primerjavi z dejanskimi procesi uspešnosti, ki spodbujajo učinkovitost dostavne flote in izboljšave končnega rezultata.
