La incorporación de herramientas de inteligencia artificial y machine learning en los modelos de gestión de plataformas logísticas pueden mejorar la precisión del pronóstico de envíos hasta en un 90%, según el último análisis de Oliver Wyman, “Excelencia operativa en las redes logísticas”.
En opinión de la empresa, “el auge global del comercio electrónico ha generado millones de envíos a domicilio al día. Las empresas de paquetería están viviendo una época dorada con un crecimiento de dos dígitos, pero la escasez de mano de obra o los volúmenes volátiles de envíos han reducido la rentabilidad”.
En España, según los datos recogidos por la Comisión Nacional de los Mercados y la Competencia (CNMC), el porcentaje de usuarios que compra por Internet ha crecido más de un 20% en los últimos 3 años, y la facturación del comercio electrónico alcanzó los 9.333 millones de euros al término de 2018.
Para lidiar con estos cambios poco previsibles, Oliver Wyman recomienda a las empresas de paquetería incorporar la inteligencia artificial en sus operaciones, que les permitiría crear plataformas logísticas más dinámicas, y sugiere aproximar la proporción actual entre coste fijo y variable de un 70:30 a un 60:40.
La compañía destaca que “el objetivo de incorporar la inteligencia artificial es conseguir una planificación más ágil que permita anticipar estos volúmenes para gestionar y planificar de forma eficiente las plataformas, rutas y el personal, ayudando a configurar la red de plataformas logísticas y hubs dependiendo de la demanda del día, así como a organizar a los trabajadores de forma más eficiente y productiva, y que no haya mano de obra infrautilizada”.
La fase desde que el repartidor sale de la plataforma hasta la recepción en mano por parte del usuario final, la denominada ‘última milla’, representa más del 50% de los costes de envío de un paquete.
Oliver Wyman afirma que “las previsiones inteligentes pueden ayudar a reorganizar las rutas diarias para optimizar el uso de vehículos y repartidores disponibles. Las rutas, por ejemplo, pueden adaptarse a la fijación de precios de incentivo, incluyendo un cierto porcentaje de paradas de pedido bajo demanda. Esto es particularmente ideal para alimentos frescos y entregas en el mismo día”.
24-04-2019 / GS1 Perú
