¿Son útiles los macrodatos para el sector de las flotas?
Utilizar los macrodatos para mejorar la eficiencia es la palabra clave que el sector de las flotas lleva escuchando desde hace tiempo.
¿Es útil el Big Data para el sector de las flotas?
Utilizar los macrodatos para mejorar la eficiencia es la palabra clave que el sector de las flotas lleva escuchando desde hace tiempo. ¿Cuáles son las áreas del sector de las flotas en las que han influido realmente los macrodatos? El enrutamiento y la navegación es uno de los campos en los que la gente afirma haber encontrado el máximo impacto, seguido de la gestión de la cadena de suministro. Pero, ¿es realmente cierta esta afirmación? Una empresa telemática de tamaño medio que preste servicio a unos diez mil vehículos no tendrá la masa crítica necesaria para realizar el enrutamiento y la navegación de forma eficiente, ya que necesitaría millones de vehículos. Como resultado, las empresas tienen que utilizar las API básicas de empresas de cartografía como Google y HERE y proporcionar servicios de valor añadido sobre ellas. En el caso de la gestión de la cadena de suministro, los obstáculos a la hora de compartir datos entre las distintas empresas de la cadena han hecho que sólo las grandes corporaciones que prestan servicios a las distintas partes de la cadena de suministro puedan beneficiarse de ella. ¿Es entonces inútil la búsqueda de big data para el sector de las flotas?
Cuando se trata de obtener beneficios a partir de los datos, los datos de vídeo o el análisis visual ofrecen el valor más tangible sin necesidad de cantidades colosales de datos. No es necesario que una enorme masa crítica de vehículos esté suministrando datos continuamente para que esto tenga un impacto. La información puede obtenerse a nivel de conductor, de flota y entre flotas. El comportamiento y la seguridad del conductor es el primer nivel de análisis, que incluye soluciones como la advertencia de colisión frontal, el mantenimiento del carril, el cumplimiento de los límites de velocidad, etc. La analítica a nivel de flota pondrá en primer plano parámetros de eficiencia, como el ahorro de combustible y los costes de mantenimiento. Estos parámetros tendrán una relación directa con el comportamiento del conductor. De la agregación de análisis a nivel de conductor surgirá la salud general de la flota en términos de patrones de conducción, lo que puede traducirse directamente en los indicadores clave de rendimiento, por ejemplo, un mayor número de infracciones de la distancia de seguimiento en toda la flota indicará no sólo un mayor consumo de combustible, sino también un mayor riesgo de un incidente por alcance. El siguiente paso consistiría en agregar datos de todas las flotas para obtener análisis de vídeo mucho más avanzados, por ejemplo, algoritmos avanzados de aprendizaje automático que puedan predecir accidentes a partir de datos de vídeo basados en el historial y advertir al conductor antes de que se produzca el accidente.
En conclusión, la obtención de información a partir de datos de vídeo sería mucho más procesable, y se podrían recoger los frutos sin tener que alcanzar una masa crítica mucho mayor de vehículos.
