RawData: El análisis de los datos brutos en logística.

La capacidad para recoger, analizar y utilizar los datos disponibles de manera efectiva se ha convertido en un factor crucial para el éxito en prácticamente cualquier sector, por supuesto también en el ámbito de la logística.

Los datos nos aportan información clave a la hora de configurar un proyecto de ingeniería o reingeniería intralogística. Ya no es suficiente con una foto “estática” de las necesidades en lo que se refiere a capacidad de almacenamiento actual y futuro, sino una secuencia “dinámica” del trabajo en el almacén en lo que tiene que ver con la recepción de productos, gestión de pedidos, reubicación y expedición; una secuencia dinámica que sólo el análisis profundo de los RawData de la empresa puede proporcionar.

De igual modo, en el otro gran segmento de la logística, como es el transporte, es obvio mencionar la extraordinaria fuente de información que ofrecen los datos en bruto en todo lo que tiene que ver con la optimización de rutas y por tanto una gestión más eficiente de las flotas de distribución y reparto.

En cualquier caso y, en primer lugar, quizá sea necesario aclarar qué significa exactamente el término Rawdata -o datos en bruto- para una mejor comprensión de su importancia a la hora del análisis y la toma de decisiones en un proyecto logístico.

En esencia, cuando hablamos de RawData, hacemos referencia a los datos tal como se capturan inicialmente, es decir, sin procesar ni transformar. Los datos disponibles pueden provenir de enorme variedad de fuentes, para empezar de los propios datos del departamento de informática en lo que a compras o ventas se refiere, pero también de sensores en nuestros medios de producción, almacenaje o manutención, de los GPS instalados en nuestra flota de vehículos, de nuestras redes sociales, o de cualquier otro medio de captura de datos. La característica distintiva de los RawData es precisamente su estado original sin procesar, es decir, que aún no ha sido sometido a ningún tipo de manipulación o análisis.

Imagen de freepik

Conforme a esta descripción, las características principales que definen los RawData son las siguientes:

Integridad: Los datos en bruto conservan su integridad original, lo que significa que reflejan con precisión la información tal como fue capturada en su origen, sin ningún tipo de filtrado o transformación, proporcionando una base sólida para el análisis, asegurando que los resultados obtenidos sean fiables y precisos.

Detalle: RawData a menudo incluye una gran cantidad de detalles, dada la captura de cada punto de datos individual sin ningún tipo de agregación o resumen.

Diversidad de Formatos: Los datos en bruto pueden presentarse en una amplia variedad de formatos, desde archivos de texto sin procesar hasta datos binarios, producto de la diversidad de fuentes de donde provienen.

Flexibilidad Analítica: Al disponer de datos en su forma original, podemos emplear en su análisis una amplia gama de técnicas y herramientas sin vernos limitados por decisiones de preprocesamiento.

Patrones Ocultos: Al explorar los datos en bruto, los analistas pueden descubrir patrones y tendencias ocultas que podrían pasar desapercibidas en datos ya preprocesados o resumidos.

De forma más concreta, a la hora de afrontar un proyecto de intralogística, la principal fuente de datos para nuestro análisis la obtendremos del maestro de artículos y del inventario, en lo que se refiere a la foto fija de las referencias y unidades almacenadas de la compañía y, en lo que se refiere a la secuencia dinámica, del archivo de las líneas de pedido a lo largo de un determinado periodo, que normalmente será de un año, para poder analizar y descifrar las posibles estacionalidades o anomalías.

El procesamiento de estos datos en bruto a través de diferentes herramientas de análisis, propias como en el caso de los programas de Dimensia, o comerciales como PowerBI, que también utilizamos en nuestros proyectos, nos permitirá obtener con precisión la estructura de pedidos dinámica a lo largo de un ejercicio completo de la compañía, definiendo con claridad el número de pedidos a atender en un determinado periodo de tiempos, las referencias que lo componen, el número de cajas o unidades que lo integran y un extenso número de parámetros definitorios.

 Y es este conocimiento preciso de la estructura de pedidos el que, a su vez, nos permitirá determinar cuál es la mejor fórmula o metodología de trabajo, pedido a pedido, con agrupación y desconsolidación, etc. en la preparación de los pedidos, conforme a dicha estructura.

Lo que rige para la estructura de pedidos, sirve también para los movimientos de recepción, expedición o reposición, o para la optimización del inventario de acuerdo con los resultados que obtengamos del análisis de los RawData disponibles.

Resultan sorprendentes las conclusiones que obtenemos de un análisis detallado de los datos en bruto que, alejadas de primeras impresiones o intuiciones, suelen sorprender incluso a los propios responsables de las empresas analizadas.