Isso significa basicamente que através da análise dos dados, obtemos informações. Em outras palavras, dados estão geralmente na forma bruta, representados por palavras e/ou números que por si só não dizem muito coisa! Partindo do tratamento desses dados, como as correlações e segmentações por exemplo, conseguimos obter informações importantes.

Vamos usar um exemplo real. Imagine o caixa de um supermercado, os produtos são registrados através de seu código de barras num sistema computacional, o qual gera baixa no estoque, identifica o valor unitário e calcula o total da compra. Cada registro desses é um dado na forma bruta. Agora pense no total de registros realizados em todos os caixas de um supermercado num dia, multiplique pela quantidade de dias no mês, agora pelo número de supermercados na sua cidade, por exemplo. O resultado é enorme!

Isoladamente esses dados não tem tanta relevância, mas é uma fonte de informação muito importante. É possível correlacionar alguns produtos com outros e descobrir que, num exemplo muito simples, quando o cliente compra um Vinho, geralmente compra um queijo. Ainda é possível verificar o que vende mais num determinado horário do dia ou ainda, período do mês e ano. Ainda é possível descobrir quais itens estão mais presentes nas compras com maior ou menor valor total. Uma infinidade de informações podem ser extraídas do Big Data!

Com o resultado deste trabalho, as organizações têm condições de conhecer melhor o seu negócio e seus clientes. O bom uso disso aumenta a eficiência e gera vantagem e diferencial competitivo no seu segmento de atuação.

O Big Data na Logística não é diferente, avaliando o dia a dia operacional de um Operador Logístico também é possível observar o grande volume de dados. Para exemplificar, cito de forma básica um fluxo logístico interno:

1. Receber Pedido > 2. Coletar Itens > 3. Conferir Itens > 4. Embalar Pedido

O que é feito em cada atividade:

1. Receber Pedido: Cliente do Operador Logístico ou cliente final seleciona o(s) produto(s), quantidade(s) e informa o local de entrega, geralmente via sistema;

2. Coletar Itens: Com o pedido em mãos o colaborador do Operador identifica o endereço do(s) item(s) no armazém, dirige-se até o local e coleta na quantidade solicitada;

3. Conferir Itens: Com o pedido e os itens em mãos é realizada uma conferência para verificar se os produtos são de fato o que foi solicitado;

4. Embalar Pedido: Acondicionamento dos produtos dentro de embalagens e identificação para posterior transporte.

Em todas as etapas anteriores são realizados registros em sistema, formando um grande banco de dados, veja alguns exemplos do que podemos extrair deles e melhorar eficiência:

2. Coletar Itens

• Itens que tem maior giro – Devem ser endereçados em locais de fácil acesso e, consequentemente menor necessidade de movimentos e tempo;

3. Conferir Itens

• Itens coletados errados – Avaliar a causa e implementar melhorias para evitar coletas erradas;

4. Embalar Pedidos

• Tamanho médio dos produtos – Utilizar embalagens que atendam ao tamanho médio dos pedidos, reduzindo desperdícios.

Foram listados acima alguns resultados que podem ser obtidos através do Big Data e convertidas em maior eficiência operacional. É claro que existem milhares de outras informações que podem ser resultado de análises, tanto no âmbito operacional quanto no estratégico. O mais importante é saber aplicar esse conceito e gerar maior eficiência, diferencial e vantagem competitiva!

* Rafael Mendes é CEO & Founder da ASAP Log | Soluções em Logística, graduado em Administração de Empresas pela FAE Business School com experiência profissional em empresas multinacionais de grande porte no Brasil e EUA