Tổng quan về Big Data
Khái niệm, nguồn hình thành và đặc trưng của Big Data
Dữ liệu lớn (Big data) là thuật ngữ mô tả các bộ dữ liệu khổng lồ hoặc phức tạp mà các phương pháp truyền thống không thể xử lý hiệu quả.
Dữ liệu lớn, theo Gartner, là nguồn thông tin với đặc điểm khối lượng lớn, tốc độ nhanh và đa dạng về định dạng Để khai thác hiệu quả, cần áp dụng các phương pháp xử lý mới nhằm đưa ra quyết định, khám phá và tối ưu hóa quy trình.
1.1.2 Nguồn hình thành và phương pháp khai thác, quản lý dữ liệu lớn Qua thống kê và tổng hợp, dữ liệu lớn được hình thành chủ yếu từ 6 nguồn:
1) Dữ liệu hành chính (phát sinh từ chương trình của một tổ chức, có thể là chính phủ hay phi chính phủ) Ví dụ, hồ sơ y tế điện tử ở bệnh viện, hồ sơ bảo hiểm, hồ sơ ngân hàng ;
2) Dữ liệu từ hoạt động thương mại (phát sinh từ các giao dịch giữa hai thực thể) Ví dụ, các giao dịch thẻ tín dụng, giao dịch trên mạng, bao gồm cả các giao dịch từ các thiết bị di động;
3) Dữ liệu từ các thiết bị cảm biến như thiết bị chụp hình ảnh vệ tinh, cảm biến đường, cảm biến khí hậu;
4) Dữ liệu từ các thiết bị theo dõi, ví dụ theo dõi dữ liệu từ điện thoại di động, GPS;
5) Dữ liệu từ các hành vi, ví dụ như tìm kiếm trực tuyến (tìm kiếm sản phẩm, dịch vụ hay thông tin khác), đọc các trang mạng trực tuyến ;
6) Dữ liệu từ các thông tin về ý kiến, quan điểm của các cá nhân, tổ chức, trên các phương tiện thông tin xã hội theo các nguồn hình thành dữ liệu lớn Mỗi nguồn dữ liệu lớn khác nhau sẽ có phương pháp khai thác và quản lý dữ liệu lớn khác nhau Tuy nhiên, hiện nay phần lớn các tổ chức trên thế giới đều dùng Hadoop ecosystem là giải pháp tối ưu để khai thác và quản lý dữ liệu lớn
1.1.3 Đặc trưng 5V của dữ liệu lớn
Dữ liệu lớn có 5 đặc trưng cơ bản như sau (mô hình 5V):
1) Khối lượng dữ liệu (Volume) Đây là đặc điểm tiêu biểu nhất của dữ liệu lớn, khối lượng dữ liệu rất lớn Kích cỡ của Big Data đang từng ngày tăng lên, và tính đến năm 2012 thì nó có thể nằm trong khoảng vài chục terabyte cho đến nhiều petabyte (1 petabyte = 1024 terabyte) chỉ cho một tập hợp dữ liệu Dữ liệu truyền thống có thể lưu trữ trên các thiết bị đĩa mềm, đĩa cứng Nhưng với dữ liệu lớn chúng ta sẽ sử dụng công nghệ “đám mây” mới đáp ứng khả năng lưu trữ được dữ liệu lớn
Tốc độ có thể hiểu theo 2 khía cạnh:
(a) Khối lượng dữ liệu gia tăng rất nhanh (mỗi giây có tới 72.9 triệu các yêu cầu truy cập tìm kiếm trên web bán hàng của Amazon);
Xử lý dữ liệu lớn ở mức thời gian thực (real-time) cho phép dữ liệu được xử lý ngay lập tức sau khi phát sinh, chỉ trong mili giây Công nghệ này hiện đang được áp dụng rộng rãi trong các lĩnh vực như Internet, tài chính, ngân hàng, hàng không, quân sự và y tế Nhờ vào sự tiến bộ trong công nghệ xử lý dữ liệu lớn, chúng ta có khả năng xử lý thông tin ngay trước khi lưu trữ vào cơ sở dữ liệu.
3) Đa dạng (Variety) Đối với dữ liệu truyền thống chúng ta hay nói đến dữ liệu có cấu trúc, thì ngày nay hơn 80% dữ liệu được sinh ra là phi cấu trúc (tài liệu, blog, hình ảnh, vi deo, bài hát, dữ liệu từ thiết bị cảm biến vật lý, thiết bị chăm sóc sức khỏe ) Big data cho phép liên kết và phân tích nhiều dạng dữ liệu khác nhau Ví dụ, với các bình luận của một nhóm người dùng nào đó trên Facebook với thông tin video được chia sẻ từ Youtube và Twitter
4) Độ tin cậy/chính xác (Veracity)
Một trong những thách thức lớn nhất của Dữ liệu lớn là đảm bảo độ tin cậy và chính xác của thông tin Sự phát triển mạnh mẽ của phương tiện truyền thông xã hội và mạng xã hội, cùng với mức độ tương tác cao của người dùng di động, đã làm cho việc xác định độ tin cậy và chính xác của dữ liệu trở nên phức tạp hơn Do đó, việc phân tích và loại bỏ dữ liệu không chính xác và nhiễu là một yếu tố quan trọng trong lĩnh vực Dữ liệu lớn.
Giá trị là yếu tố quan trọng nhất của dữ liệu lớn, và việc xác định giá trị thông tin là bước đầu tiên trong quá trình triển khai Nếu chỉ thu được 1% lợi ích từ dữ liệu lớn, thì không nên đầu tư vào nó Kết quả dự báo chính xác là minh chứng rõ ràng nhất cho giá trị mà dữ liệu lớn mang lại Chẳng hạn, từ khối dữ liệu trong quá trình khám, chữa bệnh, chúng ta có thể dự đoán sức khỏe một cách chính xác hơn, từ đó giảm chi phí điều trị và các chi phí liên quan đến y tế.
1.1.4 Sự khác biệt giữa dữ liệu lớn với dữ liệu truyền thống
Dữ liệu lớn khác với dữ liệu truyền thống (ví dụ, kho dữ liệu - Data Warehouse) ở
4 điểm cơ bản: Dữ liệu đa dạng hơn; lưu trữ dữ liệu lớn hơn; truy vấn dữ liệu nhanh hơn; độ chính xác cao hơn
1) Dữ liệu đa dạng hơn
Khi khai thác dữ liệu lớn, chúng ta không cần phải lo lắng về kiểu dữ liệu và định dạng như trong khai thác dữ liệu truyền thống Thay vào đó, điều quan trọng là giá trị mà dữ liệu mang lại có đáp ứng được nhu cầu cho công việc hiện tại và tương lai hay không.
2) Lưu trữ dữ liệu lớn hơn
Lưu trữ dữ liệu truyền thống thường phức tạp và đặt ra nhiều câu hỏi về cách lưu trữ, dung lượng cần thiết và chi phí đầu tư Tuy nhiên, công nghệ lưu trữ dữ liệu lớn hiện nay đã giúp giải quyết những vấn đề này thông qua việc sử dụng lưu trữ đám mây và phân phối lưu trữ dữ liệu phân tán Công nghệ này cho phép kết hợp và xử lý các dữ liệu phân tán một cách chính xác và nhanh chóng trong thời gian thực.
3) Truy vấn dữ liệu nhanh hơn
Dữ liệu lớn được cập nhật liên tục, trong khi kho dữ liệu truyền thống chỉ được cập nhật không thường xuyên Điều này dẫn đến việc không theo dõi thường xuyên, gây ra lỗi trong cấu trúc truy vấn và làm khó khăn cho việc tìm kiếm thông tin đáp ứng yêu cầu.
4) Độ chính xác cao hơn
Dữ liệu lớn khi được áp dụng thường phải trải qua quy trình kiểm định nghiêm ngặt, với khối lượng thông tin kiểm tra rất lớn Điều này đảm bảo rằng nguồn dữ liệu không bị ảnh hưởng bởi sự can thiệp của con người, từ đó bảo vệ tính chính xác của số liệu thu thập.
Bức tranh tổng thể ứng dụng dữ liệu lớn
Dữ liệu lớn đã được áp dụng rộng rãi trong nhiều lĩnh vực như chính trị, giao thông, y tế, thể thao, tài chính, thương mại và thống kê Dưới đây là một số ví dụ tiêu biểu về ứng dụng của dữ liệu lớn trong các lĩnh vực này.
1) Ứng dụng dữ liệu lớn trong hoạt động chính trị
Tổng thống Mỹ Obama đã tận dụng dữ liệu lớn trong chiến dịch tranh cử của mình bằng cách xây dựng một đội ngũ chuyên thu thập và phân tích thông tin từ cử tri Đội ngũ này đã thu thập dữ liệu chi tiết về sở thích của người dân, bao gồm sách, thuốc và phương tiện di chuyển, cũng như thông tin về các cuộc bầu cử trước đó của họ Dựa trên những thông tin này, Obama đã triển khai các kế hoạch vận động hiệu quả, giúp ông tái đắc cử Tổng thống lần thứ hai.
Dữ liệu lớn được ứng dụng rộng rãi trong lĩnh vực chính trị, bao gồm hệ thống chính phủ điện tử, phân tích quy định và việc tuân thủ, cũng như giám sát và phát hiện gian lận, mối đe dọa và an ninh mạng.
2) Ứng dụng dữ liệu lớn trong giao thông
Việc sử dụng số liệu CDR trong quá khứ để ước lượng lưu lượng giao thông vào giờ cao điểm cho phép xây dựng kế hoạch phân luồng giao thông chi tiết và hợp lý, từ đó giảm thiểu tình trạng kẹt xe Đồng thời, thông tin này cũng giúp người tham gia giao thông lựa chọn thời gian và lộ trình hợp lý để tránh ùn tắc Hơn nữa, dữ liệu lớn còn hỗ trợ phân tích vị trí người dùng trên thiết bị di động và ghi nhận cuộc gọi theo thời gian thực, góp phần giảm thiểu tình trạng ùn tắc giao thông.
3) Ứng dụng dữ liệu lớn trong y tế
Trong y học, bác sĩ sử dụng dữ liệu từ bệnh án để dự đoán nguy cơ mắc bệnh và xu hướng lây lan Một ví dụ điển hình là ứng dụng Google Flu Trend, dựa trên từ khóa tìm kiếm tại một khu vực cụ thể Bộ máy phân tích của Google sẽ so sánh và phân tích kết quả tìm kiếm, từ đó đưa ra dự báo về xu hướng dịch cúm trong khu vực Điều này giúp nhận biết tình hình cúm và đề xuất các giải pháp phòng tránh hiệu quả.
Trend đưa ra, hoàn toàn phù hợp với báo cáo của Tổ chức Y tế Thế giới WHO về tình hình bệnh cúm tại các khu vực đó.
4) Ứng dụng dữ liệu lớn trong thể thao
Mô hình hệ thống cấu trúc sơ đồ chiến thuật của đội tuyển Đức đã chỉ ra những điểm bất hợp lý trong đội hình, từ đó giúp đội tuyển khắc phục điểm yếu và đạt được thành công tại World Cup 2014.
5) Ứng dụng dữ liệu lớn trong thương mại
Thương mại dữ liệu lớn mang lại nhiều lợi ích, bao gồm phân khúc thị trường và khách hàng, phân tích hành vi khách hàng tại cửa hàng, tiếp thị dựa trên định vị, và phân tích tiếp thị chéo kênh cũng như đa kênh Nó còn hỗ trợ quản lý các chiến dịch tiếp thị và chương trình khách hàng thân thiết, so sánh giá, phân tích và quản lý chuỗi cung ứng, cũng như nghiên cứu hành vi và thói quen tiêu dùng của khách hàng.
6) Ứng dụng dữ liệu lớn trong thống kê
Nhằm tận dụng lợi ích và đối mặt với thách thức của Big Data trong thống kê nhà nước, Ủy ban Thống kê Liên hợp quốc cùng các tổ chức thống kê khu vực và Cơ quan thống kê quốc gia đã triển khai nhiều hoạt động sáng tạo Cụ thể, Hàn Quốc áp dụng ảnh vệ tinh để thống kê nông nghiệp; Australia sử dụng công nghệ này để đo lường diện tích và năng suất đất nông nghiệp; Italia khai thác dữ liệu từ điện thoại di động để nghiên cứu di cư; Bhutan tính toán chỉ số giá tiêu dùng qua thiết bị di động; Estonia áp dụng định vị vệ tinh qua điện thoại di động để thống kê du lịch; và EuroStat sử dụng dữ liệu điện thoại di động để phân tích xu hướng du lịch.
7) Ứng dụng dữ liệu lớn trong tài chính
Dựa trên dữ liệu chính xác và kịp thời từ các giao dịch của khách hàng, chúng tôi tiến hành phân tích, xếp hạng và quản lý rủi ro trong đầu tư tài chính và tín dụng.
ỨNG DỤNG CỦA BIG DATA TRONG LOGISTICS
Logistics là việc kinh doanh theo định hướng dữ liệu
Dữ liệu lớn đang thay đổi cách thức hoạt động trong nhiều lĩnh vực kinh doanh, đặc biệt là trong phân tích hậu cần Sự phức tạp và tính năng động của logistics, cùng với sự phụ thuộc vào nhiều yếu tố chuyển động, có thể dẫn đến tắc nghẽn trong chuỗi cung ứng Do đó, logistics trở thành một ứng dụng lý tưởng cho việc khai thác dữ liệu lớn.
Hậu cần dữ liệu lớn có khả năng tối ưu hóa định tuyến, hợp lý hóa chức năng nhà máy và cung cấp tính minh bạch cho chuỗi cung ứng, mang lại lợi ích cho cả công ty hậu cần và tàu biển Điều này được đồng thuận bởi các công ty hậu cần bên thứ ba và các công ty vận tải.
Theo một bài báo của Fleetowner, 98% các nhà cung cấp dịch vụ logistics bên thứ ba (3PLs) cho rằng việc ra quyết định dựa trên dữ liệu được cải thiện là yếu tố cần thiết cho sự thành công trong tương lai của hoạt động và quy trình chuỗi cung ứng Hơn nữa, 81% các chủ hàng và 86% 3PLs được khảo sát cho biết rằng việc sử dụng dữ liệu lớn sẽ trở thành năng lực cốt lõi của các tổ chức chuỗi cung ứng.
Dữ liệu lớn cần nhiều nguồn thông tin chất lượng cao để hoạt động hiệu quả Vậy nguồn dữ liệu này đến từ đâu? Báo cáo về dữ liệu lớn trong logistics giúp doanh nghiệp xác định nhiều nguồn dữ liệu tiềm năng.
- Dữ liệu doanh nghiệp truyền thống từ các hệ thống hoạt động
- Dữ liệu giao thông và thời tiết từ các cảm biến, màn hình và hệ thống dự báo
- Chẩn đoán xe, mô hình lái xe và thông tin vị trí
- Dự báo kinh doanh tài chính
- Dữ liệu phản hồi quảng cáo
- Dữ liệu mẫu duyệt web
- Dữ liệu truyền thông xã hội
Rõ ràng, có nhiều cách để các hệ thống dữ liệu có thể cung cấp thông tin họ cần.
DHL khẳng định rằng việc ứng dụng công nghệ dữ liệu và tự động hóa sẽ mang lại mức độ tối ưu hóa chưa từng có trong các lĩnh vực sản xuất, hậu cần, kho bãi và giao hàng tận nơi, nhờ vào việc khai thác các nguồn dữ liệu và tiềm năng sử dụng chúng.
Lợi ích và cơ hội khi ứng dụng Big Data vào Logistics
Những tiến bộ trong công nghệ và ứng dụng Big Data đang mang lại lợi ích to lớn cho ngành logistics, giúp các nhà cung cấp dịch vụ quản lý dòng sản phẩm khổng lồ và tạo ra các bộ dữ liệu rộng lớn Việc theo dõi nguồn gốc, điểm đến, kích cỡ, trọng lượng, nội dung và vị trí lô hàng hàng ngày qua mạng lưới phân phối toàn cầu mở ra nhiều tiềm năng chưa được khai thác, từ việc nâng cao hiệu quả hoạt động, cải thiện trải nghiệm khách hàng đến việc tạo ra mô hình kinh doanh mới Phân tích dữ liệu lớn cung cấp lợi thế cạnh tranh nhờ vào các thuộc tính nổi bật của Big Data có thể áp dụng hiệu quả trong ngành logistics.
1) Tối ưu hóa vận chuyển hàng hóa đến điểm đến cuối cùng
Một trong những thách thức lớn nhất trong việc tối ưu hóa hiệu suất của mạng lưới phân phối là "dặm cuối cùng" Thời gian 24 giờ cuối cùng trong chuỗi cung ứng thường chiếm tới 28% tổng chi phí giao hàng của một gói hàng, khiến nó trở thành giai đoạn tốn kém nhất Nhiều rào cản có thể dẫn đến tình trạng này.
Xe tải giao hàng lớn gặp khó khăn khi tiếp cận các công viên gần khu vực đô thị, buộc tài xế phải đậu xe xa và đi bộ đến địa điểm cuối cùng Họ thường phải leo nhiều tầng cầu thang hoặc chờ thang máy tại các tòa nhà cao tầng, gây ra sự bất tiện trong quá trình giao hàng.
Một số mặt hàng phải được ký kết và nếu khách hàng không ở nhà thì không thể giao hàng.
Nhân viên giao hàng cần chú ý để bảo vệ gói hàng trong quá trình giao nhận cuối cùng, đồng thời phải thể hiện sự chuyên nghiệp khi tiếp xúc với người nhận.
Thêm vào những thách thức này, có thể rất khó để biết chính xác những gì đang xảy ra trong đợt giao hàng cuối cùng
Dữ liệu lớn có khả năng giải quyết các thách thức trong quá trình phân phối hàng hóa một cách hiệu quả Matthias Winkenbach, giám đốc Phòng thí nghiệm Hoá chất Megacity của MIT, đã chỉ ra rằng phân tích dữ liệu đang cung cấp thông tin quý giá Nhờ vào chi phí thấp và sự phổ biến của internet di động cùng với điện thoại thông minh hỗ trợ GPS, cũng như sự phát triển của Internet thông qua cảm biến và máy quét, các chủ hàng có thể theo dõi toàn bộ quá trình phân phối từ điểm xuất phát đến điểm đến cuối cùng.
Một chiếc xe tải giao hàng UPS được trang bị cảm biến GPS khi giao hàng tại trung tâm Chicago Sau khi đỗ xe, điện thoại của người nhận sẽ nhận tín hiệu GPS, gửi dữ liệu về thời gian giao hàng đến trung tâm UPS Thông tin này không chỉ hữu ích cho khách hàng mà còn giúp các công ty logistics nhận diện các mô hình giao hàng, từ đó tối ưu hóa chiến lược phân phối hiệu quả hơn.
Sự gia tăng phổ biến của các thiết bị cảm biến trong giao thông, vận chuyển và chuỗi cung ứng đã tạo ra cơ hội để cung cấp dữ liệu, từ đó nâng cao tính minh bạch hơn bao giờ hết.
Tính minh bạch trong chuỗi cung ứng rất quan trọng đối với chủ hàng, người vận chuyển và khách hàng Khi một lô hàng có khả năng đến muộn, các hãng tàu cần được thông báo sớm để có thể ngăn chặn tình trạng tắc nghẽn Đồng thời, các công ty vận chuyển có thể sử dụng dữ liệu này để đàm phán với chủ hàng, chứng minh khả năng phân phối đúng hạn của họ.
Các công ty logistics hiện nay đã gắn cảm biến vào tất cả các phương tiện phân phối, kết hợp với điện thoại thông minh hỗ trợ GPS để đảm bảo độ chính xác Một bên thứ ba sẽ xác thực các cảm biến này, cung cấp dữ liệu đáng tin cậy và thời gian thực Những thông tin này trở thành yếu tố quan trọng khi các công ty logistics tham gia đấu thầu cho các hợp đồng mới.
Loại nguồn mở, thông tin minh bạch hoàn toàn có thể thay đổi cách kinh doanh được tiến hành trong khâu hậu cần.
3) Tuyến đường sẽ được tối ưu hoá
Trong một cuộc khảo sát về dịch vụ logistics bên thứ ba (3PL), 70% người tham gia cho rằng việc "cải thiện tối ưu hóa logistics" là cách sử dụng hiệu quả nhất các dữ liệu lớn trong lĩnh vực này Điều này cho thấy rằng tối ưu hóa logistics là một mối quan tâm hàng đầu của nhiều người.
Các công ty logistics quan tâm đến việc tối ưu hóa vì nó giúp tiết kiệm chi phí và ngăn chặn việc giao hàng muộn Trong quản lý hệ thống phân phối hoặc chuỗi cung ứng, việc kết nối tài nguyên và phương tiện là rất quan trọng Nếu sử dụng quá nhiều xe và tài nguyên trên một tuyến đường phân phối, công ty sẽ tiêu tốn nhiều tiền hơn và có thể khai thác tài sản hiệu quả hơn ở những khu vực khác.
Nếu bạn ước tính sai số lượng xe cần thiết cho một tuyến đường hoặc giao hàng, bạn sẽ đối mặt với nguy cơ giao hàng muộn, ảnh hưởng đến mối quan hệ với khách hàng và hình ảnh thương hiệu Thêm vào đó, việc tối ưu hóa còn gặp nhiều thách thức do các yếu tố liên quan đến phân bổ nguồn lực hiệu quả luôn thay đổi.
Chi phí nhiên liệu có thể thay đổi
Các đường cao tốc và đường xá có thể tạm thời đóng cửa hoặc những đường hầm mới có thể được xây dựng
Số lượng xe bạn sử dụng có thể thay đổi do sửa chữa hoặc mua lại mới
Điều kiện thời tiết luôn thay đổi, cả theo mùa lẫn ngay lập tức, ảnh hưởng đến ngành Logistics Việc ứng dụng Big Data và phân tích tiên đoán giúp các công ty Logistics nâng cao sức cạnh tranh và vượt qua các thách thức Các bộ cảm biến xe tải, dữ liệu thời tiết, thông tin bảo trì đường bộ, lịch trình bảo dưỡng đội tàu, chỉ báo tình trạng hạm đội theo thời gian thực và lịch trình nhân sự có thể được tích hợp vào một hệ thống Hệ thống này sẽ phân tích các xu hướng lịch sử để đưa ra những lời khuyên phù hợp.
UPS là một ví dụ điển hình về Big Data Logistics, nổi bật với khả năng tiết kiệm chi phí Qua việc phân tích dữ liệu, UPS nhận ra rằng việc các xe tải rẽ trái đã dẫn đến chi phí cao hơn Cụ thể, việc chuyển hướng trong giao thông không chỉ gây ra sự chậm trễ mà còn lãng phí nhiên liệu và tiềm ẩn nguy cơ an toàn.
Theo một bài báo từ Cuộc hội thoại, UPS đã tiết lộ rằng họ đã tiết kiệm được hơn 10 triệu gallon nhiên liệu và giảm phát thải CO2 xuống dưới 20.000 tấn mỗi năm Những thay đổi này cho phép công ty cung cấp tới 350.000 gói mỗi năm, cho thấy một ví dụ điển hình về việc áp dụng dữ liệu lớn trong chuỗi cung ứng.
Thách thức khi ứng dụng Big Data vào Logistics
Việc áp dụng hiệu quả các kỹ thuật Big Data đã mang lại nhiều lợi ích cho sự chuyển đổi kinh tế, tuy nhiên cũng đặt ra nhiều thách thức như khó khăn trong thu thập, lưu trữ, tìm kiếm, cắt xén, phân tích và ứng dụng dữ liệu Để tối ưu hóa tiềm năng của Dữ liệu lớn, những thách thức này cần được khắc phục.
1) Kiến trúc máy tính để xử lý dữ liệu
Kiến trúc máy tính đối mặt với nhiều thách thức lớn Theo nghiên cứu của Philip Chen và Zhang (2014), hiệu suất của bộ xử lý trung tâm (CPU) đang tăng gấp đôi sau mỗi 18 tháng.
Hiệu năng của ổ đĩa đã tăng gấp đôi ở cùng tốc độ, với sự cải thiện nhẹ về tốc độ quay Bên cạnh đó, lượng thông tin đã tăng lên một cách đáng kể, điều này ảnh hưởng lớn đến khả năng khám phá các giá trị thời gian thực từ Big Data.
2) Dữ liệu không thống nhất
Một thách thức lớn trong phân tích dữ liệu lớn là sự không thống nhất về dữ liệu, khả năng mở rộng, tính kịp thời và bảo mật dữ liệu Để khắc phục, cần thực hiện các bước tiền xử lý như làm sạch, tích hợp và chuyển đổi dữ liệu nhằm giảm tiếng ồn và sửa lỗi Big Data đã cách mạng hóa việc thu thập và lưu trữ dữ liệu, bao gồm các thiết bị và kiến trúc lưu trữ, cũng như cơ chế truy cập dữ liệu Việc khám phá kiến thức cần ưu tiên khả năng tiếp cận dữ liệu lớn, cho phép phá vỡ hoặc cải thiện kiến trúc máy tính hiện tại Các kiến trúc lưu trữ như DAS, NAS và SAN thường gặp nhiều hạn chế trong các hệ thống phân phối quy mô lớn Tối ưu hóa truy cập dữ liệu, thông qua sao chép, di chuyển và truy cập song song, là phương pháp phổ biến để nâng cao hiệu suất cho các hệ thống dữ liệu lớn, đặc biệt khi khối lượng dữ liệu lớn có thể gây tắc nghẽn băng thông mạng trong môi trường đám mây và phân tán.
3) Bảo mật dữ liệu chưa đảm bảo
Bảo mật dữ liệu trong lưu trữ đám mây là một vấn đề quan trọng, bao gồm các yếu tố như xác thực, lưu trữ và quản lý dữ liệu Cấu trúc dữ liệu cần được thiết lập để tìm kiếm và truy xuất định kỳ, đảm bảo chất lượng và giá trị của dữ liệu, đồng thời hỗ trợ việc tái sử dụng và bảo quản hiệu quả.
Theo Kambatla (2014), để xây dựng một hệ thống hậu cần hiệu quả, cần tích hợp quản lý chuỗi cung ứng, quản lý khách hàng, hỗ trợ sau bán hàng và quảng cáo Việc xử lý một lượng lớn dữ liệu đa dạng như giao dịch khách hàng, quản lý hàng tồn kho và sở thích của khách hàng là rất quan trọng Triển khai RFIDs (Radio Frequency Identification) giúp theo dõi hàng tồn kho và kết nối với cơ sở dữ liệu của nhà cung cấp, từ đó cải thiện hiệu quả hoạt động Phương pháp Big Data cho phép khai thác dữ liệu sản xuất, hỗ trợ quyết định trong logistics, như nghiên cứu của Zhong và cộng sự (2015) Các ứng dụng này chủ yếu dựa trên bộ dữ liệu được cấu trúc tốt, giúp dễ dàng quản lý vấn đề bảo mật khi phân tích dữ liệu trong cùng một miền an ninh Tuy nhiên, thách thức lớn nhất là phát triển các phân tích có khả năng xử lý khối lượng lớn dữ liệu đa phương thức.
Với sự gia tăng khối lượng dữ liệu, khả năng chứa đựng thông tin giá trị và bí mật cũng tăng theo, dẫn đến nguy cơ cao hơn từ tội phạm mạng Các vấn đề an ninh hiện nay không chỉ bao gồm bảo vệ sở hữu trí tuệ mà còn bảo vệ quyền riêng tư cá nhân, bí mật thương mại và thông tin tài chính Luật bảo vệ dữ liệu đã được thiết lập ở nhiều quốc gia phát triển và đang phát triển Tuy nhiên, trong các ứng dụng liên quan đến Dữ liệu Lớn, việc đảm bảo an toàn cho dữ liệu trở nên phức tạp hơn do khối lượng dữ liệu khổng lồ và những thách thức trong công tác bảo mật.
CASE-STUDY: DHL ĐÃ ÁP DỤNG BIG DATA NHƯ THẾ NÀO?
Ngày nay, các công ty trong mọi lĩnh vực đang nỗ lực thu thập và phân tích dữ liệu chính xác để đưa ra quyết định kinh doanh hiệu quả Dữ liệu này có tiềm năng lớn giúp doanh nghiệp thành công Ngành logistics cũng không ngoại lệ, khi họ có thể khai thác dữ liệu từ mạng, thiết bị kết nối như điện thoại thông minh và các nền tảng truyền thông xã hội Số lượng thông tin kỹ thuật số hiện nay vượt xa số ngôi sao trong vũ trụ, và các công ty có công nghệ cùng kỹ năng để tinh chỉnh dữ liệu sẽ gia tăng giá trị cho doanh nghiệp thông qua phân tích Big Data Nhiều công ty logistics như DHL và GE đã nhận ra sự thay đổi lớn mà Big Data mang lại cho ngành của họ Case-study này phân tích cách DHL sử dụng hồ sơ dữ liệu toàn diện và cách phân tích Big Data đã giúp họ nâng cao hiệu quả hoạt động với sự hỗ trợ của Resilience360, thử nghiệm các mô hình kinh doanh mới như dự đoán khối lượng bưu kiện và mô hình "DHL Geovista", đồng thời duy trì trải nghiệm khách hàng tốt thông qua việc phân tích điều kiện thời tiết Các giải pháp dữ liệu lớn của DHL minh chứng rằng các công ty logistics có thể khai thác dữ liệu chưa sử dụng và áp dụng các kỹ thuật phù hợp để trở thành những ví dụ điển hình trong ngành.
Vậy DHL đã sử dụng Big Data vào việc gì và hiệu quả ra sao?
Để tối ưu hóa tuyến đường trong quá trình phân phối và tiết kiệm thời gian, DHL áp dụng công nghệ Smart Truck với các xe tải được trang bị cảm biến Những cảm biến này giúp phát hiện lô hàng trong quá trình xếp dỡ, cho phép sắp xếp hàng hóa một cách tối ưu thay vì thủ công Bên cạnh đó, cơ sở dữ liệu bưu chính viễn thông được khai thác tự động để điều chỉnh các tuyến phân phối dựa trên điều kiện giao thông hiện tại.
Thông tin định tuyến sẽ được tối ưu hóa dựa trên tính sẵn có và vị trí mà người nhận cung cấp, nhằm giảm thiểu khả năng giao hàng không thành công.
2 Nhận và giao hàng theo đám đông
Khai thác dữ liệu để:
• Tăng mức độ trung thành của khách hàng và duy trì
• Thực hiện chính xác khách hàng phân khúc và nhắm mục tiêu
• Tối ưu hóa tương tác của khách hàng và dịch vụ
Khai thác dữ liệu bằng cách:
• Mở rộng các luồng doanh thu từ các sản phẩm hiện có
• Tạo doanh thu mới từ dòng chảy dữ liệu của sản phẩm mới
Sử dụng dữ liệu để:
• Tối ưu hóa tài nguyên tiêu dùng
• Nâng cao chất lượng quy trình
DHL tận dụng sức mạnh của đám đông để tối ưu hóa quy trình giao hàng, giảm thiểu nhân lực và đảm bảo hàng hóa được giao đến mọi khu vực địa lý Ý tưởng này cho phép những người đi làm, lái xe taxi hoặc sinh viên nhận tiền từ DHL để giao hàng đến địa chỉ gần nhất trên tuyến đường của họ Việc này yêu cầu kỹ thuật xử lý Big Data để quản lý các sự kiện phức tạp liên quan đến vị trí Một luồng dữ liệu thời gian thực được theo dõi để phân công lô hàng cho các nhà vận chuyển sẵn có, dựa trên vị trí và điểm đến DHL sử dụng ứng dụng DHL Myways, cho phép người dùng kết nối và hiển thị vị trí hiện tại để chấp nhận giao hàng đã được chỉ định.
3 Lập kế hoạch mạng lưới chiến lược
Các kỹ thuật Big Data hỗ trợ lập kế hoạch và tối ưu hóa mạng lưới bằng cách phân tích dữ liệu lịch sử và sử dụng các điểm chuyển tuyến cùng tuyến vận tải Những kỹ thuật này cũng xem xét các yếu tố theo mùa và xu hướng dòng chảy hàng hóa mới nổi thông qua các thuật toán học trên dữ liệu thống kê lớn Thông tin kinh tế đối ngoại, bao gồm dự báo tăng trưởng khu vực, được sử dụng để dự đoán chính xác hơn nhu cầu về năng lực vận tải.
4 Lập kế hoạch năng lực hoạt động
Dự đoán yêu cầu tài nguyên giúp nhân viên điều hành nâng cao khả năng quản lý tại từng địa điểm Dự báo chính xác cũng chỉ ra những tắc nghẽn sắp xảy ra trên các tuyến đường hoặc tại các điểm chuyển tiếp mà không thể giải quyết ở quy mô địa phương Ví dụ, một máy bay chở hàng quá tải có thể buộc phải bỏ lại kiện hàng khẩn cấp Kết quả mô phỏng cung cấp cảnh báo sớm về các tắc nghẽn này, cho phép chuyển hướng các lô hàng không khẩn cấp đến các tuyến đường khác, từ đó giảm thiểu tình trạng thiếu hụt cục bộ Đây là minh chứng rõ ràng cho việc phân tích Big Data có thể tối ưu hóa mạng lưới phân phối thành cơ sở hạ tầng tự điều chỉnh.
Chính vì thế, DHL sử dụng DHL Parcel Volume Prediction như một công cụ để:
• Đo ảnh hưởng của các yếu tố bên ngoài đến khối lượng dự kiến của bưu kiện
• Tương quan dữ liệu bên ngoài với dữ liệu mạng nội bộ
• Các kết quả trong mô hình dự đoán dữ liệu lớn làm tăng đáng kể việc lập kế hoạch năng lực hoạt động
5 Quản lý dịch vụ chăm sóc khách hàng
Sử dụng dữ liệu thông minh giúp xác định khách hàng tiềm năng, trong khi phân tích dữ liệu lớn cung cấp cái nhìn toàn diện về sự hài lòng của khách hàng thông qua việc hợp nhất nhiều nguồn dữ liệu phong phú Phân tích dữ liệu lớn là cần thiết để hiểu rõ hơn về tương tác của khách hàng và hiệu suất hoạt động, từ đó đảm bảo sự hài lòng cho cả người gửi và người nhận.
6 Cải tiến dịch vụ và đổi mới sản phẩm
7 Đánh giá rủi ro và lập kế hoạch phục hồi
DHL áp dụng Resilience360 để phân tích và đánh giá rủi ro trong chuỗi cung ứng, xem xét hơn 20 loại rủi ro và lỗ hổng Công cụ này giúp theo dõi khả năng phục hồi nhanh chóng, xây dựng kế hoạch dự phòng một cách chủ động, đồng thời xác định các điểm nóng nguy hiểm và đề xuất các phương pháp thay thế cũng như giảm thiểu rủi ro hiệu quả.
Hình ảnh chuỗi cung ứng là một bản đồ tương tác giúp hình dung dây chuyền cung cấp toàn cầu, mang đến cái nhìn tổng quan đa lớp về các bộ phận, sản phẩm, thuộc tính mạng phụ và vị trí hậu cần Nó cho phép người sử dụng hiểu rõ logic của sự phụ thuộc trong mạng lưới, từ đó cung cấp cái nhìn chi tiết và toàn diện về các quy trình của chuỗi cung ứng.
Bản đồ rủi ro toàn cầu được xây dựng để phân tích hơn 20 loại rủi ro, bao gồm các yếu tố hoạt động, chính trị xã hội và thiên tai Nó đánh giá mức độ rủi ro từ không đáng kể, như tình trạng giao thông tại một thành phố, đến cực đoan, như động đất ảnh hưởng đến nguồn cung cấp nguyên liệu Bản đồ này giúp xác định sự tích lũy rủi ro và phân nhóm tiềm năng, đồng thời làm nổi bật tầm quan trọng của các thực thể khác nhau, từ đó hỗ trợ người dùng hiểu rõ hơn về các rủi ro chính cần tập trung.
Đánh giá rủi ro và khả năng phục hồi là quá trình khảo sát mức độ căng thẳng tại các vị trí riêng lẻ trong chuỗi cung ứng, dựa trên các lựa chọn khả thi và tác động của rủi ro đối với các biện pháp giảm nhẹ Việc liên tục cập nhật thông tin thông qua khảo sát lại giúp người sử dụng xác định rõ ràng tác động của rủi ro và các điểm nóng cần chú ý.
Các kế hoạch giảm thiểu rủi ro của DHL bao gồm tư vấn tái định vị và định tuyến lại thông qua mạng lưới toàn cầu Chuyên gia phân tích mức độ nguy hiểm, ảnh hưởng nghiêm trọng, vị trí địa lý và thông tin lịch sử để xây dựng các chiến lược logistics hiệu quả Nhờ đó, người sử dụng có thể hưởng lợi từ các kế hoạch giảm thiểu tác động của rủi ro.
8 Thị trường cho các doanh nghiệp vừa và nhỏ
Kết hợp hồ sơ vận chuyển, bao gồm thông tin về xuất xứ, điểm đến, loại hàng hóa, số lượng và giá trị, tạo thành một nguồn thông tin thị trường quý giá Miễn là bảo đảm bí mật bưu chính, các nhà cung cấp logistics có thể tối ưu hóa dữ liệu này để hỗ trợ nghiên cứu thị trường hiện tại.
DHL sử dụng DHL Geovista như một công cụ để:
• Công cụ tiếp thị địa lý trực tuyến cho các doanh nghiệp vừa và nhỏ để phân tích tiềm năng kinh doanh
• Cung cấp dự báo doanh thu thực tế và phân tích đối thủ cạnh tranh dựa trên mô hình khoa học
• Vị trí mong muốn có thể được đánh giá bằng cách sử dụng geodata chất lượng cao
9 Nhu cầu tài chính và phân tích chuỗi cung ứng
DHL Adress Management là công cụ phân tích dữ liệu:
• Kết hợp trực tiếp dữ liệu đầu vào với dữ liệu tham khảo
• Trả lại dữ liệu chưa đầy đủ hoặc không chính xác với dữ liệu xác thực từ cơ sở dữ liệu
• Tăng đáng kể chất lượng dữ liệu cho mục đích lập kế hoạch (quy hoạch tuyến đường)
Sự phát triển nhanh chóng của các khu đô thị đã làm nổi bật tầm quan trọng của quy hoạch thành phố và giám sát môi trường Các nhà cung cấp dịch vụ logistics có thể tận dụng cảm biến gắn liền với phương tiện giao hàng để thu thập dữ liệu môi trường phong phú, bao gồm ô nhiễm ozon và bụi mủ, nhiệt độ, độ ẩm, mật độ giao thông, tiếng ồn và mức sử dụng chỗ đậu xe Việc thu thập dữ liệu này không chỉ giúp các nhà cung cấp dịch vụ hậu cần cung cấp thông tin giá trị cho các cơ quan môi trường và nhà phát triển bất động sản, mà còn tạo cơ hội để nhận trợ cấp bổ sung nhằm duy trì đội ngũ giao hàng lớn.
Tình báo địa phương đang được khai thác mạnh mẽ thông qua sự phổ biến của các đội giao hàng lớn, từ báo cáo tình trạng đường đi đến điều tra cách nhiệt của các hộ gia đình công cộng Các nhà cung cấp dịch vụ logistics đang trở thành "công cụ tìm kiếm trong thế giới vật lý", cung cấp dữ liệu địa lý hấp dẫn cho quảng cáo, xây dựng và các cơ quan công cộng như cảnh sát và cứu hỏa Sử dụng các kỹ thuật Big Data, thông tin cấu trúc từ dữ liệu thời gian thực và cảm biến đang tạo ra nền tảng cho các mô hình kinh doanh dựa vào dữ liệu mới.
HẠ TẦNG CÔNG NGHỆ THÔNG TIN CỦA BIG DATA PHỤC VỤ
Hạ tầng công nghệ thông tin của Big Data phục vụ tại Việt Nam
Hạ tầng công nghệ thông tin đóng vai trò quan trọng trong việc thu thập và xử lý Big Data, là nền tảng thiết yếu cho việc ứng dụng công nghệ này trong lĩnh vực Logistics Do đó, một hạ tầng công nghệ thông tin tốt sẽ nâng cao hiệu quả của việc áp dụng Big Data vào quy trình Logistics.
Hạ tầng công nghệ thông tin tại Việt Nam đã có những bước tiến vượt bậc trong những năm gần đây, đưa đất nước trở thành một trong những nơi có mật độ dịch vụ viễn thông cao trên thế giới Theo khảo sát nhỏ của VLA thực hiện vào năm 2017, Việt Nam cho thấy sự phát triển mạnh mẽ trong lĩnh vực này.
Hạ tầng công nghệ thông tin (CNTT) trong các doanh nghiệp logistics, các doanh nghiệp thực hiện khảo sát cho biết:
- Công nghệ thông tin đã có bước phát triển giúp đa dạng kênh bán hàng và phân phối đến người tiêu dùng được thuận tiện hơn.
Phương pháp EDI (Electronic Data Interchange) hiện đang được áp dụng để truyền tải dữ liệu giữa các doanh nghiệp logistics và hải quan, nhưng vẫn chưa đạt được hiệu quả mong muốn Bên cạnh đó, việc sử dụng công nghệ định vị GPS cho các phương tiện vận tải đường bộ cũng chưa phát huy tối đa hiệu quả trong quá trình vận hành.
- Hạ tầng CNTT rất quan trọng nhưng chưa được quan tâm đúng mức và chưa có kết nối, thiếu nhiều ứng dụng và không đồng bộ;
- Hạ tầng CNTT có cải thiện nhưng chưa như mong đợi;
Hạ tầng công nghệ thông tin hiện đang tạm ổn ở quy mô nhỏ, nhưng không đủ để đáp ứng sự phát triển nhanh chóng của thương mại điện tử Khảo sát từ VLA cho thấy các doanh nghiệp tiên phong trong ứng dụng công nghệ vào sản xuất kinh doanh đã nhận thức rõ tầm quan trọng của việc áp dụng hệ thống CNTT.
Công nghệ thông tin (IT) đóng vai trò quan trọng trong ngành logistics, nhưng do tỷ suất đầu tư cao, các hệ thống như Hệ thống quản lý giao nhận (FMS), quản lý vận tải (TMS), quản lý kho hàng (WMS) và quản lý nguồn lực (ERP) thường được triển khai một cách manh mún và không đồng bộ, phục vụ cho nhu cầu riêng biệt của từng bộ phận Các ứng dụng điện toán đám mây vẫn còn mới mẻ đối với các doanh nghiệp logistics, trong khi hầu hết hệ thống IT trong nước không đủ khả năng kết nối với các hệ thống bên ngoài và đảm bảo an toàn mạng lưới trong dịch vụ toàn cầu Số lượng nhà cung cấp giải pháp công nghệ thông tin logistics chuyên nghiệp trong nước rất hạn chế, với quy mô nhỏ và không có thương hiệu uy tín nào, trong khi số doanh nghiệp hoạt động tích cực chỉ dưới 10 Mặc dù làn sóng khởi nghiệp đã lan tỏa đến ngành logistics, nhưng các công ty khởi nghiệp vẫn đối mặt với nhiều khó khăn về vốn và nhân lực Các công ty logistics cũng gặp trở ngại khi tìm kiếm giải pháp ứng dụng do năng lực cung cấp và hỗ trợ kỹ thuật chưa ổn định Hạ tầng công nghệ thông tin logistics cấp vĩ mô đang phải đối mặt với nhiều hạn chế đáng kể.
Hạ tầng thông tin và trình độ công nghệ thông tin (CNTT) tại Việt Nam đã có sự phát triển đáng kể, phục vụ cho nhiều ứng dụng dân dụng và xã hội Tuy nhiên, vẫn còn thiếu nhiều ứng dụng chuyên ngành, đặc biệt trong lĩnh vực logistics Thách thức lớn nhất hiện nay là vấn đề vốn đầu tư cho hạ tầng cũng như khả năng quản lý, vận hành và bảo trì, sửa chữa, cùng với trình độ chuyên môn của nhân viên.
Trong lĩnh vực giao thông vận tải, thông tin chuyên ngành logistics đang được chú trọng, tuy nhiên, việc kết nối giữa các nhà cung cấp dịch vụ và các phương thức vận tải vẫn chưa được thực hiện hiệu quả Mặc dù các ứng dụng mới đã bắt đầu khai thác nguồn lực phương tiện cho vận tải hành khách và một số “sàn giao dịch vận tải”, nhưng chúng vẫn chưa giải quyết triệt để các vấn đề thực tế phát sinh trong ngành.
Hệ thống thông tin hàng hóa xuất nhập khẩu do Tổng cục Hải quan quản lý đã được duy trì ổn định và đang tiến tới ứng dụng Hải quan điện tử cùng với Cơ chế Một cửa Quốc gia Tuy nhiên, nhu cầu kết nối với nhiều bên liên quan hơn, bao gồm cơ quan hải quan, thuế, các cơ quan quản lý chuyên ngành và người khai hải quan, đang trở thành một vấn đề cấp thiết cần được giải quyết.
- Chưa có định hướng rõ ràng trong việc đầu tư nghiên cứu ứng dụng hay phát triển sản phẩm nào trong lĩnh vực công nghệ thông tin logistics.
Trong lĩnh vực đào tạo logistics, chỉ có trường Đại học Giao thông vận tải Thành phố Hồ Chí Minh được trang bị hệ thống mô phỏng thiết bị điều khiển hàng hải, trong khi Đại học Hàng hải (Hải Phòng) có phòng mô phỏng kho hàng Các trường đại học khác vẫn thiếu các phòng thí nghiệm và thực nghiệm cho giải pháp logistics và quản lý chuỗi cung ứng, cũng như dịch vụ hỗ trợ gom hàng chặng đầu và giao hàng chặng cuối cho thương mại điện tử Những hệ thống này rất cần thiết để hỗ trợ đào tạo nguồn nhân lực cho ngành logistics hiện nay.
Các hệ thống hạ tầng cơ sở dữ liệu và đường truyền dữ liệu lớn sẽ là nền tảng cho sự cạnh tranh trong tương lai Chúng đóng vai trò quan trọng trong việc xây dựng Chính phủ điện tử và “quốc gia thông minh” Hiện nay, công nghệ đám mây đang trở thành nền tảng hàng đầu để phát triển các ứng dụng công nghệ thông tin trong lĩnh vực logistics.
- Các hệ thống hỗ trợ dịch vụ hàng hóa hàng không như vận đơn điện tử (e-
Airway Bill), Mạng lưới dịch vụ hàng hóa (Cargo Community Network), chưa được đồng bộ và đầu tư theo chiều sâu
Trong lĩnh vực kho bãi và hệ thống phân phối, hiện chưa có một hệ thống kết nối dịch vụ hiệu quả cho cộng đồng logistics và người sử dụng dịch vụ, dẫn đến việc tối ưu hóa nguồn lực hạ tầng kho bãi và phân phối chưa đạt hiệu quả cao Nhiều kho hàng thiếu hệ thống quản lý chuyên nghiệp và dịch vụ gia tăng giá trị, hỗ trợ quản lý theo mô hình 3PL Các ứng dụng logistics hiện đại yêu cầu khả năng lưu trữ và truyền tải thông tin lớn, tốc độ cao, an toàn và chi phí thấp Do đó, cần có những biện pháp khẩn cấp để khai thác ứng dụng hiện có, đào tạo chuyên gia và xây dựng nền tảng công nghệ thông tin và truyền thông cho tương lai gần.
4.1.1 Khai hải quan điện tử
Từ tháng 04/2014, Hệ thống Thông quan tự động Việt Nam (VNACCS) đã chính thức hoạt động với sự hỗ trợ từ Nhật Bản, mang đến tính năng tự động hóa cao Hệ thống VNACCS đã dần thay thế cho hệ thống hải quan điện tử cũ, cải thiện quy trình thông quan và nâng cao hiệu quả hoạt động hải quan.
VNACCS cho phép kết nối với các cơ quan chức năng khác nhằm thực hiện Cơ chế Một cửa, giúp người nhập khẩu thực hiện các thủ tục như giấy phép xuất nhập khẩu và giấy chứng nhận an toàn vệ sinh thực phẩm Để sử dụng VNACCS, doanh nghiệp cần phần mềm khai hải quan điện tử có khả năng kết nối với hệ thống này Hiện tại, Cục Công nghệ Thông tin và Thống kê Hải quan đã phê duyệt 5 đơn vị có phần mềm đáp ứng yêu cầu kỹ thuật để kết nối với Hệ thống thông quan tự động của Hải quan.
1) Phần mềm ECUS5-VNACCS của Công ty TNHH Phát triển Công nghệ Thái Sơn;
2) Phần mềm FPT.VNACCS 278 của Công ty TNHH Hệ thống Thông tin FPS FPT;
3) Phần mềm CDS live 4.5.0.8 của Công ty TNHH Thương mại Dịch vụ Công nghệ Thông tin GOL;
4) Phần mềm ECS 5.0 của Công ty Cổ phần Softech;
5) Phần mềm iHaiQuan 2.0 của Công ty Cổ phần TS24.1 Các doanh nghiệp xuất nhập khẩu, dịch vụ logistics hay bất kỳ tổ chức, cơ quan, doanh nghiệp nào có nhu cầu có thể đăng ký sử dụng VNACCS một cách đơn giản, thủ tục đăng ký sử dụng được thực hiện trong vòng 1 ngày làm việc Việc hướng dẫn, hỗ trợ được thực hiện tích cực từ Tổng cục Hải quan, các đơn vị cung cấp phần mềmHải quan điện tử Hiện có hơn 100.000 đơn vị đăng ký sử dụng hệ thống TheoTổng cục Hải quan, hơn 94% doanh nghiệp sử dụng hài lòng với VNACCS.
4.1.2 Định vị toàn cầu bằng vệ tinh (GPS)
Công nghệ định vị toàn cầu qua vệ tinh (GPS) đã nhanh chóng trở thành công cụ hữu ích trong quản lý phương tiện vận tải sau khi được phát triển cho ứng dụng dân dụng Kết hợp với dịch vụ truyền thông di động như Gửi tin ngắn (SMS) và công nghệ Internet, GPS đã mở ra khả năng thiết kế nhiều ứng dụng hiệu quả trong lĩnh vực này.
Dự đoán trong tương lai khi Logistics tận dụng Big Data hiệu quả hơn
Có hai loại hệ thống chính được phân loại theo phương thức lưu trữ và lấy hàng trong kho: hệ thống "tự động cất trữ và lấy ra" (ASRS) và hệ thống "hàng tự tới người" (GTM).
Hệ thống lưu trữ và truy xuất tự động (ASRS) thường được áp dụng cho các kho chứa thành phẩm hoặc nguyên liệu có độ đồng đều cao Mục tiêu của việc tự động hóa là tăng năng suất, tối ưu hóa không gian lưu trữ và giảm thiểu sự can thiệp của con người nhằm đảm bảo an ninh và an toàn, đồng thời hạn chế làm việc ngoài giờ Các kho ASRS thường có chiều cao trên 20 mét và có thể chứa từ 20 đến 25 tầng kệ hàng, được vận hành bằng robot ASRS.
Tại Việt Nam, số lượng nhà cung cấp hệ thống lưu trữ tự động (ASRS) còn hạn chế, chủ yếu chỉ có Công ty Schenker của Đức với văn phòng đại diện và một dự án lớn hợp tác với Vinamilk tại Bình Dương Hiện tại, chưa có công ty nào khác đầu tư vào kho tự động ASRS trong nước.
Loại hình GTM phù hợp cho các kho hàng có số lượng mặt hàng lớn, đơn hàng nhỏ lẻ và tốc độ luân chuyển cao, đặc biệt là trong lĩnh vực thương mại điện tử Amazon là công ty tiên phong trong việc ứng dụng mô hình này, hiện đang sử dụng 45 nghìn robot để lấy hàng và làm đầy kệ Họ sở hữu một bộ phận chuyên về robot, Kiva Systems, công ty được mua lại nhằm cung cấp giải pháp tự động hóa cho Amazon.
Một công ty khởi nghiệp của Ấn Độ cũng đã chào hàng giải pháp tương tự từ năm
2015, đó là Grey Orange với Robot “Butler” Hiện nay họ đã cung cấp cho các dự án tại Nhật, Hàn Quốc, Hong Kong.
Công ty Logistics Stars Link là nhà cung cấp được ủy quyền tại Việt Nam cho hệ thống công nghệ logistics mới, được giới thiệu lần đầu tiên tại Hội thảo “Phát triển hạ tầng, tăng cường dòng hàng và ứng dụng công nghệ trong logistics” do Bộ Công Thương tổ chức vào ngày 19/10/2017 tại Thành phố Hồ Chí Minh.
Theo dự báo từ một công ty tư vấn uy tín, nhu cầu thiết bị tự động hóa bằng robot trong kho hàng sẽ trải qua sự tăng trưởng mạnh mẽ trong 5 năm tới, nhờ vào sự bùng nổ của thương mại điện tử Mức tăng trưởng trung bình hàng năm ước tính đạt 65%, với giá trị thị trường từ 3 tỷ USD vào năm 2017 dự kiến sẽ tăng lên 20,5 tỷ USD vào năm 2021.
Có thông tin cho rằng Amazon đang tìm hiểu thị trường Việt Nam và chọn đối tác logistics Alibaba cũng đang có hoạt động tương tự
Hiện tại, chưa có công ty Việt Nam nào đề xuất ứng dụng các công nghệ tiên tiến này, vì các doanh nghiệp vẫn đang lo ngại về nguồn đầu tư và khả năng khai thác hiệu quả.
4.2.2 Trung tâm soạn hàng tự động
Trong quá trình vận chuyển hàng hóa, việc phân loại truyền thống thường được thực hiện bán tự động thông qua mã vạch để xác định kiện hàng, sau đó nhân công sẽ phân loại bằng tay tại các đầu mối trung chuyển Tuy nhiên, khi số lượng đơn hàng và tốc độ xử lý tăng cao, năng suất và độ chính xác của phương pháp làm việc bằng tay không còn đáp ứng yêu cầu, do đó cần thiết phải áp dụng các bộ chia chọn hàng tự động để nâng cao hiệu quả công việc.
Thiết bị phân loại hàng hóa này được thiết kế theo dạng dây chuyền thẳng hoặc vòng tròn, với một hoặc nhiều đầu vào và nhiều đầu ra đến các điểm đến cuối cùng hoặc nhóm hàng cần phân loại Nó có khả năng phân loại các loại hàng phổ biến như phong bì, bưu kiện, hộp, thùng và gói hàng không định hình, với khối lượng tối đa không quá 20 kg mỗi kiện Năng suất hoạt động dao động từ 1.500 đến 6.000 kiện hàng mỗi giờ, trong khi các thiết bị công suất lớn có thể đạt tới 18.000 kiện mỗi giờ Các tuyến vận tải có thể bao gồm đường bộ, hàng không và đa phương thức.
Các nhà cung cấp chủ yếu đến từ EU, Trung Quốc, Thái Lan và Ấn Độ Tại Việt Nam, Công ty Logistics Stars Link đang giới thiệu hệ thống tự động hóa của Grey Orange.
Các doanh nghiệp trong lĩnh vực chuyển phát nhanh, vận tải và giao hàng thương mại điện tử đều sử dụng hệ thống logistics Tuy nhiên, một trong những thách thức lớn là nhà cung cấp thường không hiểu rõ quy trình kinh doanh của ngành logistics, trong khi đó, các chuyên gia logistics lại thiếu kiến thức về tự động hóa và Internet vạn vật (IoT).
Hiện nay, các công ty lớn và tiềm năng như VN Post, Viettel Post, Lazada, Tiki, Kerry Express, Nhất Tín, 24/7, 365, và Vin Commerce vẫn đang thực hiện quy trình đóng gói hàng hóa bằng tay.
4.2.3 Sản xuất tự động và bán hàng trực tuyến Đây là xu hướng đã được các nhà sản xuất tiên tiến trên thế giới ứng dụng từng phần trước đây nhưng hiện nay có thể khẳng định nó sẽ phát triển thành chuỗi sản xuất
- kinh doanh tự động toàn diện và xu hướng này sẽ phổ biến rất nhanh trong thời gian tới.
Nike đã từng giảm dần số lượng nhà máy sử dụng nhân công giá rẻ tại châu Á, chuyển hướng sang sản xuất tự động hóa Điều này cho thấy họ đang thu hẹp mạng lưới nhà máy của mình.
Công ty đã giảm hơn 200 nhà máy trên toàn thế giới trong vòng 4 năm qua.
Việt Nam là nước sẽ bị tác động nhiều nhất do đang có nhiều lao động nhất
Việc chuyển đổi sang tự động hóa mang lại hai lợi ích chính cho Nike: giảm chi phí và nâng cao lợi nhuận Nhờ vào việc giảm giá sản phẩm lên tới 50%, công ty có thể cải thiện biên lợi nhuận đáng kể Đồng thời, tự động hóa giúp Nike tạo ra các mẫu thiết kế mới nhanh chóng, đáp ứng nhu cầu ngày càng cao của khách hàng Chuyên gia dự đoán rằng khi áp dụng quy trình sản xuất của Flex cho dòng sản phẩm Air Max 2017, chi phí lao động và nguyên liệu sẽ giảm lần lượt 50% và 20%, từ đó nâng tổng lợi nhuận từ 12,5% lên 55,5%.
Mua sắm trên mạng ngày càng đóng tỉ trọng lớn trong ngành bán lẻ Dịch vụ
