DHL nutzt Big Data für die Risikominimierung in der Logistik

Pressemitteilung

Big Data-Analyse als wichtiger Bestandteil der neuen „DHL Resilience360“ Lösung
DHL Trendreport über Big Data zeigt weitere Einsatzmöglichkeiten auf

DHL setzt erste Erkenntnisse aus dem kürzlich vorgestellten Trendreport „Big Data in Logistics“ um und nutzt einen umfangreichen Datenpool zur Früherkennung potenzieller Störungen in Lieferketten. Mit der Markteinführung von „Resilience360“, einem Instrument für das Risikomanagement entlang der gesamten Wertschöpfungskette, und mithilfe von Big Data-Analysen verschafft DHL seinen Kunden einen Überblick über mögliche Beeinträchtigungen ihrer Transportketten. Weitere Resultate des Trendreports, wie das „DHL Parcel Volume Prediction“-Modell, befinden sich ebenfalls im Testeinsatz oder stehen, wie das „DHL Geovista“-Modell, kurz vor der Inbetriebnahme.

„Resilience360 ist das perfekte Beispiel für den wirtschaftlichen Nutzen von Big Data-Analysen im Logistikbereich. Das Aggregieren und Auswerten der Daten schützt und steigert die Effizienz der Lieferkette. So wird der Geschäftsbetrieb von Unternehmen aufrechterhalten und die Kundenzufriedenheit nachhaltig optimiert“, erläutert Dr. Markus Kückelhaus, Leiter Trend Research, DHL Customer Solutions & Innovation. „Unser Bericht zeigt darüber hinaus noch weitere mögliche Einsatzbereiche von Big-Data-Analysen auf: die Verbesserung der betrieblichen Effizienz sowie die Möglichkeit, neue Geschäftsmodelle zu erschließen.“

Lieferketten sollen belastbarer und weniger störanfällig werden
DHL Resilience360 besteht aus zwei Komponenten: einer Risikobewertungsstudie sowie eines Instruments zur Lieferkettenüberwachung, das nahezu in Echtzeit arbeitet. Lieferketten sollen so belastbarer und weniger störanfällig werden, um Produktionsstopps und Umsatzverluste zu vermeiden (mehr unter http://www.dhl.com/resilience360).

Ein anderer Teil des Trendreports behandelt die Analyse von Wechselbeziehungen zwischen Wetterbedingungen, Grippewellen und dem Onlinekaufverhalten von Privatpersonen. Basierend darauf kann das „DHL Parcel Volume Prediction“-Modell dann beispielsweise die Volumenplanung zu versendender Pakete unter Berücksichtigung korrelierter Daten erleichtern. Big-Data-Modelle können hier helfen, Prozesse zu optimieren und einen verbesserten Kundenservice zu leisten.

Nicht zuletzt bietet Big Data Logistikdienstleistern auch vielversprechende Ansatzpunkte für das Erschließen neuer Geschäftsmodelle, zum Beispiel die Bereitstellung von Geo-Marketing-Instrumenten für kleine und mittelständige Unternehmen (KMU). So können Logistiker mit der eingehenden Analyse und Auswertung von komplexen Geo-Daten mit Hilfe des „DHL Geovista“-Modells die Verkaufszahlen für KMU vorhersagen.

Siehe auch: dpdhl/2014/dhl_resilience360_risikomanagement