Data-Driven Logistics แค่ UPS ไม่ต้องเลี้ยวซ้ายก็เพิ่มกำไรได้ 400 ล้านดอลลาร์

Data-Driven Logistics แค่ UPS ไม่ต้องเลี้ยวซ้ายก็เพิ่มกำไรได้ 400 ล้านดอลลาร์

เมื่อบริษัทขนส่งระดับโลกของอเมริกาอย่าง UPS สามารถประหยัดต้นทุนไปได้กว่า 400 ล้านดอลลาร์ ด้วยการวิเคราะห์ Data จนพบว่าแค่ไม่ต้องเลี้ยวซ้ายก็สามารถเพิ่มกำไรให้บริษัทได้มหาศาล ลองมาดูเคสการใช้ Data-Driven Logistics ของระบบปฏิบัติการที่ชื่อว่า ORION จาก UPS ที่เกิดขึ้นเมื่อหลายสิบปีก่อนดูนะครับ แล้วคุณจะพบว่าการใช้ Big Data นั้นสามารถเอาไปใช้ได้กับทุกเรื่องที่ไม่ใช่แค่การตลาดเพียงอย่างเดียว

การครั้งหนึ่งนานมาแล้ว แต่ก็อาจจะไม่ได้นานขนาดนั้น ที่ UPS ค้นพบว่าพวกเขาสามารถเพิ่มกำไรได้ง่ายๆ โดยไม่ต้องขายอะไรเพิ่ม หรือทำอะไรให้เหนื่อยกว่าเดิม ด้วยการแค่ประหยัดเวลาจากการจอดรถติดไฟแดงรอเลี้ยวซ้าย แต่ให้เลือกใช้เส้นทางเลี้ยวขวาผ่านตลอด (ที่อเมริการถยนต์วิ่งคนละฝั่งกับของไทย ดังนั้นบ้านเขาจึงเป็นเลี้ยวขวาผ่านตลอดครับ)

เพราะการเลี้ยวซ้ายที่บ้านเขา(ซึ่งก็คือเลี้ยวขวาที่บ้านเรา)นั่นหมายถึงรถต้องจอดรอสัญญาณไฟ และนั่นก็ทำให้เวลาจำนวนไม่น้อยเมื่อเอามารวมกันในแต่ละวันคือเวลาที่ไม่ได้ทำให้เกิดประโยชน์ใดกับธุรกิจ ดังนั้นเมื่อ USP ทำการ Collect data จนค้นพบว่าถ้ารถส่งพัสดุทุกคันกว่า 55,000 คันรวมพลังที่จะเลี้ยวขวาผ่านตลอด ก็จะทำให้รถแต่ละคนสามารถวิ่งส่งพัสดุให้ลูกค้าได้เยอะขึ้น แถมยังช่วยประหยัดน้ำมันที่ต้องเสียไปกับการจอดอยู่เฉยๆ ที่อาจจะน้อยนิดในแต่ละวันสำหรับรถหนึ่งคัน แต่ถ้าเอารถส่งของทุกคันของ UPS มารวมกันที่มีกว่า 55,000 คันในตอนนั้นก็เป็นต้นทุนมหาศาลเลยทีเดียว

แต่เรื่องไอเดียการพยายามเลือกเลี้ยวขวาผ่านตลอดไม่ใช่เรื่องใหม่ เพราะผู้จัดการใน UPS ส่วนใหญ่ก็เคยเป็นคนขับรถส่งพัสดุมาก่อน พวกเขาก็รู้อยู่จากประสบการณ์การขับรถอันยาวนานอยู่แล้วล่ะครับว่า การเลือกเลี้ยวขวาผ่านตลอดแทนที่จะติดเลี้ยวซ้ายนั้นทำให้พวกเขาเลิกงานได้เร็วขึ้น เพราะสามารถส่งของทั้งหมดได้เยอะกว่า

แต่แน่นอนว่าคนขับแต่ละคนไม่สามารถคิดหาเส้นทางที่เลี้ยวขวาผ่านตลอดได้ทั้งวันหรือทุกวัน เพราะด้วยจำนวนสินค้ามากมายที่ต้องไปส่งในแต่ละวันทำให้พวกเขาก็มีการคำนวนพลาดเป็นเรื่องปกติ

ดังนั้นการเอาระบบที่ช่วยหาเส้นทางที่จะทำให้คนขับแต่ละคนเจอการติดเลี้ยวซ้ายน้อยที่สุดจึงถือกำเนิดขึ้นมา และนั่นก็เกิดขึ้นมานานมาก มากก่อนที่เราทุกคนจะรู้สึก Google Maps อีกด้วยซ้ำครับ

ซึ่งผู้บริหารคนหนึ่งของ UPS เองก็บอกว่า องค์กรแห่งนี้เชื่อในการเก็บข้อมูลและปรับปรุงให้ดีขึ้นจาก Data และพยายามลดการใช้สัญชาติญาณของคนขับหรือคนลงให้น้อยที่สุด ระบบที่ช่วยคำนวนหาเส้นทางที่ไม่ต้องเลี้ยวซ้ายจึงเกิดขึ้นมาก่อนที่คอมพิวเตอร์จะเป็นของสามัญภายในบ้าน หรือก่อนที่จะมีคำว่า Big Data หรือเซนเซอร์ต่างๆ ที่ช่วยวัดผลและเก็บข้อมูลมาใช้ได้ง่ายแบบทุกวันนี้

แล้วเมื่อ UPS เอาประสบการณ์ของพนักงานขับรถผู้ชำนาญ มารวมกับเทคโนโลยีที่ช่วยให้การเก็บข้อมูลเพื่อเอามาใช้งานต่อเป็นไปได้ ก็เลยเกิดมาเป็นระบบที่ชื่อว่า ORION ที่ย่อมาจาก On-Road Integrated Optimization and Navigation หรือแปลเป็นไทยง่ายๆ ก็คือ ระบบที่ช่วยในการปรับปรุงเส้นทางส่งของให้มีประสิทธิภาพมากที่สุดในแบบที่มนุษย์ทำไม่ได้นั่นเองครับ

และหลังจากระบบปฏิบัติการ ORION ของ UPS ถูกปล่อยออกมาใช้งาน มันก็ทำการ Optimization เส้นทางการส่งพัสดุของรถส่งของจำนวนมากมายในแต่ละวัน ทำให้ลดเวลาในการส่งลงไปได้มาก ส่งพัสดุได้จำนวนเยอะขึ้น ไปจนถึงประหยัดน้ำมันได้อีกด้วย

ซึ่งนี่คือโจทย์สุดคลาสสิคที่ชื่อว่า Traveling Salesman Problem หรือปัญหาการเดินทางของพนักงานขาย ที่นักวิทยาศาสตร์คิดค้นขึ้นมาเมื่อกว่า 200 ปีก่อน แต่ยังไม่สามารถหาคำตอบว่าถ้าต้องไปแวะหาลูกค้าตามจุดเท่านี้ จะมีความเป็นไปได้เท่าไหร่ของเส้นทางที่จะเกิดขึ้น เพื่อจะได้หาต่อว่าเส้นทางไหนจะดีที่สุดและมีประสิทธิภาพที่สุดนั่นเอง

โจทย์ Traveling Salesman Problem ฟังดูเหมือนง่ายแต่แท้จริงแล้วเต็มไปด้วยความซับซ้อนนะครับ คุณลองคิดดูง่ายๆ ว่าการเดินทางจากเมืองนึงข้ามไปอีกเมืองนึงนั้นจะสามารถไปได้กี่เส้นทาง แล้วเส้นทางไหนที่จะสั้นที่สุด หรือเส้นทางไหนที่จะทำให้เราเดินทางไปถึงเร็วที่สุดอีก แล้วยิ่งมีจำนวนเมืองที่จะไปมากขึ้น ก็ยิ่งทวีคูณความเป็นไปได้ของเส้นทางที่น่าจะเกิดขึ้นแบบยกกำลังขึ้นไปอีก

ยกตัวอย่าง ถ้าต้องเดินทางไป 10 เมืองก็จะมีความเป็นไปได้ของเส้นทางมากถึง 3.6 ล้านเส้นทาง แล้วถ้าเพิ่มไปเป็น 16 เมือง ก็จะมีเส้นทางที่เป็นไปได้มากถึง 20,000 ล้านเส้นทาง แล้วถ้าต้องแวะเป็นร้อยเมืองล่ะจะยิ่งขนาดไหน

เพราะคนขับรถส่งสินค้าของ UPS นั้นต้องแวะเป็น 100 เมืองเพื่อส่งพัสดุเป็นร้อยๆ ชิ้นในแต่ละวัน ดังนั้นมนุษย์ทั่วไปไม่สามารถหาเส้นทางที่ดีที่สุดได้เสมอไป นั่นเลยเป็นเหตุผลที่ระบบ ORION ของ UPS ถือกำเนิดขึ้นมาครับ

ORION ระบบหาเส้นทางที่ดีที่สุดของ UPS จาก Algorithm กว่าพันหน้า

Data-Driven Logistics แค่ไม่ต้องเลี้ยวซ้ายแล้วเปลี่ยนไปเลี้ยวขวาผ่านตลอด ทำให้ UPS ธุรกิจ Delivery ประหยัดต้นทุนได้ 400 ล้านดอลลาร์ กับ ORION

กว่าระบบ ORION จะฉลาดล้ำในการหาเส้นทางที่ดีที่สุดได้ก่อนที่ Google Maps จะถือกำเนิดขึ้นมาเป็นสิบปี เบื้องหลังนั้นมาจากโค้ดกว่าพันหน้ากระดาษเลยทีเดียวครับ

เพราะหัวใจสำคัญของ ORION คือหาเส้นทางที่ดีที่สุดได้เร็วที่สุดในทันที แบบที่ต่อให้หยุดรถติดแค่หลักวินาทีก็สามารถแนะนำเส้นทางใหม่ที่ดีกว่าได้เลย แม้ว่าในตอนนั้น ORION จะไม่ได้สมบูรณ์แบบอย่าง Google Maps ทุกวันนี้ แต่นานวันเข้าเมื่อระบบเรียนรู้เส้นทางใหม่ๆ การเลือกตัดสินใจดีๆ จากคนขับหลายหมื่นคนมากขึ้นทุกวัน มันก็ฉลาดมากขึ้นเรื่อยๆ จนทำให้พนักงานขับรถส่พัสดุ UPS ทุกคนได้เส้นทางที่ดีที่สุดในการส่งของไปพร้อมกันในที่สุด

ระบบ ORION สามารถทำ Data Analytics ได้ถึง 3 ระดับ ตั้งแต Descriptive, Predicative และ Prescriptive ตั้งแต่ปี 1990 เลยทีเดียว ทั้งที่ในตอนนั้น UPS มีเทคโนโลยีในการเก็บและวิเคราะห์ Data ที่จำกัดมาก ใครที่พอคุ้นกับคอมพิวเตอร์ในยุค 90 ได้น่าจะรู้ว่าแค่ต่อเน็ตได้ก็เทพแล้ว

เพราะในวันนั้นยังไม่มี Smartphone ใดๆ หรือระบบคอมพิวเตอร์เครื่องที่หรือพกพาได้แบบทุกวันนี้ ในช่วงแรกที่ UPS ทำโปรเจคนี้เมื่อปี 1991 พวกเขาเริ่มจากจัดเก็บข้อมูลการเคลื่อนที่ของรถแต่ละคันว่าไปหยุดตรงไหนและเมื่อไหร่ ผ่านสัญญาณโทรศัพท์มือถือที่ยังไม่ใกล้เคียงคำว่า 3G เลย

จากนั้นในปี 1993 พวกเขาถึงเริ่มใช้อุปกรณ์ที่บันทึกข้อมูลการส่งสินค้าที่มีประสิทธิภาพมากขึ้น แต่หลังจากนั้นไม่นานพวกเขาก็ค้นพบว่าแค่ติดตามข้อมูลการจัดส่งสินค้ายังไม่เพียงพอ UPS จึงเริ่มที่จะติดตามพฤติกรรมการขับรถที่ละเอียดขึ้น และก็สร้างระบบ Hub ที่รวม Data ทั้งหมดที่ถูกจัดเก็บมาได้ไว้ในที่เดียว ไม่ต้องกระจัดกระจายแล้วเอามารวมกันอีกรอบเหมือนก่อนอีกต่อไป

และการใช้ Data ของ UPS ก็ไม่ได้อยู่แค่กับรถส่งสินค้าเท่านั้น แต่ยังสามารถระบุไปถึงเส้นทางที่ควรจะใช้รถประเภทไหนเข้าไปส่ง ต้องใช้รถส่งของคันเล็กสำหรับถนนแบบนี้ หรือควรขยับไปใช้รถบรรทุกเพื่อส่งสินค้าชิ้นนี้จะคุ้มค่ากว่า เห็นมั้ยครับว่าจำนวนเลนของถนน หรือประเภทของถนนก็เป็น Data สำคัญที่ต้องนำมาพิจารณาร่วมกันนั่นเอง

และระบบดังกล่าวก็ทำงานได้ดีในปี 2003 ที่บอกได้ว่าของแต่ละกล่องสินค้าแต่ละประเภทในกล่องควรถูกจัดส่งแบบใด ด้วยรถประเภทไหน ดังนั้นของที่ส่งให้บ้านหน้าปากซอยถนนใหญ่ อาจเป็นคนละคันที่เอามาส่งให้คนในซอยก็เป็นได้

และการทำ Data Analytics ไปถึงขั้นที่ 3 ของ ORION ก็คือ Prescriptive หรือสามารถบอกได้ล่วงหน้าเลยว่าควรจะต้องส่งแบบใด เมื่อไหร่ และอย่างไร แล้วพอปี 2008 เมื่อ ORION เอามาใช้คู่กับเทคโนโลยีใหม่ๆ อย่าง GPS บวกกับเซนเซอร์ต่างๆ ที่ติดไว้ทั่วรถก็ยิ่งทำให้สามารถคำนวนเส้นทางที่ดีขึ้นได้เรื่อยๆ ว่าเส้นทางนี้คนขับมักมีพฤติกรรมอย่างไร ถนนเส้นนี้ขับได้ช้ากว่าเส้นอื่นหรือเปล่า หรือต้องมีการเบรกมากกว่าปกติ

แล้วก็ยังเก็บข้อมูลพฤติกรรมของคนขับควบคู่ไปด้วยว่าพนักงานคนนี้ชอบเบรกกระทันหันมากเกินไปไหม หรือขับรถโดยไม่คาดเข็มขัดนิรภัยจนเป็นนิสัยแล้วหรือเปล่า

ดังนั้นหลังจาก UPS ทดลองระบบ Route Optimization อย่าง ORION มานานหลายปีผ่านหลายล้านเส้นทาง เริ่มต้นจากไม่กี่เมืองเล็กๆ แล้วค่อยขยายออกไปใช้กับหลายเมืองในวงกว้าง จนทุกวันนี้ถูกนำไปใช้นำทางการส่งของทั่วประเทศแล้ว

และจากจุดเปลี่ยนเล็กๆ อย่างการค้นพบว่าเลี้ยวขวาผ่านตลอด ไปจนถึงการแนะนำว่าของชิ้นนี้ควรส่งด้วยรถประเภทไหน จากการประหยัดการเดินทางลงไปได้หนึ่งไมล์ ต่อรถหนึ่งคัน ในทุกวันเมื่อสะสมครบปีก็สามารถช่วยประหยัดไปได้กว่า 50 ล้านดอลลาร์แบบง่ายๆ และนั่นก็หมายถึงรายได้ที่เพิ่มขึ้นขององค์กรโดยไม่ต้องทำอะไรให้หนักกว่าเดิม แค่ใช้ทรัพยากรเดิมให้มีประสิทธิภาพเพิ่มขึ้นเท่านั้นเอง

ท้ายที่สุดของรายงานนี้คือเมื่อปี 2016 ทาง UPS ก็เปิดเผยว่าระบบปฏิบัติกา ORION ที่ใช้ Big Data-Driven Logistics เมื่อนำมาใช้กับรถส่งสินค้าทั้งหมดกว่า 55,000 คัน สามารถช่วยประหยัดน้ำมันได้มากกว่า 10 ล้านแกลลอนในแต่ละปี ลดการปล่อยคาร์บอนไดออกไซด์ลงไปได้กว่า 100,000 เมตริกตัน และที่สำคัญคือลดต้นทุนค่าใช้จ่ายลงไปได้ 300-400 ล้านดอลลาร์เลยทีเดียว

ดังนั้นถ้าจะบอกว่า ORION เป็น Game Changer ของ UPS ก็ไม่ผิดนัก เพราะจากการลดต้นทุนมากมายก็ทำให้องค์กรได้กำไรแบบสบายๆ โดยไม่ต้องหาลูกค้าเพิ่มทันที แน่นอนว่าวันนี้ระบบ Route-Optimization อย่าง ORION ของ UPS น่าจะพัฒนาไปไกลกว่าเมื่อปี 2016 มาก เพราะพวกเขาไม่ได้เอาแค่ Data ของสินค้า พฤติกรรมการขับรถ หรือสินค้าที่ต้องส่งมาคำนวนเท่านั้น แต่วันนี้พวกเขายังเอา Real-time data จากแหล่งต่างๆ ที่ส่งผลต่อระยะเวลาในการจัดส่งพัสดุ ไม่ว่าจะสภาพอากาศ สภาพการจราจร หรือกิจกรรมที่น่าจะส่งผลให้พื้นที่นั้นมีรถหนาแน่นมากกว่าปกติเข้ามาร่วมด้วย

นี่เป็นอีก Case study ของ Data-Driven Logistics ที่น่าสนใจ ทั้งหมดเกิดจาการตั้งคำถามว่าเราจะทำให้การทำงานของเราดีขึ้นกว่าเดิมได้อย่างไร นำไปสู่การเก็บ Data เพื่อเอามาวิเคราะห์หาว่าตรงไหนที่เราสามารถทำให้ดีขึ้นกว่าเดิมได้

เพราะการทำ Data-Driven Everything เป็นเรื่องของ Mindset แล้วค่อยคิดถึง Technology ครับ

อ่านเคส Data-Driven ในการตลาดวันละตอนต่อ > https://www.everydaymarketing.co/tag/data-driven/

Source:
https://www.ups.com/us/es/services/knowledge-center/article.page?kid=aa3710c2
https://www.pressroom.ups.com/pressroom/ContentDetailsViewer.page?ConceptType=Factsheets&id=1426321616277-282

Nattapon Muangtum

Nattapon Muangtum

เจ้าของเพจการตลาดวันละตอน / อาจารย์พิเศษวิชา Data-Driven Communication / ผู้เขียนหนังสือการตลาดแบบรู้ใจ Personalized Marketing, การตลาดแบบฉลาดใช้ดาต้า Data-Driven Marketing และ Data Thinking / เป็นที่ปรึกษาด้าน Marketing และ Data-Driven ให้กับบริษัทบางแห่งและหน่วยงานบางที่

ใส่ความเห็น

อีเมลของคุณจะไม่แสดงให้คนอื่นเห็น ช่องข้อมูลจำเป็นถูกทำเครื่องหมาย *