Tiểu luận Quản trị chuỗi cung ứng đề tài "Ứng dụng Bigdata vào chuỗi cung ứng"

Tiểu luận Quản trị chuỗi cung ứng đề tài "Ứng dụng Bigdata vào chuỗi cung ứng" giúp sinh viên tham khảo, ôn luyện và phục vụ nhu cầu học tập của mình cụ thể là có định hướng ôn tập và làm bài tốt trong những bài kiểm tra, bài tiểu luận, bài tập kết thúc học phần, từ đó học tập tốt và có kết quả cao. Mời bạn đọc đón xem!

 

Thông tin:
23 trang 11 tháng trước

Bình luận

Vui lòng đăng nhập hoặc đăng ký để gửi bình luận.

Tiểu luận Quản trị chuỗi cung ứng đề tài "Ứng dụng Bigdata vào chuỗi cung ứng"

Tiểu luận Quản trị chuỗi cung ứng đề tài "Ứng dụng Bigdata vào chuỗi cung ứng" giúp sinh viên tham khảo, ôn luyện và phục vụ nhu cầu học tập của mình cụ thể là có định hướng ôn tập và làm bài tốt trong những bài kiểm tra, bài tiểu luận, bài tập kết thúc học phần, từ đó học tập tốt và có kết quả cao. Mời bạn đọc đón xem!

 

326 163 lượt tải Tải xuống
lOMoARcPSD|36667950
MỤC LỤC
Lời nói đầu..............................................................................................................................................................2
Chương 1: Tổng quan về Big data.......................................................................................................................3
1.1 Khái niệm, nguồn hình thành và đặc trưng của Big data..................................................................................3
1.1.1 Khái niệm về dữ liệu lớn...............................................................................................................................3
1.1.2 Nguồn hình thành và phương pháp khai thác, quản lý dữ liệu lớn................................................................3
1.1.3 Đặc trưng 5V của dữ liệu lớn........................................................................................................................4
1.1.4 Sự khác biệt của dữ liệu lớn và dữ liệu truyền thống....................................................................................5
1.2 Bức tranh tổng thể ứng dụng dữ liệu lớn...........................................................................................................6
Chương 2: Ứng dụng của Big data trong Logistics............................................................................................8
2.1 Logistics là việc kinh doanh theo định hướng dữ liệu.......................................................................................8
2.1.1 Lợi ích và cơ hội khi áp dụng Big data và Logistics.....................................................................................9
2.1.2 Thách thức khi áp dụng Big data vào Logistics..........................................................................................12
Chương 3: Hạ tầng Công nghệ thông tin của Big data phục vụ Logistics và thực trạng ở Việt Nam.........14
3.1 Hạ tầng Công nghệ thông tin của Big data tại Việt Nam................................................................................14
3.1.1 Khai hải quan điện tử..................................................................................................................................16
3.1.2 Định vị toàn cầu bằng vệ sinh (GPS)..........................................................................................................16
3.1.3 Truy xuất trực tuyến tình trạng hàng hóa (E-Tracking/Tracing).................................................................17
3.1.4 Hệ thống quản lý kho hàng (WMS)...........................................................................................................17
3.1.5 Hệ thống quản lý vận tải (TMS).................................................................................................................18
3.1.6 Hệ thống quản lý cảng/bến thủy (TOS).......................................................................................................19
3.1.7 Hệ thống quản lý nguồn lực doanh nghiệp (ERP).......................................................................................19
3.1.8 Sàn giao dịch Logisdics...............................................................................................................................19
3.2 Dự đoán trong tương lai khi Logistics tận dụng Big data hiệu quả hơn..........................................................20
3.2.1 Robot trong kho hàng..................................................................................................................................20
3.2.2 Trung tâm soạn hàng tự động......................................................................................................................21
3.2.3 Giao hàng theo yêu cầu...............................................................................................................................22
Kết luận................................................................................................................................................................23
Tài liệu tham khảo...............................................................................................................................................24
LỜI MỞ ĐẦU
Hệ thống cơ sở hạ tầng Logistics bao gồm cơ sở hạ tầng vật lý (physical infrastructure) như
hệ thống giao thông, cầu cảng… và sở hạ tầng mềm (soft infrastructure) như nguồn nhân lực,
lOMoARcPSD|36667950
hệ thống chính sách, luật lệ, thủ tục… Để phát triển, quản tốt hiệu quả tất cả hệ thống hạ
tầng đó, không thể không quan tâm vấn đề ứng dụng CNTT. sở hạ tầng mềm kỹ thuật số
(digital soft infrastructure) đóng vai trò rất quan trọng đối với thương mại trong thế kỷ XXI bởi
các thông tin về sự di chuyển của hàng hóa hiện nay hết sức quan trọng.
Theo đánh giá của VIFFAS, trình độ công nghệ trong hoạt động Logistics ở VN còn thấp.
Việc liên lạc giữa công ty Logistics với khách hàng, hải quan chủ yếu vẫn thủ công, giấy tờ.
Mặc những năm 2010-2011 được ghi nhận bước đột phá trong thực hiện khai hải quan điện
tử, số lượng doanh nghiệp tham gia vẫn còn chiếm tỷ lệ thấp. Mặt khác, phương tiện vận tải còn
lạc hậu, kĩ, trình độ giới hóa trong bốc đỡ hàng hóa vẫn còn yếu kém, lao động thủ công
vẫn phổ biến. Công tác lưu kho còn khá lạc hậu, chưa áp dụng phổ biến tin học trong quản trị kho
như mã vạch, chương trình phần mềm quản trị kho.
Đặc biệt trong việc triển khai và áp dụng các cơ sở thông tin vào quản trị hệ thống Logistics
thì Big Data đang là một xu hướng mới với sự triển khai rộng rãi của các doanh nghiệp Logistics
lớn với quy mô toàn cầu. Tuy nhiên, ở Việt Nam phần lớn các doanh nghiệp trong ngành vẫn còn
chưa triển khai hoặc mới chỉ triển khai trên mức độ cơ bản nhất, thiếu đồng bộ và thiếu tối ưu các
nguồn lực.
Trên cơ sở đó nhóm đã thực nghiên cứu thực tế áp dụng và đưa ra những khuyến nghị trong
việc ứng dụng Big Data vào các doanh nghiệp Logistics ở Việt Nam hiện tại và tương lai.
CHƯƠNG 1: TỔNG QUAN VỀ BIG DATA
1.1 Khái niệm, nguồn hình thành và đặc trưng của Big Data
1.1.1 Khái niệm về d liệu ln
- Theo Wikipedia: Dữ liệu lớn (Big data) là một thuật ngữ chỉ bộ dữ liệu lớn hoặc phức tạp
màcác phương pháp truyền thống không đủ các ứng dụng để xử lý dữ liệu này.
- Theo Gartner: Dữ liệu lớn những nguồn thông tin đặc điểm chung khối lượng lớn,
tốc độnhanh dữ liệu định dạng dưới nhiều hình thức khác nhau, do đó muốn khai thác được
đòi hi phải có hình thức xử lý mới để 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 d liệu ln
Qua thống kê và tổng hợp, dữ liệu lớn được hình thành chủ yếu t 6 nguồn:
lOMoARcPSD|36667950
1) Dữ liệu hành chính (phát sinh t chương trình
của một tchức, thể chính phủ hay phi chính phủ).
dụ, hồ sơ y tế điện tở bệnh viện, hồ bảo hiểm,
hồ sơ ngân hàng…
2) Dữ liệu t hoạt động thương mại (phát sinh t
các giao dịch giữa hai thực thể). dụ: các giao dịch
th tín dụng, giao dịch trên mạng, bao gồm cả các giao
dịch t các thiết bị di động.
3) Dữ liệu t các thiết bị cảm biến như thiết bị chụp
hình ảnh vệ tinh, cảm biến đường, cảm biến khí hậu.
4) Dữ liệu t các thiết bị theo dõi, ví dtheo dõi dữ
liệu t điện thoại di động, GPS.
5) Dữ liệu t các hành vi, dụ như tìm kiếm trực
tuyến (tìm kiếm sản phm, dịch vụ hay thông tin khác),
đọc các trang mạng trực tuyến...
6) Dữ liệu t các thông tin về ý kiến, quan điểm của
các cá nhân, tổ chức, trên các phương tiện thông tin xã hội.
Phương pháp khai thác quản dliệu lớn hiện nay được thiết kế phù hợp dựa theo các
nguồn hình thành dữ liệu lớn. Mi nguồn dữ liệu lớn khác nhau s phương pháp khai thác và
quản lý dữ liệu lớn khác nhau. Tuy nhiên, hiện nay phần lớn các tchức 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 d liệu ln
Dữ liệu lớn có 5 đặc trưng cơ bản như sau (mô hình 5V):
1) Khi lưng d liệu (Volume)
Đây đặc điểm tiêu biểu nhất của dữ liệu lớn, khối lượng dữ liệu rất lớn. Kích cỡ của Big
Data đang tng ngày tăng lên, tính đến năm 2012 thì thể nằm trong khoảng vài chục
terabyte cho đến nhiều petabyte (1 petabyte = 1024 terabyte) chỉ cho một tập hợp dữ liệu. Dữ liệu
lOMoARcPSD|36667950
truyền thống thể lưu trữ trên các thiết bị đĩa mềm, đĩa cứng. Nhưng với dữ liệu lớn chúng ta
s sử dụng công nghệ “đám mâymới đáp ứng khả năng lưu trữ được dữ liệu lớn.
2) Tc đ (Velocity)
Tốc độ có thể hiểu theo 2 khía cạnh:
(a) Khối lượng dữ liệu gia tăng rất nhanh (mi giây tới 72.9 triệu các yêu cầu truy cập
tìmkiếm trên web bán hàng của Amazon)
(b) Xử dliệu nhanh mức thời gian thực (real-time), nghĩa dữ liệu được xử ngay
tứcthời ngay sau khi chúng phát sinh (tính đến bằng mili giây). Các ứng dụng phổ biến trên lĩnh
vực Internet, Tài chính, Ngân hàng, Hàng không, Quân sự, Y tế Sức khe nhiện nay phần
lớn dữ liệu lớn được xử lý real-time. Công nghệ xử lý dữ liệu lớn ngày nay đã cho phép chúng ta
xử lý tức thì trước khi chúng được 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, video, bài hát, dữ liệu t thiết bị cảm
biến vật lý, thiết bị chăm sóc sức khe...). Big data cho phép liên kết và phân tích nhiều dạng dữ
liệu khác nhau. dụ: với các bình luận của một nhóm người dùng nào đó trên Facebook với
thông tin video được chia s t Youtube và Twitter.
4) Đ tin cậy/chính xác (Veracity)
Một trong những tính chất phức tạp nhất của Dữ liệu lớn là độ tin cậy/chính xác của dữ liệu.
Với xu hướng phương tiện truyền thông xã hội (Social Media) và mạng xã hội (Social Network)
ngày nay và sự gia tăng mạnh m tính tương tác và chia s của người dùng Mobile làm cho bức
tranh xác định về độ tin cậy & chính xác của dữ liệu ngày một khó khăn hơn. Bài toán phân tích
và loại b dữ liệu thiếu chính xác và nhiu đang là tính chất quan trọng của Big data.
5) Giá tr (Value)
Giá trị là đặc điểm quan trọng nhất ca dữ liệu lớn, vì khi bt đầu triển khai xây dựng dữ liệu
lớn thì việc đầu tiên chúng ta cần phải làm đó là xác định được giá trị của thông tin mang lại như
thế nào, khi đó chúng ta mới quyết định nên triển khai dliệu lớn hay không. Nếu chúng
ta có dữ liệu lớn mà chỉ nhận được 1% lợi ích t nó, thì không nên đầu tư phát triển dữ liệu lớn.
Kết quả dự báo chính xác thể hiện rõ nét nhất về giá trị của dữ liệu lớn mang lại. Ví dụ, t khối
dữ liệu phát sinh trong qtrình khám, chữa bệnh s giúp dự báo về sức khe được chính xác
hơn, s giảm được chi phí điều trị và các chi phí liên quan đến y tế.
1.1.4 Sự khác biệt gia d liệu ln vi d liệu truyền thng
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.
lOMoARcPSD|36667950
1) D liệu đa dạng hơn
Khi khai thác dữ liệu truyền thống (dữ liệu có cấu trúc), chúng ta thường phải trả lời các câu
hi: Dữ liệu lấy ra kiểu gì? Định dạng dữ liệu như thế nào? Đối với dữ liệu lớn, không phải trả
lời các câu hi trên. Hay nói khác, khi khai thác, phân tích d liệu lớn chúng ta không cần quan
tâm đến kiểu dữ liệu và định dạng của chúng. Điều quan tâm là giá trị dữ liệu mang lại có đáp
ứng được cho công việc hiện tại và tương lai hay không.
2) Lưu tr d liệu ln hơn
Lưu trữ dữ liệu truyền thống vô cùng phức tạp và luôn đặt ra câu hi lưu như thế nào?
Dung lượng kho lưu trữ bao nhiêu đủ? Gn kèm với câu hi đó chi phí đầu tương ứng.
Công nghệ lưu trữ dữ liệu lớn hiện nay đã phần nào thể giải quyết được vấn đề trên nhờ những
công nghệ lưu trđám mây, phân phối lưu trữ dữ liệu phân tán thể kết hợp các dữ liệu phân
tán lại với nhau một cách chính xác và xử lý nhanh trong thời gian thực.
3) Truy vn d liệu nhanh hơn
Dữ liệu lớn được cập nhật liên tục, trong khi đó kho dữ liệu truyền thống thì lâu lâu mới được
cập nhật và trong tình trạng không theo dõi thường xuyên gây ra tình trạng li cấu trúc truy vấn
dẫn đến không tìm kiếm được thông tin đáp ứng theo yêu cầu.
4) Đ chính xác cao hơn
Dữ liệu lớn khi đưa vào sử dụng thường được kiểm định lại dữ liệu với những điều kiện chặt
ch, số lượng thông tin được kiểm tra thông thường rất lớn, đảm bảo về nguồn lấy dữ liệu
không có sự tác động của con người vào thay đổi số liệu thu thập.
1.2 Bc tranh tổng th ng dụng d liệu ln
Dữ liệu lớn đã được ứng dụng trong nhiều lĩnh vực như: hoạt động chính trị, giao thông, y tế,
thể thao, tài chính, thương mại, thống kê... dưới đây là một số ví dụ về ứng dụng dữ liệu lớn.
lOMoARcPSD|36667950
1) Ứng dụng d liệu ln trong hoạt đng chính tr Hình bên cho thấy Tổng thống Mỹ
Obama đã sử dụng dữ liệu dữ
liệu lớn để phục vụ cho cuộc
tranh cử Tổng thống của mình.
Ông xây dựng một đội ngũ
nhân viên chuyên đi thu thập
thông tin phân tích dữ liệu
thu được trong dự án triển khai
về dữ liệu lớn. Đội ngũ nhân
viên này thu thập tất cả thông
tin vngười dân các khu vực,
sau đó phân tích chỉ ra một
số thông tin quan trọng v
người dân Mỹ như: thích đọc
sách gì? thích mua loại thuốc
gì? thích sử dụng phương tiện gì?... Thậm chí còn biết được cả thông tin về m của cử tri đó đã
b phiếu tín nhiệm ai lần bầu cử trước. Trên sở những thông tin này, Tổng thống Obama
đã đưa ra kế hoạch vận động phù hợp, giúp ông tái đc cử Tổng thống nước Mỹ lần thứ 2.
Ngoài ra một số ứng dụng khác trong lĩnh vực chính trị mà dliệu lớn được áp dụng như: Hệ
thống chính phủ điện tử, phân tích quy định và việc tuân thủ quy định, phân tích, giám sát, theo
dõi và phát hiện gian lận, mối đe dọa, an ninh mạng.
2) Ứng dụng d liệu ln trong giao thông Sử dụng số liệu CDR trong qkhđể ước
lượng các dòng giao thông trong thành phố vào các giờ cao điểm, t đó có những kế hoạch phân
luồng giao thông chi tiết, hợp lý giúp giảm thiểu kt xe. Ngoài ra còn đưa ra thông tin cho người
tham gia giao thông được biết nếu muốn đi t nơi này đến nơi khác thì nên đi vào giờ nào để
tránh kt xe, hoặc đi đường nào là ngn nhất, v.v... Ngoài ra, dữ liệu lớn còn giúp phân tích định
vị người dùng thiết bị di động, ghi nhận chi tiết cuộc gọi trong thời gian thực và giảm thiểu tình
trạng ùn tc giao thông.
lOMoARcPSD|36667950
3) Ứng dụng d liệu ln trong y tế
Trong y học các bác dựa vào số liệu trong
các bệnh án để đưa ra dự đoán vnguy mc
bệnh. Đồng thời cũng đưa ra được xu hướng lây
lan của bệnh. Ví dụ, ứng dụng Google Flu Trend
một trong những ứng dụng hành công của
Google ứng dụng này dựa trên t khóa tìm kiếm
một khu vực nào đó, sau đó bộ máy phân tích
của Google s phân tích và đối chiếu kết quả tìm
kiếm đó, sau cùng là đưa ra dự báo về xu hướng
dịch cúm tại khu vực đó. Qua đó cho biết tình
hình m tại khu vực đó s din ra như thế nào
để đưa ra các giải pháp phòng tránh.
Những kết quả Google Flu 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 d liệu ln trong th thao
Phân tích mô hình hệ thống cấu trúc sơ đồ
chiến thuật của đội tuyển Đức (hình bên) đã
đưa ra những điểm bất hợp trong cấu trúc
của đội tuyển Đức, t đó giúp cho đội tuyển
Đức khc phục được điểm yếu và đã dành
được chiến thng tại World cup 2014.
5) Ứng dụng d liệu ln trong thương mại
Trong thương mại dữ liệu lớn giúp cho chúng ta thực hiện được một số công việc sau: phân
khúc thị trường và khách hàng, phân tích hành vi khách hàng tại cửa hàng, tiếp thị trên nền tảng
định vị, phân tích tiếp thị chéo kênh, tiếp thị đa kênh, quản các chiến dịch tiếp thị khách
hàng thân thiết, so sánh giá, phân tích quản chui cung ứng, phân tích hành vi, thói quen
người tiêu dùng.
6) Ứng dụng d liệu ln trong thng kê
Nhận thấy những lợi ích to lớn và thách thức của Big data đối với thống kê nhà nước,y
ban Thống kê Liên hợp quốc cũng như các tổ chức thống kê khu vực và Cơ quan thống kê quốc
gia của nhiều nước đã triển khai hàng loạt các hoạt động về Big data như: Hàn Quốc sử dụng ảnh
vệ tinh để thống kê nông nghiệpmột số lĩnh vực khác; Australia sử dụng ảnh vệ tinh để thống
kê diện tích đất nông nghiệp năng suất; Italia sử dụng dữ liệu điện thoại di động để thống kê
di cư; Bhutan dùng thiết bị di động để tính toán chỉ số giá tiêu dùng; Estonia dùng điện thoại di
lOMoARcPSD|36667950
động định vị vệ tinh để thống kê du lịch; EuroStat sử dụng dữ liệu về sử dụng điện thoại di động
để thống kê du lch.
7) Ứng dụng d liệu ln trong tài chính
T những dữ liệu chính xác, kịp thời thu thập được thông qua các giao dịch của khách hàng,
tiến hành phân tích, xếp hạng và quản lý các rủi ro trong đầu tư tài chính, tín dụng.
CHƯƠNG 2: ỨNG DỤNG CỦA BIG DATA TRONG LOGISTICS
2.1. Logistics là việc kinh doanh theo đnh hưng d liệu
Dữ liệu lớn đang cách mạng hóa nhiều lĩnh vực kinh doanh, phân tích hậu cần là một trong
số đó. Tính phức tạp năng động của hậu cần, cùng với sự phụ thuộc vào nhiều bộ phận chuyển
động thể tạo ra sự tc nghn tại bất kỳ điểm nào trong chui cung ứng, làm cho Logistics thành
một trường hợp sdụng hoàn hảo cho dữ liệu lớn. Ví dụ hậu cần dữ liệu lớn có thể được sử dụng
để tối ưu hóa việc định tuyến, để hợp hóa các chức năng của nhà máy để cung cấp tính minh
bạch cho toàn bộ chui cung ứng, vì lợi ích của cả hai công ty hậu cần và tàu biển. Các công ty
hậu cần bên thứ ba và các công ty vận tải đều đồng ý.
Lấy dụ về bài báo của Fleetowner, "98% 3PLs cho rằng việc ra quyết định dựa trên dữ liệu
được cải thiện là" cần thiết cho sthành công trong tương lai của các hoạt động quy trình
chui cung ứng ". Thêm vào đó, 81% các chủ hàng và 86% 3PLs được khảo sát cho biết việc sử
dụng dữ liệu lớn s trở thành "năng lực cốt lõi của các tổ chức chui cung ứng".
Tuy nhiên, dữ liệu lớn đòi hi nhiều nguồn thông tin có chất lượng cao để hoạt động có hiệu
quả. Tất cả những dữ liệu đó s đến t đâu? Báo cáo về dliệu lớn trong Logistics cho phép
doanh nghiệp lựa chọn nhiều nguồn dữ liệu có thể, bao gồm:
Dữ liệu doanh nghiệp truyền thống t các hệ thống hoạt động
Dữ liệu giao thông và thời tiết t các cảm biến, màn hình và hệ thống dự báo
Chn 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
ràng, nhiều cách để các hệ thống dữ liệu thể cung cấp thông tin họ cần. Tất cả các
nguồn dữ liệu này và các trường hợp sdụng tiềm năng đều dẫn dt DHL nói rằng công nghệ dữ
liệu và tự động hóa lớn s dẫn đến "mức độ tối ưu hóa trước đây trong sản xuất, hậu cần, kho bãi
và giao hàng tận nơi".
2.1.1. Li ích và cơ hi khi ng dụng Big Data vào Logistics
Những tiến bộ trong khía cạnh công nghệ và phương pháp ứng dụng của Big Data mang lại
những lợi ích to lớn cho ngành Logistics. Các nhà cung cấp dịch vụ hậu cần quản dòng sản
phm khổng lồ, do đó tạo ra các bộ dữ liệu rộng lớn. Nguồn gốc, điểm đến, kích cỡ, trọng lượng,
nội dung và vị trí của lô hàng trên cơ sở hàng ngày được theo dõi qua mạng lưới phân phối toàn
cầu. rất nhiều tiềm năng không được sử dụng như việc nâng cao hiệu quả hoạt động, kinh
lOMoARcPSD|36667950
nghiệm của khách hàng và tạo ra mô hình kinh doanh mới. Phân tích dữ liệu lớn cung cấp lợi thế
cạnh tranh đó thông qua các thuộc tính nổi bật của Big Data thể được áp dụng hiệu quả
trong ngành Logistics.
1) Ti ưu hóa vận chuyn hàng hóa đến đim đến cui cùng
Một hạn chế trong việc đạt
được hiệu quả hoạt động cao
trong một mạng lưới phân phối
din ra tại "dặm cuối cùng". Hai
mươi bốn giờ cuối cùng trong
một chui cung ứng thường
thtốn kém nhất, chi phí lên đến
28% tổng chi phí giao hàng của
một gói hàng. rất nhiều trở
ngại dẫn đến điều này, thể là:
Thách thức đối với các xe tải
giao hàng lớn đến công viên gần điểm đến của họ ở khu vực thành thị. Người lái xe thường phải
đậu xe khá lâu, và sau đó đi bộ đến địa chỉ cuối cùng. Sau đó, họ có thể phải đi lên nhiều chuyến
cầu thang hoặc đợi thang máy tòa nhà cao tầng. Một số mặt hàng phải được kết nếu khách
hàng không nhà thì không thể giao hàng. Nhân viên giao hàng phải cn thận để không làm hng
gói hàng trong chân cuối cùng này, họ phải cung cấp cho mình một cách chuyên nghiệp đến
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.
Tuy nhiên, dữ liệu lớn thể giải quyết những thách thức này d dàng. Trong một cuộc phng
vấn với Wall Street Journal, Matthias Winkenbach, giám đốc Phòng thí nghiệm Hoá chất
Megacity của MIT, đã tả chi tiết cách các phân tích dữ liệu cuối cùng đang mang lại những
dữ liệu hữu ích. Do chi phí thấp và tính phổ biến của internet di động nhanh và điện thoại thông
minh h trợ GPS, cũng như sự lan truyền của Internet thông qua cảm biến và máy quét, các chủ
hàng có thể thấy quá trình phân phối t đầu đến dặm cuối như thế nào.
Ví dụ, một chiếc xe tải giao hàng UPS có gn một cảm biến GPS đi giao hàng ở trung tâm thành
phố Chicago. Sau khi đ xe gần đó, điện thoại của người đàn ông này s phát tín hiệu GPS
tiếp tục truyền dữ liệu đến trung tâm UPS, cho tài khoản của khách hàng biết về thời gian giao
hàng. Điều này không chỉ có giá trị đối với khách hàng - nó cho phép các công ty Logistics nhìn
thấy các mô hình và có thể sử dụng để tối ưu hóa các chiến lược phân phối của họ.
2) Tăng đ tin cậy
Khi các thiết bị cảm biến ngày càng trở nên phổ biến trong các phương tiện giao thông, vận
chuyển trong suốt chui cung ứng, chúng thể cung cấp dliệu cho phép minh bạch cao hơn
bao giờ hết.Tính minh bạch này giá trị đối với các chủ hàng, người vận chuyển khách hàng.
Nếu một lô hàng s đến muộn, hãng tàu muốn biết càng sớm càng tốt để họ có thể ngăn chặn tc
nghn trong chui cung ứng. Và các công ty vận chuyển có thể sử dụng dữ liệu này tổng hợp để
lOMoARcPSD|36667950
đàm phán với các chủ hàng bằng cách cho biết hthường xuyên phân phối đúng thời hạn như thế
nào.
Hãy tưởng tượng điều này: các công ty Logistics đã gn cảm biến trong tất cả các phương
tiện phân phối của họ, với điện thoại thông minh h trợ GPS bao phủ bất kỳ khoảng trống. Một
bên thứ ba hợp lệ hóa các cảm biến này với đ chính xác, và sau đó các dliệu độ tin cậy và thời
gian t các cảm biến này được sử dụng khi các công ty Logistics đang đấu thầu cho các hợp đồng
mới.
Loại nguồn mở, thông tin minh bạch hoàn toàn thể thay đổi cách kinh doanh được tiến
hành trong khâu hậu cần.
3) Tuyến đường sẽ đưc ti ưu hoá
Trong cuộc khảo sát 3PL được trích dẫn đầu bài viết này, 70% người được hi cho rằng
"cải thiện tối ưu hóa Logistics" là việc sử dụng tốt nhất các dữ liệu lớn trong Logistics. Rõ ràng,
tối ưu hóa là suy nghĩ của mọi người.
Tại sao các công ty Logistics quan tâm đến việc tối ưu hóa? Vì lý do giúp htiết kiệm tiền
tránh các hàng bị giao muộn. Khi bạn đang quản một hệ thống phân phối hoặc chui cung
ứng, bạn phải kết nối một đường dây giữa tài nguyên và xe và sự thiếu sót giữa chúng. Nếu bạn
đặt quá nhiều xe cộ tài nguyên trên một tuyến đường phân phối, thì bạn đang tiêu tốn nhiều
tiền hơn, và có thể sử dụng các tài sản tốt hơn ở những nơi khác.
Tuy nhiên, nếu bạn ước tính thấp số lượng xe mà một tuyến đường hoặc giao hàng cụ thể s
yêu cầu, thì bạn s gặp rủi ro cho khách hàng gửi hàng muộn, ảnh hưởng tiêu cực đến các mối
quan hệ khách hàng và hình ảnh thương hiệu của bạn.
Để thêm vào những thách thức của việc tối ưu hoá, các yếu tố liên quan đến phân bổ nguồn
lực hiệu quả đang liên tục thay đổi. Ví dụ:
Chi phí nhiên liệu có thể thay đổi
Các đường cao tốc và đường có thể tạm thời đóng cửa hoặc những đường hầm mới
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, cả theo mùa và ngay lập tức, luôn thay đổi
Big Data phân tích tiên đoán cho phép các công ty Logistics thêm sức cạnh tranh
họ cần để vượt qua những trở ngại. Các bộ cảm biến về xe tải, dữ liệu thời tiết, dữ liệu bảo trì
đường bộ, lịch trình bảo dưỡng đội tàu, chỉ báo tình trạng hạm đội thời gian thực lịch trình
nhân sự thể được tích hợp vào một hệ thống nhìn vào các xu hướng lịch sử trong quá khứ
đưa ra lời khuyên phù hợp.
UPS là một ví dụ thực tế của Big Data Logistics dẫn đầu về sự tiết kiệm. Sau khi kiểm tra dữ
liệu của họ, UPS phát hiện ra rằng các xe tải r trái đã khiến họ phải trả rất nhiều tiền. Nói cách
khác, UPS thấy rằng việc chuyển hướng trong giao thông đang gây ra rất nhiều sự chậm tr, lãng
phí nhiên liệu, và nguy cơ an toàn.
Theo một bài báo t Cuộc hội thoại có tiêu đề "Tại sao các trình điều khiển của UPS không
r trái và bạn cũng không nên vậy", UPS "tuyên bố nó sử dụng ít hơn 10 triệu gallon nhiên liệu,
phát thải ít hơn 20.000 tấn CO2 và cung cấp 350.000 gói mi năm" (sau khi thực hiện thay đổi).
lOMoARcPSD|36667950
10 triệu galon khí là rất nhiều tiền - đó là một số lợi ích đáng kể và một ví dụ dữ liệu lớn trong
chui cung ứng.
Các i xe của UPS bây giờ chỉ được r trái khoảng 10%, thay vào đó chọn đi thẳng hoặc
r phải. Do chiến lược chỉ r trái khi cần thiết, UPS đã giảm số lượng xe tải nó sử dụng đi 1.110
và giảm tổng quãng đường đội tàu công ty di chuyển 28,5 triệu dặm.
4) Hàng dễ hỏng đưc vận chuyn vi cht lưng cao hơn
Giữ cho các sản phm d hư hng là một thách thức không ngng của các công ty Logistics.
Tuy nhiên, Big Data Internet of Things (Mạng lưới thiết bị kết nối Internet) thể giúp các
nhà quản lý và người giao hàng hiểu rõ hơn về cách họ có thể ngăn nga chi phí do hàng hoá bị
hng. Chẳng hạn, gisử một chiếc xe tải đang vận chuyển một hàng kem và đồ tráng miệng.
Bạn có thể cài đặt một cảm biến nhiệt độ bên trong xe tải đtheo dõi trạng thái của hàng hoá bên
trong đưa dữ liệu này cùng với dữ liệu giao thông đường xá cho một máy tính định tuyến
trung tâm. Máy tính này thể cảnh báo người lái xe nếu tuyến đường ban đầu đã chọn s dẫn
đến việc kem tan chảy và thay vào đó là các tuyến thay thế.
5) Tự đng hóa kho và chuỗi cungng
Chẳng bao lâu, Big Data kết hợp với công nghệ tự động hoá và Internet of Things có thể làm
cho Logistics hoạt động hoàn toàn tự động. Big Data cho phép các hệ thống tự động hoạt động
thông qua việc định tuyến thông minh nhiều bộ dữ liệu luồng dữ liệu khác nhau. dụ,
Amazon đã tự động hóa trong các trung tâm thực hiện của họ, sử dụng nhiều robot KIVA màu
da cam để lấy đồ vật t kệ.
Ngoài ra, Amazon còn có các máy điện toán tự động có thể phân phối đồ vật cho bạn nếu bạn
trong vòng 30 phút của trung tâm Amazon. Hay khi nhìn thấy Uber các công ty khác đang
chạy thử nghiệm các phương tiện tự lái, không khó để tưởng tượng rằng trong tương lai toàn bộ
chui cung ứng có thể được tự động hóa, t việc xếp dỡ, lái xe, đến việc giao hàng cuối cùng.
6) Duy trì trải nghiệm tt của khách hàng
Phân tích dliệu lớn cung cấp nhiều dữ liệu về khách hàng t đó đưa ra các cách thức
phục vụ để thu hút, duy trì cải thiện trải nghiệm của khách hàng với những quyết định về sự
thay đổi. Big Data cũng cho phép một hệ thống hiệu quả và lớn hơn để nm bt dữ liệu về khách
hàng đối tượng. Big Data thể giúp xác định cung cầu địa phương được sử dụng để
hiểu được sự hài lòng nhu cầu của khách ng. Chi phí để thu hút một khách hàng mới luôn
cao hơn chi phí duy trì sự trung thành của khách hàng cũ, vì vậy các doanh nghiệp Logistics luôn
cần chú trọng vào sự trải nghiệm của khách hàng.
Hồ về các điểm tiếp xúc của khách hàng, dữ liệu về các yếu thoạt động của chất lượng
dịch vụ, cũng như dữ liệu bên ngoài kết hợp để cung cấp cái nhìn toàn diện vtheo dõi khách
hàng, để doanh nghiệp thể đưa ra các quyết định tập trung n lực kinh doanh khi thích hợp
nhất. Và một trải nghiệm tốt của khách ng s cung cấp cho các nhà quản lý những quyết định
về hoạt động và phát triển sản phm hơn nữa và đo lường để thiết kế các sản phm và dịch vụ
thể đáp ứng và vượt qua mong đợi của khách hàng.
lOMoARcPSD|36667950
Ví dụ UPS nhận thấy t lịch sử cung cấp cho thấy rằng khách hàng nhận được hai lô hàng b
trì hoãn. Điều này có nghĩa là UPS phải triển khai một biện pháp giữ chân khách hàng ngay lập
tức. Nhưng khi nói đến các điểm tiếp xúc của khách hàng, có vô số những thông tin sẵn thông
qua sự ra đời của các din đàn trực tuyến. Trước đây, các hệ thống CRM (Customer Relationship
Management) đã lưu trữ dữ liệu đó thu thập thêm được thực hiện bằng các cuộc điều tra.
Nhưng với các công cụ kỹ thuật Big Data bao gồm khả năng tự động thu hồi cảm xúc của
khách hàng hiện diện trên các cơ sở dữ liệu như văn bản và âm thanh sau đó phân tích ngữ nghĩa
và khai thác văn bản, điều này s phản ánh tốt hơn cảm xúc của khách hàng so với các hình thức
khảo sát truyền thống.
Tóm lại, Big Data đã đang trên công cuộc chuyển đổi bản chất của Logistics. Big Data trong
Logistics thể được sdụng để giảm sự thiếu hiệu quả trong việc phân phối dặm cuối ng,
cung cấp tính minh bạch cho chui cung ứng, tối ưu hóa việc phân phối, bảo vệ hàng hd bị
hng và tự động hoá toàn bộ chui cung ứng hay làm tăng trai nghiệm tốt cho khách hàng.
Các công ty Logistics nhận thức được những khnăng này, và đang phấn đấu đưa ra nhiều quyết
định dựa trên dữ liệu hơn. Sử dụng dữ liệu lớn, bcảm biến Internet of Things, kết hợp với
phần mềm kinh doanh thông minh, các công ty có tư duy theo đó đã giảm chi phí và tăng sự hài
lòng của khách hàng.
2.1.2 Thách thc khi ng dụng Big Data vào Logistics
Việc sử dụng hiệu quả các kỹ thuật Big Data đã đem lại nhiều lợi ích cho việc chuyển đổi nền
kinh tế nhưng cũng gây ra nhiều thách thức, bao gồm những khó khăn trong việc thu thập dữ liệu,
lưu trữ, tìm kiếm, ct xén, phân tích và vận dụng. Những thách thức này cần phải vượt qua để có
thể khai thác cao nhất khả năng của Dữ liệu lớn.
1) Kiến trúc máy tính đ xử lý d liệu
Kiến trúc máy tính một trong những thách thức lớn nhất. Theo Philip Chen Zhang
(2014), hiệu suất của bxử lý trung tâm (CPU) đang tăng gấp đôi mi 18 tháng. Hiệu năng của
các đĩa cũng tăng gấp đôi với cùng tốc độ, nhưng tốc độ quay của đĩa đã cải thiện một chút.
Ngoài ra, lượng thông tin tăng theo cấp số nhân. Điều này ảnh hưởng lớn đến giới hạn của
việc khám phá các giá trị thời gian thực t Big Data.
2) D liệu không thng nht
Một thách thức quan trọng khác liên quan đến phân tích dữ liệu lớn bao gm sự không thống
nhất về dữ liệu và khả năng mở rộng, tính kịp thời và bảo mật dữ liệu không đầy đủ. Do đó, dữ
liệu phải được xây dựng phù hợp và mt số tiền xử lý kỹ thuật, chẳng hạn như làm sạch dữ liệu,
tích hợp d liệu, chuyển đổi dữ liệu và giảm thời gian cần được áp dụng để làm giảm tiếng ồn và
sửa li không chính xác. Big Data đã thay đổi đáng kể việc thu thập và lưu trữ dữ liệu, bao gồm
thiết bị lưu trữ dữ liệu, kiến trúc lưu trữ dữ liệu, chế truy cập dữ liệu. Quy trình khám pkiến
thức đặt ưu tiên cao nhất vào khả năng tiếp cận của Dữ liệu lớn. Theo nghĩa đó, dữ liệu lớn nên
được truy cập hiệu quả và cho phép phá vỡ hoàn toàn hoặc một phần hạn chế của kiến trúc máy
tính. Lưu trữ trực tiếp (DAS), lưu trữ mạng (NAS), và mạng lưu trữ (SAN) thường được sdụng
kiến trúc lưu trữ. Tuy nhiên, chúng những hạn chế hạn chế nghiêm trọng trong các hệ thống
lOMoARcPSD|36667950
phân phối quy lớn. Tối ưu hóa truy cập dữ liệu cách phổ biến để cải thiện hiệu suất của
máy tính dliệu chuyên sâu. Điều này bao gồm sao chép dữ liệu, di chuyển, phân phối truy
cập song song. Khi khối lượng dữ liệu rất lớn, dung lượng băng thông mạng là nút cổ chai
trong đám mây và các hệ thống phân tán.
3) Bảo mật d liệu chưa đảm bảo
Một vấn đề khác liên quan đến lưu trữ đám mây bảo mật dliệu. Cấu trúc dữ liệu nhằm
mục đích tìm kiếm truy xuất dữ liệu định kỳ, đảm bảo chất lượng dữ liệu, bổ sung giá trị, tái
sử dụng bảo quản. Điều này bao gồm xác thực, lưu trữ, quản lý, bảo quản, truy xuất đại
diện.
Theo Kambatla (2014): Trong các hệ thống hậu cần, một khuôn khổ phân tích toàn diện đòi
hi phải tích hợp quản lý chui cung ứng, quản lý khách hàng, h trợ sau bán hàng và quảng cáo.
Số lượng lớn các dữ liệu đa dạng bao gồm giao dịch khách hàng, quản hàng tồn kho, nguồn
cấp dữ liệu video trên cửa hàng, quảng cáo và quan hệ khách hàng, sthích và tình cảm của
khách hàng, cơ sở hạ tầng quản lý bán hàng và dữ liệu tài chính. Việc triển khai toàn diện RFIDs
(Radio Frequency Identification) để theo dõi hàng tồn kho, liên kết với các cơ sở dữ liệu của n
cung cấp, tích hợp với sở thích của khách hàng và các hệ thống tài chính tổng hợp mang lại hiệu
quả được cải thiện. Cách tiếp cận Big Data giúp khai thác dữ liệu sản xuất cho phép RFID để h
trợ các quyết định hậu cần sản xuất của Zhong và cng sự (2015). Các ứng dụng này chủ yếu có
các bộ dữ liệu được cấu trúc và tích hợp tương đối tốt. Vìshạ tầng và phân tích dữ liệu đang
được thực hiện trong cùng một miền an ninh, vấn đề bảo mật bảo mật d dàng hơn. Các nút
cổ chai lớn nhất trong lĩnh vực này sự phát triển của các phân tích khả năng quy một
lượng lớn các dữ liệu đa phương thức.
Với khối lượng dữ liệu gia tăng, xác suất dữ liệu chứa các thông tin có giá trị và bí mật tăng
lên. Do đó, thông tin được lưu trữ với mục đích phân ch dữ liệu lớn d bị ảnh hưởng tội
phạm mạng. Các vấn đề an ninh cũng bao gồm bảo vệ sở hữu trí tuệ, bảo vệ sự riêng tư cá nhân,
mật thương mại và bảo vệ thông tin tài chính. Luật bảo vệ dữ liệu đã được thiết lập ở hầu hết
các quốc gia đang phát triển và đang phát triển. Đối với các ứng dụng liên quan đến Dữ liệu Lớn,
các vấn đề về bảo mật dữ liệu khó hơn vì số lượng dữ liệu cực lớn và khối lượng công việc khó
khăn của an ninh.
CHƯƠNG 3: HẠ TẦNG CÔNG NGHỆ THÔNG TIN CỦA BIG
DATA PHỤC VỤ LOGISTICS VÀ THỰC TRẠNG Ở VIỆT NAM
3.1 Hạ tầng công nghệ thông tin của Big Data phục vụ tại Việt Nam
Hạ tầng công nghệ thông tin là cơ sở của Big Data, là nền tảng cho việc thu thập và xử lý Big
Data. Chính vì vậy, việc có được hạ tầng công nghệ thông tin tốt s giúp cho việc ứng dụng Big
Data vào Logistics một cách có hiệu quả.
Hạ tầng công nghệ thông tin tại Việt Nam đã được cải thiện đáng kể trong những năm gần
đây. Việt Nam được đánh giá nước có mật độ phổ biến dịch vụ vin thông cao so với các nước
lOMoARcPSD|36667950
trên thế giới. Theo khảo sát nh của VLA thực hiện trong năm 2017 về Hạ tầng công nghệ thông
tin (CNTT) trong các doanh nghiệp Logistics, các doanh nghiệp thực hiện khảo sát cho biết:
- Công nghthông tin đã bước phát triển giúp đa dạng kênh bán hàng phân phối
đếnngười tiêu dùng được thuận tiện hơn.
- Phương pháp EDI để gửi nhận dữ liệu thông tin giữa các doanh nghiệp Logistics
hảiquan mới được áp dụng và chưa đạt hiểu quả. Vấn đề định vị vị trí phương tiện vận tải GPS
cũng chưa được đem lại hiệu quả tối đa đối với vận hành các phương tiện vận tải đường bộ. - 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 CNTT tạm ổn
trongquy nh nhưng s không
theo kịp sphát triển của thương
mại điện tử. Khảo sát chuyên sâu
của
VLA về ứng dụng hệ thống CNTT
tại một số doanh nghiệp đi đầu
trong việc ứng dụng công nghệ vào
hoạt động sản xuất kinh doanh cho
thấy, các doanh nghiệp nhận thức
được tầm quan trọng của ứng dụng
IT đối với ngành Logistics, tuy
nhiên, do tỉ suất đầu tư lớn dẫn đến
các hạng mục IT của doanh nghiệp
(Hệ thống quản giao nhận (FMS), quản vận tải (TMS), quản kho hàng (WMS), quản
nguồn lực (ERP) được thực hiện manh mún, không mang tính hệ thống được tiến hành đầu
theo các nhu cầu của tng bộ phận nghiệp vụ riêng biệt được cung cấp bởi các công ty giải
pháp khác nhau. Các ứng dụng điện toán đám mây cũng còn rất mới với các doanh nghiệp dịch
vụ Logistics, đa số các hệ thống ứng dụng IT trong nước không đủ điều kiện kết nối các các
hệ thống IT bên ngoài cũng như đảm bảo an toàn an ninh mạng trong yêu cầu dịch vụ toàn cầu.
Số lượng nhà cung cấp giải pháp công nghệ thông tin Logistics chuyên nghiệp trong nước là quá
ít, quy mô nh, thực tế không có thương hiệu uy tín nào và số doanh nghiệp đang hoạt động tích
cực hay giải pháp ứng dụng được chưa tới 10 đơn vị. Làn sóng khởi nghiệp đã lan ta tới
ngành Logistics, nhưng các công ty khởi nghiệp vẫn gặp nhiều khó khăn về vốn và nhân lực. Bản
thân các công ty Logistics khi tìm kiếm giải pháp ứng dụng cũng gặp nhiều trở ngại do năng lực
cung cấp giải pháp và bảo đảm h trợ kỹ thuật chưa chc chn.
Các hạn chế của hạ tầng công nghệ thông tin Logistics cấp vĩ mô bao gồm các vấn đề sau:
- Hạ tầng thông tin trình độ công nghệ thông tin (CNTT) của Việt Nam tuy đã phát
triển,cung cấp dịch vụ cho nhiều ứng dụng dân dụng hội, tuy nhiên còn thiếu nhiều ứng
dụng chuyên ngành, nhất là cho Logistics. Thách thức lớn nhất hiện nay là vốn đầu tư hạ tầng
khả năng quản lý vận hành, bảo trì sửa chữa - trình độ chuyên môn của nhân viên.
lOMoARcPSD|36667950
- Trong lĩnh vực giao thông vận tải lĩnh vực thông tin chuyên ngành Logistics được
quantâm nhiều nhất, hiện nay thông tin liên kết giữa các nhà cung cấp dịch vụ cùng phương thức
và giữa các phương thức vận tải chưa được thực hiện. Các ứng dụng tận dụng nguồn lực phương
tiện mới bt đầu gần đây với vận tải hành khách một vài “sàn giao dịch vận tảinhưng chưa
giải quyết được những vấn đề thực tế phát sinh .
- Hệ thống thông tin hàng hóa xuất nhập khu quản lý bởi Tổng cục Hải quan được duy trì
ổnđịnh đã tiến đến ứng dụng Hải quan điện tử, Cơ chế Một cửa Quốc gia. Tuy vậy, nhu cầu
kết nối với nhiều bên liên quan hơn, hệ thống Cổng thông tin Mt cửa Quốc gia giữa cơ quan hải
quan, thuế, cơ quan quản lý chuyên ngành và người khai hải quan đang là một vấn đề cấp thiết. -
Chưa có định hướng rõ ràng trong việc đầu tư nghiên cứu ứng dụng hay phát triển sản phm nào
trong lĩnh vực công nghệ thông tin Logistics.
- Về đào tạo, ngoại tr trường Đại học Giao thông vận tải Thành phố Hồ Chí Minh được
trangbị hệ thống mô phng thiết bị điều khiển hàng hải, Đại học Hàng hải (Hải Phòng) có phòng
phng kho hàng, các trường đại học chưa phòng thí nghiệm, thực nghiệm các giải pháp
Logistics và quản lý chui cung ứng, dịch vụ h trợ gom hàng chặng đầu, giao hàng chặng cuối
cho thương mại điện tử - vốn là các hệ thống thiết thực h trợ đào tạo nguồn nhân lực cho ngành
Logistics hiện nay.
Các hệ thống hạ tầng sở dữ liệu đường truyền dữ liệu lớn, làn sóng cạnh tranh kế tiếp
s dựa trên năng lực làm chủ hạ tầng này. Đó nền tảng của Chính phủ điện tử hay “quốc gia
thông minh”. Trong xu thế hiện nay công nghệ đám mây s nền tảng số một sử dụng để phát
triển các ứng dụng CNTT cho Logistics.
- Các hệ thống h trợ dịch vhàng 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, hệ thống phân phối: chưa một hệ thống kết nối dịch vụ để
cộngđồng Logistics cũng như người sử dụng dịch vụ khai thác nhằm tối ưu hóa nguồn lực hạ tầng
kho bãi, tồn trữ, phân phối. Rất nhiều kho hàng không hthống quản dịch vụ kho hàng
chuyên nghiệp, dịch vụ gia tăng giá tr, h trợ quản lý điều hành theo mô hình 3PL. Tóm lại, các
ứng dụng hiện đại của Logistics s đòi hi khả năng lưu trữ và truyền tải thông tin gói lớn, tốc độ
cao, an ninh vững, với giá thấp. Do đó, cần có có những biện pháp tức thời cho việc khai thác các
ứng dụng đã đồng thời đào tạo chuyên gia, xây dựng nền tảng công nghệ như htầng thông
tin và truyền thông mới cho tương lai gần.
3.1.1 Khai hải quan điện tử
T tháng 04/2014, Hệ thống Thông quan tự động (hay thường gọi Hải quan điện tử) Việt
Nam (Viet Nam Automated Customs Clearance System - VNACCS) đã được đưa vào hoạt động
chính thức với sự h trợ của Nhật Bản. Với tính năng tđộng hóa cao, hệ thống VNACCS đã
dần thay thế cho hệ thống hải quan điện tử cũ. VNACCS cho phép kết nối với các cơ quan chức
năng khác để thực hiện chế Một cửa (Single Window), qua đó người nhập khu thể thực
hiện các giấy phép xuất nhập khu, giấy chứng nhận an toàn vệ sinh thực phm, ...
lOMoARcPSD|36667950
Để có thể sử dụng VNACCS, doanh nghiệp cần có thêm phần mềm khai hải quan diện tử có
thể kết nối với VNACCS. Hiện nay Cục Công nghệ Thông tin và Thống kê Hải quan thuộc Tổng
cục Hải quan đã chấp thuận cho 5 đơn vị sản phm phần mềm đáp ứng các yêu cầu kỹ thuật
được kết nối với Hệ thống thông quan tự động của Hải quan, gồm có:
1) Phần mm ECUS5-VNACCS của Công ty TNHH Phát triển Công nghệ Thái Sơn
2) Phần mm 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 mm ECS 5.0 của Công ty Cổ phần Softech
5) Phần mm iHaiQuan 2.0 của Công ty Cổ phần TS24.1 Các doanh nghiệp xuất nhập
khu, dch vụ Logistics hay bất kỳ tổ chức,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, h trợ được thực hiện tích cực t Tổng cục Hải quan, các
đơn vị cung cấp phần mềm Hải quan điện tử. Hiện có hơn 100.000 đơn vị đăng ký sử dụng h
thống. Theo Tổng cục Hải quan, hơn 94% doanh nghiệp sử dụng hài lòng với VNACCS.
3.1.2 Đnh v toàn cu bằng vệ tinh (GPS)
- Công nghệ định vị toàn cầu qua vệ tinh (GPS) t khi được phát triển cho ứng dụng dân
dụng đã nhanh chóng được đón nhận. Một trong những ứng dụng hiệu quả nhất là trong lĩnh vực
Quản phương tiện vận tải. Cùng với dịch vtruyền thông di động gửi tin ngn (SMS), công
nghệ Internet, GPS đã cho phép thiết kế các ứng dụng cơ bản sau:
- Định vị vị trí khi
điđường mt cách chính
xác nhưng đòi hi phải
mạng internet ứng
dụng bổ trợ như các ứng
dụng bản đồ Google
Map hoặc HERE MAPS
để tìm đường đi một
cách chính xác.
- Quản điều
hànhxe do xác đinh được
vị trí xe, hướng đi, quãng đường đích đến một cách chính xác. Xem lại lộ trình xe theo thời gian
và vận tốc di chuyển. Báo cáo tổng số km đi được trên bản đồ. Cảnh báo khi xe vượt quá tốc độ,
vượt ra khi vùng giới hạn. Theo dõi lộ trình của đoàn xe. Xác định vị trí xe chính xác tng
góc đường (vị trí xe được thể hiện qua tín hiệu nhấp nháy trên bản đồ), xác định vận tốc và thời
gian xe dng hay đang chạy, biết được lộ trình hiện tại xe đang đi trong thời gian thực.
- Bộ Giao thông vận tải đã ban hành Thông tư QCVN 31:2014/BGTVT - Quy chun kỹ
thuậtquốc gia về việc gn hộp đen cho xe tải, xe ô tô, xe khách, xe container... quy định lp
thiết bị giám sát hành trình bt đầu t ngày 1/1/2016 - còn được gọi hộp đen”. Các phương
tiện s phải lp thiết bị giám sát hành trình phù hợp, đạt chun Quy định mới nhất của Bộ Giao
lOMoARcPSD|36667950
thông vận tải về yêu cầu kỹ thuật tối thiểu trên các loại xe ô tô thuộc đối tượng quy định. Lộ trình
gn hộp đen cho xe tải đối với mi loại xe có trọng tải khác nhau, thời hạn cui cùng cho các loại
phương tiện phải gn hộp đen là ngày 1/7/2018. Hộp đen phải bao gồm: Phần cứng như bộ vi xử
lý, bộ phận ghi, lưu trữ, truyền phát dữ liệu, đồng hồ dùng để đo thời gian thực, bộ phận dữ liệu
thông tin GPS, bộ phận lấy thông tin của lái xe, cổng kết nối, bộ phận thông báo tình trạng hoạt
động của thiết bị.... Phần mm dùng phân tích dliệu. Thiết bị giám sát hành trình phải tính
năng liên tục ghi. Nhận lưu giữ cùng với đó truyền phát qua internet về server (máy chủ) của
doanh nghiệp để lưu trữ. Theo quy định các thông tin về quá trình khai thác, sử dụng, vận hành
của xe. Hộp đen cho xe tải cũng phải ghi lại thời gian làm việc của lái xe, tần suất thời gian
dng, đ xe. thời gian, tốc độ, quãng đường chạy, tọa độ của xe mi phút mt trong suốt hành
trình chạy. Hiện 53 doanh nghiệp được công nhận cung cấp thiết bị giám sát hành trình đạt
yêu cầu Quy chun QCVN 31:2014/BGTVT.
3.1.3 Truy xut trực tuyến tình trạng hàng hóa (E-Tracking/Tracing)
Đây công nghệ đã phổ biến tại các nước phát triển. Nhà cung cấp dịch vụ cần phải h
thống thông tin đảm bảo cung cấp dịch vụ h trợ khách hàng truy cập qua một giao diện trên
internet để biết được tình trạng hàng hóa, bao gồm ít nhất một trong hai chức năng:
a) Truy xuất tình trạng lô hàng đang vận chuyển trên đường qua số Vận đơn hoặc số
Container - đối với người làm dịch vụ giao nhận vận tải quốc tế
b) Truy xuất tình trạng hàng tồn kho - đối với nhà cung cấp dịch vụ kho bãi, tồn trữ, phân
phối. Mặc dù yêu cầu là đơn giản và là điều kiện cần để tham gia cung cấp dch vụ Logistics cho
khách hàng, tuy nhiên hầu hết các công ty giao nhận - Logistics Việt Nam không đáp ứng được
các điều kiện này. Khảo sát trong các hội viên ca VLA cho thấy 38% doanh nghiệp phản hồi có
ứng dụng này. Do các doanh nghiệp tham gia khảo sát là đối tượng doanh nghiệp khá lớn nên có
khả năng, còn lại trên thị trường rất nhiều doanh nghiệp nh, ước tính tỷ lệ doanh nghiệp ứng
dụng công nghệ thông tin để đáp ứng yêu cầu trên đây là khoảng 1,5%.
3.1.4 Hệ thng quản lý kho hàng (WMS)
WMS được nói tới như một hệ thống quản điều hành dịch vụ kho hàng, nhất cho các
công ty 3PL. Không có quy định bt buộc áp dụng nhưng theo thông lệ thì các công ty cung cấp
dịch vụ Logistics phân phối chc chn phải trang bị hệ thống này. Các chức năng chính của
WMS gồm có:
Tiếp nhận yêu cầu (nhận yêu cầu dịch vụ, h trợ báo giá)
Xử lý đơn hàng (khi có đơn hàng chuyển tới t khách hàng)
Quản lý hoạt động trong kho (nhận hàng, cất trữ, soạn hàng, xuất hàng)
Quản lý dự trữ (dự trữ an toàn, bổ sung hàng hóa, kiểm kê, …)
Bảo đảm chất lượng (quản lý chất lượng, kiểm tra, thử nghiệm, …)
Bảo trì sản phm (duy trì tình trạng chất lượng theo yêu cầu)
Kế hoạch vận tải (chất xếp, vận tải, giao hàng)
Dịch vụ khách hàng (đáp ứng các yêu cầu của khách thuê dịch vụ)
Kế toán - hóa đơn (kế toán chi phí, xuất hóa đơn cho nhiều khách hàng)
lOMoARcPSD|36667950
Quản lý an ninh (liên kết với các hệ thống bảo vệ, phòng nga sự cố)
Quản lý hành chính - nhân sự (phân công lao động, tiền tiền lương, …)
Các chức năng cài đặt hệ thống (theo yêu cầu dịch vụ)
Báo cáo, phân tích (năng suất lao động, hiệu suất khai thác, hiệu quả)
Các chức năng m- bổ sung cho dịch vụ cộng thêm khác
Ngoài việc đảm bảo các chức năng trên, WMS còn phải kết nối tốt với các hệ thống khác, đặc
biệt là hệ thống quản lý nguồn lực (ERP) của khách hàng, cho phép quản lý nhiều kho tại nhiều
nước khác nhau để h trợ các chiến lược phân phối khu vực hay toàn cầu. Các WMS thế hệ mới
còn phải kết nối với hệ thống điều hành kho (WCS), thường là tự động hóa với các hệ thống điều
khiển lập trình được (PLC), nhúng kèm phần trí tuệ nhân tạo thay cho các quy trình quản lý tiêu
chun truyền thống.
Nguồn cung cấp các WMS như trên tại Việt Nam là rất hạn chế. Các công ty phần mềm trong
nước đa schưa hiểu tính năng yêu cầu, hình kinh doanh của công ty dịch vụ Logistics,
lực lượng h trợ kỹ thuật thiếu kinh nghiệm. Các ng ty Logistics đa quốc gia thường hệ
thống đã cài đặt tại nhiều nước tiếp tục nhân lên khi vào Việt Nam. Với các công ty trong
nước, chỉ các công ty lớn chuyên làm kho phân phối như tại một số đơn vthành viên Tổng
Công ty Tân Cảng đang chuyển đổi mô hình t ICD thành trung tâm phân phối xuất nhập khu,
các doanh nghiệp Gemadept Logistics, VINAFCO, U&I, TBS, Transimex, Sotrans đang phát
triển các ứng dụng WMS. Các doanh nghiệp này thường gặp phải khó khăn khi phát triển ứng
dụng này, mua sản phm của nước ngoài là một trong các lựa chọn phổ biến, tuy nhiên quá trình
cài đặt và đưa vào vận hành gặp nhiều khó khăn, khâu kết nối trong nội bộ với khách hàng
đều cần có giải pháp tốt hơn. Hầu hết các công ty nh làm kho bãi chưa có hệ thống quản lý tốt,
tỷ lệ có WMS ước tính chưa tới 10%.
3.1.5 Hệ thng quản lý vận tải (TMS)
Hệ thống TMS cho dịch vụ Logistics cần khả năng quản cùng lúc các hoạt động vận
chuyển hàng hóa bằng nhiều phương thức khác nhau, qua nhiều biên giới khác nhau nhưng chỉ
do một nhà điều hành thực hiện - Nhà điều hành Vận tải Đa phương thức (MTO). TMS đảm trách
các vai trò chính sau: Lựa chọn phương thức vận tải
H trợ hoạt động gom hàng
Hoạch định tuyến và lịch vận chuyển
Xử lý yêu cầu trả hàng - H trợ truy xuất tình trạng lô hàng Thanh toán cước phí.
Nó cũng phải liên kết được với các điểmt dọc theo chui cung ứng như kho, cảng để cập
nhật tình trạng hàng hóa, kết nối tốt với các ERP và WMS.
Nhà cung cấp TMS chuyên nghiệp tại Việt Nam hiện rất hạn chế, đồng thời việc cài đặt hệ
thống còn gặp rất nhiều khó khăn do khả năng liên kết đồng bộ dữ liệu với các hãng tàu, hãng
hàng không, hải quản, cảng biển, cảng hàng không, và trong nội bộ các công ty Logistics là quá
phức tạp. Các công ty lớn tầm cỡ Thế giới thì đạt được khả năng này, đó thường là các nhà Tích
hợp hệ thống như DHL, FedEX, UPS các Công ty 3PL như DB Schenker, Expeditors,
Panalpina, Kuehne + Nagel, Ceva Logistics, Logwin,… Trong nước thể nói chưa có công ty
nào đạt trình độ ứng dụng nêu trên, tuy nhiên họ thường ứng dụng các hệ thống quản lý vận tải
lOMoARcPSD|36667950
nội địa, quản lý đội xe, sử dụng các công cụ quản lý dịch vụ Giao nhận truyền thống do các nhà
cung cấp trong nước phát triển như Fast, Vĩ Doanh FMS, … tỷ lệ ứng dụng dưới 10%, đa số còn
dùng Excel tự quản lý. Chưa có những hệ thống thích hợp cho các công ty nh và va Việt
Nam.
3.1.6 Hệ thng quản lý cảng/bến thủy (TOS)
TOS đại diện cho nhóm ứng dụng quản cảng. Ngoại tr các ứng dụng tại cảng biển quốc
tế vốn có hệ thống quản lý điều hành lớn, hiện đại và đa số đã được tự động hóa thì các cảng loại
2, loại 3, bến thủy nội địa, các ICD đều cần hệ thống TOS với các chức năng lập kế hoạch tiếp
nhận tàu, kế hoạch bến bãi, điều phối xuất nhập, quản phương tiện hàng a, quản chi
phí - hóa đơn, dịch vụ khác hàng, … Do đây là dịch vụ khá hp, số lượng cảng/bến không nhiều
nên nhà cung cấp trong nước cũng rất hạn chế. Công ty có số lượng khách hàng khá nhiều (gần
20 khách hàng) là Port Logic đã có quá trình thành lập và phát triển 10 năm, tuy nhiên công nghệ
sử dụng phát triển sản phm của công ty chưa được nâng cấp, các hệ thống khách hàng đang sử
dụng có khả năng không thể tiếp tục duy trì trong những năm tới, nhu cầu đổi mới công nghệ là
rất bức thiết. Hiện nay, Bộ Giao thông vận tải đang kế hoạch soát, cấp phép mới cho các
cảng/bến thủy theo một quy trình hoàn thiện hơn. Trong tương lai, khi các cảng, bến thủy
buộc phải được xem xét lại cả về địa điểm, hình kinh doanh, tổ chức quản lý, công cụ hệ
thống... thì nhu cầu này s tăng cao vì s có gần 1.000 bến cảng như vậy tại Việt
Nam.
3.1.7 Hệ thng quản lý nguồn lực doanh nghiệp (ERP)
ERP là công cụ quản lý hữu hiệu của các nhà sản xuất để quản lý toàn bộ hoạt động trong đó
toàn bộ chui cung ứng. ERP cần kết nối với hệ thống quản lý Logistics nhất là cho các hoạt
động thuê ngoài. Các chức năng bản của ERP gồm : quản bán ng - quản kế hoạch
sản xuất - quản mua hàng - quản dự trữ - quản vận tải - giao hàng - quản sản xuất -
quản chất lượng - quản lý tài chính - quản nguồn nhân lực - quản các KPI. Các công ty
lớn trang bị hệ thống này thường chọn các nhà cung cấp nổi tiếng thế giới như SAP, Oracle. Q
trình cài đặt vận hành hệ thống cần ít nhất 1 năm. nhiều lý do, hầu hết các nhà sản xuất va
nh (SME) của Việt Nam không thể trang bị hthống này. Trong giai đoạn hiện nay sp
tới, nhờ sự phát triển của các phần mềm mã nguồn mvà điện toán đám mây, các cơ hội thiết lập
các hệ thống ERP nh gọn hơn cho các SME là hoàn toàn có thể.
3.1.8 Sàn giao dch Logistics
Là nơi trao đổi dịch vụ hàng hóa như mt dịch vụ trực tuyến cho các nhà cung cấp dịch vụ
Logistics 3PL, các nhà giao nhận vận tải và các công ty vận tải. Nó cho phép các công ty vận tải
tìm kiếm trên sở dliệu về nhu cầu vận chuyển cần được thực hiện quảng cáo khả năng
của họ. Các nhà cung cấp dịch có thể quảng cáo các dịch vụ và cước phí vận chuyển của họ cũng
như khả năng vận chuyển với dung lượng xe, không gian kho bãi sẵn có. Các hệ thống này cung
cấp một nền tảng cho phép các hãng vận chuyển cung cấp thông tin giao thông vận tải cho các
nhà khai thác như đại vận chuyển, giao nhận các công ty Logistics. Họ cho phép các nhà
giao nhận vận tải hàng hóa một cách riêng hoặc công khai cho một số lượng lớn các khách
lOMoARcPSD|36667950
hàng có nhu cầu. Các hệ thống trực tuyến thường hoạt động dựa trên thuê bao với một khoản phí
nh cho quảng cáo (đăng tải) và tìm kiếm (kèm dịch vụ vấn). Hiện tại Việt Nam chưa sàn
Logistics, chỉ một ssàn giao dịch vận tải. Tính tới tháng 9/2017, người sdụng dịch vụ
thể tìm thấy trên Internet 5 mục hàng đầu trong danh sách hiển thị kết quả tìm kiếm: -
VinaTrucking (www.trucking.vn): Sàn giao dịch vận tải do Công ty Cổ phần Sàn Giao Dch Vận
tải VinaTrucking (Thành phố Hồ Chí Minh) điều hành.
- Sàn vận chuyển (www.sanvanchuyen.vn): Sàn giao dịch Vận tải hàng hóa Việt Nam do
Côngty Cổ phần Microzon điều hành. - Sàn VTruck (www.vietnamtrucking.vn) do Công ty Cổ
phần Vận Chuyển Việt Nam (Bình Dương) điều hành. Số liệu lịch sử cho thấy đã có 8.283 giao
dịch thành công (khoảng 20 giao dịch/ngày vào những ngày thuận lợi).
- IZIFIX (www.izifix.com): Sàn giao dịch vận tải Đường b- Đường sông - Đường biển,
doCông ty Cổ phần IZIFIX (Thành phố Hồ Chí Minh điều hành) trong đó khá nhiều tàu sông pha
biển, tàu biển chạy tuyến ngn đi các nước trong khu vực đăng tin trên sàn. Người tham gia được
hướng dẫn áp dụng trên điện thoại thông minh.
- Sàn giao dịch vận tải HANEL (www.vantaitructuyen.vn): sàn khá vng v với chỉ 13 kết
quảtìm xe và 9 kết quả tìm hàng, hiển thị t năm 2016. Các sàn giao dịch vận tải đi vào hoạt động
t cuối năm 2015, sàn giao dịch vận tải hàng hóa được kỳ vọng mang lại nhiều lợi ích cho chính
doanh nghiệp và nền kinh tế. Mục tiêu ca Sàn vận chuyển là giúp chủ hàng tiết kiệm 30% cước
phí vận chuyển giúp nhà xe tăng thêm ít nhất 50% doanh thu, giảm tình trạng lãng phí của
toàn xã hội do 60% xe chạy rng do thiếu hàng. Có ý kiến còn nêu đây s một cuộc cách mạng
trong dịch vụ vận tải, ... Tuy nhiên, hiện nay nhìn chung các sàn hoạt động còn rất yếu, số thành
viên tham gia và các giao dịch thành công vẫn rất ít. Lượng hàng hóa trên sàn giao dịch khan
hiếm. Sản lượng vận chuyển qua các sàn chưa đạt 1% khối lượng vận chuyển của th trường.
3.2 Dự đoán trong tương lai khi Logistics tận dụng Big Data hiệu quả hơn
3.2.1 Robot trong kho hàng
Có hai loại hệ thống chủ yếu phân chia theo cách thức cất trữ và lấy hàng ra t vị trí cất trữ trong
kho: Một là hệ thống “tự động cất trữ lấy ra- ASRS5, hai hệ thống “hàng tự tới người-
GTM. ASRS thường sử dụng cho các kho thành phm hay nguyên liệu mà độ đồng đều khá cao,
việc tự động hóa nhằm tăng năng suất hiệu suất khai thác không gian trong khi giảm sự can
thiệp của con người mục tiêu an ninh, an toàn, hạn chế làm việc ngoài giờ, ... Các kho ASRS
thường có độ cao trên 20 mét với số tầng kệ chứa hàng lên tới 20-25 tầng. Vận hành bằng robot
ASRS.
Tại Việt Nam các nhà cung cấp ARSR không nhiều, hầu như chCông ty Schenker của
Đức văn phòng đại diện mới một dự án lớn với Vinamilk tại Bình Dương. Ngoài ra,
chưa có công ty nào đầu kho tự động ASRS tại Việt Nam. Loại hình GTM thích hợp cho các
kho hàng mà số lượng mặt hàng rất nhiều, đơn hàng nh l, tốc độ luân chuyển cao - đó là hàng
TMĐT. Ứng dụng đầu tiên về loại hình này được khởi xướng bởi Amazon. Amazon hiện có 45
nghìn robot lấy hàng làm đầy kệ (restocking). Họ một Bộ phận riêng về Robot (Kiva
systems) vốn là một công ty được mua lại để cung cấp riêng giải pháp này cho Amazon.
lOMoARcPSD|36667950
Một công ty khởi nghiệp của Ấn Độ cũng đã chào hàng giải pháp tương tự t năm 2015, đó
Grey Orange với Robot Butler”. Hiện nay họ đã cung cấp cho các dự án tại Nhật, Hàn Quốc,
Hong Kong.
Tại Việt Nam, công ty Logistics Stars Link là nhà cung cấp được y quyền của hệ thống này.
Công nghệ này 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 ngày 19/10/2017 tại
Thành phố Hồ Chí Minh.
Theo dự báo của một công ty vấn uy tín, nhu cầu thiết bị tđộng hóa bằng robot trong
kho hàng s là thị trường tăng trưởng vượt bậc trong vòng 5 năm tới cùng với sự bùng nổ của
TMĐT. Mức tăng trưởng trung bình là 65% hàng năm, giá trị thị trường 2017 là 3 tỷ USD và tới
2021 là 20,5 tỷ USD.
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.
Trong nước hiện chưa công ty Việt Nam nào đặt vấn đề s ứng dụng những công nghệ như
vậy, các doanh nghiệp nhìn chung còn lo về nguồn đầu tư và khả năng khai thác.
3.2.2 Trung tâm soạn hàng tự đng
Việc soạn (chia chọn, phân loại) hàng hóa trong qtrình vận chuyển theo truyền thống được
thực hiện bán tự động với ứng dụng vạch để xác định kiện hàng sau đó nhân công s phân
loại bằng tay tại các đầu mi trung chuyển, giao nhận. Khi số lượng đơn hàng tốc độ xử
tăng lên thì năng suất độ chính xác làm việc bằng tay s không đáp ứng được yêu cầu công
việc do đó cần có các bộ chia chọn hàng tự động.
Thiết bị này được thiết kế theo dạng dây chuyền dạng thẳng hay ng tròn với một hay vài
đầu vào rất nhiều đầu ra các điểm đến cuối cùng hay các nhóm hàng cần phân loại.
thể chia chọn các loại hàng phổ biến nphong bì bưu kiện, hộp, thùng, gói hàng không định
hình. Khối lượng được thiết kế trung bình không quá 20 kg/kiện. Năng suất trung bình dao đng
tuỳ thuộc nhu cầu sử dụng, có thể t 1.500 tới 6.000 kiện hàng/giờ. loại công suất lớn có thể tới
18.000 kiện/giờ. Các tuyến vận tải có thể gồm đường bộ, hàng không, đa phương thức. Các nhà
cung cấp thường là t EU, Trung Quốc, Thái Lan, Ấn Độ. Trong nước hiện có Công ty Logitics
Stars Link giới thiệu hệ thống của Grey Orange.
Các doanh nghiệp chuyển phát nhanh, vận tải, giao hàng TMĐT (đều thuộc Logistics)
người sdụng các hệ thống này tuy nhiên một trong các khó khăn là nhà cung cấp thường không
hoàn toàn nm vững quy trình kinh doanh của người làm Logistics, ngược lại người làm Logistics
thì không nm về tự động hóa và IoT. Do đó, tới nay tất cả các công ty lớn, nhiều tiềm năng vẫn
đang soạn hàng bằng tay (VN Post, Viettle Post, Lazada, Tiki, Kerry Express, Nhất Tín, 24/7,
365, Vin Commerce, …).
3.2.3 Giao hàng theo yêu cầu
Thành công của Uber đã dẫn đến lượng vốn
lớn đầu cho những doanh nghiệp “Uber for
X”, những nơi sử dụng điện thoại thông minh
lOMoARcPSD|36667950
để kết nối khách hàng với những người cung cấp dịch vụ nhu cầu gần đó. Trong đó nhiều
startup gia nhập thị trường “ giao hàng trong ngày”, “giao hàng cùng giờ”
Việc giao hàng nhanh kết hợp sự tiện lợi của việc đặt hàng bất cứ đâu và sự sẵn có hàng hóa
những cửa hàng bán l truyền thống. Sự tiện lợi giao hàng cùng ngày chi phí thấp mô hình
bán l tương lai và dần dần được khách hàng đón nhận.
Xu hướng giao hàng nhanh cùng sự gia tăng tiêu dùng theo yêu cầu đã dẫn tới những vụ góp
vốn lớn cho các “startup” về giao hàng. Công nghệ giao hàng theo yêu cầu s được các công ty
áp dụng vì cần phải đổi mới nhanh chóng và tăng tính linh hoạt trong chui cung ứng.
Việt Nam đã một số doanh nghiệp khởi động theo cách này: Tiki một dụ rất điển
hình. Công ty đã phát triển nhanh chóng lên tới số lượng nhân viên giao hàng hơn 3000 người.
lOMoARcPSD|36667950
KẾT LUẬN
Như vậy, Big data đang ngày càng trở thành chìa khóa để chui cung ứng hiệu quả giảm
chi phí. Trên thực tế, giờ đây Big Data đã trở thành một tiêu chun để thu nhập và phân tích lượng
thông tin khổng lồ để giúp tăng doanh thu. Các chuyên gia dự đoán xu hướng s tiếp tục mrộng
chỉ riêng việc tiết kiệm chi phí trong tái cấu trúc chui cung ứng, tiềm năng Big data không
chỉ mang lại hiệu quả đáng kể mà còn là cơ sở cho việc phát triển vận hành hiệu quả. Song đó là
sự tận dụng công nghệ này rất linh hoạt hiệu quả của các doanh nghiệp Việt Nam giúp cho
nền kinh tế nước ta phát triển mạnh m hơn, bt kịp xu thế hệ thống thông tin thế giới để không
phải tuột lại phía sau trong cuộc chạy đua đổi mới công nghệ thông tin.
Sử dụng big data trong vận hành logistics có thể giúp các doanh nghiệp dự đoán những thay
đổi trong cung và cầu dựa trên các dữ liệu có sẵn, quản hiệu quả các rủi ro tiềm n trong quá
trình hoạt động và ch động chun bcho những thay đổi trong tương lai gần. Ngoài ra, phân tích
big data có thể cải thiện hiệu quả vận chuyển và phân phối, giúp doanh nghiệp logistics tiết kiệm
đáng kể thời gian chi phí trong quá trình kinh doanh. Việc tích hợp dữ liệu lớn vào các hoạt
động logistics giúp các công ty nghiên cứu sâu hơn hành vi của khách hàng để thấu hiểu những
nhu cầu và phân bố thời gian để đáp ứng nhu cầu của họ. Nhờ vậy, các công ty có thể tối ưu hóa
dịch vụ, đồng thời tăng doanh thu cũng như uy tín của mình đối với khách hàng.
Tóm lại, Big Data chính là thách thức đặt ra cho các doanh nghiệp trong thời đại công nghệ
số. Các doanh nghiệp cần hiểu rõ Dữ liệu lớn- Big Data là gì? và tận dụng được tối đa nguồn dữ
liệu lớn thì s có hội thành công s lớn hơn nhiều lần. Xa hơn mt chút Big Data có thể giúp các
quan Chính phủ dự đoán được tỉ lệ thất nghiệp, xu hướng nghề nghiệp của tương lai để tập
trung đầu tư cho các hạng mục đó, ct giảm chi phí, kích thích tăng trưởng kinh tế, thậm chí là ra
phương án phòng nga trước một dịch bệnh nào đó. Tuy vẫn còn những chỉ trích vBig data
nhưng đây là một lĩnh vực còn rất mới nên chúng ta hãy chờ đón sự tiến hóa của Big data trong
tương lai.
TÀI LIỆU THAM KHẢO
1) Báo cáo Logistics Việt Nam 2017 - Bộ Công Thương 2) BIG
DATA ANALYTICS & LOGISTICS: THE CASE OF DHL
3) Wikipedia .
4) Vietnam Logistics Review
5) https://www.youtube.com/watch?v=00wOf3xEQD4&t=57s
6) http://interlink.com.vn/vi/tai-sao-cac-cong-ty-dich-vu-logistics-can-tan-dung-big-data/
| 1/23

Preview text:

lOMoARcPSD| 36667950 MỤC LỤC
Lời nói đầu..............................................................................................................................................................2
Chương 1: Tổng quan về Big data.......................................................................................................................3
1.1 Khái niệm, nguồn hình thành và đặc trưng của Big data..................................................................................3
1.1.1 Khái niệm về dữ liệu lớn...............................................................................................................................3
1.1.2 Nguồn hình thành và phương pháp khai thác, quản lý dữ liệu lớn................................................................3
1.1.3 Đặc trưng 5V của dữ liệu lớn........................................................................................................................4
1.1.4 Sự khác biệt của dữ liệu lớn và dữ liệu truyền thống....................................................................................5
1.2 Bức tranh tổng thể ứng dụng dữ liệu lớn...........................................................................................................6
Chương 2: Ứng dụng của Big data trong Logistics............................................................................................8
2.1 Logistics là việc kinh doanh theo định hướng dữ liệu.......................................................................................8
2.1.1 Lợi ích và cơ hội khi áp dụng Big data và Logistics.....................................................................................9
2.1.2 Thách thức khi áp dụng Big data vào Logistics..........................................................................................12
Chương 3: Hạ tầng Công nghệ thông tin của Big data phục vụ Logistics và thực trạng ở Việt Nam.........14
3.1 Hạ tầng Công nghệ thông tin của Big data tại Việt Nam................................................................................14
3.1.1 Khai hải quan điện tử..................................................................................................................................16
3.1.2 Định vị toàn cầu bằng vệ sinh (GPS)..........................................................................................................16
3.1.3 Truy xuất trực tuyến tình trạng hàng hóa (E-Tracking/Tracing).................................................................17
3.1.4 Hệ thống quản lý kho hàng (WMS)...........................................................................................................17
3.1.5 Hệ thống quản lý vận tải (TMS).................................................................................................................18
3.1.6 Hệ thống quản lý cảng/bến thủy (TOS).......................................................................................................19
3.1.7 Hệ thống quản lý nguồn lực doanh nghiệp (ERP).......................................................................................19
3.1.8 Sàn giao dịch Logisdics...............................................................................................................................19
3.2 Dự đoán trong tương lai khi Logistics tận dụng Big data hiệu quả hơn..........................................................20
3.2.1 Robot trong kho hàng..................................................................................................................................20
3.2.2 Trung tâm soạn hàng tự động......................................................................................................................21
3.2.3 Giao hàng theo yêu cầu...............................................................................................................................22
Kết luận................................................................................................................................................................23
Tài liệu tham khảo...............................................................................................................................................24
LỜI MỞ ĐẦU
Hệ thống cơ sở hạ tầng Logistics bao gồm cơ sở hạ tầng vật lý (physical infrastructure) như
hệ thống giao thông, cầu cảng… và cơ sở hạ tầng mềm (soft infrastructure) như nguồn nhân lực, lOMoARcPSD| 36667950
hệ thống chính sách, luật lệ, thủ tục… Để phát triển, quản lý tốt và hiệu quả tất cả hệ thống hạ
tầng đó, không thể không quan tâm vấn đề ứng dụng CNTT. Cơ sở hạ tầng mềm kỹ thuật số
(digital soft infrastructure) đóng vai trò rất quan trọng đối với thương mại trong thế kỷ XXI bởi
các thông tin về sự di chuyển của hàng hóa hiện nay hết sức quan trọng.
Theo đánh giá của VIFFAS, trình độ công nghệ trong hoạt động Logistics ở VN còn thấp.
Việc liên lạc giữa công ty Logistics với khách hàng, hải quan chủ yếu vẫn là thủ công, giấy tờ.
Mặc dù những năm 2010-2011 được ghi nhận có bước đột phá trong thực hiện khai hải quan điện
tử, số lượng doanh nghiệp tham gia vẫn còn chiếm tỷ lệ thấp. Mặt khác, phương tiện vận tải còn
lạc hậu, cũ kĩ, trình độ cơ giới hóa trong bốc đỡ hàng hóa vẫn còn yếu kém, lao động thủ công
vẫn phổ biến. Công tác lưu kho còn khá lạc hậu, chưa áp dụng phổ biến tin học trong quản trị kho
như mã vạch, chương trình phần mềm quản trị kho.
Đặc biệt trong việc triển khai và áp dụng các cơ sở thông tin vào quản trị hệ thống Logistics
thì Big Data đang là một xu hướng mới với sự triển khai rộng rãi của các doanh nghiệp Logistics
lớn với quy mô toàn cầu. Tuy nhiên, ở Việt Nam phần lớn các doanh nghiệp trong ngành vẫn còn
chưa triển khai hoặc mới chỉ triển khai trên mức độ cơ bản nhất, thiếu đồng bộ và thiếu tối ưu các nguồn lực.
Trên cơ sở đó nhóm đã thực nghiên cứu thực tế áp dụng và đưa ra những khuyến nghị trong
việc ứng dụng Big Data vào các doanh nghiệp Logistics ở Việt Nam hiện tại và tương lai.
CHƯƠNG 1: TỔNG QUAN VỀ BIG DATA 1.1
Khái niệm, nguồn hình thành và đặc trưng của Big Data
1.1.1 Khái niệm về dữ liệu lớn -
Theo Wikipedia: Dữ liệu lớn (Big data) là một thuật ngữ chỉ bộ dữ liệu lớn hoặc phức tạp
màcác phương pháp truyền thống không đủ các ứng dụng để xử lý dữ liệu này. -
Theo Gartner: Dữ liệu lớn là những nguồn thông tin có đặc điểm chung khối lượng lớn,
tốc độnhanh và dữ liệu định dạng dưới nhiều hình thức khác nhau, do đó muốn khai thác được
đòi hỏi phải có hình thức xử lý mới để 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: lOMoARcPSD| 36667950
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.
Phương pháp khai thác và quản lý dữ liệu lớn hiện nay được thiết kế phù hợp dựa 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 lOMoARcPSD| 36667950
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.
2) Tốc độ (Velocity)
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
tìmkiếm trên web bán hàng của Amazon) (b)
Xử lý dữ liệu nhanh ở mức thời gian thực (real-time), có nghĩa dữ liệu được xử lý ngay
tứcthời ngay sau khi chúng phát sinh (tính đến bằng mili giây). Các ứng dụng phổ biến trên lĩnh
vực Internet, Tài chính, Ngân hàng, Hàng không, Quân sự, Y tế – Sức khỏe như hiện nay phần
lớn dữ liệu lớn được xử lý real-time. Công nghệ xử lý dữ liệu lớn ngày nay đã cho phép chúng ta
xử lý tức thì trước khi chúng được 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, video, 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 tính chất phức tạp nhất của Dữ liệu lớn là độ tin cậy/chính xác của dữ liệu.
Với xu hướng phương tiện truyền thông xã hội (Social Media) và mạng xã hội (Social Network)
ngày nay và sự gia tăng mạnh mẽ tính tương tác và chia sẻ của người dùng Mobile làm cho bức
tranh xác định về độ tin cậy & chính xác của dữ liệu ngày một khó khăn hơn. Bài toán phân tích
và loại bỏ dữ liệu thiếu chính xác và nhiễu đang là tính chất quan trọng của Big data. 5) Giá trị (Value)
Giá trị là đặc điểm quan trọng nhất của dữ liệu lớn, vì khi bắt đầu triển khai xây dựng dữ liệu
lớn thì việc đầu tiên chúng ta cần phải làm đó là xác định được giá trị của thông tin mang lại như
thế nào, khi đó chúng ta mới có quyết định có nên triển khai dữ liệu lớn hay không. Nếu chúng
ta có dữ liệu lớn mà chỉ nhận được 1% lợi ích từ nó, thì không nên đầu tư phát triển dữ liệu lớn.
Kết quả dự báo chính xác thể hiện rõ nét nhất về giá trị của dữ liệu lớn mang lại. Ví dụ, từ khối
dữ liệu phát sinh trong quá trình khám, chữa bệnh sẽ giúp dự báo về sức khỏe được chính xác
hơn, sẽ giảm được 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. lOMoARcPSD| 36667950
1) Dữ liệu đa dạng hơn
Khi khai thác dữ liệu truyền thống (dữ liệu có cấu trúc), chúng ta thường phải trả lời các câu
hỏi: Dữ liệu lấy ra kiểu gì? Định dạng dữ liệu như thế nào? Đối với dữ liệu lớn, không phải trả
lời các câu hỏi trên. Hay nói khác, khi khai thác, phân tích dữ liệu lớn chúng ta không cần quan
tâm đến kiểu dữ liệu và định dạng của chúng. Điều quan tâm là giá trị mà dữ liệu mang lại có đáp
ứng được cho công việc hiện tại và tương lai hay không.
2) Lưu trữ dữ liệu lớn hơn
Lưu trữ dữ liệu truyền thống vô cùng phức tạp và luôn đặt ra câu hỏi lưu như thế nào?
Dung lượng kho lưu trữ bao nhiêu là đủ? Gắn kèm với câu hỏi đó là chi phí đầu tư tương ứng.
Công nghệ lưu trữ dữ liệu lớn hiện nay đã phần nào có thể giải quyết được vấn đề trên nhờ những
công nghệ lưu trữ đám mây, phân phối lưu trữ dữ liệu phân tán và có thể kết hợp các dữ liệu phân
tán lại với nhau một cách chính xác và xử lý nhanh trong thời gian thực.
3) Truy vấn dữ liệu nhanh hơn
Dữ liệu lớn được cập nhật liên tục, trong khi đó kho dữ liệu truyền thống thì lâu lâu mới được
cập nhật và trong tình trạng không theo dõi thường xuyên gây ra tình trạng lỗi cấu trúc truy vấn
dẫn đến không tìm kiếm được thông tin đáp ứng theo yêu cầu.
4) Độ chính xác cao hơn
Dữ liệu lớn khi đưa vào sử dụng thường được kiểm định lại dữ liệu với những điều kiện chặt
chẽ, số lượng thông tin được kiểm tra thông thường rất lớn, và đảm bảo về nguồn lấy dữ liệu
không có sự tác động của con người vào thay đổi số liệu thu thập. 1.2
Bức tranh tổng thể ứng dụng dữ liệu lớn
Dữ liệu lớn đã được ứng dụng trong nhiều lĩnh vực như: hoạt động chính trị, giao thông, y tế,
thể thao, tài chính, thương mại, thống kê... dưới đây là một số ví dụ về ứng dụng dữ liệu lớn. lOMoARcPSD| 36667950 1)
Ứng dụng dữ liệu lớn trong hoạt động chính trị Hình bên cho thấy Tổng thống Mỹ
Obama đã sử dụng dữ liệu dữ
liệu lớn để phục vụ cho cuộc
tranh cử Tổng thống của mình.
Ông xây dựng một đội ngũ
nhân viên chuyên đi thu thập
thông tin và phân tích dữ liệu
thu được trong dự án triển khai
về dữ liệu lớn. Đội ngũ nhân
viên này thu thập tất cả thông
tin về người dân ở các khu vực,
sau đó phân tích và chỉ ra một
số thông tin quan trọng về
người dân Mỹ như: thích đọc
sách gì? thích mua loại thuốc
gì? thích sử dụng phương tiện gì?... Thậm chí còn biết được cả thông tin về mẹ của cử tri đó đã
bỏ phiếu tín nhiệm ai ở lần bầu cử trước. Trên cơ sở những thông tin này, Tổng thống Obama
đã đưa ra kế hoạch vận động phù hợp, giúp ông tái đắc cử Tổng thống nước Mỹ lần thứ 2.
Ngoài ra một số ứng dụng khác trong lĩnh vực chính trị mà dữ liệu lớn được áp dụng như: Hệ
thống chính phủ điện tử, phân tích quy định và việc tuân thủ quy định, phân tích, giám sát, theo
dõi và phát hiện gian lận, mối đe dọa, an ninh mạng. 2)
Ứng dụng dữ liệu lớn trong giao thông Sử dụng số liệu CDR trong quá khứ để ước
lượng các dòng giao thông trong thành phố vào các giờ cao điểm, từ đó có những kế hoạch phân
luồng giao thông chi tiết, hợp lý giúp giảm thiểu kẹt xe. Ngoài ra còn đưa ra thông tin cho người
tham gia giao thông được biết nếu muốn đi từ nơi này đến nơi khác thì nên đi vào giờ nào để
tránh kẹt xe, hoặc đi đường nào là ngắn nhất, v.v... Ngoài ra, dữ liệu lớn còn giúp phân tích định
vị người dùng thiết bị di động, ghi nhận chi tiết cuộc gọi trong thời gian thực và giảm thiểu tình
trạng ùn tắc giao thông. lOMoARcPSD| 36667950
3) Ứng dụng dữ liệu lớn trong y tế
Trong y học các bác sĩ dựa vào số liệu trong
các bệnh án để đưa ra dự đoán về nguy cơ mắc
bệnh. Đồng thời cũng đưa ra được xu hướng lây
lan của bệnh. Ví dụ, ứng dụng Google Flu Trend
là một trong những ứng dụng hành công của
Google ứng dụng này dựa trên từ khóa tìm kiếm
ở một khu vực nào đó, sau đó bộ máy phân tích
của Google sẽ phân tích và đối chiếu kết quả tìm
kiếm đó, sau cùng là đưa ra dự báo về xu hướng
dịch cúm tại khu vực đó. Qua đó cho biết tình
hình cúm tại khu vực đó sẽ diễn ra như thế nào
để đưa ra các giải pháp phòng tránh.
Những kết quả mà Google Flu 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
Phân tích mô hình hệ thống cấu trúc sơ đồ
chiến thuật của đội tuyển Đức (hình bên) đã
đưa ra những điểm bất hợp lý trong cấu trúc
của đội tuyển Đức, từ đó giúp cho đội tuyển
Đức khắc phục được điểm yếu và đã dành
được chiến thắng tại World cup 2014.
5) Ứng dụng dữ liệu lớn trong thương mại
Trong thương mại dữ liệu lớn giúp cho chúng ta thực hiện được một số công việc sau: phân
khúc thị trường và khách hàng, phân tích hành vi khách hàng tại cửa hàng, tiếp thị trên nền tảng
định vị, phân tích tiếp thị chéo kênh, tiếp thị đa kênh, quản lý các chiến dịch tiếp thị và khách
hàng thân thiết, so sánh giá, phân tích và quản lý chuỗi cung ứng, phân tích hành vi, thói quen người tiêu dùng.
6) Ứng dụng dữ liệu lớn trong thống kê
Nhận thấy những lợi ích to lớn và thách thức của Big data đối với thống kê nhà nước, Ủy
ban Thống kê Liên hợp quốc cũng như các tổ chức thống kê khu vực và Cơ quan thống kê quốc
gia của nhiều nước đã triển khai hàng loạt các hoạt động về Big data như: Hàn Quốc sử dụng ảnh
vệ tinh để thống kê nông nghiệp và một số lĩnh vực khác; Australia sử dụng ảnh vệ tinh để thống
kê diện tích đất nông nghiệp và năng suất; Italia sử dụng dữ liệu điện thoại di động để thống kê
di cư; Bhutan dùng thiết bị di động để tính toán chỉ số giá tiêu dùng; Estonia dùng điện thoại di lOMoARcPSD| 36667950
động định vị vệ tinh để thống kê du lịch; EuroStat sử dụng dữ liệu về sử dụng điện thoại di động để thống kê du lịch.
7) Ứng dụng dữ liệu lớn trong tài chính
Từ những dữ liệu chính xác, kịp thời thu thập được thông qua các giao dịch của khách hàng,
tiến hành phân tích, xếp hạng và quản lý các rủi ro trong đầu tư tài chính, tín dụng.
CHƯƠNG 2: ỨNG DỤNG CỦA BIG DATA TRONG LOGISTICS
2.1. Logistics là việc kinh doanh theo định hướng dữ liệu
Dữ liệu lớn đang cách mạng hóa nhiều lĩnh vực kinh doanh, và phân tích hậu cần là một trong
số đó. Tính phức tạp và năng động của hậu cần, cùng với sự phụ thuộc vào nhiều bộ phận chuyển
động có thể tạo ra sự tắc nghẽn tại bất kỳ điểm nào trong chuỗi cung ứng, làm cho Logistics thành
một trường hợp sử dụng hoàn hảo cho dữ liệu lớn. Ví dụ hậu cần dữ liệu lớn có thể được sử dụng
để tối ưu hóa việc định tuyến, để hợp lý hóa các chức năng của nhà máy và để cung cấp tính minh
bạch cho toàn bộ chuỗi cung ứng, vì lợi ích của cả hai công ty hậu cần và tàu biển. Các công ty
hậu cần bên thứ ba và các công ty vận tải đều đồng ý.
Lấy ví dụ về bài báo của Fleetowner, "98% 3PLs cho rằng việc ra quyết định dựa trên dữ liệu
được cải thiện là" cần thiết cho sự thành công trong tương lai của các hoạt động và quy trình
chuỗi cung ứng ". Thêm vào đó, 81% các chủ hàng và 86% 3PLs được khảo sát cho biết việc sử
dụng dữ liệu lớn sẽ trở thành "năng lực cốt lõi của các tổ chức chuỗi cung ứng".
Tuy nhiên, dữ liệu lớn đòi hỏi nhiều nguồn thông tin có chất lượng cao để hoạt động có hiệu
quả. Tất cả những dữ liệu đó sẽ đến từ đâu? Báo cáo về dữ liệu lớn trong Logistics cho phép
doanh nghiệp lựa chọn nhiều nguồn dữ liệu có thể, bao gồm:
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. Tất cả các
nguồn dữ liệu này và các trường hợp sử dụng tiềm năng đều dẫn dắt DHL nói rằng công nghệ dữ
liệu và tự động hóa lớn sẽ dẫn đến "mức độ tối ưu hóa trước đây trong sản xuất, hậu cần, kho bãi và giao hàng tận nơi".
2.1.1. Lợi ích và cơ hội khi ứng dụng Big Data vào Logistics
Những tiến bộ trong khía cạnh công nghệ và phương pháp ứng dụng của Big Data mang lại
những lợi ích to lớn cho ngành Logistics. Các nhà cung cấp dịch vụ hậu cần quản lý dòng sản
phẩm khổng lồ, do đó tạo ra các bộ dữ liệu rộng lớn. Nguồn gốc, điểm đến, kích cỡ, trọng lượng,
nội dung và vị trí của lô hàng trên cơ sở hàng ngày được theo dõi qua mạng lưới phân phối toàn
cầu. Có rất nhiều tiềm năng không được sử dụng như việc nâng cao hiệu quả hoạt động, kinh lOMoARcPSD| 36667950
nghiệm của khách hàng và tạo ra mô hình kinh doanh mới. Phân tích dữ liệu lớn cung cấp lợi thế
cạnh tranh đó thông qua các thuộc tính nổi bật của Big Data có thể được áp dụng có hiệu quả trong ngành Logistics.
1) Tối ưu hóa vận chuyển hàng hóa đến điểm đến cuối cùng
Một hạn chế trong việc đạt
được hiệu quả hoạt động cao
trong một mạng lưới phân phối
diễn ra tại "dặm cuối cùng". Hai
mươi bốn giờ cuối cùng trong
một chuỗi cung ứng thường là
thứ tốn kém nhất, chi phí lên đến
28% tổng chi phí giao hàng của
một gói hàng. Có rất nhiều trở
ngại dẫn đến điều này, có thể là:
Thách thức đối với các xe tải
giao hàng lớn đến công viên gần điểm đến của họ ở khu vực thành thị. Người lái xe thường phải
đậu xe khá lâu, và sau đó đi bộ đến địa chỉ cuối cùng. Sau đó, họ có thể phải đi lên nhiều chuyến
cầu thang hoặc đợi thang máy ở tòa nhà cao tầng. Một số mặt hàng phải được ký kết và nếu khách
hàng không ở nhà thì không thể giao hàng. Nhân viên giao hàng phải cẩn thận để không làm hỏng
gói hàng trong chân cuối cùng này, và họ phải cung cấp cho mình một cách chuyên nghiệp đến
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.
Tuy nhiên, dữ liệu lớn có thể giải quyết những thách thức này dễ dàng. Trong một cuộc phỏng
vấn với Wall Street Journal, Matthias Winkenbach, giám đốc Phòng thí nghiệm Hoá chất
Megacity của MIT, đã mô tả chi tiết cách các phân tích dữ liệu cuối cùng đang mang lại những
dữ liệu hữu ích. Do chi phí thấp và tính phổ biến của internet di động nhanh và điện thoại thông
minh hỗ trợ GPS, cũng như sự lan truyền của Internet thông qua cảm biến và máy quét, các chủ
hàng có thể thấy quá trình phân phối từ đầu đến dặm cuối như thế nào.
Ví dụ, một chiếc xe tải giao hàng UPS có gắn một cảm biến GPS đi giao hàng ở trung tâm thành
phố Chicago. Sau khi đỗ xe gần đó, điện thoại của người đàn ông này sẽ phát tín hiệu GPS và
tiếp tục truyền dữ liệu đến trung tâm UPS, cho tài khoản của khách hàng biết về thời gian giao
hàng. Điều này không chỉ có giá trị đối với khách hàng - nó cho phép các công ty Logistics nhìn
thấy các mô hình và có thể sử dụng để tối ưu hóa các chiến lược phân phối của họ.
2) Tăng độ tin cậy
Khi các thiết bị cảm biến ngày càng trở nên phổ biến trong các phương tiện giao thông, vận
chuyển và trong suốt chuỗi cung ứng, chúng có thể cung cấp dữ liệu cho phép minh bạch cao hơn
bao giờ hết.Tính minh bạch này có giá trị đối với các chủ hàng, người vận chuyển và khách hàng.
Nếu một lô hàng sẽ đến muộn, hãng tàu muốn biết càng sớm càng tốt để họ có thể ngăn chặn tắc
nghẽn trong chuỗi cung ứng. Và các công ty vận chuyển có thể sử dụng dữ liệu này tổng hợp để lOMoARcPSD| 36667950
đàm phán với các chủ hàng bằng cách cho biết họ thường xuyên phân phối đúng thời hạn như thế nào.
Hãy tưởng tượng điều này: các công ty Logistics đã gắn cảm biến trong tất cả các phương
tiện phân phối của họ, với điện thoại thông minh hỗ trợ GPS bao phủ bất kỳ khoảng trống. Một
bên thứ ba hợp lệ hóa các cảm biến này với độ chính xác, và sau đó các dữ liệu độ tin cậy và thời
gian từ các cảm biến này được sử dụng khi các công ty Logistics đang 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 cuộc khảo sát 3PL được trích dẫn ở đầu bài viết này, 70% người được hỏi cho rằng
"cải thiện tối ưu hóa Logistics" là việc sử dụng tốt nhất các dữ liệu lớn trong Logistics. Rõ ràng,
tối ưu hóa là suy nghĩ của mọi người.
Tại sao các công ty Logistics quan tâm đến việc tối ưu hóa? Vì lý do nó giúp họ tiết kiệm tiền
và tránh các lô hàng bị giao muộn. Khi bạn đang quản lý một hệ thống phân phối hoặc chuỗi cung
ứng, bạn phải kết nối một đường dây giữa tài nguyên và xe và sự thiếu sót giữa chúng. Nếu bạn
đặt quá nhiều xe cộ và tài nguyên trên một tuyến đường phân phối, thì bạn đang tiêu tốn nhiều
tiền hơn, và có thể sử dụng các tài sản tốt hơn ở những nơi khác.
Tuy nhiên, nếu bạn ước tính thấp số lượng xe mà một tuyến đường hoặc giao hàng cụ thể sẽ
yêu cầu, thì bạn sẽ gặp rủi ro cho khách hàng gửi hàng muộn, ảnh hưởng tiêu cực đến các mối
quan hệ khách hàng và hình ảnh thương hiệu của bạn.
Để thêm vào những thách thức của việc tối ưu hoá, các yếu tố liên quan đến phân bổ nguồn
lực hiệu quả đang liên tục thay đổi. Ví dụ:
• 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, cả theo mùa và ngay lập tức, luôn thay đổi
Big Data và phân tích tiên đoán cho phép các công ty Logistics có thêm sức cạnh tranh mà
họ cần để vượt qua những trở ngại. Các bộ cảm biến về xe tải, dữ liệu thời tiết, dữ liệu bảo trì
đường bộ, lịch trình bảo dưỡng đội tàu, chỉ báo tình trạng hạm đội thời gian thực và lịch trình
nhân sự có thể được tích hợp vào một hệ thống nhìn vào các xu hướng lịch sử trong quá khứ và
đưa ra lời khuyên phù hợp.
UPS là một ví dụ thực tế của Big Data Logistics dẫn đầu về sự tiết kiệm. Sau khi kiểm tra dữ
liệu của họ, UPS phát hiện ra rằng các xe tải rẽ trái đã khiến họ phải trả rất nhiều tiền. Nói cách
khác, UPS thấy rằng việc chuyển hướng trong giao thông đang gây ra rất nhiều sự chậm trễ, lãng
phí nhiên liệu, và nguy cơ an toàn.
Theo một bài báo từ Cuộc hội thoại có tiêu đề "Tại sao các trình điều khiển của UPS không
rẽ trái và bạn cũng không nên vậy", UPS "tuyên bố nó sử dụng ít hơn 10 triệu gallon nhiên liệu,
phát thải ít hơn 20.000 tấn CO2 và cung cấp 350.000 gói mỗi năm" (sau khi thực hiện thay đổi). lOMoARcPSD| 36667950
10 triệu galon khí là rất nhiều tiền - đó là một số lợi ích đáng kể và một ví dụ dữ liệu lớn trong chuỗi cung ứng.
Các lái xe của UPS bây giờ chỉ được rẽ trái khoảng 10%, thay vào đó là chọn đi thẳng hoặc
rẽ phải. Do chiến lược chỉ rẽ trái khi cần thiết, UPS đã giảm số lượng xe tải nó sử dụng đi 1.110
và giảm tổng quãng đường đội tàu công ty di chuyển 28,5 triệu dặm.
4) Hàng dễ hỏng được vận chuyển với chất lượng cao hơn
Giữ cho các sản phẩm dễ hư hỏng là một thách thức không ngừng của các công ty Logistics.
Tuy nhiên, Big Data và Internet of Things (Mạng lưới thiết bị kết nối Internet) có thể giúp các
nhà quản lý và người giao hàng hiểu rõ hơn về cách họ có thể ngăn ngừa chi phí do hàng hoá bị
hư hỏng. Chẳng hạn, giả sử một chiếc xe tải đang vận chuyển một lô hàng kem và đồ tráng miệng.
Bạn có thể cài đặt một cảm biến nhiệt độ bên trong xe tải để theo dõi trạng thái của hàng hoá bên
trong và đưa dữ liệu này cùng với dữ liệu giao thông và đường xá cho một máy tính định tuyến
trung tâm. Máy tính này có thể cảnh báo người lái xe nếu tuyến đường ban đầu đã chọn sẽ dẫn
đến việc kem tan chảy và thay vào đó là các tuyến thay thế.
5) Tự động hóa kho và chuỗi cung ứng
Chẳng bao lâu, Big Data kết hợp với công nghệ tự động hoá và Internet of Things có thể làm
cho Logistics hoạt động hoàn toàn tự động. Big Data cho phép các hệ thống tự động hoạt động
thông qua việc định tuyến thông minh nhiều bộ dữ liệu và luồng dữ liệu khác nhau. Ví dụ,
Amazon đã có tự động hóa trong các trung tâm thực hiện của họ, sử dụng nhiều robot KIVA màu
da cam để lấy đồ vật từ kệ.
Ngoài ra, Amazon còn có các máy điện toán tự động có thể phân phối đồ vật cho bạn nếu bạn
ở trong vòng 30 phút của trung tâm Amazon. Hay khi nhìn thấy Uber và các công ty khác đang
chạy thử nghiệm các phương tiện tự lái, không khó để tưởng tượng rằng trong tương lai toàn bộ
chuỗi cung ứng có thể được tự động hóa, từ việc xếp dỡ, lái xe, đến việc giao hàng cuối cùng.
6) Duy trì trải nghiệm tốt của khách hàng
Phân tích dữ liệu lớn cung cấp nhiều dữ liệu về khách hàng và từ đó đưa ra các cách thức
phục vụ để thu hút, duy trì và cải thiện trải nghiệm của khách hàng với những quyết định về sự
thay đổi. Big Data cũng cho phép một hệ thống hiệu quả và lớn hơn để nắm bắt dữ liệu về khách
hàng và đối tượng. Big Data có thể giúp xác định cung và cầu địa phương và được sử dụng để
hiểu được sự hài lòng và nhu cầu của khách hàng. Chi phí để thu hút một khách hàng mới luôn
cao hơn chi phí duy trì sự trung thành của khách hàng cũ, vì vậy các doanh nghiệp Logistics luôn
cần chú trọng vào sự trải nghiệm của khách hàng.
Hồ sơ về các điểm tiếp xúc của khách hàng, dữ liệu về các yếu tố hoạt động của chất lượng
dịch vụ, cũng như dữ liệu bên ngoài kết hợp để cung cấp cái nhìn toàn diện về theo dõi khách
hàng, để doanh nghiệp có thể đưa ra các quyết định tập trung nỗ lực kinh doanh khi thích hợp
nhất. Và một trải nghiệm tốt của khách hàng sẽ cung cấp cho các nhà quản lý những quyết định
về hoạt động và phát triển sản phẩm hơn nữa và đo lường để thiết kế các sản phẩm và dịch vụ có
thể đáp ứng và vượt qua mong đợi của khách hàng. lOMoARcPSD| 36667950
Ví dụ UPS nhận thấy từ lịch sử cung cấp cho thấy rằng khách hàng nhận được hai lô hàng bị
trì hoãn. Điều này có nghĩa là UPS phải triển khai một biện pháp giữ chân khách hàng ngay lập
tức. Nhưng khi nói đến các điểm tiếp xúc của khách hàng, có vô số những thông tin có sẵn thông
qua sự ra đời của các diễn đàn trực tuyến. Trước đây, các hệ thống CRM (Customer Relationship
Management) đã lưu trữ dữ liệu đó và thu thập thêm được thực hiện bằng các cuộc điều tra.
Nhưng với các công cụ và kỹ thuật Big Data bao gồm khả năng tự động thu hồi cảm xúc của
khách hàng hiện diện trên các cơ sở dữ liệu như văn bản và âm thanh sau đó phân tích ngữ nghĩa
và khai thác văn bản, điều này sẽ phản ánh tốt hơn cảm xúc của khách hàng so với các hình thức khảo sát truyền thống.
Tóm lại, Big Data đã đang trên công cuộc chuyển đổi bản chất của Logistics. Big Data trong
Logistics có thể được sử dụng để giảm sự thiếu hiệu quả trong việc phân phối dặm cuối cùng,
cung cấp tính minh bạch cho chuỗi cung ứng, tối ưu hóa việc phân phối, bảo vệ hàng hoá dễ bị
hư hỏng và tự động hoá toàn bộ chuỗi cung ứng hay làm tăng trai nghiệm tốt cho khách hàng.
Các công ty Logistics nhận thức được những khả năng này, và đang phấn đấu đưa ra nhiều quyết
định dựa trên dữ liệu hơn. Sử dụng dữ liệu lớn, bộ cảm biến và Internet of Things, kết hợp với
phần mềm kinh doanh thông minh, các công ty có tư duy theo đó đã giảm chi phí và tăng sự hài lòng của khách hàng.
2.1.2 Thách thức khi ứng dụng Big Data vào Logistics
Việc sử dụng hiệu quả các kỹ thuật Big Data đã đem lại nhiều lợi ích cho việc chuyển đổi nền
kinh tế nhưng cũng gây ra nhiều thách thức, bao gồm những khó khăn trong việc thu thập dữ liệu,
lưu trữ, tìm kiếm, cắt xén, phân tích và vận dụng. Những thách thức này cần phải vượt qua để có
thể khai thác cao nhất khả năng của Dữ liệu lớn.
1) Kiến trúc máy tính để xử lý dữ liệu
Kiến trúc máy tính là một trong những thách thức lớn nhất. Theo Philip Chen và Zhang
(2014), hiệu suất của bộ xử lý trung tâm (CPU) đang tăng gấp đôi mỗi 18 tháng. Hiệu năng của
các ổ đĩa cũng tăng gấp đôi với cùng tốc độ, nhưng tốc độ quay của đĩa đã cải thiện một chút.
Ngoài ra, lượng thông tin tăng theo cấp số nhân. Điều này có ảnh hưởng lớn đến giới hạn của
việc khám phá các giá trị thời gian thực từ Big Data.
2) Dữ liệu không thống nhất
Một thách thức quan trọng khác liên quan đến phân tích dữ liệu lớn bao gồm sự không thống
nhất về dữ liệu và khả năng mở rộng, tính kịp thời và bảo mật dữ liệu không đầy đủ. Do đó, dữ
liệu phải được xây dựng phù hợp và một số tiền xử lý kỹ thuật, chẳng hạn như làm sạch dữ liệu,
tích hợp dữ liệu, chuyển đổi dữ liệu và giảm thời gian cần được áp dụng để làm giảm tiếng ồn và
sửa lỗi không chính xác. Big Data đã thay đổi đáng kể việc thu thập và lưu trữ dữ liệu, bao gồm
thiết bị lưu trữ dữ liệu, kiến trúc lưu trữ dữ liệu, cơ chế truy cập dữ liệu. Quy trình khám phá kiến
thức đặt ưu tiên cao nhất vào khả năng tiếp cận của Dữ liệu lớn. Theo nghĩa đó, dữ liệu lớn nên
được truy cập hiệu quả và cho phép phá vỡ hoàn toàn hoặc một phần hạn chế của kiến trúc máy
tính. Lưu trữ trực tiếp (DAS), lưu trữ mạng (NAS), và mạng lưu trữ (SAN) thường được sử dụng
kiến trúc lưu trữ. Tuy nhiên, chúng có những hạn chế và hạn chế nghiêm trọng trong các hệ thống lOMoARcPSD| 36667950
phân phối quy mô lớn. Tối ưu hóa truy cập dữ liệu là cách phổ biến để cải thiện hiệu suất của
máy tính dữ liệu chuyên sâu. Điều này bao gồm sao chép dữ liệu, di chuyển, phân phối và truy
cập song song. Khi khối lượng dữ liệu là rất lớn, dung lượng băng thông mạng là nút cổ chai
trong đám mây và các hệ thống phân tán.
3) Bảo mật dữ liệu chưa đảm bảo
Một vấn đề khác liên quan đến lưu trữ đám mây là bảo mật dữ liệu. Cấu trúc dữ liệu nhằm
mục đích tìm kiếm và truy xuất dữ liệu định kỳ, đảm bảo chất lượng dữ liệu, bổ sung giá trị, tái
sử dụng và bảo quản. Điều này bao gồm xác thực, lưu trữ, quản lý, bảo quản, truy xuất và đại diện.
Theo Kambatla (2014): Trong các hệ thống hậu cần, một khuôn khổ phân tích toàn diện đòi
hỏi phải tích hợp quản lý chuỗi cung ứng, quản lý khách hàng, hỗ trợ sau bán hàng và quảng cáo.
Số lượng lớn các dữ liệu đa dạng bao gồm giao dịch khách hàng, quản lý hàng tồn kho, nguồn
cấp dữ liệu video trên cửa hàng, quảng cáo và quan hệ khách hàng, sở thích và tình cảm của
khách hàng, cơ sở hạ tầng quản lý bán hàng và dữ liệu tài chính. Việc triển khai toàn diện RFIDs
(Radio Frequency Identification) để theo dõi hàng tồn kho, liên kết với các cơ sở dữ liệu của nhà
cung cấp, tích hợp với sở thích của khách hàng và các hệ thống tài chính tổng hợp mang lại hiệu
quả được cải thiện. Cách tiếp cận Big Data giúp khai thác dữ liệu sản xuất cho phép RFID để hỗ
trợ các quyết định hậu cần sản xuất của Zhong và cộng sự (2015). Các ứng dụng này chủ yếu có
các bộ dữ liệu được cấu trúc và tích hợp tương đối tốt. Vì cơ sở hạ tầng và phân tích dữ liệu đang
được thực hiện trong cùng một miền an ninh, vấn đề bảo mật và bảo mật dễ dàng hơn. Các nút
cổ chai lớn nhất trong lĩnh vực này là sự phát triển của các phân tích có khả năng quy mô một
lượng lớn các dữ liệu đa phương thức.
Với khối lượng dữ liệu gia tăng, xác suất dữ liệu chứa các thông tin có giá trị và bí mật tăng
lên. Do đó, thông tin được lưu trữ với mục đích phân tích dữ liệu lớn là dễ bị ảnh hưởng vì tội
phạm mạng. Các vấn đề an ninh cũng bao gồm bảo vệ sở hữu trí tuệ, bảo vệ sự riêng tư cá nhân,
bí mật thương mại và bảo vệ thông tin tài chính. Luật bảo vệ dữ liệu đã được thiết lập ở hầu hết
các quốc gia đang phát triển và đang phát triển. Đối với các ứng dụng liên quan đến Dữ liệu Lớn,
các vấn đề về bảo mật dữ liệu khó hơn vì số lượng dữ liệu cực lớn và khối lượng công việc khó khăn của an ninh.
CHƯƠNG 3: HẠ TẦNG CÔNG NGHỆ THÔNG TIN CỦA BIG
DATA PHỤC VỤ LOGISTICS VÀ THỰC TRẠNG Ở VIỆT NAM
3.1 Hạ tầng công nghệ thông tin của Big Data phục vụ tại Việt Nam
Hạ tầng công nghệ thông tin là cơ sở của Big Data, là nền tảng cho việc thu thập và xử lý Big
Data. Chính vì vậy, việc có được hạ tầng công nghệ thông tin tốt sẽ giúp cho việc ứng dụng Big
Data vào Logistics một cách có hiệu quả.
Hạ tầng công nghệ thông tin tại Việt Nam đã được cải thiện đáng kể trong những năm gần
đây. Việt Nam được đánh giá là nước có mật độ phổ biến dịch vụ viễn thông cao so với các nước lOMoARcPSD| 36667950
trên thế giới. Theo khảo sát nhỏ của VLA thực hiện trong năm 2017 về 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
đếnngười tiêu dùng được thuận tiện hơn. -
Phương pháp EDI để gửi và nhận dữ liệu thông tin giữa các doanh nghiệp Logistics và
hảiquan mới được áp dụng và chưa đạt hiểu quả. Vấn đề định vị vị trí phương tiện vận tải GPS
cũng chưa được đem lại hiệu quả tối đa đối với vận hành các phương tiện vận tải đường bộ. - 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 CNTT tạm ổn
trongquy mô nhỏ nhưng sẽ không
theo kịp sự phát triển của thương
mại điện tử. Khảo sát chuyên sâu của
VLA về ứng dụng hệ thống CNTT
tại một số doanh nghiệp đi đầu
trong việc ứng dụng công nghệ vào
hoạt động sản xuất kinh doanh cho
thấy, các doanh nghiệp nhận thức
được tầm quan trọng của ứng dụng
IT đối với ngành Logistics, tuy
nhiên, do tỉ suất đầu tư lớn dẫn đến
các hạng mục IT của doanh nghiệp
(Hệ thống quản lý giao nhận (FMS), quản lý vận tải (TMS), quản lý kho hàng (WMS), quản lý
nguồn lực (ERP) được thực hiện manh mún, không mang tính hệ thống được tiến hành đầu tư
theo các nhu cầu của từng bộ phận nghiệp vụ riêng biệt và được cung cấp bởi các công ty giải
pháp khác nhau. Các ứng dụng điện toán đám mây cũng còn rất mới với các doanh nghiệp dịch
vụ Logistics, và đa số các hệ thống ứng dụng IT trong nước không đủ điều kiện kết nối các các
hệ thống IT bên ngoài cũng như đảm bảo an toàn an ninh mạng trong yêu cầu dịch vụ toàn cầu.
Số lượng nhà cung cấp giải pháp công nghệ thông tin Logistics chuyên nghiệp trong nước là quá
ít, quy mô nhỏ, thực tế không có thương hiệu uy tín nào và số doanh nghiệp đang hoạt động tích
cực hay có giải pháp ứng dụng được là chưa tới 10 đơn vị. Làn sóng khởi nghiệp đã lan tỏa tới
ngành Logistics, nhưng các công ty khởi nghiệp vẫn gặp nhiều khó khăn về vốn và nhân lực. Bản
thân các công ty Logistics khi tìm kiếm giải pháp ứng dụng cũng gặp nhiều trở ngại do năng lực
cung cấp giải pháp và bảo đảm hỗ trợ kỹ thuật chưa chắc chắn.
Các hạn chế của hạ tầng công nghệ thông tin Logistics cấp vĩ mô bao gồm các vấn đề sau: -
Hạ tầng thông tin và trình độ công nghệ thông tin (CNTT) của Việt Nam tuy đã phát
triển,cung cấp dịch vụ cho nhiều ứng dụng dân dụng và xã hội, tuy nhiên còn thiếu nhiều ứng
dụng chuyên ngành, nhất là cho Logistics. Thách thức lớn nhất hiện nay là vốn đầu tư hạ tầng và
khả năng quản lý vận hành, bảo trì sửa chữa - trình độ chuyên môn của nhân viên. lOMoARcPSD| 36667950 -
Trong lĩnh vực giao thông vận tải là lĩnh vực mà thông tin chuyên ngành Logistics được
quantâm nhiều nhất, hiện nay thông tin liên kết giữa các nhà cung cấp dịch vụ cùng phương thức
và giữa các phương thức vận tải chưa được thực hiện. Các ứng dụng tận dụng nguồn lực phương
tiện mới bắt đầu gần đây với vận tải hành khách và một vài “sàn giao dịch vận tải” nhưng chưa
giải quyết được những vấn đề thực tế phát sinh . -
Hệ thống thông tin hàng hóa xuất nhập khẩu quản lý bởi Tổng cục Hải quan được duy trì
ổnđịnh và đã tiến đến ứng dụng Hải quan điện tử, Cơ chế Một cửa Quốc gia. Tuy vậy, nhu cầu
kết nối với nhiều bên liên quan hơn, hệ thống Cổng thông tin Một cửa Quốc gia giữa cơ quan hải
quan, thuế, cơ quan quản lý chuyên ngành và người khai hải quan đang là một vấn đề cấp thiết. -
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. -
Về đào tạo, ngoại trừ trường Đại học Giao thông vận tải Thành phố Hồ Chí Minh được
trangbị hệ thống mô phỏng thiết bị điều khiển hàng hải, Đại học Hàng hải (Hải Phòng) có phòng
mô phỏng kho hàng, các trường đại học chưa có phòng thí nghiệm, thực nghiệm các giải pháp
Logistics và quản lý chuỗi cung ứng, dịch vụ hỗ trợ gom hàng chặng đầu, giao hàng chặng cuối
cho thương mại điện tử - vốn là các hệ thống thiết thực 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, làn sóng cạnh tranh kế tiếp
sẽ dựa trên năng lực làm chủ hạ tầng này. Đó là nền tảng của Chính phủ điện tử hay “quốc gia
thông minh”. Trong xu thế hiện nay công nghệ đám mây sẽ là nền tảng số một sử dụng để phát
triển các ứng dụng CNTT cho 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, hệ thống phân phối: chưa có một hệ thống kết nối dịch vụ để
cộngđồng Logistics cũng như người sử dụng dịch vụ khai thác nhằm tối ưu hóa nguồn lực hạ tầng
kho bãi, tồn trữ, phân phối. Rất nhiều kho hàng không có hệ thống quản lý dịch vụ kho hàng
chuyên nghiệp, dịch vụ gia tăng giá trị, hỗ trợ quản lý điều hành theo mô hình 3PL. Tóm lại, các
ứng dụng hiện đại của Logistics sẽ đòi hỏi khả năng lưu trữ và truyền tải thông tin gói lớn, tốc độ
cao, an ninh vững, với giá thấp. Do đó, cần có có những biện pháp tức thời cho việc khai thác các
ứng dụng đã có đồng thời đào tạo chuyên gia, xây dựng nền tảng công nghệ như hạ tầng thông
tin và truyền thông mới cho tương lai gần.
3.1.1 Khai hải quan điện tử
Từ tháng 04/2014, Hệ thống Thông quan tự động (hay thường gọi là Hải quan điện tử) Việt
Nam (Viet Nam Automated Customs Clearance System - VNACCS) đã được đưa vào hoạt động
chính thức với sự hỗ trợ của Nhật Bản. Với tính năng tự động hóa cao, hệ thống VNACCS đã
dần thay thế cho hệ thống hải quan điện tử cũ. VNACCS cho phép kết nối với các cơ quan chức
năng khác để thực hiện Cơ chế Một cửa (Single Window), qua đó người nhập khẩu có thể thực
hiện các giấy phép xuất nhập khẩu, giấy chứng nhận an toàn vệ sinh thực phẩm, ... lOMoARcPSD| 36667950
Để có thể sử dụng VNACCS, doanh nghiệp cần có thêm phần mềm khai hải quan diện tử có
thể kết nối với VNACCS. Hiện nay Cục Công nghệ Thông tin và Thống kê Hải quan thuộc Tổng
cục Hải quan đã chấp thuận cho 5 đơn vị có sản phẩm phần mềm đáp ứng các yêu cầu kỹ thuật
được kết nối với Hệ thống thông quan tự động của Hải quan, gồm có: 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 mềm Hải quan điện tử. Hiện có hơn 100.000 đơn vị đăng ký sử dụng hệ
thống. Theo Tổng cục Hải quan, hơn 94% doanh nghiệp sử dụng hài lòng với VNACCS.
3.1.2 Định vị toàn cầu bằng vệ tinh (GPS) -
Công nghệ định vị toàn cầu qua vệ tinh (GPS) từ khi được phát triển cho ứng dụng dân
dụng đã nhanh chóng được đón nhận. Một trong những ứng dụng hiệu quả nhất là trong lĩnh vực
Quản lý phương tiện vận tải. Cùng với dịch vụ truyền thông di động gửi tin ngắn (SMS), công
nghệ Internet, GPS đã cho phép thiết kế các ứng dụng cơ bản sau: - Định vị vị trí khi
điđường một cách chính
xác nhưng đòi hỏi phải có mạng internet và ứng
dụng bổ trợ như các ứng dụng bản đồ Google Map hoặc HERE MAPS
để tìm đường đi một cách chính xác. - Quản lý và điều
hànhxe do xác đinh được
vị trí xe, hướng đi, quãng đường đích đến một cách chính xác. Xem lại lộ trình xe theo thời gian
và vận tốc di chuyển. Báo cáo tổng số km đi được trên bản đồ. Cảnh báo khi xe vượt quá tốc độ,
vượt ra khỏi vùng giới hạn. Theo dõi lộ trình của đoàn xe. Xác định vị trí xe chính xác ở từng
góc đường (vị trí xe được thể hiện qua tín hiệu nhấp nháy trên bản đồ), xác định vận tốc và thời
gian xe dừng hay đang chạy, biết được lộ trình hiện tại xe đang đi trong thời gian thực. -
Bộ Giao thông vận tải đã ban hành Thông tư QCVN 31:2014/BGTVT - Quy chuẩn kỹ
thuậtquốc gia về việc gắn hộp đen cho xe tải, xe ô tô, xe khách, xe container... và quy định lắp
thiết bị giám sát hành trình bắt đầu từ ngày 1/1/2016 - còn được gọi là “hộp đen”. Các phương
tiện sẽ phải lắp thiết bị giám sát hành trình phù hợp, đạt chuẩn Quy định mới nhất của Bộ Giao lOMoARcPSD| 36667950
thông vận tải về yêu cầu kỹ thuật tối thiểu trên các loại xe ô tô thuộc đối tượng quy định. Lộ trình
gắn hộp đen cho xe tải đối với mỗi loại xe có trọng tải khác nhau, thời hạn cuối cùng cho các loại
phương tiện phải gắn hộp đen là ngày 1/7/2018. Hộp đen phải bao gồm: Phần cứng như bộ vi xử
lý, bộ phận ghi, lưu trữ, truyền phát dữ liệu, đồng hồ dùng để đo thời gian thực, bộ phận dữ liệu
thông tin GPS, bộ phận lấy thông tin của lái xe, cổng kết nối, bộ phận thông báo tình trạng hoạt
động của thiết bị.... Phần mềm dùng phân tích dữ liệu. Thiết bị giám sát hành trình phải có tính
năng liên tục ghi. Nhận lưu giữ cùng với đó là truyền phát qua internet về server (máy chủ) của
doanh nghiệp để lưu trữ. Theo quy định các thông tin về quá trình khai thác, sử dụng, vận hành
của xe. Hộp đen cho xe tải cũng phải ghi lại thời gian làm việc của lái xe, tần suất và thời gian
dừng, đỗ xe. thời gian, tốc độ, quãng đường chạy, tọa độ của xe mỗi phút một trong suốt hành
trình chạy. Hiện có 53 doanh nghiệp được công nhận cung cấp thiết bị giám sát hành trình đạt
yêu cầu Quy chuẩn QCVN 31:2014/BGTVT.
3.1.3 Truy xuất trực tuyến tình trạng hàng hóa (E-Tracking/Tracing)
Đây là công nghệ đã phổ biến tại các nước phát triển. Nhà cung cấp dịch vụ cần phải có hệ
thống thông tin đảm bảo cung cấp dịch vụ hỗ trợ khách hàng truy cập qua một giao diện trên
internet để biết được tình trạng hàng hóa, bao gồm ít nhất một trong hai chức năng:
a) Truy xuất tình trạng lô hàng đang vận chuyển trên đường qua số Vận đơn hoặc số
Container - đối với người làm dịch vụ giao nhận vận tải quốc tế
b) Truy xuất tình trạng hàng tồn kho - đối với nhà cung cấp dịch vụ kho bãi, tồn trữ, phân
phối. Mặc dù yêu cầu là đơn giản và là điều kiện cần để tham gia cung cấp dịch vụ Logistics cho
khách hàng, tuy nhiên hầu hết các công ty giao nhận - Logistics Việt Nam không đáp ứng được
các điều kiện này. Khảo sát trong các hội viên của VLA cho thấy 38% doanh nghiệp phản hồi có
ứng dụng này. Do các doanh nghiệp tham gia khảo sát là đối tượng doanh nghiệp khá lớn nên có
khả năng, còn lại trên thị trường rất nhiều doanh nghiệp nhỏ, ước tính tỷ lệ doanh nghiệp ứng
dụng công nghệ thông tin để đáp ứng yêu cầu trên đây là khoảng 1,5%.
3.1.4 Hệ thống quản lý kho hàng (WMS)
WMS được nói tới như một hệ thống quản lý điều hành dịch vụ kho hàng, nhất là cho các
công ty 3PL. Không có quy định bắt buộc áp dụng nhưng theo thông lệ thì các công ty cung cấp
dịch vụ Logistics và phân phối chắc chắn phải trang bị hệ thống này. Các chức năng chính của WMS gồm có:
Tiếp nhận yêu cầu (nhận yêu cầu dịch vụ, hỗ trợ báo giá)
Xử lý đơn hàng (khi có đơn hàng chuyển tới từ khách hàng)
Quản lý hoạt động trong kho (nhận hàng, cất trữ, soạn hàng, xuất hàng)
Quản lý dự trữ (dự trữ an toàn, bổ sung hàng hóa, kiểm kê, …)
Bảo đảm chất lượng (quản lý chất lượng, kiểm tra, thử nghiệm, …)
Bảo trì sản phẩm (duy trì tình trạng chất lượng theo yêu cầu)
Kế hoạch vận tải (chất xếp, vận tải, giao hàng)
Dịch vụ khách hàng (đáp ứng các yêu cầu của khách thuê dịch vụ)
Kế toán - hóa đơn (kế toán chi phí, xuất hóa đơn cho nhiều khách hàng) lOMoARcPSD| 36667950
Quản lý an ninh (liên kết với các hệ thống bảo vệ, phòng ngừa sự cố)
Quản lý hành chính - nhân sự (phân công lao động, tiền tiền lương, …)
Các chức năng cài đặt hệ thống (theo yêu cầu dịch vụ)
Báo cáo, phân tích (năng suất lao động, hiệu suất khai thác, hiệu quả)
Các chức năng mở - bổ sung cho dịch vụ cộng thêm khác
Ngoài việc đảm bảo các chức năng trên, WMS còn phải kết nối tốt với các hệ thống khác, đặc
biệt là hệ thống quản lý nguồn lực (ERP) của khách hàng, cho phép quản lý nhiều kho tại nhiều
nước khác nhau để hỗ trợ các chiến lược phân phối khu vực hay toàn cầu. Các WMS thế hệ mới
còn phải kết nối với hệ thống điều hành kho (WCS), thường là tự động hóa với các hệ thống điều
khiển lập trình được (PLC), nhúng kèm phần trí tuệ nhân tạo thay cho các quy trình quản lý tiêu chuẩn truyền thống.
Nguồn cung cấp các WMS như trên tại Việt Nam là rất hạn chế. Các công ty phần mềm trong
nước đa số chưa hiểu rõ tính năng yêu cầu, mô hình kinh doanh của công ty dịch vụ Logistics,
lực lượng hỗ trợ kỹ thuật thiếu kinh nghiệm. Các công ty Logistics đa quốc gia thường có hệ
thống đã cài đặt tại nhiều nước và tiếp tục nhân lên khi vào Việt Nam. Với các công ty trong
nước, chỉ có các công ty lớn chuyên làm kho phân phối như tại một số đơn vị thành viên Tổng
Công ty Tân Cảng đang chuyển đổi mô hình từ ICD thành trung tâm phân phối xuất nhập khẩu,
các doanh nghiệp Gemadept Logistics, VINAFCO, U&I, TBS, Transimex, Sotrans đang phát
triển các ứng dụng WMS. Các doanh nghiệp này thường gặp phải khó khăn khi phát triển ứng
dụng này, mua sản phẩm của nước ngoài là một trong các lựa chọn phổ biến, tuy nhiên quá trình
cài đặt và đưa vào vận hành gặp nhiều khó khăn, khâu kết nối trong nội bộ và với khách hàng
đều cần có giải pháp tốt hơn. Hầu hết các công ty nhỏ làm kho bãi chưa có hệ thống quản lý tốt,
tỷ lệ có WMS ước tính chưa tới 10%.
3.1.5 Hệ thống quản lý vận tải (TMS)
Hệ thống TMS cho dịch vụ Logistics cần có khả năng quản lý cùng lúc các hoạt động vận
chuyển hàng hóa bằng nhiều phương thức khác nhau, qua nhiều biên giới khác nhau nhưng chỉ
do một nhà điều hành thực hiện - Nhà điều hành Vận tải Đa phương thức (MTO). TMS đảm trách
các vai trò chính sau: Lựa chọn phương thức vận tải
Hỗ trợ hoạt động gom hàng
Hoạch định tuyến và lịch vận chuyển
Xử lý yêu cầu trả hàng - Hỗ trợ truy xuất tình trạng lô hàng Thanh toán cước phí.
Nó cũng phải liên kết được với các điểm nút dọc theo chuỗi cung ứng như kho, cảng để cập
nhật tình trạng hàng hóa, kết nối tốt với các ERP và WMS.
Nhà cung cấp TMS chuyên nghiệp tại Việt Nam hiện rất hạn chế, đồng thời việc cài đặt hệ
thống còn gặp rất nhiều khó khăn do khả năng liên kết đồng bộ dữ liệu với các hãng tàu, hãng
hàng không, hải quản, cảng biển, cảng hàng không, và trong nội bộ các công ty Logistics là quá
phức tạp. Các công ty lớn tầm cỡ Thế giới thì đạt được khả năng này, đó thường là các nhà Tích
hợp hệ thống như DHL, FedEX, UPS và các Công ty 3PL như DB Schenker, Expeditors,
Panalpina, Kuehne + Nagel, Ceva Logistics, Logwin,… Trong nước có thể nói chưa có công ty
nào đạt trình độ ứng dụng nêu trên, tuy nhiên họ thường ứng dụng các hệ thống quản lý vận tải lOMoARcPSD| 36667950
nội địa, quản lý đội xe, sử dụng các công cụ quản lý dịch vụ Giao nhận truyền thống do các nhà
cung cấp trong nước phát triển như Fast, Vĩ Doanh FMS, … tỷ lệ ứng dụng dưới 10%, đa số còn
dùng Excel tự quản lý. Chưa có những hệ thống thích hợp cho các công ty nhỏ và vừa Việt Nam.
3.1.6 Hệ thống quản lý cảng/bến thủy (TOS)
TOS đại diện cho nhóm ứng dụng quản lý cảng. Ngoại trừ các ứng dụng tại cảng biển quốc
tế vốn có hệ thống quản lý điều hành lớn, hiện đại và đa số đã được tự động hóa thì các cảng loại
2, loại 3, bến thủy nội địa, các ICD đều cần hệ thống TOS với các chức năng lập kế hoạch tiếp
nhận tàu, kế hoạch bến bãi, điều phối xuất nhập, quản lý phương tiện và hàng hóa, quản lý chi
phí - hóa đơn, dịch vụ khác hàng, … Do đây là dịch vụ khá hẹp, số lượng cảng/bến không nhiều
nên nhà cung cấp trong nước cũng rất hạn chế. Công ty có số lượng khách hàng khá nhiều (gần
20 khách hàng) là Port Logic đã có quá trình thành lập và phát triển 10 năm, tuy nhiên công nghệ
sử dụng phát triển sản phẩm của công ty chưa được nâng cấp, các hệ thống khách hàng đang sử
dụng có khả năng không thể tiếp tục duy trì trong những năm tới, nhu cầu đổi mới công nghệ là
rất bức thiết. Hiện nay, Bộ Giao thông vận tải đang có kế hoạch rà soát, cấp phép mới cho các
cảng/bến thủy theo một quy trình hoàn thiện hơn. Trong tương lai, khi mà các cảng, bến thủy
buộc phải được xem xét lại cả về địa điểm, mô hình kinh doanh, tổ chức quản lý, công cụ hệ
thống... thì nhu cầu này sẽ tăng cao vì sẽ có gần 1.000 bến cảng như vậy tại Việt Nam.
3.1.7 Hệ thống quản lý nguồn lực doanh nghiệp (ERP)
ERP là công cụ quản lý hữu hiệu của các nhà sản xuất để quản lý toàn bộ hoạt động trong đó
có toàn bộ chuỗi cung ứng. ERP cần kết nối với hệ thống quản lý Logistics nhất là cho các hoạt
động thuê ngoài. Các chức năng cơ bản của ERP gồm có: quản lý bán hàng - quản lý kế hoạch
sản xuất - quản lý mua hàng - quản lý dự trữ - quản lý vận tải - giao hàng - quản lý sản xuất -
quản lý chất lượng - quản lý tài chính - quản lý nguồn nhân lực - quản lý các KPI. Các công ty
lớn trang bị hệ thống này thường chọn các nhà cung cấp nổi tiếng thế giới như SAP, Oracle. Quá
trình cài đặt vận hành hệ thống cần ít nhất 1 năm. Vì nhiều lý do, hầu hết các nhà sản xuất vừa
và nhỏ (SME) của Việt Nam không thể trang bị hệ thống này. Trong giai đoạn hiện nay và sắp
tới, nhờ sự phát triển của các phần mềm mã nguồn mở và điện toán đám mây, các cơ hội thiết lập
các hệ thống ERP nhỏ gọn hơn cho các SME là hoàn toàn có thể.
3.1.8 Sàn giao dịch Logistics
Là nơi trao đổi dịch vụ hàng hóa như một dịch vụ trực tuyến cho các nhà cung cấp dịch vụ
Logistics 3PL, các nhà giao nhận vận tải và các công ty vận tải. Nó cho phép các công ty vận tải
tìm kiếm trên cơ sở dữ liệu về nhu cầu vận chuyển cần được thực hiện và quảng cáo khả năng
của họ. Các nhà cung cấp dịch có thể quảng cáo các dịch vụ và cước phí vận chuyển của họ cũng
như khả năng vận chuyển với dung lượng xe, không gian kho bãi sẵn có. Các hệ thống này cung
cấp một nền tảng cho phép các hãng vận chuyển cung cấp thông tin giao thông vận tải cho các
nhà khai thác như đại lý vận chuyển, giao nhận và các công ty Logistics. Họ cho phép các nhà
giao nhận vận tải hàng hóa một cách riêng tư hoặc công khai cho một số lượng lớn các khách lOMoARcPSD| 36667950
hàng có nhu cầu. Các hệ thống trực tuyến thường hoạt động dựa trên thuê bao với một khoản phí
nhỏ cho quảng cáo (đăng tải) và tìm kiếm (kèm dịch vụ tư vấn). Hiện tại Việt Nam chưa có sàn
Logistics, chỉ có một số sàn giao dịch vận tải. Tính tới tháng 9/2017, người sử dụng dịch vụ có
thể tìm thấy trên Internet 5 mục hàng đầu trong danh sách hiển thị kết quả tìm kiếm: -
VinaTrucking (www.trucking.vn): Sàn giao dịch vận tải do Công ty Cổ phần Sàn Giao Dịch Vận
tải VinaTrucking (Thành phố Hồ Chí Minh) điều hành. -
Sàn vận chuyển (www.sanvanchuyen.vn): Sàn giao dịch Vận tải hàng hóa Việt Nam do
Côngty Cổ phần Microzon điều hành. - Sàn VTruck (www.vietnamtrucking.vn) do Công ty Cổ
phần Vận Chuyển Việt Nam (Bình Dương) điều hành. Số liệu lịch sử cho thấy đã có 8.283 giao
dịch thành công (khoảng 20 giao dịch/ngày vào những ngày thuận lợi). -
IZIFIX (www.izifix.com): Sàn giao dịch vận tải Đường bộ - Đường sông - Đường biển,
doCông ty Cổ phần IZIFIX (Thành phố Hồ Chí Minh điều hành) trong đó khá nhiều tàu sông pha
biển, tàu biển chạy tuyến ngắn đi các nước trong khu vực đăng tin trên sàn. Người tham gia được
hướng dẫn áp dụng trên điện thoại thông minh. -
Sàn giao dịch vận tải HANEL (www.vantaitructuyen.vn): sàn khá vắng vẻ với chỉ 13 kết
quảtìm xe và 9 kết quả tìm hàng, hiển thị từ năm 2016. Các sàn giao dịch vận tải đi vào hoạt động
từ cuối năm 2015, sàn giao dịch vận tải hàng hóa được kỳ vọng mang lại nhiều lợi ích cho chính
doanh nghiệp và nền kinh tế. Mục tiêu của Sàn vận chuyển là giúp chủ hàng tiết kiệm 30% cước
phí vận chuyển và giúp nhà xe tăng thêm ít nhất 50% doanh thu, giảm tình trạng lãng phí của
toàn xã hội do 60% xe chạy rỗng do thiếu hàng. Có ý kiến còn nêu đây sẽ là một cuộc cách mạng
trong dịch vụ vận tải, ... Tuy nhiên, hiện nay nhìn chung các sàn hoạt động còn rất yếu, số thành
viên tham gia và các giao dịch thành công vẫn rất ít. Lượng hàng hóa trên sàn giao dịch khan
hiếm. Sản lượng vận chuyển qua các sàn chưa đạt 1% khối lượng vận chuyển của thị trường.
3.2 Dự đoán trong tương lai khi Logistics tận dụng Big Data hiệu quả hơn
3.2.1 Robot trong kho hàng
Có hai loại hệ thống chủ yếu phân chia theo cách thức cất trữ và lấy hàng ra từ vị trí cất trữ trong
kho: Một là hệ thống “tự động cất trữ và lấy ra” - ASRS5, hai là hệ thống “hàng tự tới người” -
GTM. ASRS thường sử dụng cho các kho thành phẩm hay nguyên liệu mà độ đồng đều khá cao,
việc tự động hóa nhằm tăng năng suất và hiệu suất khai thác không gian trong khi giảm sự can
thiệp của con người vì mục tiêu an ninh, an toàn, hạn chế làm việc ngoài giờ, ... Các kho ASRS
thường có độ cao trên 20 mét với số tầng kệ chứa hàng lên tới 20-25 tầng. Vận hành bằng robot ASRS.
Tại Việt Nam các nhà cung cấp ARSR không nhiều, hầu như chỉ có Công ty Schenker của
Đức có văn phòng đại diện và mới có một dự án lớn với Vinamilk tại Bình Dương. Ngoài ra,
chưa có công ty nào đầu tư kho tự động ASRS tại Việt Nam. Loại hình GTM thích hợp cho các
kho hàng mà số lượng mặt hàng rất nhiều, đơn hàng nhỏ lẻ, tốc độ luân chuyển cao - đó là hàng
TMĐT. Ứng dụng đầu tiên về loại hình này được khởi xướng bởi Amazon. Amazon hiện có 45
nghìn robot lấy hàng và làm đầy kệ (restocking). Họ có một Bộ phận riêng về Robot (Kiva
systems) vốn là một công ty được mua lại để cung cấp riêng giải pháp này cho Amazon. lOMoARcPSD| 36667950
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.
Tại Việt Nam, công ty Logistics Stars Link là nhà cung cấp được ủy quyền của hệ thống này.
Công nghệ này 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 ngày 19/10/2017 tại Thành phố Hồ Chí Minh.
Theo dự báo của một công ty tư vấn uy tín, nhu cầu thiết bị tự động hóa bằng robot trong
kho hàng sẽ là thị trường tăng trưởng vượt bậc trong vòng 5 năm tới cùng với sự bùng nổ của
TMĐT. Mức tăng trưởng trung bình là 65% hàng năm, giá trị thị trường 2017 là 3 tỷ USD và tới 2021 là 20,5 tỷ USD.
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.
Trong nước hiện chưa có công ty Việt Nam nào đặt vấn đề sẽ ứng dụng những công nghệ như
vậy, các doanh nghiệp nhìn chung còn lo về nguồn đầu tư và khả năng khai thác.
3.2.2 Trung tâm soạn hàng tự động
Việc soạn (chia chọn, phân loại) hàng hóa trong quá trình vận chuyển theo truyền thống được
thực hiện bán tự động với ứng dụng mã vạch để xác định kiện hàng sau đó nhân công sẽ phân
loại bằng tay tại các đầu mối trung chuyển, giao nhận. Khi số lượng đơn hàng và tốc độ xử lý
tăng lên thì năng suất và độ chính xác làm việc bằng tay sẽ không đáp ứng được yêu cầu công
việc do đó cần có các bộ chia chọn hàng tự động.
Thiết bị này được thiết kế theo dạng dây chuyền dạng thẳng hay vòng tròn với một hay vài
đầu vào và rất nhiều đầu ra là các điểm đến cuối cùng hay các nhóm hàng cần phân loại. Nó có
thể chia chọn các loại hàng phổ biến như phong bì bưu kiện, hộp, thùng, gói hàng không định
hình. Khối lượng được thiết kế trung bình không quá 20 kg/kiện. Năng suất trung bình dao động
tuỳ thuộc nhu cầu sử dụng, có thể từ 1.500 tới 6.000 kiện hàng/giờ. loại công suất lớn có thể tới
18.000 kiện/giờ. Các tuyến vận tải có thể gồm đường bộ, hàng không, đa phương thức. Các nhà
cung cấp thường là từ EU, Trung Quốc, Thái Lan, Ấn Độ. Trong nước hiện có Công ty Logitics
Stars Link giới thiệu hệ thống của Grey Orange.
Các doanh nghiệp chuyển phát nhanh, vận tải, giao hàng TMĐT (đều thuộc Logistics) là
người sử dụng các hệ thống này tuy nhiên một trong các khó khăn là nhà cung cấp thường không
hoàn toàn nắm vững quy trình kinh doanh của người làm Logistics, ngược lại người làm Logistics
thì không nắm về tự động hóa và IoT. Do đó, tới nay tất cả các công ty lớn, nhiều tiềm năng vẫn
đang soạn hàng bằng tay (VN Post, Viettle Post, Lazada, Tiki, Kerry Express, Nhất Tín, 24/7, 365, Vin Commerce, …).
3.2.3 Giao hàng theo yêu cầu
Thành công của Uber đã dẫn đến lượng vốn
lớn đầu tư cho những doanh nghiệp “Uber – for
– X”, những nơi sử dụng điện thoại thông minh lOMoARcPSD| 36667950
để kết nối khách hàng với những người cung cấp dịch vụ có nhu cầu gần đó. Trong đó có nhiều
startup gia nhập thị trường “ giao hàng trong ngày”, “giao hàng cùng giờ”
Việc giao hàng nhanh kết hợp sự tiện lợi của việc đặt hàng bất cứ đâu và sự sẵn có hàng hóa
ở những cửa hàng bán lẻ truyền thống. Sự tiện lợi và giao hàng cùng ngày chi phí thấp là mô hình
bán lẻ tương lai và dần dần được khách hàng đón nhận.
Xu hướng giao hàng nhanh cùng sự gia tăng tiêu dùng theo yêu cầu đã dẫn tới những vụ góp
vốn lớn cho các “startup” về giao hàng. Công nghệ giao hàng theo yêu cầu sẽ được các công ty
áp dụng vì cần phải đổi mới nhanh chóng và tăng tính linh hoạt trong chuỗi cung ứng.
Việt Nam đã có một số doanh nghiệp khởi động theo cách này: Tiki là một ví dụ rất điển
hình. Công ty đã phát triển nhanh chóng lên tới số lượng nhân viên giao hàng hơn 3000 người. lOMoARcPSD| 36667950 KẾT LUẬN
Như vậy, Big data đang ngày càng trở thành chìa khóa để có chuỗi cung ứng hiệu quả và giảm
chi phí. Trên thực tế, giờ đây Big Data đã trở thành một tiêu chuẩn để thu nhập và phân tích lượng
thông tin khổng lồ để giúp tăng doanh thu. Các chuyên gia dự đoán xu hướng sẽ tiếp tục mở rộng
và chỉ riêng việc tiết kiệm chi phí trong tái cấu trúc chuỗi cung ứng, tiềm năng Big data không
chỉ mang lại hiệu quả đáng kể mà còn là cơ sở cho việc phát triển vận hành hiệu quả. Song đó là
sự tận dụng công nghệ này rất linh hoạt và hiệu quả của các doanh nghiệp Việt Nam giúp cho
nền kinh tế nước ta phát triển mạnh mẽ hơn, bắt kịp xu thế hệ thống thông tin thế giới để không
phải tuột lại phía sau trong cuộc chạy đua đổi mới công nghệ thông tin.
Sử dụng big data trong vận hành logistics có thể giúp các doanh nghiệp dự đoán những thay
đổi trong cung và cầu dựa trên các dữ liệu có sẵn, quản lý hiệu quả các rủi ro tiềm ẩn trong quá
trình hoạt động và chủ động chuẩn bị cho những thay đổi trong tương lai gần. Ngoài ra, phân tích
big data có thể cải thiện hiệu quả vận chuyển và phân phối, giúp doanh nghiệp logistics tiết kiệm
đáng kể thời gian và chi phí trong quá trình kinh doanh. Việc tích hợp dữ liệu lớn vào các hoạt
động logistics giúp các công ty nghiên cứu sâu hơn hành vi của khách hàng để thấu hiểu những
nhu cầu và phân bố thời gian để đáp ứng nhu cầu của họ. Nhờ vậy, các công ty có thể tối ưu hóa
dịch vụ, đồng thời tăng doanh thu cũng như uy tín của mình đối với khách hàng.
Tóm lại, Big Data chính là thách thức đặt ra cho các doanh nghiệp trong thời đại công nghệ
số. Các doanh nghiệp cần hiểu rõ Dữ liệu lớn- Big Data là gì? và tận dụng được tối đa nguồn dữ
liệu lớn thì sẽ có hội thành công sẽ lớn hơn nhiều lần. Xa hơn một chút Big Data có thể giúp các
cơ quan Chính phủ dự đoán được tỉ lệ thất nghiệp, xu hướng nghề nghiệp của tương lai để tập
trung đầu tư cho các hạng mục đó, cắt giảm chi phí, kích thích tăng trưởng kinh tế, thậm chí là ra
phương án phòng ngừa trước một dịch bệnh nào đó. Tuy vẫn còn những chỉ trích về Big data
nhưng đây là một lĩnh vực còn rất mới nên chúng ta hãy chờ đón sự tiến hóa của Big data trong tương lai.
TÀI LIỆU THAM KHẢO
1) Báo cáo Logistics Việt Nam 2017 - Bộ Công Thương 2) BIG
DATA ANALYTICS & LOGISTICS: THE CASE OF DHL 3) Wikipedia .
4) Vietnam Logistics Review
5) https://www.youtube.com/watch?v=00wOf3xEQD4&t=57s
6) http://interlink.com.vn/vi/tai-sao-cac-cong-ty-dich-vu-logistics-can-tan-dung-big-data/