Convoy sử dụng Amazon QuickSight để giúp chủ hàng và hãng vận tải nâng cao hiệu quả và tiết kiệm tiền bằng các quyết định dựa trên dữ liệu

Convoy sử dụng Amazon QuickSight để giúp chủ hàng và hãng vận tải nâng cao hiệu quả và tiết kiệm tiền bằng các quyết định dựa trên dữ liệu

Nút nguồn: 1879666

Hộ tống là mạng lưới vận chuyển hàng hóa kỹ thuật số hàng đầu tại Hoa Kỳ. Chúng tôi di chuyển hàng triệu xe tải trên khắp đất nước thông qua mạng lưới các hãng vận chuyển được kết nối của mình, tiết kiệm tiền cho người gửi hàng, tăng thu nhập cho tài xế và loại bỏ chất thải carbon cho hành tinh của chúng ta. Năm 2015, Convoy bắt đầu chuyển sang vận chuyển hàng hóa hiệu quả. Chúng tôi xây dựng công nghệ để tìm ra những cách thông minh hơn nhằm kết nối người gửi hàng với hãng vận tải đồng thời giải quyết một số vấn đề khó khăn nhất dẫn đến lãng phí trong ngành vận tải hàng hóa.

Là một mạng lưới vận chuyển hàng hóa kỹ thuật số, Convoy sử dụng máy học và tự động hóa để kết nối hiệu quả chủ hàng và hãng vận chuyển. Khi thị trường của chúng tôi phát triển, nó sẽ tạo ra hiệu ứng bánh đà có lợi cho cả hai bên. Khi nhiều chủ hàng tham gia vào mạng lưới, các tài xế có nhiều lựa chọn tốt hơn, ít dặm trống hơn và ít giờ lãng phí hơn, cho phép họ kiếm được nhiều tiền hơn mỗi ngày. Khi có nhiều hãng vận tải tham gia vào mạng lưới, công suất tăng lên và người gửi hàng thấy chi phí thấp hơn và chất lượng dịch vụ cao hơn. Convoy đang thực hiện sứ mệnh vận chuyển thế giới với sức chứa vô tận và không lãng phí.

Mạng lưới vận chuyển hàng hóa kỹ thuật số của chúng tôi thu thập hàng nghìn điểm dữ liệu khác nhau và kết nối các dấu chấm một cách thông minh để cung cấp khả năng hiển thị minh bạch cho các hoạt động vận chuyển hàng hóa. Bằng cách cung cấp sự minh bạch và hiểu biết sâu sắc về từng bước của vòng đời vận chuyển, chủ hàng được hưởng lợi từ chi phí thấp hơn, giảm chất thải và mức độ trung thành của nhà vận chuyển cao hơn. Để hiển thị những thông tin chi tiết này cho khách hàng bên trong sản phẩm của mình, chúng tôi cần một công cụ kinh doanh thông minh (BI) không chỉ có thể xử lý khối lượng dữ liệu của chúng tôi mà còn có thể cung cấp thông tin chi tiết nhanh thông qua giao diện thân thiện với người dùng, giúp khách hàng của chúng tôi thực hiện các quyết định dựa trên dữ liệu và loại bỏ phỏng đoán khi giải quyết các sự cố không mong muốn.

Sau khi xem xét các lựa chọn của chúng tôi và đánh giá cái nào sẽ đáp ứng tốt nhất nhu cầu của chúng tôi, chúng tôi đã chuyển sang Amazon QuickSight.

Trong bài đăng này, chúng tôi thảo luận về cách QuickSight đang giúp chúng tôi phục vụ khách hàng của mình với thông tin chi tiết họ cần và lý do tại sao chúng tôi coi quyết định kinh doanh này là một chiến thắng cho Convoy.

Từ các điểm dữ liệu khác nhau đến thông tin chi tiết trong nháy mắt

Mạng lưới rộng lớn gồm các hãng vận tải nhỏ và chủ sở hữu kiêm nhà điều hành của chúng tôi, với tổng số hơn 400,000 xe tải trên toàn quốc, cung cấp các điểm dữ liệu có ý nghĩa thông qua ứng dụng Convoy. Chúng tôi yêu cầu các nhà cung cấp dịch vụ sử dụng ứng dụng của chúng tôi khi vận chuyển hàng hóa—đây là cách chúng tôi cung cấp theo dõi GPS trên 95% tải trực tiếp và 100% tải rơi. Đó cũng là cách chúng tôi thu thập dữ liệu hiệu quả về thời gian dừng, chi phí tạm giữ, v.v. Cho đến nay, chúng tôi đã thu thập được hơn 2.7 triệu đánh giá cơ sở trong ứng dụng Convoy.

Chúng tôi chọn QuickSight vì chúng tôi cần sự dễ dàng trong quá trình phát triển. Chúng tôi muốn có thể nhanh chóng xây dựng trang tổng quan và đưa chúng đến tay khách hàng của mình. Vì đây là một công cụ hướng ra bên ngoài nên chúng tôi cũng có các yêu cầu về quyền riêng tư và quản trị dữ liệu cần xem xét. Điều đặc biệt quan trọng là chúng tôi cần mức độ chi tiết trong bảo mật cấp hàng. QuickSight cung cấp ngay những gì chúng tôi cần, trong khi các nền tảng BI khác mà chúng tôi xem xét thì không. Ngoài ra, giá của QuickSight sẽ cho phép chúng tôi mở rộng quy mô nền tảng khi cơ sở người dùng của chúng tôi tiếp tục phát triển.

Kết nối các dấu chấm với dữ liệu

Những thách thức mà khách hàng của chúng tôi phải đối mặt cũng đa dạng như phong cảnh mà các nhà mạng của chúng tôi đi qua hàng ngày. Từ việc quản lý sự chậm trễ do thời tiết, giao thông và thời gian xếp hàng không thể đoán trước ở phía người vận chuyển, đến việc thiếu khả năng hiển thị hàng hóa và nguyên nhân gốc rễ của các vấn đề vận hành cũng như sự không chính xác trong báo cáo thủ công về phía người gửi hàng, không thiếu các cơ hội để cải thiện hiện trạng.

Ảnh chụp màn hình sau đây hiển thị các số liệu về hiệu suất, chẳng hạn như thời gian dừng và chi phí phát sinh trên mỗi lô hàng, cùng với các thông tin chi tiết hiển thị các loại và danh mục chi phí phát sinh cho từng cơ sở.

Bảng điều khiển cơ sở đoàn xe hiển thị QuickSight BI

Khi chúng tôi cố gắng đáp ứng nhu cầu của cả người gửi hàng và người vận chuyển, chúng tôi có vị trí duy nhất để kết nối các dấu chấm để xác định khoảng trống ở một đầu có đầu vào tương ứng ở đầu kia. Những thách thức mà các chủ hàng phải đối mặt thường do giá cả, độ phức tạp và độ tin cậy của việc vận chuyển hàng hóa. Đối với các hãng vận tải, những thách thức của họ tập trung nhiều hơn vào việc kiếm được thu nhập nhất quán và có thể dự đoán được với ít thời gian và công sức nhất đầu tư vào việc tìm tải, xây dựng lịch trình và điều chỉnh theo sự chậm trễ. Khách hàng của chúng tôi có các chương trình phân tích nội bộ tinh vi, nhưng dữ liệu chi tiết cao hoặc dữ liệu tổng hợp từ nhà cung cấp của họ là rất hiếm. Tìm cách phát triển các chỉ số và điểm chuẩn cho các thực thể kinh doanh cụ thể (làn đường, khu vực, cơ sở, v.v.) có nghĩa là chúng tôi cần tìm hiểu và cập nhật sản phẩm của mình một cách nhanh chóng. QuickSight cho phép chúng tôi làm điều đó.

Với rất nhiều điểm dữ liệu và cơ hội để biến chúng thành thông tin chi tiết quan trọng, bảng thông tin và hình ảnh trực quan mà QuickSight cung cấp giúp phát hiện xu hướng và thực hiện các biện pháp chủ động để giải quyết các vấn đề nhỏ trước khi chúng trở thành vấn đề lớn dễ dàng hơn bao giờ hết.

Khi xem xét các tùy chọn BI của chúng tôi, các yếu tố sau đây là yếu tố hàng đầu và trung tâm trong quyết định sử dụng QuickSight của chúng tôi:

  • Tốc độ phát triển – Chúng tôi muốn cung cấp thông tin chi tiết cho khách hàng một cách nhanh chóng. Sự tích hợp liền mạch của QuickSight với các dịch vụ AWS khác đã giúp bảng điều khiển của chúng tôi thiết lập và chạy ngay lập tức.
  • Truy cập dữ liệu an toàn – Với ủy quyền cấp hàng, QuickSight mang đến cho chúng tôi sự linh hoạt cần thiết, cùng với sự an tâm khi biết dữ liệu được bảo mật.
  • Mô hình chi phí có thể mở rộng – Mô hình định giá QuickSight phù hợp với nhu cầu của chúng tôi, cho phép chúng tôi mở rộng quy mô dựa trên mức sử dụng.

Khi lần đầu tiên thử nghiệm sản phẩm thông tin chi tiết bên ngoài, chúng tôi đã xây dựng một nguyên mẫu bằng công cụ BI đã sử dụng trước đây của mình. Xây dựng các bước lặp lại trong tương lai với cùng một công cụ này là không khả thi vì nó thiếu chức năng trong một số lĩnh vực chính. Chúng tôi cần có khả năng kết hợp dữ liệu từ nhiều nguồn, đi sâu vào các lớp dữ liệu và tùy chỉnh dữ liệu dựa trên người dùng truy cập thông tin. Ngoài ra, vì chúng tôi tự lưu trữ nên chi phí mở rộng quy mô dấu chân của chúng tôi sẽ cao. Chúng tôi đã xem xét các giải pháp khác, nhưng QuickSight có thể cung cấp tất cả các tính năng chúng tôi cần với mức giá tốt nhất.

Khả năng hiển thị cải thiện hiệu quả

Với QuickSight, chúng tôi có thể xây dựng một sản phẩm hướng ra bên ngoài cho các khách hàng gửi hàng của mình, giúp họ hiểu rõ hơn về tình trạng chuỗi cung ứng của mình, từ đó có thể cung cấp thông tin chuyên sâu để giúp mọi thứ hoạt động hiệu quả hơn.

Ảnh chụp màn hình sau đây hiển thị các chi phí phát sinh, được chia nhỏ theo mức chi tiêu, loại hoặc danh mục, v.v.

Bảng điều khiển đoàn xe hiển thị QuickSight BI

Chẳng hạn, với một hình ảnh trực quan về cách phân chia chi phí ngẫu nhiên, họ có thể thấy chi phí để một chiếc xe tải dỡ hàng tại một cơ sở, chi phí hủy tải đối với tài xế, chi phí để có người đi ngang chờ tại cơ sở, v.v. Với khả năng hiển thị đó, khách hàng gửi hàng của chúng tôi giờ đây có thể bắt đầu giải quyết các vấn đề mang tính hệ thống có thể giúp họ tiết kiệm tiền, chẳng hạn như cải thiện lịch trình để giảm thời gian chờ đợi của tài xế.

Ảnh chụp màn hình sau đây hiển thị hình ảnh trực quan về phản hồi của nhà cung cấp dịch vụ mà chủ hàng có thể sử dụng để thực hiện các cải tiến mang lại trải nghiệm nhanh hơn, mượt mà hơn.

Bảng điều khiển đoàn xe hiển thị QuickSight BI

Các kế hoạch trong tương lai với việc mở rộng nhóm đối tác

Họ nói rằng bắt chước là hình thức tâng bốc thuần túy nhất. Mặc dù cụm từ đó thường được sử dụng trong bối cảnh các đối thủ cạnh tranh phát triển các sản phẩm và dịch vụ tương tự một cách đáng ngờ với một sản phẩm hoặc dịch vụ hiện có, nhưng nó cũng có thể áp dụng khi các ý tưởng hay được sao chép trong một tổ chức. Đó là trường hợp của chúng tôi, trong đó việc áp dụng QuickSight của chúng tôi đã thu hút sự chú ý và tò mò của các nhóm đối tác, những người đã liên hệ với chúng tôi để hiểu các chi tiết triển khai cụ thể của chúng tôi và những thành công mà chúng tôi đã thấy được.

Chúng tôi rất hài lòng với trải nghiệm QuickSight Embedded của mình và mong muốn tiếp tục lặp lại và mở rộng việc sử dụng nó cho các trường hợp sử dụng và hồ sơ khách hàng bổ sung.

Để tìm hiểu thêm về cách bạn có thể nhúng hình ảnh dữ liệu tùy chỉnh, bảng điều khiển tương tác và truy vấn ngôn ngữ tự nhiên vào bất kỳ ứng dụng nào, hãy truy cập Amazon QuickSight nhúng.


Lưu ý

Dorothy Li là CTO của Convoy, giám sát chiến lược công nghệ và nhóm Sản phẩm và Kỹ thuật của Convoy, định hình và nhân rộng các nền tảng công nghệ định hình ngành và đổi mới của công ty. Trước Convoy, Dorothy giữ vai trò lãnh đạo tại Amazon, gần đây nhất là Phó chủ tịch BI và Phân tích tại AWS. Trong hơn 20 năm làm việc tại Amazon, Dorothy đã giúp xây dựng nền tảng thương mại điện tử của Amazon, đồng thời lãnh đạo và cộng tác trên các sản phẩm có tác động rõ rệt đến khách hàng trên khắp thế giới – từ lần ra mắt đầu tiên của Amazon Prime, cho đến Kindle và tại AWS nơi cô tập trung vào phân tích dữ liệu và BI. Dorothy nhận bằng Cử nhân Khoa học tại Đại học Brigham Young và học tại Đại học Nghiên cứu Quốc tế Thượng Hải.

Dấu thời gian:

Thêm từ Dữ liệu lớn AWS