Data Scientist di Industri Pengiriman Barang?

Kapal Ever Given yang tersangkut di Terusan Suez pada April 2021 lalu sempat meramaikan portal berita dan membuat macet arus pengiriman barang.

Terlebih lagi, insiden yang terjadi selama seminggu tersebut menghasilkan kerugian sebesar miliaran dolar bagi berbagai pihak.

Ketika kapal masih tersangkut, analis di bidang pengiriman barang memperkirakan bahwa setidaknya ada 10 juta USD yang ikut tertahan per harinya karena macet di Terusan Suez.

Intinya, industri pengiriman barang ini masih jarang dibahas, padahal industri ini berperan penting dalam kehidupan manusia.

Tidak usah berpikir contoh manfaat dalam skala makro, setidaknya dalam sebulan sekali, siapa sih yang tidak berbelanja di e-commerce?

Kemudian setelah barangnya dikirim, tidak jarang pembeli mengecek nomor resi untuk memastikan keberadaan barang yang dibeli.

Agar berbagai barang yang dikirim ke berbagai daerah dapat sampai sesuai tujuan dan tepat waktu, industri ini memerlukan data scientist.

Lalu, apa yang dilakukan oleh data scientist di industri pengiriman barang?

Membuat Estimasi Waktu Pengiriman Barang

Coba sekali-sekali perhatikan kalau sedang belanja di e-commerce.

Waktu dapat nomor resi pelacakan barang, biasanya akan muncul juga estimasi kapan barang itu sampai.

Mungkin terdengar sepele, tapi untuk perusahaan pengiriman makanan, estimasi waktu ini jadi penting.

Soalnya konsumen yang membeli makanan via aplikasi pasti sedang lapar, kalau datangnya tidak sesuai dengan estimasi, bisa-bisa perusahaan dikomplain.

Selain itu, tidak jarang terjadi case di mana barang yang dikirim harus benar-benar diterima secara langsung.

Contohnya pengiriman barang berharga yang harus diterima oleh manusia agar aman, maka dari itu estimasi waktu sampai dapat membantu penerima barang bersiap ketika barang datang.

Itulah peran data scientist di industri pengiriman barang, yaitu berusaha untuk meningkatkan akurasi prediksi waktu pengiriman ini.

Agar lebih terbayang bagaimana mereka bekerja, berikut adalah gambaran sederhana keseharian data scientist di industri pengiriman barang:

1. Mencari tahu hal-hal yang menjadi kendala ketika pengiriman (Contoh: tidak ada parkiran, alamat yang kurang spesifik).
2. Membandingkan model prediksi dan mencari model dengan error terkecil.

Mengoptimalkan Rute Pengiriman

Selain mempercepat waktu sampai, rute yang optimal juga mengoptimalkan biaya operasional perusahaan.

Sebagai contoh, bila tidak ada pemilihan rute terbaik, setiap driver tanpa sadar mengambil rute yang 100 meter lebih jauh dari semestinya.

Bayangkan bila ada 1.000 barang yang harus dikirim, akan ada banyak bensin yang terbuang sia-sia.

Maka dari itu, data scientist di industri pengiriman barang dibutuhkan untuk mencari rute optimal yang meminimalkan total jarak yang ditempuh.

Anggaplah terdapat 5 konsumen, yakni konsumen A, B, C, D, E yang akan menerima barang.

Bila tidak ada data scientist, kurir akan bingung rute mana yang paling optimal, apakah A-C-D-B-E atau C-B-D-A-E, atau mungkin rute lain?

Di sini, data scientist di industri pengiriman barang mencari urutan konsumen mana yang barangnya harus diantar terlebih dahulu agar lebih optimal.

Hal ini menjadi penting sebab pengiriman yang cepat terbukti dapat meningkatkan penjualan.

Artinya, perusahaan bisa mendapatkan untung lebih banyak bila mereka memiliki layanan pengiriman yang cepat.

Kalau perusahaan yang memang menyediakan jasa ekspedisi, sudah jelas.

Bila mereka dapat memberikan pelayanan kirim barang yang lebih cepat, konsumen akan memilih jasa mereka dibandingkan dengan kompetitor.

Di sisi lain, fitur ini juga berguna bagi perusahaan retail atau e-commerce.

Meningkatkan Performa Bisnis

Bila website menampilkan tanda produk mana yang bisa dikirim secara cepat, tingkat produk tersebut akan diklik dan dibeli meningkat.

Selain itu, terdapat penelitian yang menemukan bahwa proses pengiriman yang cepat dan aman berkaitan erat dengan kepuasan pelanggan website.

Kalau konsumen puas, besar kemungkinan ia akan belanja lagi di website tersebut.

Efek bisnis dari pengiriman ini juga harus dipahami oleh data scientist di industri pengiriman barang.

Selain efek bisnis yang sudah disebutkan di atas, sangat mungkin masih ada hal-hal lainnya yang turut mendorong keuntungan yang bisa dieksplorasi oleh data scientist.

Bagaimana? Tertarik untuk menjadi data scientist di industri pengiriman barang? Bila tertarik dan ingin menekuni spesialisasi di bidang pengiriman barang, ada baiknya untuk belajar terlebih dahulu secara end-to-end di Pacmann.

Sekolah Data Pacmann memiliki kurikulum komplit yang mengajarkan peserta dari dasar hingga praktek langsung.

Cek kurikulum dan fasilitasnya di halaman Sekolah Data Pacmann.

Further Reading:

An Introduction to Food Delivery Time Prediction

Site Selection and Best Path using Optimization Techniques — Canada Post Example

The Effect of Fast-shipping