| Resumen | Desarrollarás un análisis de datos basado en Data Science para guiar a las empresas de logística y las ciudades a adaptarse ante los crecientes problemas de tráfico.
Recibirás datos de la operativa diaria de grandes y pequeñas empresas y te conectarás a bases de datos de ciudades para realizar análisis que permitan describir la situación actual y su efectividad, y plantear escenarios de operación alternativos. El objetivo será evaluar la mejor opción para hacer más sostenible y rentable la operativa, y tomar decisiones de cómo adaptar sus infraestructuras (logísticas y energéticas) y flotas.
¿Qué es mejor para lanzar un servicio que en menos de 10 minutos entregue a 50 farmacias en un área de la ciudad los pedidos urgentes que reciben a través de su web: utilizar un vehículo dedicado desde su almacén a las afueras o invertir en un hub completamente equipado, más pequeño y mejor situado, que tenga un stock con las referencias más solicitadas y una cargobike compartida con otros negocios para realizar esa última milla?
En el caso de una empresa de paquetería ¿qué nivel de incidencias hay en las zonas con más tráfico y problemas de aparcar, y cómo puedo controlarlo: electrificando la flota e invirtiendo en cargadores y placas solares; o evitando entrar con ese tipo de vehículos y apoyándome en una flota de cargobikes desde un hub bien ubicado?
|
|---|