LOGISTICS & SHIPPING ANALYTICS

في عالم الشحن وسلاسل الإمداد، أي تأخير ولو لساعات ممكن يسبب خسائر بملايين الدولارات. التحدي كان:

•ارتفاع تكاليف الشحن الدولي بنسبة 18% خلال ربع واحد فقط.

•تأخير متوسط الشحنات وصل إلى 3.5 يوم.

•صعوبة في التنبؤ بأوقات الوصول بدقة بسبب تعدد الموانئ وخطوط الملاحة.

هنا جاء دوري كمحلل بيانات:

1.تجميع البيانات من مصادر مختلفة: بيانات موانئ، جمارك، شركات شحن، ومتعهدين لوجستيين.

2.تنظيف البيانات ومعالجتها للتخلص من التضارب بين جداول الوصول الفعلية (Actual) والجداول المتوقعة (ETA).

3.بناء Dashboard تفاعلي باستخدام Power BI يربط بين:

•متوسط تكلفة الحاوية (Per Container).

•نسب الالتزام بموعد الوصول (On-Time Delivery %).

•تحليل المسارات (Route Analysis) لتحديد أكثر الموانئ تسببًا في التأخير.

4.استخدام Python للتنبؤ (Forecasting) بزمن الوصول المتوقع باستخدام خوارزميات الـ Machine Learning (ARIMA & Prophet).

5.إنتاج سيناريوهات What-If: ماذا يحدث لو تم تغيير مسار الشحن من ميناء X إلى ميناء Y؟

النتائج العملية:

•تقليل التأخير بنسبة 28%.

•خفض التكاليف التشغيلية للشحن بنسبة 12% خلال 6 أشهر.

•تحسين دقة التنبؤ بالوصول من ±3.5 يوم إلى ±1 يوم فقط.

القيمة المضافة:

المشروع لم يقتصر على التحليل فقط، بل أثبت كيف يمكن لعلم البيانات أن يغير القرارات الاستراتيجية في قطاع حساس مثل الشحن، ويجعل العمليات أكثر مرونة وذكاء.