Después de analizar 2 años de datos operativos y más de 50,000 decisiones de transporte, hemos identificado patrones que cambiarán radicalmente cómo entendemos el negocio.
"El camión más cercano es siempre la mejor opción"
Carga: Valencia → Milán
Opción A: Camión en Valencia (0 km)
Opción B: Camión en Barcelona (350 km)
Resultado sorprendente:
- Opción A: Queda atrapado en Milán 3 días, vuelve vacío
- Opción B: Enlaza con carga Milán→Barcelona mismo día
- Diferencia: +€1,200 a favor de Opción B
Analizando los datos, encontramos que el 82% de las cargas siguen patrones repetitivos:
LUNES: Industrial → Puertos (80% probabilidad)
MARTES-MIÉRCOLES: Distribución equilibrada
JUEVES: Puertos → Centros distribución (75% probabilidad)
VIERNES: Centros → Zonas urbanas (85% probabilidad)
Podemos predecir con 85% de precisión dónde habrá demanda en las próximas 48-72 horas
Valor Posición (€/día esperado):
Barcelona Puerto: ████████████ €1,200
Valencia Puerto: ████████ €800
Madrid Centro: ███████████ €1,100
Zaragoza PLAZA: ██████████████ €1,400
Bilbao Industrial: ████ €400
Sevilla: ██████ €600
Valor Posición = (Demanda × Tarifa Media × Probabilidad) - (Competencia × Factor Tiempo)
Caso estudiado: Decisión tomada lunes 8:00 AM
T+0h: Enviar camión Barcelona → Valencia (decisión)
T+6h: Camión disponible en Valencia
T+8h: No hay carga inmediata (consecuencia 1)
T+24h: Acepta carga marginal a Castellón (consecuencia 2)
T+30h: Atrapado en Castellón sin demanda (consecuencia 3)
T+48h: Retorno vacío a base (consecuencia 4)
T+72h: Pierde carga premium por mala posición (consecuencia 5)
Pérdida acumulada: €2,850
Cada decisión subóptima genera una cascada de 4-5 problemas adicionales en las siguientes 72 horas
1. Alta oferta de cargas Valencia → Norte
2. Todos envían camiones a Valencia
3. Saturación: 8-10 camiones para 3-4 cargas
4. 6 camiones vuelven vacíos
5. Escasez en otras zonas
6. Se repite el ciclo
Frecuencia: 2-3 veces/semana
Costo: €15,000/semana
1. Viernes: todos quieren posicionar para el fin de semana
2. Aceptan cargas marginales para "acercar a casa"
3. Lunes: flota mal distribuida
4. Rechazos masivos de cargas
5. Reposicionamientos urgentes
Frecuencia: Semanal
Costo: €25,000/semana
1. Cliente VIP pide servicio urgente
2. Desviamos mejor camión disponible
3. Ruta regular queda descubierta
4. Cascada de reajustes subóptimos
5. 5-6 rutas afectadas
Frecuencia: 5-6 veces/mes
Costo: €8,000/evento
Descubrimos que la decisión de esperar vs reposicionar sigue una curva predecible:
Probabilidad de Carga vs Tiempo de Espera:
0-4h: ████████████ 95% (ESPERAR)
4-8h: ████████ 70% (EVALUAR)
8-12h: █████ 45% (DUDOSO)
12-24h: ██ 20% (REPOSICIONAR)
>24h: █ 10% (SIEMPRE REPOSICIONAR)
Lo que los dispatchers creen:
La realidad de los datos:
Anticipar 24 horas = 3x valor
Decisión Reactiva (actual):
- Carga aparece → Buscar camión → Asignar
- Éxito: 70%
- Margen: €200
Decisión Anticipada (SIGA):
- Predecir carga → Preposicionar → Capturar
- Éxito: 95%
- Margen: €600
"Optimizar cada ruta individualmente lleva a un óptimo local que es 40% peor que el óptimo global"
Optimización Individual:
- Ruta A: 100km (óptima)
- Ruta B: 120km (óptima)
- Ruta C: 110km (óptima)
- Total: 330km
- Problema: 3 camiones terminan en misma zona
Optimización Sistémica (SIGA):
- Ruta A: 130km (subóptima)
- Ruta B: 140km (subóptima)
- Ruta C: 115km (subóptima)
- Total: 385km (+17%)
- Beneficio: Camiones bien distribuidos
- Resultado: +€1,800 en cargas siguientes
Preposicionar en "hubs ocultos"
Romper los 3 ciclos viciosos
Decisiones con horizonte 48h
Valorar posiciones, no distancias
Anticipar vs reaccionar
El negocio de transporte no es mover cargas de A a B. Es tener los activos correctos en el lugar correcto en el momento correcto para capturar el máximo valor.
"No preguntes dónde está el camión, pregunta dónde debería estar mañana"