• Analítica de Negocio
  • Viajes y Transporte

Delhivery : Fomentando la excelencia operativa para la logística de terceros

RESUMEN

  • 1
    millón de paquetes enviados por día en temporada alta
  • 50+
    datos recopilados por paquete
  • 4
    GB de datos de paquetes ingestados por día

Decisiones tomadas en minutos

Gracias a la capacidad de visualizar y explorar datos en tiempo real en Kibana, Delhivery puede tomar decisiones operativas rápidas y continuar mejorando el servicio y la eficacia.

Productividad de la red del 90 %

Delhivery puede detectar y mitigar bloqueos rápidamente dentro de su red de envíos, con lo cual mantiene niveles altos de rendimiento y minimiza los retrasos en la cadena.

Flexibilidad para escalar y experimentar

El servicio Elasticsearch Service en Elastic Cloud permite a Delhivery escalar sin inconvenientes su despliegue y, al mismo tiempo, acceder fácilmente a las características más recientes de Elastic Stack. Esto permite a Delhivery seguir enfocándose en la expansión de su negocio de logística en lugar de la administración de la infraestructura de TI.


Visión general de la empresa

Delhivery fue fundada en 2011 y evolucionó rápidamente desde su enfoque inicial en el envío a la puerta hasta convertirse en el proveedor líder en el servicio de la cadena de suministros. Gracias a una amplia red de 19 centros de clasificación automatizada, miles de centros de envío, 14,000 vehículos y 21,000 miembros de equipos, la empresa envía un promedio de un millón de paquetes por día.

Delhivery se destaca por su manera de optimizar la velocidad de esta red e irrumpir en la industria de logística de la India. Gracias a la información provista por Elastic Stack, Delhivery brinda una rentabilidad sin precedentes y un servicio cada vez más rápido a más de 100,000 clientes, incluidas pequeñas, medianas y grandes empresas, y plataformas de comercio electrónico líderes. Esta información permite una toma de decisiones más rápida, lo cual es fundamental para el éxito de Delhivery.

"Elastic nos da la capacidad de tomar decisiones en treinta minutos o menos, y eso es vital. Tiene un impacto en el costo, en los ingresos y en todos los aspectos importantes para las partes interesadas."

Kapil Bharati, Cofundador y CTO | Delhivery

El viaje de Delhivery con Elastic

Fomentar la excelencia operativa para la logística de terceros

Delhivery se lanzó en 2011 como un servicio de envíos hiperlocal, centrado en servicios de entrega hasta la puerta, como el envío de productos alimentarios y flores dentro de Gurgaon, ubicada en la frontera de Delhi. No obstante, pasaron pocos meses desde el inicio de este emprendimiento hasta que los cofundadores de la empresa comenzaron a interesarse en una oportunidad de mayor magnitud en torno al comercio electrónico. La industria tan solo estaba empezando a crecer en la India, pero los cofundadores pudieron ver el potencial y, hacia mediados de 2011, Delhivery consiguió su primer cliente de comercio electrónico. A partir de ese momento, Delhivery se centró en resolver los desafíos de logística del comercio electrónico, incluida la velocidad del envío.

La velocidad era un punto débil en esos primeros días. No solo debía tenerse en cuenta la experiencia del comprador, ya que los vendedores también se veían afectados. La economía de la India se basa en el dinero en efectivo, y la mayor parte de los vendedores debían esperar hasta realizar el envío para recibir el pago, de modo que, si el envío se retrasaba, también lo hacían las ganancias.

La única manera en que Delhivery podía resolver este problema era optimizar la eficacia de toda su red de envíos, lo cual se logró con la ayuda de Elastic. Elastic Stack permite a Delhivery buscar, analizar y visualizar millones de datos recopilados de su red de envíos a diario. Gracias a esta información, la empresa continúa aumentando la velocidad y la eficacia de los envíos, y da forma a la logística futura.

Crecimiento exponencial de los negocios y los datos

A fin de mantener un alto nivel en las operaciones, Delhivery debe saber qué está sucediendo en todo momento. Delhivery captura datos de campo cada 20 minutos, entre ellos, el tamaño, la ubicación y el estado de todos sus envíos. Con el tiempo, se acumulan más de 50 datos por paquete, los cuales se pueden utilizar para generar la inteligencia y la eficacia de la red de envíos.

Originalmente, los datos se indexaban y analizaban en MongoDB. Sin embargo, cuando Delhivery incrementó sus envíos diarios de 500 a 9,000 en el segundo año, el crecimiento de los datos fue enorme. Se volvió más difícil y llevaba más tiempo analizar y fragmentar los datos para extraer nueva información a fin de mejorar el rendimiento.

“Siempre estamos experimentando con diferentes herramientas y tecnologías, y comenzamos a buscar una solución que hiciera más simple agregar y explorar nuestros datos”, explica el cofundador y CTO, Kapil Bharati. “Vimos algunos dashboard desarrollados por Kibana y pensamos que podríamos incluir todos nuestros datos en Elastic. Pronto se convirtió en una herramienta muy útil para nosotros”.

Mejorar la eficacia y la velocidad

La primera aplicación de Delhivery, lanzada en 2013, que utilizaba Elastic Stack 2.x era una serie de dashboards customizados que permitían a los vendedores de comercio electrónico rastrear sus propios envíos. Estos dashboards aún se utilizan actualmente y brindan a los vendedores los datos de geolocalización en tiempo real de todos sus paquetes, con lo cual se reduce la dependencia del centro de llamadas de Delhivery.

La empresa ahora utiliza internamente una gama de dashboards para rastrear sus paquetes y controlar el rendimiento. Estos dashboards, desarrollados por Kibana, permiten al equipo del centro de control de Delhivery detectar rápidamente bloqueos o retrasos en la red de envíos. De este modo, el equipo puede analizar visualmente los datos subyacentes para identificar las causas raíz.

“Con Kibana, podemos observar todo lo que ocurre en tiempo real y, si vemos que los envíos se detienen en un lugar específico, podemos abordar el problema de inmediato y alertar de forma proactiva a nuestros clientes”, explica Kapil.

Un análisis más profundo de los mismos datos a lo largo del tiempo ayuda a Delhivery a identificar oportunidades para mejorar el rendimiento. Esto podría suponer la optimización de las rutas de los paquetes o la incorporación de más miembros en los equipos para administrar los períodos de mayor actividad.

“Uno de los mejores aspectos de Kibana es que no es necesario ser un experto en tecnología para utilizarla, por lo que nuestros equipos de operaciones pueden crear dashboards complejos y customizados para tomar mejores decisiones”, comenta Kapil.

Mejorar la inteligencia y la escala

Inicialmente, Delhivery administraba sus propios clusters, pero esa tarea se volvió más difícil a medida que escalaba y se enfrentaba a un aumento de la actividad durante los meses festivos de la India. A fin de administrar esos desafíos de escalado y hospedaje, Delhivery se convirtió en uno de los primeros usuarios de Elasticsearch Service (actualmente en Elastic Cloud y antes en Found.no). Desde ese momento, la relación de Delhivery con Elastic se expandió junto con sus operaciones.

“Trasladarnos a un servicio administrado nos dio más flexibilidad para escalar y nos permitió enfocarnos en nuestras actividades principales”, explica Karan Argarwal, arquitecto y gerente general de ingeniería de Elasticsearch. “Analizamos otras opciones a través de los años, incluida la oferta de Elasticsearch de Amazon, pero continuamos con Elasticsearch Service debido a que es administrado por expertos y siempre nos ofrece acceso a las últimas características de Elastic Stack”.

Delhivery aprovecha mejor esas características luego de una actualización reciente de la versión 5.x a la 6.5, que no presentó ningún inconveniente gracias a la ayuda del soporte de Elastic. La actualización también incorporó tipos de nodos dedicados en sus clusters, lo que permitió optimizar la memoria y CPU, así como estabilizar el rendimiento.

Delhivery recopila más de cinco millones de datos todos los días, incluidos los datos geográficos de los paquetes. Los datos fluyen de Kafka a Logstash, y a un cluster de Elasticsearch, donde se utilizan para alimentar los dashboards de Kibana y las aplicaciones personalizadas.

Arquitectura de datos de transacciones/eventos
Arquitectura de datos de log

Kibana continúa siendo fundamental para la administración y el control de las operaciones diarias, con las características de seguridad de Elastic Stack utilizadas para controlar a qué datos puede acceder cada individuo. Esto permite a Delhivery garantizar la seguridad y la privacidad de los datos y, al mismo tiempo, permitir el acceso a Kibana a los equipos de toda la empresa, así como mostrarlos a los clientes finales de comercio electrónico.

Los equipos pueden visualizar una amplia gama de métricas de rendimiento en Kibana y utilizar Elasticsearch para buscar anomalías y tendencias. Por ejemplo, si el centro de control observa que el rendimiento de la red de envíos disminuye al 97 %, puede observar el rendimiento de cada instalación y continuar filtrando los datos para identificar el problema. También puede optar por controlar aspectos específicos de la red utilizando las API de Elastic Stack para crear widgets front-end con visualizaciones incorporadas.

“La interfaz y la documentación de API que respalda Elastic Stack son muy buenas y logran que sea más fácil experimentar y crear rápidamente nuevos widgets y visualizaciones a medida que surgen diferentes necesidades”, dice Karan. “Para una empresa en este espacio que innova rápidamente, de verdad cuenta con la mejor documentación que he visto”.

De envíos hasta la puerta a proveedor de logística de categoría mundial

Gracias al soporte proactivo de Elastic, Delhivery optimizó la salud y la estabilidad de sus clusters, y continúa aprovechando las nuevas características y capacidades de Elastic Stack. Está analizando el uso de Elastic APM para el control y la alerta de los sistemas de administración de transporte y almacenes, y microservicios, así como para los objetos visuales del rastro de almacenamiento de solicitudes e interoperabilidad. Delhivery también está investigando el uso de Canvas como forma de crear dashboards conectables para los equipos de sus instalaciones y, de este modo, reducir la dependencia en los dashboards customizados para diversos casos de uso. Estos dashboards otorgarían a los operadores y administradores datos claros y procesables que muestren las fluctuaciones en tiempo real de los paquetes y otros eventos presentes en cada instalación.

“Actualmente, estamos llevando a cabo más experimentos y analizando nuevas características y productos, como machine learning, que le permitirían a nuestro centro de control hacer predicciones sobre la capacidad y el rendimiento de nuestra red de envíos. Por ejemplo, si hay un aumento en la actividad de un centro, podemos analizar qué podría ocurrir en otras instalaciones de la cadena”, explica Kapil.

La inteligencia y la eficacia obtenidas mediante machine learning, y los casos de uso potenciales de Canvas y Elastic APM, ayudarán a Delhivery a impulsar su expansión y capacidad de innovación. En la actualidad, Elastic Stack ayuda a Delhivery a tomar decisiones mejores y más rápido sobre todos los aspectos, desde la asignación de recursos hasta dónde debería construir su próxima instalación, pero tienen planes ambiciosos de irrumpir aun en mayor medida en la industria de la logística con un sistema operativo y una plataforma que otros también podrían aprovechar.

Clusters de Delhivery

  • Clusters
    2
  • Ambiente de deployments
    Elasticsearch Service en Elastic Cloud en AWS
  • Documentos
    Express Cluster: 86,906,895

    Core Cluster: 94,409,502
  • Índice de ingesta diario
    Express cluster: promedio de 470/s con máx. de 1000/s

    Core cluster: promedio de 10/s con máx. de 50/s
  • Indexaciones
    Express cluster (indexaciones mensuales agrupadas en 2 alias): 29

    Core Cluster: 15
  • Tasa de búsqueda
    Express cluster: promedio de 270/s con máx. de 400/s

    Core cluster: promedio de 10/s con máx. de 15/s
  • Especificaciones del nodo
    Core Cluster: 3 instancias de CPU altas de m5 cada RAM de 8 GB y disco de 64 GB

    Monitoreo: 1 instancia alta de E/S clásica de RAM de 4 GB y disco de 96 GB

    Express: 4 instancias altas de datos de E/S cada RAM de 58 GB y disco de 1.7 TB

    3 instancias maestras r4 cada RAM de 4 GB y disco de 8 GB 2 instancias Ml m5 cada RAM de 4 GB y disco de 8 GB