Big Data Analytics in logistics: exploration of application fields and value.

In recent years, “Big Data” raised the attention of academics as well as practitioners for its potential to transform the entire business process. Many studies discuss the benefits and motivations to adopt Big Data Analytics (BDA) in Logistics companies without presenting tangible evidence of value creation or in terms of performance improvements. The existing literature suggests a research gap regarding BDA adoption and value generation in Logistics. In this thesis, we investigate through a literature review the main application fields of BDA in logistics and we identify the most relevant beneficial dimensions for firms adopting this technology. The objective of this study is to bridge the gap between industry practice, and academic theory, through the contribution of new knowledge on these topics. By leveraging on Big Data, we developed data mining predictive models that allow the selection of the courier that is expected to perform better by analyzing simultaneously several factors. This thesis provides highly practical insights into current research and introduces an element of novelty: the adoption of BDA can support tactical and operational decision-making processes. We believe that the findings of this dissertation can contributepractitioners, examining the potential benefits of investing in BDA for their business, and will assist future researchers investigate practical applications of BDA in logistics context. There are still several possible improvements that could be made, so further studies can expand on this research to provide practical knowledge and experience by collecting and sharing similar case studies.

Negli ultimi anni, i "Big Data" hanno riscontrato grande attenzione da parte degli accademici e professionisti per il suo potenziale di trasformare l'intero processo di business. Numerosi articoli rintracciati nella letteratura accademica dibattono i principali benefici e le motivazioni per l'adozione del Big Data Analytics (BDA) nelle aziende operanti nel settore della logistica. Tuttavia, senza presentare prove tangibili della creazione di valore o l’impatto concreto in termini di miglioramento delle prestazioni. La letteratura esistente suggerisce un gap di ricerca per quanto riguarda l'adozione BDA e la generazione di valore di questa tecnologia nella logistica. In questa tesi, analizziamo attraverso una literature review i principali campi di applicazione di BDA nella logistica e identifichiamo le dimensioni benefiche più rilevanti per le aziende che adottano questa tecnologia. L'obiettivo di questo studio è quello di colmare il divario tra la pratica industriale e la teoria accademica, attraverso il contributo di nuove conoscenze su questi argomenti. Facendo leva sui Big Data, abbiamo sviluppato modelli predittivi di data mining che consentono di selezionare il vettore logistico che si presume performerà meglio considerando simultaneamente diversi fattori sulla base dei dati storici. Questa tesi fornisce numerosi spunti pratici alla ricerca esistente ed introduce un elemento di novità: l'adozione di BDA può inoltre supportare i processi decisionali tattici e operativi. Riteniamo che i risultati di questa tesi diano un contributo significativo per gli esperti della logistica per esaminare i potenziali benefici ottenibili dell'introduzione di tecniche BDA nelle aziende, e aiuterà i futuri ricercatori che desiderano indagare su applicazioni pratiche dei BDA in logistica. Ci sono numerosi diversi miglioramenti che è possibile apportare al nostro studio, quindi ulteriori ricerche possono ampliare questo lavoro per fornire ulteriori sviluppi, raccogliendo e condividendo casi di studio simili.