10/2/2015

1

2015 ANNUAL CONFERENCE In conjunction with ATA’s

Exploring Trucking’s Connected World

October 18‐20, 2015

Philadelphia Marriott Downtown,

Philadelphia, PA

Jeremy Clopton, CPA, CFE, ACDA, CIDABKD, LLP

Transportation Data Mining: The Case for Data Analytics

ATA Antitrust Statement

All ATA meetings are held in strict compliance with applicable state and federal laws and ATA’s antitrust policies that prohibit the exchange of information among competitors regarding matters pertaining to price, refusals to deal, markets division, tying relationships and other topics which might infringe upon antitrust regulations.

No such exchange or discussion will be tolerated during this meeting. 

As an attendee it is your duty to avoid improper conversations.

10/2/2015

2

Analytics Foundations

Applications in Transportation

Application Framework

Closing Thoughts

Presentation Roadmap

Analytics Foundations

10/2/2015

3

What is Analytics?

Data Types

10/2/2015

4

Big DataInformation of extreme size, diversity and complexity.

‐ Gartner, Inc.Source: http://www.gartner.com/technology/topics/big‐data.jsp

Data Analytics…processes and activities designed to obtain and evaluate data to extract useful information and answer strategic questions...

Definitions

• ACL

• IDEA

• SQL

• SAS

• Arbutus

• IBM Cognos

• Tableau

• Spotfire

• Qlik

Common Tools

10/2/2015

5

Accounts Payable

Corporate Credit Cards

General Ledger

Payroll

Common Financial Applications

MarketingOperational Decision Making

Business Intelligence

Risk Assessment

Common Non‐Financial Applications

10/2/2015

6

Textual Analytics

Relationship Mapping

Named Entity 

Extraction

Predictive Coding

Topic Mapping

Digital Forensics

Tone Detection

Textual Analytics

Network Relationship Analysis

10/2/2015

7

Tone Detection

Topic Mapping

10/2/2015

8

Applications in Transportation

Four Major Areas of Application

Fraud Prevention & Detection

Fleet Management

Recruiting & Retention

Internal Audit

10/2/2015

9

Fraud Prevention & Detection

• Performance metrics

• Predictive maintenance analytics

• Repairs‐based analytics

• Safety analysis

• Asset existence

• Fuel purchases

Fleet Management

10/2/2015

10

• Approach to recruiting – marketing to candidates

• Analytics related to invites/shows/hires

• Costs/leads per hire

• Turnover analytics

– Causation

– Prevention

Recruiting & Retention

• Internal audit

• Operational efficiencies

• Resource allocation

Other Applications

10/2/2015

11

Application Framework

Application Framework

Data Analytics

Strategic Question

Define Objectives

Obtain Data

Develop Procedures

Analyze Results

Manage Results

10/2/2015

12

Ask a Strategic Question

• The more specific the better.

• Must have data available to answer question.

• Question can address data.

• Consider existing questions.

Define Objectives

• Steps required to answer question.

• Sub‐questions of the broader strategic question.

• Should be specific and attainable.

10/2/2015

13

Obtain Data

Work directly with IT department.

Begin communications early.

Consider cross‐training personnel.

Required data: Data for analysis

Data for follow‐up

Develop Procedures

Start simple and expand:

Single ad hoc procedure

Automated single procedure

Automated groups of procedures

Scheduled analytics

10/2/2015

14

Analyze Results

Are there false positives in the results?

What do the results tell us?

Have we found causation or correlation?

What can we do to verify/further research these results?

Have we met our objectives and/or answered the strategic question?

Manage Results

Develop a plan for follow‐up.

Consider how routinely procedures should occur.

Use results to facilitate change.

10/2/2015

15

Application Example: Fleet Management

What can we do to minimize fleet downtime due to repairs & maintenance?

Strategic Question

10/2/2015

16

• Determine impact of vehicle make/model on downtime.

• Identify common repairs and required parts.

• Identify causes of extended maintenance time.

• Determine proactive maintenance that improves downtime.

Define Objectives

• Basic vehicle information:– Make, model, year, driver, use, etc.

• Repairs &  maintenance history.

• Diagnostic information.

• Other relevant data.

Obtain Data

10/2/2015

17

• Correlation between downtime and age of vehicle.

• Average downtime by repair type.

• Average downtime by maintenance procedure.

• Correlation between repairs and maintenance schedules.

Develop Procedures

• Are there other relevant variables?

• Does the data contain false positives due to data quality?

• Have we met our objectives?

• Did we forget anything in our analysis?

Analyze Results

10/2/2015

18

• Develop a preventative maintenance plan for each vehicle make/model/year.

• Educate drivers on impact of delayed maintenance.

• Assess other operational impacts of analysis results.

Manage Results

Application Framework

Data Analytics

Strategic Question

Define Objectives

Obtain Data

Develop Procedures

Analyze Results

Manage Results

10/2/2015

19

Closing Thoughts

“ ”We’re discovering in nature that simplicity often lies on the other side of complexity.  So for any problem, the more you can zoom out and embrace complexity, the better chance you have of zooming in on the simple details that matter most.

‐Eric Berlow, TED Talk July 2010

10/2/2015

20

• Data Fluency

– Zach Gemignani, Chris Gemignani

• Forensic Analytics

– Mark Nigrini

• Data Points

– Nathan Yau

Resources

Jeremy Clopton, CPA, CFE, ACDA, CIDADirectorBKD, LLP, Forensics & Valuation ServicesPhone:  417.865.8701Email:  jclopton@bkd.com

Social MediaBlog: bkdforensics.comTwitter:  @j313LinkedIn: http://www.linkedin.com/in/jeremyclopton/

Contact Information

10/2/2015

21

Thank You ForYour Attention!

Jeremy Clopton, CPA, CFE, ACDA, CIDABKD, LLP

jclopton@bkd.com@j313http://linkedin.com/in/jeremyclopton

Questions?