Upload
others
View
9
Download
0
Embed Size (px)
Citation preview
Bike sharingSolución de movilidad urbana inteligente
02
Approach FS
03
Caso Bicing
04
Wrap up
01
Bike sharing
Contexto
3
En 2050 más de dos tercios de la población vivirá en ciudades
Aumento progresivo de población en las ciudades
Incremento del uso de la bici eléctrica compartida como alternativa sostenible a la movilidad urbana
Compartidas- vehículos en las calles
Eléctricas+ sostenibles + ecológicas
Digitales+certeza +inmediatez
Saludables+ágiles y vitales
Bike sharing. Solución movilidad urbana inteligente
Contexto EspañaBike sharing. Solución movilidad urbana inteligente
25.000de bicis públicas en el España
53sistemas en España
Número de bicis públicas en España Número de sistemas de bike-sharing en España
22.500
25.50025.250
24.000
25.000
2014 2015 2016 2017 2018
6560
55 54 53
2014 2015 2016 2017 2018
4
• Número de bicis públicas es España aumenta reduciéndose el número de sistemas.
• Tendencia a incrementar áreas (bicis y estaciones) en las renovaciones de los sistemas.
• Consolidación y crecimiento de los sistemas eficientes.
Contexto. Modelo
5
Bike sharing. Solución movilidad urbana inteligente
Riesgo demanda Canon por servicio Mixto
Características CaracterísticasCaracterísticas
• Ingresos por uso, abonos y publicidad.
• Publicidad se incluye dentro del alcance.
• Cesión del suelo y responsabilidad total del adjudicatario sobre los resultados.
• No se entiende como servicio público.
• Ingresos por canon y por demanda.
• La publicidad como vía de ingresos adicional.
• Dependiendo del peso del canon es considerado un servicio de transporte público.
• Ingresos por canon.
• La publicidad como vía de ingresos adicional.
• Generalmente, mejor experiencia de usuario.
• La ciudad entiende el bike sharing como servicio al ciudadano.
03
Caso Bicing
04
Wrap up
01
Bike sharing
02
Approach FS
Approach FSBike sharing. Solución movilidad urbana inteligente
7
• Colaboración con la Ciudad
• Complementariedad
• Operaciones como core business
• Servicios digitales. Tecnología palanca
• B2G. Foco en el ciudadano. B2G2C
• Mejora operativa basada en datos
Bike sharing como servicio al ciudadano
PBSC como socio estratégico
Excelencia operativa. KPIs para medir resultados
Transición de capacidades y perfiles en FS
Servicios con alto peso del usuario final
Analítica de datos como pieza fundamental
Approach FSBike sharing. Solución movilidad urbana inteligente
8
Equipo de datos multidisciplinar
Open data
Fase de licitación
Fase de implantación
Fase de operaciones
• Conocer usos reales
• Entender flujos de movimiento
• Dimensionar operaciones
• Clave para la transición
• Planificación instalación de estaciones
• Primeros datos
• Movimientos de recolocación
• Decisiones en tiempo real
• Cumplimiento de KPIs
• Eficiencia operativa
Datos propios generados
04
Wrap up
01
Bike sharing
02
Approach FS
03
Caso Bicing
Caso Bicing
10
Bike sharing. Solución movilidad urbana inteligente
7000bicicletas
10años + 5 prórroga
173Trabajadores
519estaciones
142M€ingresos
Cliente Gestión
6000mecánicas
1000eléctricas
Transición a más e-bikes en función de la usabilidad. Toma de decisión en base a datos en tiempo real
Datos del servicio
+114.020 *usuarios
1.034.687 *usos mensuales
* Datos Ene 2020
Uso de la bicicleta
27,9mintiempo medio de viaje
361,95km * recorrido por bici al mes
10,59media de uso por bici eléctrica/día
6,28media de uso por bici eléctrica/día
Caso Bicing. SoluciónBike sharing. Solución movilidad urbana inteligente
• Nuestro producto:
• Bicicletas eléctricas y mecánicas.
• Estaciones modulares y mixtas.
• Sistema antivandálico.
• Eficiencia operativa.
• Plataforma tecnológica usabilidad probada.
• Analítica de datos.
11
32Km/h
60Km autonomía
Caso Bicing. Operaciones
12
Bike sharing. Solución movilidad urbana inteligente
• 38 vehículos con remolque de diseño propio, para circular
por las calles estrechas de Barcelona.
• Vehículos evolucionados en función a los datos recogidos.
Oficinas centrales | Talleres | Almacén
C/ Rafael Barradas, Hospitalet de Llobregat
Central logística operativa | Parking flota
C/ Venezuela, Barcelona
100%Vehículos eléctricos
Caso Bicing. Analítica de datos
13
Bike sharing. Solución movilidad urbana inteligente
Análisis de datos en la preparación de la licitación:
• Plan de negocio de la licitación.
• Dimensionar las operaciones >>> localización de las bases.
• Capacidad de entender la estrategia de terceros en otras ciudades. Open
data.
• Posibles propuestas alternativas para situar estaciones.
Información visual sobre:
• Uso que se hace de la estación por horas y días.
• Análisis de las estaciones más o menos utilizadas.
• Flujos de movimiento.
Operaciones
14
Análisis de datos (I)
Caso Bicing. Analítica de datos
15
Bike sharing. Solución movilidad urbana inteligente
Análisis de datos en la instalación del sistema:
• Estrategia de co-habitación. Reto del contrato.
• Planificación y coordinación con operador saliente y Ayuntamiento.
• Medición de KPIs y niveles de actuación durante el proceso.
Impacto real:
• Aprendizaje continuo y base de datos >>> homogenización de calidad.
• Recogida de aguas pluviales.
• Arquetas y pozos de registro.
• Conexión eléctrica de acera a vial.
Caso Bicing. Analítica de datos
16
Bike sharing. Solución movilidad urbana inteligente
8estaciones/ día
424estaciones a sustituir
3 mesesplazo de ejecución
Implantación del sistema
Análisis de datos en la operación del servicio:
• Dashboard con toda la información almacenada en backend.
• Disponibilidad de las estaciones y de las bicicletas.
• Información financiera.
• Información de usuarios y operadores. Números totales de usos.
• Rutas y equipos rebalanceo de bicicletas.
• Comportamiento predictivo dependiendo del día de la semana.
• Toma de decisiones con información real en tiempo real >>> flexibilidad.
Impacto real:
• Medición y control KPIs operativos.
• Análisis predictivos sobre el uso de las estaciones.
Caso Bicing. Analítica de datos
17
Bike sharing. Solución movilidad urbana inteligente
18
Impacto real de la IA:
• Herramientas de software para optimizar la analítica de datos.
• Herramientas de machine learning.
• Capacidad de incluir análisis externos para ver patrones:
• Open data.
• Meteorlogía.
• Comportamientos e-commerce/eventos.
• Predicción de la demanda y optimización de la operación.
Impacto real:
• Disminución del número de casos donde las estaciones se quedan
ocupadas o vacías al 100%. KPI de contrato.
Caso Bicing. Inteligencia Artifical
19
Bike sharing. Solución movilidad urbana inteligente
01
Bike sharing
02
Approach FS
03
Caso Bicing
04
Wrap up
Wrap-upBike sharing. Solución movilidad urbana inteligente
21
• Primeros contratos con datos en tiempo real >>> Toma de decisiones.
• Flexibilidad para corregir y adaptar el sistema.
• Permite mantener al usuario en el centro al conocer su respuesta.
• Datos/IA clave para optimizar servicios con alta carga operativa.
• Impacto en todo el ciclo del servicio: preparación de la oferta,
implementación y operación del sistema de bike sharing.
• Palanca para tener ventaja competitiva. Retorno probado y medible en
contratos en servicio.
Roadmap:
• Identificación de ciudades más propicias a que sea un sistema exitoso.
• En base a datos, trabajar propuestas de manera proactiva con las
ciudades.
GRACIAS
Bike sharingSolución de movilidad urbana inteligente