Die Veranstaltung „Descartes Innovation Forum“ fand vom 8. bis 10. Oktober 2024 in Chicago, Illinois, statt.  

Descartes präsentierte die neuesten Innovationen in Bezug auf seine Tourenmanagement-Plattform

Zu den wichtigsten Innovationen gehören: 

Verbesserte Interoperabilität: Bessere Integrationen zwischen Tourenmanagement-Anwendungen und Technologien zur Kundenbindung. Endkunden profitieren vom kartenbasierter Fahrertracking, von Echtzeitkommunikation und sofortigen Feedback-Umfragen.  

KI verbessert die Tourenplanung und -ausführung: Mit den Funktionen für maschinelles Lernen (ML) können Unternehmen die Qualität ihrer Touren anhand von Echtzeit- und Verlaufsdaten kontinuierlich verbessern.  

Benchmarking zur Tourenoptimierung: Benutzer können durch den Vergleich der tatsächlichen Leistung mit der Prognose Schwachstellen erkennen.  

Strategische Tourenplanung der nächsten Generation: Die Lösung für strategische Planung und Gebietsausgleich ermöglicht Anpassungen in Echtzeit, so dass sich Unternehmen leichter an veränderte Bedingungen anpassen können. 

Bewährte Verfahren und Feedback 

Die „Innovation Forum“-Veranstaltungen bieten Descartes-Kunden und potenziellen Kunden weltweit eine einzigartige Gelegenheit, mit dem Descartes-Team in Kontakt zu treten. Ziel dieser Foren ist es, bewährte Verfahren auszutauschen und wertvolles Feedback zur Produktentwicklung zu erhalten.  

Setzen Sie sich mit uns in Verbindung, wenn Sie an der Teilnahme an einer solchen Veranstaltung interessiert sind. 

Ressourcenzentrum für Flottenmanagement

Erweitern Sie Ihr Routing-, Mobil- und Telematik-Wissen

Empfohlene Artikel


Tourenplanung Software: Wichtigsten Funktionen
Diese sechs Funktionen sollten in jeder guten Tourenplanungsoftware enthalten sein.
SIG
Erfahren Sie, warum SIG, ein führender europäischer Anbieter von Gebäudelösungen, Descartes-Software einsetzt, um die Flotteneffizienz zu steigern, den Kundenservice zu verbessern und den Umsatz zu steigern.
Maschinelles Lernen und Liefermanagement: Anwendungsfälle
Hier sind einige konkrete Anwendungsfälle für maschinelles Lernen bei der Lieferung auf der letzten Meile.