Kod pocztowy jest wygodny przy przypisywaniu dostaw do magazynu. Sam jednak niewiele mówi o tym, ile pracy wymaga obsługa obszaru. Pod jednym kodem może być zwarta zabudowa z wieloma zamówieniami, pod innym rozproszone adresy i długie dojazdy.
Przy projektowaniu sieci potrzebuję porównać popyt, koszt obsługi i czas przejazdu na tej samej mapie. W autorskim modelu wykorzystałem do tego H3, czyli system podziału powierzchni na komórki, w większości sześciokątne. Analiza objęła Polskę, a następnie pięć hipotetycznych lokalizacji magazynowych w Warszawie.
Jedna mapa dla zamówień, kosztów i zasięgu
H3 pozwala przypisać współrzędne adresu do komórki o własnym identyfikatorze. W tej samej komórce można zestawić zamówienia, czas obsługi, koszty i terminowość. Po zmianie granicy strefy dostaw dane o jej poszczególnych fragmentach nadal da się porównywać.
Powierzchnia komórek na tym samym poziomie nie jest identyczna. Około 0,74 km² dla poziomu 8 to średnia światowa dla komórek sześciokątnych. Wskaźnik zamówień na kilometr kwadratowy należy więc obliczać z rzeczywistej powierzchni danej komórki.
Kody pocztowe mogą pozostać w cennikach, umowach i systemach operacyjnych. H3 daje dodatkowy podział do analizy bez konieczności przebudowy całego sposobu rozliczania dostaw.
Poziom siatki trzeba dobrać do decyzji
H3 ma 16 poziomów rozdzielczości. Przy ocenie sieci magazynów przydają się większe komórki, a przy analizie dzielnicy dokładniejszy podział. Poziom powinien odpowiadać decyzji oraz szczegółowości dostępnych danych.
Drobniejsza siatka nie poprawi dokładności adresów ani statystyk obejmujących całą gminę. Zwiększy natomiast liczbę obszarów do porównania. Zacząłbym od poziomu, który pozwala dostrzec różnice istotne dla przypisania dostaw, bez dzielenia mapy na komórki z pojedynczymi zamówieniami.
Potencjał rynku wymaga sprawdzenia na zamówieniach
W analizie Polski połączyłem dane o ludności z NSP 2021 z danymi GUS o wynagrodzeniach z maja 2025 roku. Ludność przypisałem do siatki H3, a dane ekonomiczne dołączyłem na poziomie gmin.
Potencjał obliczyłem jako liczbę mieszkańców pomnożoną przez stosunek lokalnej mediany wynagrodzeń do mediany krajowej. Ten roboczy wskaźnik pozwolił porównać obszary bez historii sprzedaży konkretnej firmy.
Taki wskaźnik jest przybliżeniem. Wyższe wynagrodzenia nie przesądzają o liczbie zamówień mebli, AGD czy zakupów spożywczych. Dane gminne nie opisują też różnic dochodowych między sąsiednimi osiedlami. Przeniesienie ich na drobniejszą siatkę nie zwiększa dokładności źródła.
Dla firmy mającej własne dostawy zacząłbym od ich historii: adresów, rodzaju usługi, czasu obsługi i kosztu. Dane demograficzne wykorzystałbym pomocniczo, zwłaszcza do oceny miejsc, w których firma jeszcze nie sprzedaje.
Pięć lokalizacji i różne czasy dojazdu
Dla Warszawy i otoczenia przygotowałem model obejmujący 295 komórek H3 na poziomie 7 oraz pięć hipotetycznych lokalizacji małych magazynów. Czasy przejazdu policzyłem przez PTV Matrix Routing API z profilem samochodu osobowego EUR_CAR.
W granicy 10 minut dojazdu znalazło się 21% obliczonego potencjału. Dla 15 minut było to 51%, dla 20 minut 70%, a dla 30 minut 93%. Wydłużenie limitu z 15 do 20 minut zwiększyło więc pokrycie o 19 punktów procentowych.
Te wartości opisują wynik konkretnego modelu i wybranych lokalizacji. Pozwalają porównywać warianty sieci, ale nie oznaczają, że taki odsetek klientów otrzyma zamówienie w 10 czy 20 minut. Do czasu przejazdu dochodzą przygotowanie towaru, oczekiwanie na wyjazd, wcześniejsze przystanki i obsługa klienta.
Przed wykorzystaniem wyniku do ustalenia oferty dostawy trzeba przeliczyć go dla używanej floty, pór wyjazdu i konkretnych adresów. Profil samochodu osobowego nie uwzględni wszystkich ograniczeń pojazdu dostawczego.
Co z tego wynika dla rozwoju sieci?
Zestawienie popytu z czasem dojazdu pomaga wskazać obszary wymagające bliższej analizy. Duży potencjał i długi dojazd mogą uzasadniać sprawdzenie nowej lokalizacji magazynu. Nakładające się zasięgi są podstawą do porównania, który magazyn powinien przejąć obsługę.
Granica komórki nie uwzględnia jednak rzeki, torów ani dostępności mostów. Dwa sąsiednie obszary mogą wymagać długiego przejazdu między nimi. Dlatego o przypisaniu dostaw powinny decydować również sieć drogowa, dostępne załogi i czas potrzebny na wykonanie usług.
Kolejność wizyt i wykonalność tras trzeba obliczyć dla adresów klientów z uwzględnieniem okien dostaw i ograniczeń pojazdów. Zagregowany potencjał komórki nie wystarczy do przygotowania planu pracy kierowcy.
Na początek porównałbym obecny podział z jednym wariantem zmiany, na przykład przekazaniem części obszaru sąsiedniemu magazynowi. Na tych samych zamówieniach można wtedy sprawdzić koszt dostawy, obciążenie załóg i terminowość. Dopiero taki wynik daje podstawę do zmiany granic obsługi lub inwestycji w nową lokalizację.