Terug naar Blogs
Blog Img

Advanced Analytics gaat de tradionele supply chain voorgoed veranderen

​In de vorige blogpost "2018 wordt hét jaar van Big Data, maar waarom eigenlijk?" noemden wij terloops al even predictive analytics. Deze vorm van advanced analytics is steeds meer in opkomst. In samenwerking met andere BI-technologie gaat dit de supply chain zoals wij ‘m kennen voorgoed veranderen. Een aantal bedrijven zoals bijvoorbeeld Bol.com delen hun voorraad zo in dat het dichtbij te klant ligt en dus snel geleverd kan worden. En In 2014 legde Amazon al het patent op anticipatory shipping vast, hiermee willen zij voorspellen wat jij gaat kopen voordat jij het in je mandje gooit. Zo verkleinen ze de verzendtijd en komt een van de grote voordelen van offline shoppen, je hebt het direct in huis, te vervallen. Zo ver is het (nog) niet, maar met advanced analytics kun je de huidige supply chain ook al flink opschudden.

De vraag naar je producten voorspellen

Je producten op de post doen voordat deze daadwerkelijk zijn besteld, dat is misschien nog een beetje teveel gevraagd. Maar de vraag naar je producten is tegenwoordig wel al goed te voorspellen. Hoe langer je een product verkoopt, hoe meer inzicht jij hebt in seizoensveranderingen, klantgedrag voor een aankoop en andere variabelen die ervoor zorgen dat je steeds beter kunt voorspellen wat de vraag naar jouw product is. Zo kun je gerichter inkopen en efficiënter omgaan met je supply chain.

Je producten automatisch prijzen

Voor het prijzen van producten zoeken salesmanagers vaak zelf de antwoorden op vragen zoals: Wat is de inkoopprijs, wat doet de dollar vandaag, hoelang ligt de voorraad er al, wat zijn de opslagkosten, wat doet de concurrent en welke tijd van het jaar is het? Een hele dagtaak, zeker wanneer je meer dan één product verkoopt. Door advanced analytics kun je deze vragen automatisch elke dag stellen en je producten laten prijzen aan de hand van de antwoorden. Zo mis je nooit meer een factor in je prijsbepaling en houden salesmanagers tijd over voor andere zaken. Wanneer je dit langere tijd doet kun je zelfs het succes van een prijsstijging of prijsdaling met enige zekerheid voorspellen. Op die manier krijg je beter inzicht in de prijselasticiteit van je product(en).

Onderhoud voorspellen

Cruciale machines en apparaten voor je bedrijfsvoering moeten het altijd gewoon doen, daarom plan je regelmatig onderhoud in. Maar wanneer er met advanced analytics efficiënt gebruik wordt gemaakt van alle data die over die machines en apparaten beschikbaar zijn, kan het onderhoud worden voorspeld. Altijd een onderhoudsmonteur op het juiste moment en een waarschuwing als een van je machines zijn einddatum nadert. Dat is pas efficiënt omgaan met je resources.

Succesvolle cross-sellers en up-sales

Online- en offline kun je doormiddel van verkoopdata meten welke producten vaak samen worden gekocht. Wanneer aankoopdata zorgvuldig worden geanalyseerd met advanced analytics, kun je het juiste product, op het juiste moment, op de juiste plaats aanbieden. Waar dit vroeger gebeurde op ervaring en onderbuikgevoel, kun je dit nu baseren op data.

After sales

Ook in de aftersales valt een hoop te behalen. Door het gedrag van klanten te monitoren in combinatie met je historische dataset, kun je veel van ze leren. In welke andere producten zijn ze geïnteresseerd, zijn ze tevreden met het product en wanneer is het beste moment om ze te benaderen voor een tweede contact?

Verzamel alles voor later

De mogelijkheden van predictive analytics zijn eindeloos. Hoe meer data je hebt, hoe meer data je ook kunt gebruiken om voorspellingen te doen. De best practice is in onze ogen dan ook om zo veel mogelijk data te verzamelen en daar zo vroeg mogelijk mee te beginnen. Hoe meer historische data je hebt, hoe meer algoritmes je daar in de toekomst op los kunt laten.

Uitdagingen voor predictive analytics

Dat klinkt allemaal hartstikke mooi, maar ook predictive analytics komt met zijn eigen uitdagingen. Ten eerste kun je in de valkuil trappen van valse aannames en conclusies. Stel je voor dat uit je data is gebleken dat producten met “meer tekst” beter verkopen, dan kun je denken dat je de teksten van overige producten gewoon moet aanvullen met onzin. Dan heb je immers ook meer tekst, toch? Je gezond verstand vertelt je hier waarschijnlijk dat dit niet helemaal de bedoeling is, maar bij complexere vraagstukken liggen valse aannames op de loer. Het is daarom verstandig om je model altijd te blijven valideren en testen.

Daarnaast heeft elk algoritme en elke voorspelling een houdbaarheidsdatum. In 2012 konden we niet voorspellen dat meer dan 30% van het websiteverkeer van een smartphone zou komen. Hoe goed je algoritme ook is, sommige dingen laten zich niet voorspellen of bedenken van tevoren. Voorspellingsmethodes zullen daarom uiteindelijk altijd falen. Je kunt dit risico natuurlijk inperken door actief te blijven aanpassen, testen en valideren.

Binnen Visser en Van Baars zien wij al veel verschillende vragen voor advanced analytics specialisten binnenkomen. Wellicht moeten we op de baanontwikkeling in dit gebied ook eens een voorspellende analyse loslaten, dat is dan gelijk voer voor een nieuwe blogpost.