Datawetenschap in de logistiek

Hans groen op 26 november 2019 | 7 minuten leestijd

Datawetenschap is het multidisciplinaire onderzoeksveld waar statistiek, data-analyse en aanverwante methoden worden verenigd. Het doel van datawetenschap is het creëren van waarde uit ongestructureerde data. Binnen de logistiek liggen er veel kansen om dit toe te passen maar data-maturiteit blijkt vaak een struikelblok.

Het kunnen analyseren en toepassen van de toenemende hoeveelheid Big en Small Data biedt ongekende kansen om logistieke keten te optimaliseren en meer maatwerk toe te passen. De vraagdynamiek vraagt om nieuwe oplossingen en inzichten. Data-integratie en -maturiteit zijn daarbij randvoorwaardelijk. 

Elk jaar verzamelen organisaties meer en meer informatie. Big Data vanuit de omgeving maar ook veel Small Data. Laatstgenoemde is de data die opgesloten ligt in de beschikbare systemen, zoals ERP en WMS. Denk aan de vele informatie die barcodescanning oplevert. Door de toenemende capaciteit van IT-systemen en de dalende kosten kunnen we meer en meer data opslaan en verwerken. De ontwikkelingen rondom Big Data en IoT genereert steeds meer data die door organisaties benut kunnen worden. Hier begint het terrein van datawetenschap.

Waarom datawetenschap?

Het toepassen van Datawetenschap leidt aantoonbaar tot betere bedrijfsresultaten en optimalere supply chains. Zo bouwde Shell een analyseplatform op basis van software van verschillende leveranciers om voorspellende modellen te gebruiken om te anticiperen om meer dan 3.000 verschillende olie-boormachine-onderdelen. De tool, gehost in de cloud van Microsoft Azure, heeft Shell naar eigen zeggen geholpen de voorraadanalyse te verminderen van meer dan 48 uur tot minder dan 45 minuten. Daardoor worden miljoenen dollars per jaar bespaard op de kosten voor het verplaatsen en heralloceren van voorraad.

De huidige techniek biedt veel meer mogelijkheden en oplossingen dan de vroegere Operational Research-benaderingen die veelal middels spreadsheets werden bijgehouden. Het grote verschil is ook dat bedrijven nu meer en meer over data van buiten de organisatie beschikken, met name over het koopgedrag en de voorkeuren van consumenten. 

Toepassingen datawetenschap

De meest voor de hand liggende toepassing is het optimaliseren van netwerk- of transportplanningen. Welke route is optimaal, welke modaliteit moet ik gebruiken, wat doe ik zelf of besteed ik uit? Dit zijn vragen die vroeger complexe spreadsheets vergde en vaak was de data ‘verouderd’ of incompleet. Het resultaat is dat veel bedrijven ‘blind’ gaan op de ervaring en inzichten van de planners. Deze planners zijn nog altijd van groot belang voor de juiste check & balances (common sense check), maar tools vanuit de datawetenschap kunnen de resultaten van complexe vraagstukken in zeer korte termijn voorleggen aan de organisatie. Ook het inrichten van uw nieuwe warehouse kunt u benaderen middels datawetenschap. Op grond van de beschikbare data, beleidskaders en operationele limieten kan een optimale inrichting sneller doorgerekend worden. Daarbij kan ook direct gekeken worden of goederen naar de man toegaan of de man naar de goederen. Voor de inrichting van uw warehouse een fundamentele beslissing.

Voorkom opslingereffecten

Elke supply chain manager is bekend met opslingereffecten. Te trage informatie, vervorming hiervan of onjuiste informatie leidt tot verkeerde beslissingen in de supply chain en creëert een bullwhip. Hieruit volgt dat de volgende zaken van groot belang zijn:

  • Uw data dient op orde te zijn. Niet alleen tijdig en betrouwbaar maar deze data dient ook aan bepaalde dataformats te voldoen zodat deze vrijelijke uitwisselbaar is. Vaak besteden dataspecialisten veel tijd aan het ‘manipuleren’ van data zodat het leesbaar wordt voor hun systemen. 
  • Inegratie van ketens is altijd belangrijk geweest in supply chains. Maar als u werkelijk voordeel wilt halen uit datawetenschap wordt het een harde voorwaarde. Investeren in datawetenschap kan en zal veel voordeel bieden, mits u bereidt bent door de gehele keten data realtime in de juiste formats te delen, maar ook de analyses en beslissingen die daaruit volgen. Nog altijd zijn vele warehouses niet optimaal gevuld en vele vrachtwagens rijden met halve vrachten. Benutten van deze lege capaciteit levert alle partijen voordeel op in termen van kosten, snelheid, betrouwbaarheid en duurzaamheid. 

Uitdagingen datawetenschap

Veel data is aanwezig maar niet beschikbaar. Data zit in de aanwezige systemen maar dit ontsluiten en toepassen is vaak een groot probleem. Zeker als het gaat om crossover-verbindingen tussen de verschillende systemen. Datavelden met gelijke of aansluitende informatie blijkt vaak niet te matchen waardoor manuele correkties nodig zijn. Hierdoor beginnen bedrijven vaak niet aan deze klus. 

De datamaturiteit is doorgaans onvoldoende. Data is niet consistent over de systemen heen, onvolledig of onjuist. Denk bijvoorbeeld aan het verschil tussen de klokuren van medewerkers versus de registratie-uren voor de verloning van medewerkers. Ook de interpretatie van specifieke informatie leidt vaak tot fouten. Dit zie je vaak binnen HR-systemen als het gaat om de vele verschillende vormen van verlof. Veel systemen zijn opgebouwd op grond van de veel gebruikte en beschikbare data, maar ontberen vaak de opties om data te gebruiken op grond van behoefte. De vraag is dus: heeft u wel de juiste data? Vanuit het beleid van de organisatie is het opportuun om goed na te denken welke informatie en daarmee welke data u nodig heeft.

Doordat data vanuit zoveel verschillende systemen komt, zowel intern als extern, is het vaak onduidelijk wie de eigenaar is van de data. Wie is er verantwoordelijk dat de data beschikbaar is in het juiste format? En wie beslist over de formats en de distributie. In de waan van de dag schiet deze rol er vaak bij in bij managers. Een datawetenschap-afdeling die onafhankelijk opereert, kan zorgen voor goed beheer en toezicht van Big en Small Data binnen uw organisatie. Deze afdeling kan ook toezien op de GDPR-compliance van uw data. 

Bedenk als u data gebruikt dat het altijd een beperkte weergave van de realiteit is. Uw planners en specialisten zullen daarom altijd nodig blijven. Verkeerde aannames door blind te varen op de uitkomsten van algoritmes kan tot vervelende situaties leiden. Realiseer ook dat data, hoe goed deze ook is, altijd historisch is. Update dus doorlopend uw data maar realiseer u ook dat data verouderd kan zijn. Voor deze issues is het van belang dat er een goed managementsysteem aanwezig is dat de juiste checks en balances waarborgt.

MKB

Datawetenschap is niet alleen voor grote multinationals. Elke organisatie kan op verschillende niveaus gebruik maken van datawetenschap en voordeel genereren. Elke organisatie, klein of groot, heeft veel data die ongebruikt verborgen zit in haar systemen. Een datawetenschapper weet hoe die data ontsloten en toegepast kan worden. Duur hoeft het niet te zijn. Er zijn steeds meer cloud-oplossingen waar uw organisatie bij kan aansluiten. Door het shared business model blijven de kosten vaak beperkt. 

Samengevat

Er zijn een aantal terugkerende thema’s die spelen bij toepassen van datawetenschap en het gebruik van Big en Small data.

Datawetenschap vereist een andere strategie van de organisatie. U dient een goed inzicht te krijgen in het speelveld van uw organisatie. En in welke mate uw organisatie dat speelveld kan volgen en bedienen. Wat gaat u wel doen en wat niet? En hoe vertaalt u dat naar uw organisatie? Het voorspellen van marktontwikkelingen is een uitermate complexe zaak door de volaliteit en toenemende onzekerheid in de markt. U kunt meer en beter inzicht verwerven met datawetenschap, maar het is alsnog geen absolute zekerheid. Menselijk inzicht is meer van belang dan voorheen zodat u zeperds bespaard blijven. 

Door de verschillende profielen van organisatie is er geen one size fits all-oplossing. U dient uzelf goed te laten informeren over wat mogelijk is en wat uw werkelijke behoefte is. Neem daar gerust de tijd voor. Voor het MKB geldt daarbij ook dat goed rondkijkt welke initiatieven er zijn in de markt en of u daarbij kunt aansluiten. Zo kunt u toch voordeel behalen met datawetenschap zonder dat u een kostbare afdeling hoeft op te tuigen.  

Door: Hans Groen – Adviseur supply chain & performance management