Vier keer betere e-commerce logistiek door gebruik van big data

26.05.2016 | Trends | 3170 keer bekeken
Vier keer betere e-commerce logistiek door gebruik van big data

Met slim gebruik van data kunnen e-commercebedrijven hun logistieke operatie flink verbeteren. Dat is de overtuiging van Jack Pool van adviesbureau Districon. “Er zijn veel data beschikbaar, maar de vraag is hoe we al die data goed kunnen gebruiken.” Op een congres van Rijksuniversiteit Groningen (RUG) gaf Pool vier interessante voorbeelden.

Retailers en e-commercebedrijven worstelen met data, stelt Jack Pool. “Wij kregen een vraag van een bedrijf met een centraal distributiecentrum in Europa, dat zijn consumenten veel sneller wil gaan beleveren. Dat kan door warehouses in grote steden op te zetten, maar welke artikelen leg je daar neer? Dat is ook het dilemma van Amazon, dat in Manhattan een warehouse in een kantoorgebouw heeft ingericht. Dat warehouse is klein, maar Amazon heeft een gigantisch groot assortiment. Wat deel daarvan leg je dan in dat warehouse in Manhattan? Daarvoor moet je data-analyse inzetten.”

Vier keer beter
Pool geeft vier voorbeelden van concrete cases waarin data-analyse van grote waarde is geweest:

Case 1: Dropshipping.
Voor een retailer heeft Districon onderzocht welk deel van het assortiment in aanmerking komt om niet in het eigen dc op voorraad te leggen maar bij de leverancier te laten liggen. Dat blijken voornamelijk de artikelen met een lage omloopsnelheid en een hoge waarde te zijn. Door dat te implementeren heeft de retailer een kostenbesparing van 28 procent gerealiseerd.

Case 2: 3D-slotting
De meeste bedrijven kijken maar een paar keer per jaar naar de locatie van snellopers en langzaamlopers in het magazijn. Wat ze daarbij vergeten is rekening te houden met de hoogte van de picklocaties. Een artikel dat op het hoogste of laagste niveau van een legbordstelling ligt, kost vanwege het reiken of bukken meer tijd om te verzamelen. Door daarmee rekening te houden is een kostenbesparing van 5 tot 10 procent mogelijk.

Case 3: Uitlevering vanuit winkels
Voor een retailer met een e-commerce-dc in Amsterdam is onderzocht of het haalbaar is om consumenten vanuit winkels te beleveren. Met name voor regio’s verder weg kan dat een interessante optie zijn. Analyse laat zien dat het interessant is om vijftien tot twintig van de honderd winkels geschikt te maken voor het verzenden van online orders. Dat is inmiddels geïmplementeerd.

Case 4: Consumenten laten kiezen
Uit onderzoek blijkt dat tien tot twintig procent van de consumenten kiest voor een latere afleverdag dan morgen, als ze die keuzemogelijkheid maar krijgen. Doorrekenen van dit idee voor verschillende cases laat zien dat besparing van 9 tot 31 procent op arbeidskosten mogelijk zijn omdat processen in het dc voorspelbaarder worden en pieken worden afgevlakt.

Koplopers gaan verder
Om het belang van data-analyse duidelijk te maken, haalt Pool het data-model van Gartner aan. Dat model onderscheidt vier stadia in data-analyse:

1.     Descriptive analytics: wat is er gebeurd?

2.     Diagnostic analytics: waarom is dat gebeurd?

3.     Predictive analytcis: wat zal er gaan gebeuren?

4.     Prescriptive analytics: hoe kunnen we ervoor zorgen dat iets gaat gebeuren?

“De meeste bedrijven komen nog niet verder dan de eerste twee stadia, soms doen ze een beetje aan forecasting”, weet Pool. “De koplopers van dit moment daarentegen gaan wel verder en investeren in centers of excellence op het gebied van analytics.”

Marcel te Lindert - Journalist logistiek en supply chain

Blijf altijd op de hoogte
Meld jezelf aan voor de nieuwsbrief en ontvang het laatste nieuws, trends, innovaties en ontwikkelingen uit de branche.


Meld je aan voor de nieuwsbrief

Meld je nu aan voor de LogistiekProfs nieuwsbrief en ontvang het laatste nieuws, trends en aanbiedingen.

Reacties (0)

Reageren