“Een bloemkool vertoont heel ander gedrag dan een broccoli”

Veel organisaties willen data driven werken. Op basis van data feitelijke beslissingen nemen. “Maar daarvoor moet je wel de juiste kennis hebben over waar de data vandaan komt en welke data je precies nodig hebt”, zegt Roy van den Wollenberg, Senior Business Development Manager bij Ctac, in een interview met AG Connect.

Het goed kunnen voorspellen van de klantvraag wordt steeds belangrijker voor alle partners in de supply chain. Met Predictive Analytics worden Data, Machine Learning, Analytics en Procesintegratie met elkaar gecombineerd. Van den Wollenberg: “Door deze mix op een intelligente manier in te zetten, is een organisatie veel beter in staat om eerder in te grijpen in de businessprocessen. Het aanbieden van de juiste data is het belangrijkste element om het beste resultaat uit een algoritme te krijgen. Indien je dit doet, ben je effectiever en haal je meer rendement uit de algoritmen.  Daarom moet er altijd worden gestart vanuit een usecase. Die staat centraal. Door naar de historie te kijken en de effecten die betrekking hebben in het proces, zoals bijvoorbeeld pricing en promoties kan beter worden ingespeeld op klantgedrag.”

Bloemkolen

Als voorbeeld van zo’n usecase geeft Van den Wollenberg het voorspellen van de hoeveelheid bloemkolen die een supermarktketen zal verkopen. “Daarmee is het planningsproces te optimaliseren tussen de eindklant en de teler zodat er nooit ‘nee’ verkocht hoeft te worden. Dit werkt hetzelfde voor bijvoorbeeld tijdschriften. Een usecase voor een uitgeverij kan bijvoorbeeld zijn ‘wat is het beste assortiment aan tijdschriften in een winkel?’ Door te kijken wanneer een tijdschrift in welk segment interessant is en het beste aansluit bij de klantbehoefte is aan te tonen wat de beste mix is”, legt hij uit.

Na het bepalen van de usecase wordt eerst samen met de stakeholders, zoals management en business analisten, de verschillende systemen en de data hieruit geïnventariseerd. Van den Wollenberg: “Wat zijn de verkoop- en inkooppatronen en wat zijn daarop de belangrijkste invloeden? Zo zijn bijvoorbeeld promoties en acties zoals 2-voor-de-prijs-van-1 van invloed. En die promotieacties zijn ook weer voorspelbaar. Dat integreren wij allemaal in het proces. Dus niet alleen de dataset is voor ons van belang maar ook hoe een promotieset in elkaar zit en alle aspecten die daarvan op invloed zijn. Groente uit Nederland verkoopt bijvoorbeeld beter dan uit andere landen. En een bloemkool vertoont heel ander gedrag dan een broccoli!”

Gecombineerde data

En hoewel de eerste slag best makkelijk is, gaat het erom om het proces zo goed mogelijk te optimaliseren. “Daarbij is kennis essentieel. Over waar data vandaan komt, maar ook kennis van de markt – van supermarkten tot fashion. Door algoritmes kom je er namelijk ook achter welke data niet goed is. Ctac is daarmee een partij die tussen de techniek en de operatie werkt. Concreet komt dit omdat wij SAP heel goed kennen en dus waar de data binnen SAP te vinden is. Die data combineren wij weer met externe gegevens, zoals weersvoorspellingen en demografische gegevens. Dan wordt die gecombineerde data weer terug geïntegreerd in het proces, terug in SAP, op voorwaarde dat de kwaliteit goed genoeg is. Dit proces wordt iteratief uitgevoerd”, aldus Van den Wollenberg.

De waarde van Predictive Analysis ligt dan ook in datamanagement: het is belangrijk om data te snappen. Op het moment dat je de kenmerken van artikelen beter kent, vertelt dat volgens Van den Wollenberg iets over je voorspelling. Hij geeft weer een voorbeeld: “Tijdschriften die een bepaalde opmaak hebben, verkopen beter. Dat is de toegevoegde waarde. Het combineren van data uit klantsystemen, productsystemen en het kanaal. Daarmee is heel concreet te maken wat het beste assortiment is en klanten persoonlijke aanbiedingen te kunnen doen. Want uiteindelijk wil je anticiperen op het gedrag van klanten en dat net een stapje voor zijn.”