DATA DISCOVERY IN LOGISTIEK. Whitepaper

DATA DISCOVERY IN LOGISTIEK Whitepaper

1

INHOUD Management Summary

03

Data Discovery

05

B2C Logistiek

07

B2B Logistiek

10

Conclusie 13

Whitepaper: Data discovery in logistiek

2

MANAGEMENT SUMMARY De logistieke sector ondergaat ingrijpende veranderingen. De economische omstandigheden dwingen logistiek dienstverleners om hun rendement te verhogen. De impact van e-Commerce, innovatieve manieren van datacollectie en nieuwe technologie is enorm. Bovendien worden klanten – zakelijk en particulier – steeds kritischer. Ze willen dat hun orders zo snel en goedkoop mogelijk worden geleverd, op de plek en het tijdstip van hun keuze. Geen gemakkelijke opgave voor logistiek dienstverleners en transportbedrijven, want het landschap wordt alleen maar concurrerender en complexer. De inzet van big data biedt uitkomst. Want interne en externe data bevatten een schat aan informatie over de sector, klantbehoeften en eigen processen. Door slim gebruik te maken van de data die voor handen is, kunnen logistiek dienstverleners hun processen verbeteren, proactief inspelen op trends en nieuwe business modellen ontwikkelen. De logistieke sector heeft hierin een grote voorspong op veel andere sectoren. Want juist in de logistiek ligt er al enorm veel data voor het grijpen. Boordcomputers, barcodescanning, warehouse management systemen, RFID en de tachograaf van een vrachtauto: het zijn allemaal technologieën die data verzamelen en vastleggen. Als die data worden gecombineerd en geanalyseerd, leidt dat tot waardevolle inzichten. Hoge investeringen zijn daarvoor niet nodig. Sterker nog, het is een gemakkelijke manier om waarde te creëren. Bent u benieuwd met welke interne en externe data uw organisatie de bedrijfsvoering kan verbeteren? En wilt u weten hoe u nieuwe commerciële kansen kunt benutten? Een data discovery geeft het antwoord. Bij zo’n discovery leert u open en vanuit business thema’s te kijken naar uw eigen data en ontdekt u welke inzichten daarin verborgen liggen. Dit whitepaper geeft alvast een uitgebreide en onderbouwde eerste aanzet. Bovendien bevat dit paper een aantal handige praktijkvoorbeelden, zodat u een duidelijk beeld krijgt van de mogelijke toepassingen per segment (B2C en B2B logistiek).


3

BIG DATA BIEDT KANSEN De sector transport en logistiek in Nederland groeit. Sinds de tweede helft van 2013 stijgt de omzet elk kwartaal met percentages die oplopen tot 2,5 procent.1 Ook voor 2015 en 2016 verwachten analisten dankzij de aantrekkende economie een groei van meer dan twee procent per jaar.2 Ondanks de groeiende omzet hebben de transportbedrijven en logistiek dienstverleners het allesbehalve gemakkelijk. Maar liefst driekwart van de ondernemers is niet tevreden over de prijzen die zij kunnen vragen voor hun diensten. Hier en daar vindt een inflatiecorrectie plaats, maar het houdt niet over. Meer dan 60 procent van de ondernemers is dan ook niet content met de winst die ze maken, terwijl de helft toegeeft dat de financiële positie van hun bedrijf nog altijd niet sterk is. 3 ‘LOGISTIEKE RENDEMENT VERHOGEN’ De oorzaken zijn bekend. De economische crisis heeft ervoor gezorgd dat transportbedrijven diep in hun reserves hebben moeten tasten. Daarnaast is de concurrentie groot, zeker in het internationale wegvervoer dat steeds meer te duchten heeft van transportbedrijven uit Oost-Europa. Als strategie kiest een groot deel van de sector nog altijd voor ‘operational excellence’, ofwel het streven naar kostenverlaging door chauffeurs en vrachtauto’s zo efficiënt mogelijk in te zetten. De vraag is of transportbedrijven met deze strategie de negatieve spiraal van steeds lagere marges kunnen doorbreken. Nog verder verbeteren van operatie is eindig. In een gezamenlijk interview stellen Transport en Logistiek Nederland (TLN) en ABN Amro dat een excellente uitvoering in de logistiek belangrijk blijft, maar dat het bedenken van slimme logistieke oplossingen in belang toeneemt.4 ‘Het is de kunst beide competenties, denken en doen, te combineren’, stellen Arthur van Dijk, voorzitter van TLN en Bart Banning, sector banker transport en logistiek van ABN Amro. ‘Bedrijven zijn steeds afhankelijker van digitale informatie. In de totale logistieke keten stroomt enorm veel informatie die niet wordt gebruikt. De overgang van het beheren van data naar het beheersen van data moet worden gemaakt. Dat verhoogt het logistieke rendement van organisaties.’

1 CBS, ‘Kwartaalmonitor Transport en logistiek’, derde kwartaal 2014. 2 ABN Amro, Economisch Bureau Nederland, ‘Transport en Logistiek – prognoses’, 15 december 2014. 3 Transport & Logistiek Nederland, ‘Conjunctuurbericht derde kwartaal 2014’, 12 november 2014. 4 ‘Maritiem en Logistiek’, bijlage van Mediaplanet bij het Financieele Dagblad van 19 juni 2014. VERSNELLING VAN DE KETEN Dat bedrijven steeds afhankelijker zijn van informatie, komt voor een belangrijk deel door de toenemende complexiteit in de logistieke keten. Steeds meer bedrijven willen bijvoorbeeld just-in-time worden beleverd en snijden traditionele buffervoorraden uit de keten. Het gevolg is dat logistieke stromen een veel minder stabiel patroon kennen, dat de kans op verstoringen in de keten stijgt en dat de onvoorspelbaarheid toeneemt. Dit effect wordt versterkt doordat de doorlooptijden afnemen, omloopsnelheden stijgen en productinnovaties en assortimentswisselingen elkaar steeds sneller opvolgen. De complexiteit neemt toe doordat bedrijven steeds meer activiteiten uitbesteden en steeds meer markten en kanalen bedienen. Niet alleen retailers, maar ook producenten hebben internet ontdekt als kans om extra omzet te genereren. Steeds meer brand-owners openen eigen winkels, starten een eigen webshop en verkopen via marktplaatsen zoals Amazon. com, Bol.com Plaza en Wehkamp, waar ze vaak ook een deel van hun voorraad onderbrengen. Dat heeft gevolgen voor de logistiek dienstverleners die de voorraden en stromen beheren.


4

DATA BIEDEN KANSEN ÉN BEDREIGINGEN Transportbedrijven en logistiek dienstverleners die in deze complexe en snel veranderende tijden grip op hun operatie willen houden, zullen meer gebruik moeten maken van de data uit de logistieke keten. Door die (enorme hoeveelheden) data om te zetten in zinvolle informatie kunnen zij sneller reageren op vragen uit de markt en beter anticiperen op mogelijke problemen. Data-analyse helpt hen niet alleen om bottlenecks in bestaande processen te verbeteren, maar ook om nieuwe concepten te ontwikkelen die meer waarde genereren. Daarnaast kunnen data een betrouwbaar beeld van de toekomst verschaffen, zodat bedrijven tijdig daarop kunnen inspelen. Kortom, data bieden kansen in de logistiek, maar ook bedreigingen. Dat laten nieuwkomers met data-gedreven business modellen zien zoals Uber, dat de taximarkt al flink heeft opgeschud. Wat in de taximarkt plaatsvindt, kan ook in de koeriersmarkt en andere takken van logistiek gebeuren. In New York is Uber een jaar geleden al gestart met Uber Rush, een dienst waarbij elke koerier een pakket in Manhattan kan bezorgen.5 DHL is in Stockholm gestart met MyWays, een pilot waarbij particulieren een pakket in hun kofferbak of fietstas kunnen meenemen en op die manier wat extra’s verdienen.6 Wie beschikt over de data en daarmee op slimme en snelle wijze vraag en aanbod aan elkaar kan koppelen, biedt zijn klanten gemak en heeft de macht.

DATA DISCOVERY Veel bedrijven in de logistiek - niet alleen de dienstverleners maar ook hun opdrachtgevers - zien inmiddels de waarde in van (big) data. Uit onderzoek onder meer dan duizend supply chain professionals van voornamelijk grote, wereldwijd opererende bedrijven blijkt dat 97 procent vrij goed snapt dat data-analyse van grote waarde kan zijn voor hun bedrijf. Niettemin maakt slechts 17 procent van de supply chain professionals actief gebruik van data-analyse. Het vaakst genoemde bezwaar: de hoge investeringen die daarvoor nodig zijn. Andere veel genoemde tegenwerpingen: het ontbreken van een business case en het gebrek aan capaciteit.7

5 Zie http://blog.uber.com/RUSH 6 Zie http://www.myways.com 7 Accenture, ‘Big Data Analytics in Supply Chain: Hype or Here to Stay’, juli 2014


5

INTERNE EN EXTERNE DATA Dit onderzoek laat een wijd verbreid misverstand zien. Bedrijven in de logistiek hoeven niet veel geld vrij te maken om te profiteren van data. Allereerst beschikken logistiek dienstverleners vaak al over enorme hoeveelheden data die nog maar beperkt worden gebruikt. Vrijwel elke zending wordt vandaag de dag van begin tot eind op de voet gevolgd. Boordcomputers registeren niet alleen de prestaties van elke vrachtauto, maar leggen ook alle handelingen en het gedrag van chauffeurs vast. In warehouses wordt elke verplaatsing van een product middels barcodescanning, spraakherkenning of andere datacollectietechnieken nauwgezet in een database opgeslagen. Al deze data kunnen relatief eenvoudig worden verrijkt met data uit externe bronnen. Denk aan weersinformatie, filegegevens, demografische informatie en economische cijfers. Data die voorheen alleen werden gebruikt om klanten te informeren, facturen op te stellen, chauffeurs te verlonen en processen aan te sturen, bieden op deze manier een grote schat aan informatie die niet alleen inzicht in het verleden, maar ook in de toekomst geeft. Hoge investeringen zijn daarvoor niet direct of per sé nodig, wel de bereidheid om in uw eigen data - eventueel verrijkt met externe data - op onderzoek uit te gaan en te ontdekken welke inzichten daarin verborgen liggen. Als in een discovery tour. SNEL, BETAALBAAR EN VEILIG Grote investeringen in analysetools zijn evenmin noodzakelijk. De markt biedt vandaag de dag moderne cloudoplossingen, waarmee het mogelijk is op snelle, betaalbare en veilige wijze gebruik te maken van moderne tools op het gebied van dataanalyse en predictive analytics. Deze tools maken het mogelijk om verrassende nieuwe inzichten te vinden in de data die al voorhanden zijn, eventueel aangevuld met externe data. Minstens zo belangrijk als de analysetools zijn de moderne grafische visualisatietechnieken, die in één oogopslag zichtbaar maken wat in de meest ingewikkelde spreadsheets verborgen blijft. Deze technieken stellen u in staat om snel en doeltreffend in te zoomen op opvallende uitkomsten en verder te graven in de data. Heeft u zelf geen data-analisten in huis? U kunt externe kennis inhuren, zodat u eerst kunt ontdekken wat big data voor u kan betekenen en een business case kunt opstellen voordat u zelf analisten gaat inhuren en trainen. De voorbeelden uit de volgende hoofdstukken laten zien dat het mogelijk is om snel resultaat te boeken zonder hoge kosten te maken.


6

B2C LOGISTIEK: PAKKETVERVOER Pakketvervoerders onderscheiden zich wat omzetgroei betreft in positief opzicht van de andere bedrijven in de sector transport en logistiek. Dankzij de aanhoudende groei van het online winkelen hebben de pakketvervoerders in hun omzet in 2014 zien toenemen met negen procent. De omzet van deze transportbedrijven vertoont al sinds 2010 onafgebroken een stijgende lijn, wat betekent dat ze vandaag de dag 35 procent meer omzet maken dan vier jaar geleden.8 Dat de markt voor pakketvervoerders flink groeit, betekent niet per definitie dat hun winstgevendheid toeneemt. Integendeel, recent onderzoek toont aan dat veel pakketvervoerders moeten inleveren op de winstmarge. De reden is dat hun opdrachtgevers, de webwinkels, logistiek beschouwen als een dienst waarmee ze zich van concurrenten kunnen onderscheiden. Ze eisen dat hun pakketzendingen snel en tijdig worden afgeleverd, het liefst zonder daarvoor verzendkosten bij consumenten in rekening te brengen. Pakketvervoerders staan onder druk om daarin mee te gaan en lagere tarieven te hanteren dan goed voor ze is.9

8 CBS, ‘Kwartaalmonitor Transport en logistiek’, derde kwartaal 2014. 9 Transport Intelligence, ‘Global e-Commerce Logistics Report 2015’, januari 2015. TRACKING & TRACING Met name voor pakketvervoerders bieden data veel potentie. Allereerst beschikken zij al over enorm veel data. Pakketvervoerders verwerken immers relatief meer zendingen dan andere transportbedrijven. Omdat ze behalve bij bedrijven ook bij consumenten afleveren, beschikken zij over data van veel afleveradressen waarover chauffeurs en planners zelf vaak maar weinig weten. Over elke zending wordt bovendien enorm veel informatie vastgelegd. Dat begint al op het moment dat een opdrachtgever inlogt op het systeem van de pakketvervoerder en een pakket aanmeldt. Vanaf het moment dat het pakket daadwerkelijk in het sorteercentrum aankomt, wordt elke status dankzij barcodescanning real time vastgelegd: het moment van aankomst, het moment van uitsorteren, het moment van laden, enzovoorts. Vervolgens wordt de route van de chauffeur nauwgezet gevolgd en wordt het moment van afleveren real time geregistreerd, indien gewenst zelfs met handtekening van de ontvanger. Ook als de ontvanger niet thuis is en het pakket bij de buren of bij een afhaalpunt wordt achterlaten, belandt die informatie in de database. Pakketvervoerders gebruiken deze data om hun operationele processen aan te sturen en om zowel ontvangers als verzenders te informeren over de status van zendingen. Met slimme logica berekenen zij het verwachte aflevermoment (ETA) op basis van de vooraanmelding. Als een pakket niet op het verwachte moment in het sorteercentrum aankomt of in het distributieproces belandt, wordt dat door het systeem gesignaleerd en kan zowel de ontvanger als de verzender daarover proactief worden geïnformeerd.


7

BETER INZICHT LEIDT TOT BETERE DIENSTVERLENING Verborgen in al deze data ligt een schat aan informatie die pakketvervoerders de kans biedt om hun dagelijkse dienstverlening nog verder te verbeteren. Hieronder volgt een aantal mogelijkheden. • Vergroten van afleverkans. De hoge afleverkosten van pakketvervoerders worden voor een groot deel veroorzaakt door het feit dat één op de drie ontvangers niet thuis is op het moment dat de chauffeur aanbelt. Een analyse van de afleverinformatie biedt inzicht in de factoren die de kans op een succesvolle eerste aanbieding vergroten (zie het onderstaande praktijkvoorbeeld). • Verkleinen van tijdvensters. Ontvangers willen vandaag de dag niet alleen worden geïnformeerd over de afleverdag, maar ook over het verwachte tijdstip waarop een chauffeur aanbelt. Steeds meer pakketvervoerders hanteren daarvoor tijdvensters van bijvoorbeeld een halve dag of twee uur. Data-analyse leert hoe vaak een pakketvervoerder erin slaagt het pakket binnen het afgesproken tijdvenster af te leveren en welke factoren daarop van invloed zijn. Dat maakt het mogelijk om tijdvensters te verkleinen en de dienstverlening aan ontvangers te verbeteren. • Managen van verwachtingen. Er kunnen altijd redenen zijn waarom het een pakketvervoerder niet lukt om een pakket binnen het afgesproken tijdvenster af te leveren. Door gebruik te maken van externe data over bijvoorbeeld het weer en de files op de weg is het mogelijk om ontvangers proactief - bijvoorbeeld met een sms op de ochtend van de afleverdag - te informeren dat het pakket door omstandigheden later komt. • Prestaties meten van subcontractors. Zeker als pakketvervoerders tijdvensters hanteren, is het belangrijk dat de chauffeurs - vaak subcontractors - de voorgeschreven route volgen en afleveren binnen de afgesproken tijdvensters. Data-analyse maakt het mogelijk om de prestaties van subcontractors te meten en hen daarop aan te spreken. • Proactief adviseren van ontvangers. Pakketvervoerders beschikken over afleverinformatie op adresniveau. Dat maakt het mogelijk om te analyseren welke ontvangers nooit thuis zijn, zelfs niet als een afspraak is gemaakt of een notificatie is gestuurd. Door deze ontvangers te wijzen op andere afleveropties zoals ophaalpunten of pakketkluisjes kunnen pakketvervoerders zinloze afleverpogingen voorkomen en hun kosten verlagen.

PRAKTIJKVOORBEELD: VERGROTEN VAN AFLEVERKANSEN De Nederlandse tak van een grote internationale pakketvervoerder heeft recentelijk zijn database met afleverinformatie geanalyseerd met als doel de afleverkans te vergroten. De resultaten projecteerden zij vervolgens op een kaart van Nederland. Dat zorgde voor een interessant inzicht: in Noord- en Oost-Nederland wordt een pakket vaker bij de eerste aanbieding afgeleverd dan in de Randstad. Daarnaast verrijkte de pakketvervoerder zijn database met adresgegevens van het Kadaster en de Kamer van Koophandel. De data van het Kadaster geven aan op welk adres een woonbestemming of een zakelijke bestemming rust. Aangevuld met de data van de Kamer van Koophandel heeft de pakketvervoerder afgeleid op welke woonadressen een (eenmans)bedrijf wordt gerund. Omdat de kans groot is dat op die adressen iemand aan het werk is, stijgt de afleverkans. De belangrijkste conclusie van de data-analyse van deze grote pakketvervoerder is dat de afleverkans stijgt als er vooraf een afspraak wordt gemaakt met de ontvanger of als er een notificatie wordt gestuurd met het verwachte aflevertijdstip. Dat klinkt voor de hand liggend, maar de gevolgen van deze wetenschap zijn groot gebleken. Nu zwart op wit is aangetoond hoeveel effect het maken van afspraken of het sturen van notificaties heeft, is de pakketvervoerder erin geslaagd intern meer aandacht voor deze ontwikkelingen te vragen en ruimte te creëren voor investeringen.


8

BEDRIJFSVOERING DUURZAAM VERBETEREN Inzichten uit data helpen niet alleen om de afleverkans te vergroten en de afleverkosten te verlagen, maar ook om meer zicht op de operatie te krijgen, processen te verbeteren en de omzet te vergroten. Een aantal mogelijkheden voor pakketvervoerders om hun bedrijfsvoering duurzaam te verbeteren: • Voorspellen van de vraag. Pakketvervoerders beschikken over een enorme database met historische gegevens over pakketzendingen. Als deze database wordt aangevuld met externe data zoals historische weersinformatie of gegevens over economische ontwikkelingen - denk aan de groei van de webwinkelverkopen door de jaren heen - kunnen de factoren worden geïdentificeerd die van invloed zijn op het totaal aantal pakketzendingen. Dat maakt het mogelijk om de vraag naar pakketdiensten op een bepaalde dag te voorspellen, zodat de pakketvervoerder op tijd weet hoeveel chauffeurs en/of subcontractors hij moet inschakelen. Een voorspelling op lange termijn geeft aan welke investeringen in wagenpark of sorteercentra nodig zijn om aan de toekomstige vraag te voldoen. • Identificeren van commerciële kansen. De data van pakketzendingen leveren niet alleen veel informatie op over de ontvangers, maar ook over de verzenders, de klanten van de pakketvervoerders. Analyse van bijvoorbeeld het aantal pakketzendingen per klant en de wijze waarop die klant zijn pakketten aanmeldt en aanlevert, geeft ideeën voor aanvullende diensten en input voor commerciële onderhandelingen. • Analyseren en optimaliseren van processen. Dankzij alle scans die tijdens het ontvangen, sorteren, laden en afleveren van pakketten worden vastgelegd, is exact te achterhalen welke route elk pakket heeft afgelegd en op welke punten het proces stagneert. Waarom geeft het sorteersysteem in dat ene depot zo veel meer foutmeldingen dan in de andere depots? Hoe kan het dat vooraangemelde pakketten van die ene klant zo vaak niet op het verwachte moment arriveren? Hoe kan de aanvoer van pakketten beter over de verschillende sorteercentra worden verdeeld? Het zijn allemaal vragen waarop data-analyse antwoord kan geven. Kortom, data discovery biedt niet alleen de mogelijkheid om de dagelijkse operatie te verbeteren en de afleverprestaties te vergroten, maar ook om middellange of lange termijn processen te optimaliseren, nieuwe kansen te identificeren en eventueel zelfs de strategie aan te passen.


9

B2B LOGISTIEK Voor logistiek dienstverleners die zich richten op de zakelijke markt, liggen er volop kansen om zich in positief opzicht van de concurrentie te onderscheiden en de klantwaarde te vergroten. Dat heeft alles te maken met de toenemende complexiteit en de versnelling van logistieke ketens. Logistiek dienstverleners vervullen daarin een cruciale rol; zij vormen de verbinding tussen de verschillende schakels. Logistiek dienstverleners die controle hebben over zowel de goederenstromen als de informatiestromen, zijn in staat om te anticiperen op mogelijke ontwikkelingen en proactief te reageren op verstoringen. De inzichten die door analyse van informatiestromen ontstaan, kunnen de opmaat vormen voor innovatieve concepten waarmee logistiek dienstverleners meer waarde voor de keten genereren. Een aantal logistiek dienstverleners speelt daarop in met het opzetten van ‘control towers’, van waaruit logistieke ketens kunnen worden gemanaged. Veelzeggend is dat dergelijke control towers steeds vaker worden opgezet door bedrijven zonder eigen warehouses of vrachtauto’s, maar met slimme IT-systemen. VOLOP DATA Terwijl bij pakketvervoerders de omvang van een zending vaak niet groter is dan één of twee dozen, praten logistiek dienstverleners in de zakelijke markt vaak in termen van pallets of full truck loads. Het aantal zendingen ligt daarom relatief laag, maar de hoeveelheid informatie die wordt vastgelegd is vaak enorm groot. Vandaag de dag is vrijwel elke vrachtauto uitgerust met een boordcomputer, die continu real time informatie doorstuurt naar kantoor. De belangrijkste informatie betreft de GPS-gegevens, waardoor de planners op kantoor voortdurend de positie van de verschillende vrachtauto’s kunnen zien en gemakkelijk spoedopdrachten of retourvrachten kunnen inplannen. De meeste boordcomputers zijn echter ook gekoppeld aan de tachograaf en de CAN-bus van de vrachtauto. Daardoor wordt informatie over rij- en rusttijden en informatie uit het motormanagementsysteem zoals brandstofverbruik en toerental vastgelegd. Bovendien zijn boordcomputers er ook om de chauffeur aan te sturen en te registreren wanneer hij gaat rijden, laden, lossen, tanken of rusten. Logistiek dienstverleners die behalve transport ook warehousing verzorgen, beschikken vaak over een warehouse management systeem waarin elke activiteit in het warehouse wordt vastgelegd. Met behulp van barcodescanning, spraakherkenning, RFID en andere datacollectietechnieken zoals pick-to-light worden alle handelingen van medewerkers real time vastgelegd, vanaf de goederenontvangst tot aan het moment dat een order wordt verzameld, verpakt en verzonden. Logistiek dienstverleners die als 3PL (third-party logistics provider) optreden en uit naam van hun opdrachtgevers een hele keten regisseren, beschikken niet alleen over data van de activiteiten die zij zelf verzorgen, maar ook van activiteiten die door andere logistieke partijen worden uitgevoerd. Voor hen is controle over de informatiestroom een voorwaarde om de goederenstroom goed te kunnen aansturen.


10

PRAKTIJKVOORBEELD: REDUCEREN VAN WACHTTIJDEN Een van de grootste logistiek dienstverleners van levensmiddelen in Nederland heeft al zijn boordcomputergegevens geanalyseerd. Het doel: onderzoeken hoe lang vrachtauto’s moeten wachten bij de distributiecentra van de ontvangende partijen. Eerder onderzoek heeft namelijk aangetoond dat de gemiddelde tijd tussen aankomst en vertrek bij een distributiecentrum anderhalf uur bedraagt, met uitschieters naar twee of zelfs drie uur. Een verrassend resultaat, want het laden of lossen zelf neemt hooguit een half uur in beslag.10 De analyse van de logistiek dienstverlener onderschrijft dat de wachttijden per distributiecentrum enorm verschillen. Daarnaast laten de data zien dat de wachttijd per chauffeur ook flink uiteen kan lopen. Terwijl de ene chauffeur de planning niet zo nauw neemt en geen haast maakt, trekt de andere chauffeur eerder aan de bel als het distributiecentrum hem laat wachten. Op basis van deze bevindingen, worden chauffeurs voortaan aangesproken op onnodig lange wachttijden. De meest opvallende uitkomst van de data-analyse is dat veel chauffeurs van het bedrijf de wachttijden niet goed registreren. Zodra een chauffeur bij een distributiecentrum arriveert, dient hij op zijn boordcomputer op ‘aankomst’ te drukken. Als hij door de portier is ontvangen, maar nog niet kan lossen (en al wel een docknummer en laad- of lostijd heeft gekregen), dient de chauffeur op ‘wachten’ te drukken. Veel chauffeurs vergeten dat echter, met als gevolg dat een groot deel van de wachttijd niet wordt geregistreerd. De logistiek dienstverlener heeft uitgerekend dat daardoor vele honderden uren per jaar niet worden doorberekend aan de klant. Dat betekent dat het bedrijf veel loonkosten maakt waar geen vergoeding tegenover staat, maar ook dat de kostbare voertuigen erg inefficiënt worden ingezet. Deze inzichten zijn onder meer gebruikt bij contractonderhandelingen en tariefbesprekingen met klanten.

10 Caroz, ‘NK Speed Docking 2014. Data- en procesanalyse van goederenontvangst bij 13 retail distributiecentra; ontwikkeling van verbetervoorstellen om verblijftijden te reduceren’, juli 2014. PROCESSEN OPTIMALISEREN, NIEUWE KANSEN CREËREN Data kunnen leiden tot nieuwe inzichten die logistiek dienstverleners in staat stellen om processen te optimaliseren en nieuwe kansen te creëren. Een aantal voorbeelden: • Identificeren van bottlenecks. Analyse van boordcomputergegevens maakt het mogelijk om bottlenecks in de processen op te sporen en te elimineren, denk bijvoorbeeld aan wachttijden (zie ‘Praktijkvoorbeeld: reduceren van wachttijden’). Inzicht in wachttijden kan reden zijn om gesprekken met opdrachtgevers, ontvangers en/of chauffeurs aan te gaan in een poging om deze onnodige kosten te elimineren. Ook de data uit warehouse management systemen bieden mogelijkheden om bottlenecks te identificeren en processen te optimaliseren. In welke gang in het warehouse hebben orderpickers de meeste tijd nodig? Welke medewerker heeft moeite met welke taken? • Versnellen van orderpickprocessen. Veel producten worden vaak gelijktijdig besteld, denk aan een beeldscherm met bijbehorende kabel of een broek met bijpassende riem. Analyse van de orderpick-activiteiten geeft inzicht in de artikelen die vaak gelijktijdig worden gepickt. Daarbij is het niet alleen interessant om te kijken naar de orders, maar juist ook naar de orderpick-opdrachten in het warehouse. Wie deze artikelen bij elkaar legt, kan de loopafstanden beperken en daarmee de orderpickkosten - vaak de grootste kostenpost in het warehouse – reduceren. • Voorspellen van storingen. Logistiek dienstverleners die niet alleen de gegevens uit het motormanagementsysteem van vrachtauto’s registreren maar ook informatie over storingen en onderhoud vastleggen, hebben alle data in handen


11

om toekomstige storingen aan materieel te voorspellen en preventief onderhoud in te plannen. Dat voorkomt niet alleen vrachtauto’s die onverwacht uitvallen, maar ook kosten om de problemen als gevolg daarvan op te lossen. • Vergroten van de synergie. Logistiek dienstverleners die voor meerdere opdrachtgevers rijden, creëren daaruit vaak maar weinig synergie. Zelfs als die opdrachtgevers gemeenschappelijke klanten hebben, weten logistiek dienstverleners daarvan niet te profiteren omdat de afgesproken levertijden en leverfrequenties verschillen. Data-analyse maakt het mogelijk om te onderzoeken waar mogelijke synergievoordelen liggen (zie ‘Praktijkvoorbeeld: maken van een spoorboekje’). Logistiek dienstverleners die gewapend met dat inzicht gesprekken met opdrachtgevers aanknopen om levertijden en leverfrequenties op elkaar af te stemmen, kunnen goederenstromen bundelen, een hogere beladingsgraad realiseren en kosten verlagen. • Anticiperen op verstoringen. Logistiek dienstverleners die als een 3PL de regie over complete logistieke ketens voeren, zijn gebaat bij actueel zicht op de keten. Door de data uit verschillende bronnen real time te analyseren, kunnen zij verstoringen in een vroegtijdig stadium signaleren en daarop anticiperen. Als in China een container de boot naar Rotterdam mist, kunnen de negatieve gevolgen daarvan worden voorkomen door de lading deels of geheel per vliegtuig te vervoeren.

PRAKTIJKVOORBEELD: MAKEN VAN EEN SPOORBOEKJE Een logistiek dienstverlener liet zijn planners elke dag opnieuw een ritplanning maken, maar had het vermoeden dat veel vrachtauto’s elke dag dezelfde adressen aandeden. Analyse van alle ritten die in een half jaar tijd zijn uitgevoerd, leert dat inderdaad veel ritten telkens weer grote overlap vertonen. Op basis van dit inzicht heeft de logistiek dienstverlener besloten om vaste ritten te maken van de adressen die telkens weer tot één rit worden gecombineerd. Dit ‘spoorboekje’ maakt het leven van de planners een stuk gemakkelijker. De voorspelbaarheid is toegenomen, waardoor de planners meer inzicht hebben in het benodigde aantal chauffeurs. Ook klanten profiteren, omdat de aankomsttijd bij het losadres beter kan worden voorspeld. Daarnaast biedt het spoorboekje kansen om de beladingsgraad van de vaste ritten, zowel heen als terug, verder te optimaliseren. De commerciële medewerkers van het bedrijf kunnen nu immers langs de route gericht op zoek gaan naar nieuwe klanten met extra lading. De analyse laat tevens zien dat sommige klanten waaraan weinig wordt verdiend, toch een grote praktische functie hebben, omdat ze zorgen voor een hogere beladingsgraad of efficiëntere planning.


12

CONCLUSIE Het moge duidelijk zijn: big data is meer dan een hype. Het heeft niet alleen de potentie om de dagelijkse operatie te verbeteren en afleverprestaties te vergroten. Maar ook om trends te voorspellen, nieuwe kansen te identificeren en de strategie aan te passen. Een data discovery geeft inzicht in hoe uw organisatie deze beloften kan verzilveren. Het geeft handvatten om waarde te creëren en de omzet te vergroten. De voorbeelden uit dit whitepaper zijn niet uitputtend, integendeel. In de praktijk blijkt telkens weer opnieuw dat data discovery een ontdekkingsreis is met verrassende inzichten en onverwachte uitkomsten. En in die ontdekkingsreis is er slechts één garantie, namelijk dat er in uw database waardevolle inzichten verborgen liggen. Wees dus goed voorbereid: u gaat zaken ontdekken die uw blikveld verruimen en de mogelijkheden vergroten.


13

Whitepaper: Data discovery in logistiek INERGY Pelmolenlaan 19 3447 GW Woerden 0348 45 76 66 [email protected] wwww.inergy.nl

© inergy, februari 2015

14

DATA DISCOVERY IN LOGISTIEK. Whitepaper

Recommend Documents