Terug naar de tekentafel: nieuwe data-uitdagingen door corona

Menig datamodel is vastgelopen of levert onbetrouwbare resultaten. Dat is één van de opvallende gevolgen van de coronacrisis. De data waarmee ze worden gevoed zijn onverwachts veranderd. Niemand had bijvoorbeeld deze plotselinge verandering van het consumentengedrag voorzien. Hoe daarmee om te gaan? Flexibiliteit is de sleutel.

Tot twee maanden geleden was het leven van een voedselproducent overzichtelijk. De productdistributie werd ingericht op een bekende verdeling voor supermarkten en horeca. Dat was nog vóór consumenten massaal aan het hamsteren sloegen, hun bestedingspatroon aanpasten en de vraag vanuit restaurants drastisch afnam. E-commercebedrijven draaien op hun beurt plotseling overuren en cloudbedrijven maken een nieuwe groeispurt door.

Toon creativiteit

Wat al deze bedrijven gemeen hebben is dat ze datagedreven hun beslissingen nemen, voorspellende modellen gebruiken en data integreren. Om zo efficiënt mogelijk te werken en zo bijvoorbeeld hun goederen op de juiste plek te krijgen. Punt is alleen dat de onderliggende modellen inaccurate output leveren. Het gedrag waarmee ze zijn gevoed is ongekend. Het lijkt zelfs onwaarschijnlijk dat we ooit weer terugkeren naar de oude situatie. Menigeen heeft al nieuwe gewoonten ontwikkeld of gezien dat uitgaven toch niet zo noodzakelijk blijken.

Voorspellen is daardoor op veel plekken moeilijker geworden. Maar behalve een uitdaging is het vooral een kans. Het biedt de mogelijkheid flexibiliteit in te brengen. En daarvoor moeten we ons nu van onze creatiefste kant laten zien.

Zoek daarmee de transformatie

Tot op heden baseerden bedrijven veel van hun datagedreven beslissingen op basis van business rules en historische patronen. Deze pandemie leert ons dat dit niet voldoende is. Het is een uitgelezen kans om AI-modellen te integreren die rekening houden met variërend menselijk gedrag en andere databronnen. Daarmee krijgen de bedrijven een veel beter advies. Een goed voorbeeld daarvan is één van onze klanten, een grote koffieproducent. Nu we massaal thuiswerken draait het bedrijf op maximale capaciteit. Iets dat grote impact heeft op het onderhoud van de machines. De vraag is hoe lang die situatie houdbaar is. Zouden de voorspellende modellen voortaan rekening houden met grote gedragsafwijkingen, dan is het bedrijf een volgende keer waarschijnlijk beter in staat zich ten minste aan te passen aan zo’n ‘nieuwe normaal’. 

Voor anderen is dit hét moment om hun creativiteit en innovatiekracht te tonen. Door methodologieën te combineren of die van buiten het eigen werkveld in te zetten, zijn ze in staat te transformeren. De data-inzichten zijn bijvoorbeeld te gebruiken om nieuwe marktkansen en verdienmodellen te vinden. Voor weer anderen betekent creativiteit het benutten van nieuwe technologieën om in te spelen op veranderende eisen. Denk daarbij aan het gebruik van live beeldanalyses om te zien of mensen anderhalve meter afstand tot elkaar bewaren. Kortom, deze context dwingt bedrijven buiten de eigen kaders te denken en gereedschappen in te zetten die ze normaal vergeten.

Outside the box

Om te bepalen waar de grootste kansen liggen is het in ieder geval zaak de feiten te verzamelen. Waar in de data zie je dat systemen op dit moment kraken? Daarmee wordt duidelijk waar bijvoorbeeld efficiënties in de supply chain zijn aan te brengen. 

Voor het vinden van nieuwe verdienkansen creëer je vervolgens een zo goed mogelijk zicht op het veranderende consumentengedrag. Een 360-graden beeld van wat heet de klantreis geeft de juiste analytics om waar te nemen welke touchpoints verandering laten zien. En waar optimalisaties vervolgens nut hebben. Een horeca-ondernemer is bijvoorbeeld gewend te werken met een goede samenstelling van een scherpe prijs en de optimale hoeveelheid mensen op zijn vierkante meters. Met het wegvallen van de inkomsten kan diegene er nu voor kiezen met digitaal bestellen de omzet aan te vullen. Een alternatief is om juist outside the box te denken. Wanneer klanten niet tussen plastic schermen hoeven te eten zijn zij wellicht bereid meer te betalen dan een prijsoptimalisatiemodel voor mogelijk houdt. De meters die de ondernemer daardoor niet kan benutten worden zo toch op een andere manier goedgemaakt.

Andere mindset

Om welke bedrijfstransformatie deze tijd ook vraagt, het is goed om als onderneming eens stil te staan bij de positie die je nu inneemt. Waar wil je vervolgens heen en om welke strategie vraagt dit? Behalve toegankelijke data en inzichten om die koers te volgen is het noodzakelijk de verandering eigen te maken en op te nemen in de organisatie. Want behalve een technische verandering, is dit ook een omslag in denken. 

Als antwoord op de online piek besloot HEMA onlangs enkele winkels als distributiecentra in te zetten. Zo’n distributiewijziging is niet eenvoudig en vraagt om creativiteit en het gebruik van krachtige datamodellen. Niettemin speelt de mens een sleutelrol. Succes volgt alleen als medewerkers flexibel genoeg zijn om hun nieuwe rol te omarmen. Alleen als zij continu multidisciplinair worden (bij)geschoold, zijn caissières op gezette tijden ook inzetbaar voor de e-commercelogistiek. 

Startpunt

De vraag die hierop volgt is waar te beginnen. We zetten enkele suggesties voor je op een rij.

Kijk naar je huidige datamodellen en de performance daarvan en stel jezelf de volgende vragen:

1. Zijn zowel de performance als de inzichten nog op niveau?
2. Zijn er aanpassingen nodig voor een post COVID-19 crisissituatie?
3. Zijn er nieuwe data nodig om de voorspellingen voor nu en de toekomst optimaal te maken?

Kijk naar naar je supply en distributieketen en stel de volgende vragen:

1. Zijn er crisisaanpassingen gedaan die langdurig blijven en daardoor om optimalisatie vragen?
2. Zijn er processen verder te automatiseren?
3. Is digitalisering noodzakelijk om zodoende flexibeler te zijn?
4. Zijn intelligentie en real-time inzichten in de processen van toegevoegde waarde?

Kijk naar je medewerkers en collega’s en stel jezelf de volgende vragen:

1. Beschikken we over voldoende inzicht in de vaardigheden en flexibiliteit om deze tijdens de crisis te benutten?
2. Hebben we onze mensen op een betrokken manier kunnen informeren en inzetten waar mogelijk?

Kijk naar de huidige businessmodellen en stel jezelf de volgende vragen:

1. Waar zien we nieuwe kansen en om welke data-investering vraagt dit?
2. Welke extra inzichten zijn noodzakelijk om toekomstplannen te kunnen maken?

Deze pandemie leert ons flexibel te zijn én geeft daarmee een blik op de toekomst. Het vermogen om te veranderen is een blijvende vereiste.

Over de auteurs: Ana Maldonado is data science practice lead en Ryan Price is data & artificial intelligence lead Nederland bij Avanade.