Voorspellingen op basis van logistieke data

Een ritplanning die wordt afgestemd op de filedruk en het weer. Goederen die zonder bestelling naar distributiecentra worden gestuurd. Of een navigatiesysteem dat van tevoren al weet welke route je gaat rijden naar je bestemming. In de logistieke sector wordt de toekomst voorspeld met predictive analytics. De grote hoeveelheid data die in de logistiek aanwezig is, wordt met predictive analytics omgezet in voorspellingen waarmee processen beter worden benut. Zo is in magazijnbeheer het optimale gebruik van de opslagcapaciteit erg belangrijk. Door de opslagcapaciteit en de leveringsroutes te optimaliseren kan veel voordeel worden behaald, constateert Uniserv, specialist in customer data management.

Bij predictive analytics worden alle gegevens met betrekking tot ontvangst van goederen, opslag- en leveringsprocessen geanalyseerd en geoptimaliseerd. Amazon stuurt bijvoorbeeld al pakketten op voorhand naar distributiecentra, omdat uit de data is gebleken dat die besteld gaan worden. Er wordt ook voorspeld hoeveel goederen op welke magazijnlocatie kunnen worden opgeslagen. Zo is er een duidelijk beeld van de benodigde voorraad, wat ook kan betekenen dat er van producten veel minder voorraad aanwezig hoeft te zijn. Dit resulteert in een verlaging van de voorraadkosten door de dalende voorraadniveaus en dalende transportkosten door een minder groot aantal ritten.

Stipte leveringen in pakketdienst

Predictive analytics-methoden helpen de complete levering efficiënt in te plannen. Grote logistieke dienstverleners en pakketdiensten bieden hun klanten informatie aan wanneer zij hun levering kunnen verwachten. De pakketdienst DPD bijvoorbeeld biedt haar klanten een tijdvenster van minder dan 60 minuten waarbij de chauffeur in het laatste kwartier precies op een kaart te volgen is. Met miljoenen pakketten per jaar, zijn deze prognoses op basis van historische gegevens en met behulp van predictive analytics methoden goed te voorspellen.

Het vermijden van lege ritten

Logistieke dienstverleners maken gebruik van predictive analytics om de efficiëntie te optimaliseren en de transportkosten te verlagen. Volgens het CBS rijden er ruim twee miljoen bedrijfsvoertuigen op de Nederlandse weg die in 2015 meer dan 518 miljoen ton goederen vervoerden. Ongeveer een kwart van deze reizen zijn lege ritten. Dit is een enorme kostenpost en een onnodige belasting voor personeel, materieel, wegen en het milieu. Steeds meer bedrijven verzamelen en evalueren de transactiegegevens van hun bedrijfsvoertuigen om op basis van deze gegevens prognoses te maken en de ritten te optimaliseren.

Alles draait om data

De uitspraak: “Data is de olie van de 21^e eeuw” geldt in het bijzonder voor predictive analytics. Alle prognoses worden gemaakt op basis van historische gegevens die beschikbaar zijn in het bedrijf. Hieruit blijkt een direct verband tussen de kwaliteit van de gegevens en de kwaliteit van de prognoses. Om de kwaliteit van de gegevens te garanderen en zo betrouwbare prognoses te kunnen doen, heeft Uniserv een proces- en oplossingsmethodiek ontwikkeld: Ground Truth. Deze methodiek zorgt voor een database van gegarandeerde kwaliteit op basis waarvan gegevensanalyses kunnen worden uitgevoerd. Ground Truth zorgt ervoor dat klantgegevens (adresgegevens, koopgedrag, aankoopgeschiedenis, voorkeuren en tracks die de klant achterlaat tijdens bezoeken op het internet en sociale media) worden samengebracht uit alle beschikbare systemen. Al deze gegevens samen vormen het ‘Golden Profile’, dat voor het eerst een juist en actueel 360 graden customer view mogelijk maakt.

De Ground Truth-methode beschermt bedrijven tegen valse voorspellingen die op basis van onjuiste gegevens worden genomen, waardoor verkeerde zakelijke beslissingen worden voorkomen. Op deze manier kunnen logistieke bedrijven hun magazijnbeheer en routeplanning echt optimaliseren.