In drie stappen een beter e-logistics proces

Als consument wil je zelf je tijdslot kunnen boeken, zoals dit al tien jaar geleden bij Albert Heijn Online kon. Bovendien zijn er steeds meer verschillende varianten in de kanalen van verkoop naar levering. De transitie naar een omni-channel strategie is daarom voor veel bedrijven best een uitdaging. Hoe krijg je inzicht in wat de klant echt wil en wat de kosten en opbrengsten zijn van elk kanaal? Gelukkig is er steeds meer data voorhanden over de logistieke uitvoering, om van 'issues' juist 'opportunities' te maken. Het ene bedrijf onderneemt een grote transitie in digitalisering en e-commerce, het andere bedrijf doet alleen het noodzakelijke in online om niet achter de feiten aan te lopen. We leren van V&D dat dit laatste niet altijd verstandig is...

Welke strategie je ook kiest, met soms eenvoudige tools kun je met je data al heel veel inzicht krijgen voor het maken van 'fact-based decisions' in plaats van gevoel en intuïtie. Volgens de Data-driven maturity matrix zijn er drie niveaus van het toepassen van data:

Welke strategie je ook kiest, met eenvoudige tools kun je met data al veel inzicht krijgen voor het maken van 'fact-based decisions'

Descriptive: het inzichtelijk maken van actuele en historische data middels allerlei dashboards en KPI's, met tools zoals Power-BI, R, Spotfire of Tableau. Grote retailers gebruiken deze technieken om de cost-to-serve van elk kanaal inzichtelijk te krijgen. Ook krijg je transparantie in actuele ETA's, hoe de chauffeur rijdt, waar klanten vaak niet thuis zijn en retouren.

Predictive: het voorspellen op basis van (historische) data. Relevant is het verwachte aantal orders, volume, gegeven de trends gedurende het jaar, de week en de dag. Juist in e-commerce kan dit behoorlijk variëren. Door inzicht in deze variantie kun je ook bij je capaciteitsbepaling vervolgens inschatten hoe groot de 'flexibele schil' moet zijn.

Prescriptive: het optimaliseren van al je plannen, gegeven alle (geforecaste) data. Het optimaliseren van een goede personeelsplanning, productieplanning en routeplanning, maar ook welke opdrachten besteed ik uit (bijv. in binnensteden) en aan wie? Hoe voorkom ik no-shows, retouren en hoe bereken ik of het zelf doen van 2-mansleveringen lucratief gaat zijn?

Succesverhalen uit de praktijk

Er zijn steeds meer praktische voorbeelden beschikbaar: AH Online met zijn tijdslots om gegeven de verwachte vraag de klant zodanig te verleiden dat de capaciteit goed benut wordt met efficiënte routes. Of PostNL, die op basis van historische informatie kan voorspellen hoe laat de chauffeur bij je langskomt. Of CB Logistics die precies kan bepalen wanneer het goedkoper is om de belevering uit te besteden aan een pakketbezorger. Of een grote retailer, die nu inzichtelijk heeft voor elk van de 12 omni-channels wat de 'cost-to-serve' is per type order en product. Of een logistiek dienstverlener, die in een zeer dynamische en onzekere markt gebruik kan maken van goede forcasting tools. En zo kan ik nog wel even doorgaan. Deze succesverhalen in de e-commerce gaan al snel jeuken. Want wat kan ik doen om zelf een data-driven organisatie te worden? Ervan uitgaande dat deze visie ook gedragen wordt door het management. Mijn ervaring is een praktische 3-stappen aanpak.

Stap 1

Identificeer 'issues', waarvan je de inschatting hebt dat je met behulp van data hiervan ook 'opportunities' kan maken. Hierbij kun je denken aan het verkrijgen van goede forecasts, het reduceren van no-shows en retouren of het verlagen van end-to-end kosten van een verkoopkanaal.

Stap 2

Lang niet alle issues zijn oplosbaar met data. Bepaal daarom voor elk van de issues een kwalificatie op basis van:

• Benodigde effort om hier een opportunity van te maken;
• Verwachte voordelen (voor klanten, voor medewerkers en financieel);
• Verwachte impact (op klanten, medewerkers, proces en technologie);
• Mogelijke risico's (bijv. wat als de implementatie niet lukt?).

Op basis van deze kwalificatie ga je voor de meest kansrijke mogelijkheden analyseren of hier voldoende data voor te verkrijgen is en wat de kwaliteit hiervan is (en of deze kwaliteit verhoogd kan worden).

Stap 3

Analyseer, voorspel en optimaliseer. Met behulp van tools ga je aan de slag met de data, typisch in een soort Proof-of-Concept omgeving. Op basis van de verkregen inzichten bepaal je de business case om het verder uit te werken naar een 'Minimum Viable Product' of een verbeter proces, om zo op basis van fact-based decisions de opportunities ook te verzilveren.

Tot slot een mooi voorbeeld uit een industrie, verwant aan de e-logistics: het nog slimmer uitvoeren van diensten aan huis. Energieprovider Eneco heeft voor het plannen van deze diensten (zoals onderhoud en installatie) het initiatief genomen om enerzijds zelf een moment te bepalen, maar anderzijds de regie wel duidelijk bij de klant te laten. Het resultaat van het toepassen van dit concept is een verhoging van zowel de productiviteit als de NPS. Service-verhoging en kostenverlaging blijken dus door slimme oplossingen prima samen te kunnen gaan. Kijk, en dat is wat we willen.