Ervaring en ego grootste vijanden van data science

Data science heeft toegevoegde waarde voor vrijwel elk onderdeel van de supply chain. Niet alleen in demand planning, maar ook in transport en warehousing. Waar moeten we dan beginnen met het inzetten van data science? Het antwoord verschilt van bedrijf tot bedrijf en van supply chain tot supply chain. Waar zit het grootste pijnpunt? Waar ontbreekt het inzicht om goede beslissingen te nemen? En hoe kunnen we de inzichten uit data science inzetten in de praktijk? Een succesvol data science-project start met het antwoord op deze vragen.

Door Marcel te Lindert

Verpakkingsfabrikant DS Smith gebruikt de software van Sixfold om real-time inzicht in transportstromen te krijgen. De data uit boordcomputers worden niet alleen gebruikt om de verwachte aankomsttijd van vrachtwagens te berekenen, maar ook om heatmaps van de buitenterreinen van papierfabrieken op te stellen. Die heatmaps laten zien hoe vrachtwagens manoeuvreren en waar ze zich ophouden. ‘Wij meten de verblijftijden van vrachtwagens bij onze fabrieken. Dat maakt het mogelijk om wachttijden te reduceren en de inzet van vrachtwagens te verbeteren. Daarnaast stelt de heatmap ons in staat om de processen op het buitenterrein te optimaliseren’, stelde Petra Libertova, hoofd logistiek van DS Smith, tijdens een recent webinar van Supply Chain Media.

Center of excellence

In elke supply chain wordt dagelijks een enorme hoeveelheid data vastgelegd. Die data zijn onontbeerlijk om de dagelijkse operatie te plannen en uit te voeren. Net als DS Smith ontdekken steeds meer bedrijven dat diezelfde data nog veel meer, soms verrassende inzichten opleveren. Data science staat daarom al enige tijd hoog op de agenda van bedrijven. Vervolgens heeft de pandemie de belangstelling voor data science een extra boost gegeven. In directiekamers bestond afgelopen jaar grote behoefte aan duiding: wat gebeurt er in de supply chain en welke beslissingen zijn nodig? ‘Wij merken dat directies opeens veel meer data willen hebben. Initiatieven op het gebied van data science worden veel sneller dan voorheen gehonoreerd en uitgevoerd, mede omdat de ervaring van medewerkers en managers tekortschiet in unieke situaties’, zegt Ronald Buijsse, academic director van de Jheronimus Academy of Data Science (JADS).

Medtronic had data science al op de agenda staan voordat de pandemie uitbrak. De pacemakerproducent heeft een center of excellence opgezet met dertig data scientists. Dit team gebruikt de data uit onder meer de digital twin en control tower van Medtronic om de supply chain te optimaliseren. In de tweede helft van 2020 is daardoor de voorraadwaarde met 28 miljoen dollar gereduceerd, terwijl 55 miljoen dollar aan kosten is bespaard. ‘Daarnaast heeft het ons snelheid gebracht. De tijd die we nodig hebben voor het maken van beslissingen is met 33 procent afgenomen’, aldus Sikko Zoer, Vice President Global Supply Chain, Distribution and Logistics bij Medtronic.

Beter voorspellen

Data zijn niets anders dan vastgelegde, herbruikbare waarnemingen van mensen of systemen. Slechts een klein deel van wat er in de wereld gebeurt, nemen we waar. Wat we vastleggen in de vorm van data, is een nog veel kleiner deel. ‘En wat we daarvan actief gebruiken, is nog maar een fractie’, stelt Buijsse. ‘Op dit moment gebruiken we voor onze beslissingen hoofdzakelijk waarnemingen die we niet hebben vastgelegd en die we niet kunnen hergebruiken. Dat betekent dat veel beslissingen niet controleerbaar zijn. Data science brengt daar verandering in.’

Dat data science juist nu zo’n opmars maakt, heeft te maken met de technologische mogelijkheden. Ook al wordt nog maar een klein deel van de waarnemingen vastgelegd in de vorm van data, dat deel wordt wel snel groter: bijna 90 procent van de nu beschikbare data schijnt in de afgelopen twee jaar te zijn vastgelegd. Door digitalisering van de supply chain en ontwikkelingen zoals het Internet of Things zijn steeds meer data beschikbaar. ‘Daarnaast hebben we nu de systemen om die data te analyseren. We kunnen door de toegenomen rekenkracht grotere vraagstukken oplossen dan voorheen’, stelt Joep van den Tillaart van Pipple, specialist in data science. … … …