Hoe DHL meer grip krijgt op veranderende omstandigheden
8 mei 2018 [11:26], 303 views
Door Edwin van Unen

Hoe DHL meer grip krijgt op veranderende omstandigheden

Organisaties passen data analytics en machine learning al langer toe om uit data intelligentie te creëren en daarmee betere beslissingen te nemen. Vroeger gebeurde dit voornamelijk op strategisch niveau, maar tegenwoordig zetten steeds meer organisaties data-analyse in om operationele uitdagingen het hoofd te bieden. Dagelijkse beslissingen gericht op een individuele klant of transactie.

Zo onderzoekt logistiek dienstverlener DHL de mogelijkheden om data analytics toe te passen op operationeel niveau, om direct in te kunnen spelen op veranderende omstandigheden, onverwachte gebeurtenissen en uitzonderingssituaties. Maar deze ‘near-realtime analytics’ vraagt wel om andere data en nieuwe analysetechnieken.

Bij operationele toepassing van analytics wordt de data-analyse in kortere cycli uitgevoerd en levert dus sneller inzicht op. Het grote voordeel is dat er in plaats van op maand- of weekbasis nu op dag of uurbasis bijgestuurd kan worden om direct in te spelen op veranderingen. Ook wel near-realtime analytics genoemd.

De gemiddelde dag bestaat niet bij DHL
DHL is zo’n organisatie die al langer data analytics op strategisch niveau inzet. Met traditionele optimalisatietechnieken van SAS worden distributienetwerken “eenmalig” optimaal ingeregeld en zo nu en dan aangepast. DHL heeft echter, net als zijn concurrenten, te maken met grote dagelijkse variaties in bijvoorbeeld volume en gewicht van pakketten en goederen, maar ook in herkomst/bestemming-combinaties. De organisatie moet daarom een groeiende hoeveelheid uitzonderingen als dure ad-hoc zendingen verwerken. Een gemiddelde dag bestaat niet voor de logistiek dienstverlener, terwijl het netwerk daar in principe wel op is ingericht. Om die dagelijkse variatie beter aan te kunnen, wil DHL moderne analysetechnieken inzetten. Dit vergt inzet van analytics op operationeel niveau.

Samen met DHL onderzoekt SAS hoe ze moderne technieken kunnen inzetten die verder gaan dan klassieke optimalisatie en simulatie. Er wordt bijvoorbeeld gekeken hoe in plaats van vaste rijtijden, kansverdelingen voor de rijtijden in het netwerk-design kunnen worden meegenomen. Daarnaast wordt machine learning ingezet om dagelijkse afwijkingen sneller te ontdekken en hier direct op in te grijpen. Je kunt dit zien als een soort controlekamer die real-time advies geeft over hoe te handelen bij afwijkingen. ‘Reinforcement learning’ kan worden gebruikt om met de uitkomsten het oorspronkelijke netwerk continu te evalueren en verder te verbeteren.

Aandachtspunten operational analytics
Artificial intelligence en machine learning zijn voor DHL bruikbare technieken om dagelijks bij te sturen in de operatie en zelfs binnen een tijdsbestek van uren aanpassingen in processen door te voeren. Om dit te doen, is het echter wel van belang dat op de juiste manier uitvoering wordt gegeven aan het algoritme.

  • Dynamische data –  Zo is het nodig ook andere data dan alleen die uit het enterprise systeem te ontsluiten. Veranderingen in weer en verkeer hebben bijvoorbeeld een direct effect op de operationele processen. Maar ook kort-cyclische veranderingen in koopgedrag en behoeften van consumenten hebben invloed. De inzichten die de analyse van dit soort dynamische data oplevert zijn dan ook cruciaal.
  • Automatisering – Een tweede aspect betreft het automatiseren van het modelleerproces. Hierdoor kan de productiviteit van de data scientist worden vergroot, kunnen modellen sneller en gemakkelijker worden gebouwd en kan het algoritme automatisch worden getraind en aangepast op veranderende omstandigheden.
  • Organisatorische inbedding – Ten derde moet een algoritme worden ingebed in de operatie. Het model moet daar zijn waar de data wordt gegenereerd. Dus niet alleen op het hoofdkantoor, maar ook in de vrachtwagen en onderweg.
  • Natural language –Een laatste aspect is de mens-machine interactie. Door gebruik te maken van natuurlijke taal kan de gebruiker op een natuurlijke manier met het systeem communiceren en gaat er geen kostbare tijd verloren in het omzetten van vragen en antwoorden in begrijpelijke taal.

De analytische organisatie
DHL heeft de ambitie om door te groeien tot een volwassen analytische organisatie. Drie onderdelen zijn daarbij essentieel.

  • Ten eerste moeten analytische processen worden ingericht die de complete analytics lifecycle van data tot en met beslissingen ondersteunen. Data management vormt de basis en daarna volgen de processen voor analytische modelvorming, model management en model deployment.
  • Ten tweede is een analyseplatform vereist dat de volledige analytics lifecycle ondersteunt. Verschillende stakeholders, zoals management, analisten en data scientists werken hierin samen met specifiek voor hen bedoelde maar op elkaar afgestemde tools. Een dergelijk platform biedt tevens functies voor governance en security
  • Maar net zo belangrijk is dat er sprake is van een analytische cultuur: zowel het management als de werkvloer moet durven vertrouwen op de data en niet bij iedere afwijking of uitzondering terugvallen op eigen ervaring en onderbuikgevoel.

Om AI en machine learning voor toepassingen op operationeel niveau in te zetten, gaat het er vooral om hoe je in de praktijk uitvoering kunt geven aan het algoritme. Alleen als het algoritme in al zijn hoedanigheden aansluit op de operationele processen en de dagelijkse dynamiek, kunnen organisaties zoals DHL grip krijgen op uitzonderingen en direct inspelen op veranderende omstandigheden. Organisaties die data en analytics op deze wijze omarmen kunnen daarmee een voorsprong realiseren.

Over de auteur

Edwin adviseert organisaties hoe zij met behulp van analytics kunnen optimaliseren en innoveren. Door het gebruiken van analytics kunnen klanten nieuwe inzichten verwerven om betere beslissingen te nemen. 

Reacties

Hoe DHL meer grip krijgt op veranderende omstandigheden
8 mei 2018 [11:26], 304 views

Hoe DHL meer grip krijgt op veranderende omstandigheden

Logistiek dienstverlener DHL onderzoekt de mogelijkheden om data analytics toe te passen op operationeel niveau om direct in te kunnen spelen op veranderende omstand [...]

 

Lees meer  

SAS Data Science & Analytics Day op 31 mei
2 mei 2018 [09:01], 497 views

SAS Data Science & Analytics Day op 31 mei

Innovatief gebruik van analytics verandert de wereld. De SAS Data Science and Analytics Day op 31 mei biedt organisaties nieuwe inzichten en ideeën die bijdragen aan de ‘a [...]

 

Lees meer  

Fraudebestrijding steeds succesvoller door data-analyse
30 april 2018 [11:16], 430 views

Fraudebestrijding steeds succesvoller door data-analyse

Nieuwe SAS-divisie moet organisaties helpen om verlies van miljarden euro’s te voorkomen. De combinatie van geavanceerde analytics-oplossingen en AI helpt de steeds comple [...]

 

Lees meer  

Consumenten accepteren AI eerder in de gezondheidszorg dan in andere sectoren
24 april 2018 [12:42], 366 views

Consumenten accepteren AI eerder in de gezondheidszorg dan in andere sectoren

Het gebrek aan menselijke interactie wordt gezien als grootste bezwaar tegen kunstmatige intelligentie. Hoewel de buzz rond kunstmatige intelligentie (art [...]

 

Lees meer  

Datavisualisatie brengt humanitaire problemen in beeld
10 april 2018 [06:59], 708 views

Datavisualisatie brengt humanitaire problemen in beeld

SAS heeft de krachten gebundeld met Global GoalsCast om de ernstige problemen waarmee de mensheid wordt geconfronteerd in beeld te brengen met datavisualisaties.

 

Lees meer  

 West Perth is meest paradijselijke plek ter wereld
28 maart 2018 [08:50], 492 views

West Perth is meest paradijselijke plek ter wereld

West Perth is de beste plaats ter wereld om te wonen, in elk geval vanuit analytisch perspectief. SAS onderzocht ruim 150.000 locaties aan de hand van de analyse van [...]

 

Lees meer  

AI in de praktijk: van voetbal-data tot slimme sluizen
23 maart 2018 [05:16], 667 views

AI in de praktijk: van voetbal-data tot slimme sluizen

Artificial Intelligence (AI) is een onderwerp dat bij veel bedrijven op de agenda staat, maar concrete toepassingen staan vaak nog in de kinderschoenen. Tijdens de sessie [...]

 

Lees meer  

Responsible AI is nodig voor vertrouwen in autonome systemen
26 februari 2018 [03:05], 741 views

Responsible AI is nodig voor vertrouwen in autonome systemen

De groei van zelflerende slimme algoritmes zorgt voor een vraag naar goede randvoorwaarden waaronder deze worden gebruikt. Ofwel het is tijd voor responsible AI. 

 

Lees meer  

Belfius werkt samen met SAS aan innovatie met data
8 februari 2018 [05:20], 1616 views

Belfius werkt samen met SAS aan innovatie met data

Na jarenlange samenwerking gaat Belgische bank Belfius  nog ee [...]

 

Lees meer  

Wat krijg je als je liefde, wiskunde en AI combineert?
1 februari 2018 [03:12], 1625 views

Wat krijg je als je liefde, wiskunde en AI combineert?

Liefde en wiskunde. Je kunt bijna geen onderwerpen vinden die verder van elkaar afstaan. Toch bewees Hannah Fry dat wiskunde kan helpen om het geheim van een succesv [...]

 

Lees meer