Hoe DHL meer grip krijgt op veranderende omstandigheden
8 mei 2018 [11:26], 2188 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

SAS leider in Data Science en Machine Learning Platforms
11 februari 2019 [10:00], 157 views

SAS leider in Data Science en Machine Learning Platforms

Gartner heeft SAS uitgeroepen tot leider in de 2019 Magic Quadrant for Data Science and Machine Learning Platforms.  Dit is het vijfde jaar dat SAS de leiderschapspositie [...]

 

Lees meer  

Kunnen organisaties met hun huidige Customer Data Platforms de juiste beslissingen nemen?
7 februari 2019 [10:09], 258 views

Kunnen organisaties met hun huidige Customer Data Platforms de juiste beslissingen nemen?

Data stelt organisaties in staat betere beslissingen te nemen. Maar kunnen de organisaties met de Data Platforms die ze nu al gebruiken dit ook al doen?

 

Lees meer  

SAS benoemd tot leider in enterprise insight platforms door analistenbureau
24 januari 2019 [09:02], 498 views

SAS benoemd tot leider in enterprise insight platforms door analistenbureau

SAS is door analistenbureau Forrester benoemd tot leider in Enterprise Insight Platforms. 

 

Lees meer  

Onze fitness-data delen met onze verzekeraar? Waarom ook niet?
2 januari 2019 [09:02], 589 views

Onze fitness-data delen met onze verzekeraar? Waarom ook niet?

Een Amerikaanse verzekeraar beloont klanten die hun fitness-data delen. Daar komen praktische en privacygerelateerde bezwaren bij kijken, maar Mark Lambrecht ziet oo [...]

 

Lees meer  

Online campagnes zijn ok, zolang ze maar transparant zijn!
20 december 2018 [11:32], 755 views

Online campagnes zijn ok, zolang ze maar transparant zijn!

Artificiële Intelligentie (AI) en analytics worden door de politiek gebruikt om hun boodschap op een gerichte manier bij het juiste kiespubliek te krijgen. 

 

Lees meer  

SAS voor Containers:  snelheid, wendbaarheid en schaalbaarheid voor cloudimplementaties
29 november 2018 [12:22], 1024 views

SAS voor Containers: snelheid, wendbaarheid en schaalbaarheid voor cloudimplementaties

Er is een toenemende belangstelling voor op containers gebaseerde software.

 

Lees meer  

Hoe verandert de technologische ontwikkeling de strategie van toezicht en handhaving?
21 november 2018 [09:21], 1858 views

Hoe verandert de technologische ontwikkeling de strategie van toezicht en handhaving?

Big data, data analytics, Internet of Things, cryptomunten, blockchain, kunstmatige intelligentie, FinTech en robotisering spelen een steeds belangrijkere rol in het [...]

 

Lees meer  

De data-economie is geen all-you-can-eat-buffet meer
19 november 2018 [03:01], 1521 views

De data-economie is geen all-you-can-eat-buffet meer

Voorheen was er een beetje een all you can eat aanpak, waar je gewoon alle data gebruikte die je maar kon vinden. Nu moeten we effectief nadenk [...]

 

Lees meer  

Organisaties innovatiever door inzichten uit analytics
8 november 2018 [10:46], 1459 views

Organisaties innovatiever door inzichten uit analytics

72 procent erkent de voordelen van analytics, maar bij slechts 39 procent is het de kern van hun bedrijfsstrategie

 

Lees meer  

AI-oplossingen dragen bij aan slimmere bedrijfsvoering en innovaties
7 november 2018 [10:34], 1063 views

AI-oplossingen dragen bij aan slimmere bedrijfsvoering en innovaties

Artificial intelligence (AI) helpt organisaties wereldwijd om innovatie te stimuleren. Met de AI-oplossingen van SAS zijn organisaties als Notilyze, Sci [...]

 

Lees meer