Met slim gebruik van data kunnen e-commercebedrijven
\nhun logistieke operatie flink verbeteren. Dat is de overtuiging van Jack Pool
\nvan adviesbureau Districon. “Er zijn veel data beschikbaar, maar de vraag is hoe
\nwe al die data goed kunnen gebruiken.” Op een congres van Rijksuniversiteit
\nGroningen (RUG) gaf Pool vier interessante voorbeelden.
\n\t\n
Retailers en e-commercebedrijven worstelen met data,
\nstelt Jack Pool. “Wij kregen een vraag van een bedrijf met een centraal
\ndistributiecentrum in Europa, dat zijn consumenten veel sneller wil gaan
\nbeleveren. Dat kan door warehouses in grote steden op te zetten, maar welke
\nartikelen leg je daar neer? Dat is ook het dilemma van Amazon, dat in Manhattan
\neen warehouse in een kantoorgebouw heeft ingericht. Dat warehouse is klein, maar
\nAmazon heeft een gigantisch groot assortiment. Wat deel daarvan leg je dan in
\ndat warehouse in Manhattan? Daarvoor moet je data-analyse inzetten.”\n
Vier keer beter
Pool geeft vier voorbeelden van concrete cases waarin
\ndata-analyse van grote waarde is geweest:\n
Case 1: Dropshipping.
Voor een retailer heeft Districon onderzocht welk deel
\nvan het assortiment in aanmerking komt om niet in het eigen dc op voorraad te
\nleggen maar bij de leverancier te laten liggen. Dat blijken voornamelijk de
\nartikelen met een lage omloopsnelheid en een hoge waarde te zijn. Door dat te
\nimplementeren heeft de retailer een kostenbesparing van 28 procent
\ngerealiseerd.\n
Case 2: 3D-slotting
De meeste bedrijven kijken maar een paar keer per jaar
\nnaar de locatie van snellopers en langzaamlopers in het magazijn. Wat ze daarbij
\nvergeten is rekening te houden met de hoogte van de picklocaties. Een artikel
\ndat op het hoogste of laagste niveau van een legbordstelling ligt, kost vanwege
\nhet reiken of bukken meer tijd om te verzamelen. Door daarmee rekening te houden
\nis een kostenbesparing van 5 tot 10 procent mogelijk.\n
Case 3: Uitlevering vanuit winkels
Voor een retailer met een e-commerce-dc in Amsterdam is
\nonderzocht of het haalbaar is om consumenten vanuit winkels te beleveren. Met
\nname voor regio’s verder weg kan dat een interessante optie zijn. Analyse laat
\nzien dat het interessant is om vijftien tot twintig van de honderd winkels
\ngeschikt te maken voor het verzenden van online orders. Dat is inmiddels
\ngeïmplementeerd.\n
Case 4: Consumenten laten kiezen
Uit onderzoek blijkt dat tien tot twintig procent van de
\nconsumenten kiest voor een latere afleverdag dan morgen, als ze die
\nkeuzemogelijkheid maar krijgen. Doorrekenen van dit idee voor verschillende
\ncases laat zien dat besparing van 9 tot 31 procent op arbeidskosten mogelijk
\nzijn omdat processen in het dc voorspelbaarder worden en pieken worden
\nafgevlakt.\n
Koplopers gaan verder
Om het belang van data-analyse duidelijk te maken, haalt
\nPool het data-model van Gartner aan. Dat model onderscheidt vier stadia in
\ndata-analyse:\n
1. Descriptive analytics: wat
\nis er gebeurd?\n
2. Diagnostic analytics:
\nwaarom is dat gebeurd?\n
3. Predictive analytcis: wat
\nzal er gaan gebeuren?\n
4. Prescriptive analytics: hoe
\nkunnen we ervoor zorgen dat iets gaat gebeuren?\n
“De meeste bedrijven komen nog niet verder dan de eerste
\ntwee stadia, soms doen ze een beetje aan forecasting”, weet Pool. “De koplopers
\nvan dit moment daarentegen
\n\tgaan wel verder en investeren in
\ncenters of excellence op het gebied van analytics.”
\n\t
Marcel te Lindert – Journalist logistiek en supply chain
\n
\n Blijf altijd op de hoogte
\n Meld jezelf aan voor de nieuwsbrief en ontvang het laatste nieuws, trends, innovaties en ontwikkelingen uit de branche.\n
\n
\n
\n