Fout sluipt er al snel in

Leestijd: 4 minuten

Met behulp van algoritmen en formules tenderdata zo zuiveren dat de vervoerder een passende offerte kan maken? Het klinkt ingewikkeld, maar dat is het zeker niet. Datacleaning zorgt voor zuivere data waardoor verlader en vervoeder beter weten wat er op ze afkomt. Dat zorgt weer voor minder ongemak en wrevel in de relatie.

Elk bedrijf dat wel eens een tender uitschrijft weet hoe lastig het kan zijn om die goed op te stellen. Logistiek dienstverleners weten dan weer als geen ander hoe moeilijk het is om offertes te maken op basis van verkeerde aangeleverde data.

Want verkeerde data veroorzaken problemen aan beide kanten, met alle frustraties van dien: als er minder of meer vervoer nodig is dan vooraf voorzien kost dat enorm veel tijd om te herstellen, wat ten koste gaat van de relatie tussen verlader en vervoerder. Vooraf samen werken aan een goede dataset kan dus heel wat ellende voorkomen. Grote bedrijven weten vaak wel of hun data op orde en daardoor betrouwbaar zijn, maar bedrijven die iets minder te vervoeren hebben, zitten vaak met incomplete datasets. Bart van Meulenbroek, werkzaam voor Powerblocks, helpt bedrijven daarbij met innovatieve oplossingen. “Ik heb zelf een ICT-achtergrond op diverse onderdelen van de logistiek en werk nu als functioneel specialist. Daarbij zoek ik uit waar klanten behoefte aan hebben en dat probeer ik te vertalen naar een oplossing.

Op dit moment zijn we bijvoorbeeld bezig met een capaciteitsplanning, waarbij we bedrijven kunnen helpen een goede vakantieplanning te maken. Daar zijn wel tools voor, maar die kosten nu tonnen en dat is voor minder grote bedrijven niet snel terug te verdienen.” Een andere oplossing die het bedrijf aanbiedt is datacleaning: databestanden worden geanalyseerd en eventueel gerepareerd om ze betrouwbaarder te maken. “In gesprekken met onder meer evofenedex en Transport & Logistiek Nederland ging het over tendering en de kwaliteit van de aangeleverde data. Als je naar het tenderproces kijkt, zie je de vraag van een verlader aan een pool van vervoerders. Om zo’n tender rond te krijgen, heeft zo’n vervoerder data nodig. Die wil namelijk weten wat hij precies gaat vervoeren en om dat te kunnen berekenen heeft hij data nodig over bijvoorbeeld het aantal ritten, de grootte van de colli en het gewicht. Ook hier geldt: rubbish in is rubbish out. Dus als iemand een dataset aanlevert die incompleet is of allerlei fouten bevat en een vervoeder gaat daarmee aan de slag, komt daar een offerte uit die waarschijnlijk niet past bij de praktijk van de dag.”

Een fout in een dataset sluipt er al snel in. “Incompleetheid is dat iemand denkt een jaar aan historie aan te leveren, maar enkele weken vergeet. Of dat er in het selectieproces iets niet goed gaat, omdat er lijstjes van verschillende afdelingen moeten worden samengevoegd. Dan kan het gebeuren dat een afdeling een deel van het jaar vergeet, waardoor de data niet kloppen, maar dat is dan op het eerste gezicht niet te zien.”

 

“Heel veel datafouten komen voort uit de organisatie”

Bart_van_Meulenbroek
Bart van Meulenbroek

 

 

Havencode

Er kan nog meer misgaan, schetst Van Meulenbroek. “Een fout in een havencode kan zomaar duizenden kilometers schelen, met alle gevolgen van dien voor de offerte. Het scheelt nogal of een container naar Zuid-Europa moet of naar China. Waar het ook vaak misgaat, is bij de opgave van gewichten. Soms worden gegevens aangeleverd in grammen, dan weer in kilo’s. En vergeet de verschillende palletmaten niet, die zorgen ook voor veel misverstanden.” Het hebben van goede data en die ook behouden is iets waaraan bedrijven volgens Van Meulenbroek moeten blijven werken. “Als een medewerker niet goed zoekt en daarom zelf maar een palletformaat aanmaakt, geeft dat vervuiling. Ook in grote ERP-systemen gaat dit vaak mis en is er vaak weinig consistentie tussen dit soort data. De systemen zelf zijn wel goed, maar de mensen die ermee werken zorgen voor dit soort fouten.” Datacleaning is voor Powerblocks een soort digitale wasstraat, legt Van Meulenbroek uit. “We voeren eerst een controle uit op het bestand en dan doen we een uitspraak over de compleetheid en zuiverheid van de data. Dat doen we met behulp van meetinstrumenten en allerlei scripts. Daar komt een rapport uit waar in bijvoorbeeld staat: ‘er zijn één miljoen transacties aangeleverd en we denken dat 87 procent daarvan betrouwbaar is. De aanbieder moet dan bepalen of hij 87 procent voldoende vindt, maar 13 procent onbetrouwbaarheid geeft nog een behoorlijke bandbreedte.

Dat is hetzelfde dat als jij je badkamer laat verbouwen en de aannemer vraagt hoe groot de tegeloppervlakte is en dat jij zegt ‘ergens tussen de 15 en 35 vierkante meter’. Dan kan de prijs behoorlijk tegenvallen en dat is bij tenderen niet anders.” Een percentage van 95 procent betrouwbaarheid is in de praktijk wel werkbaar, weet Van Meulenbroek. “Maar hoe kom je dan van 87 naar 95? We kunnen dankzij de analyse zien waar de meeste fouten zitten. Soms is het automatisch op te lossen door op basis van andere data te voorspellen wat de juiste data moeten zijn. Stel, om de dag is er een bepaalde rit, maar van drie weken ontbreken de gegevens van die ritten ineens. Dan is het vrij logisch dat in die drie weken die ritten wel zijn uitgevoerd. Op die manier kunnen we zoveel procent corrigeren met behulp van algoritmiek, maar er zijn ook data die met de hand moeten worden ingevoerd. Het liefst wil je dat in de bron bij de bedrijven zelf herstellen, maar in de praktijk blijkt dat die niet zo met hun data bezig zijn dat ze dat even rechtzetten. Daar hebben ze geen tijd voor.” Zonde, vindt Van Meulenbroek. “Dan blijven de data vervuild, ook voor komende tenders.”

Verstandhouding

Van Meulenbroek vindt dat bedrijven daar wel aandacht voor moeten hebben. “Heel veel datafouten komen voort uit de organisatie, maar handhaven gaat veel ondernemers te ver. Bedrijven laten daar wel een kans liggen, want het gaat niet alleen om besparen maar ook om een goede relatie met hun vervoerder. Een verkeerde dataset kan leiden tot een verkeerde prijs en dat brengt spanning met zich mee: de vervoerder raakt gefrustreerd als blijkt dat het aantal vervoersbewegingen te laag of te hoog is en de verlader blijft met spullen zitten als er te weinig vervoer beschikbaar is. Dat leidt dan weer tot heronderhandelingen met alle frictie en kosten van dien.” Daarom is het aanleveren van goede data zo belangrijk, benadrukt Van Meulenbroek. “Zo voorkom je later ellende en zorg je voor een goede verstandhouding. Die commerciële spanning ontstaat best vaak, en tast ook je betrouwbaarheid aan als bedrijf.”

In de praktijk blijven bedrijven echter kiezen voor de korte termijn en steken ze niet al te veel tijd in het op orde krijgen van data, zegt hij. “Soms is dat bedrijfscultuur of werkdruk of iemand wordt afgerekend op targets. Daarnaast is het fenomeen data voor veel ondernemers nog steeds een ver vanmijn-bed-show. Ze weten soms oprecht niet hoe ze dat moeten organiseren. Vaak zie je dat die ene IT’er die er is al overbelast is, en er geen tijd voor heeft. Omdat er toch data moeten komen, gaan mensen zelf lijsten samenstellen voor de tender. Terwijl het, als je er wel serieus mee aan de slag gaat, op de lange termijn en betere verhouding oplevert met de vervoerder. Daarnaast kunnen de data ook worden gebruikt voor andere zaken, zoals voorraadbeheer. Data worden steeds belangrijker in de economie, maar ermee werken heeft pas zin als ze deugen.”

Tekst Job Halkes. Dit artikel is eerder gepubliceerd in Logisticx magazine.

Een goed gesprek over data en digitalisering?

Bedrijven die willen sparren en inzichten willen uitwisselen over de toekomst van hun supply chain en hoe digitalisering daar bij kan ondersteunen, kunnen een afspraak maken met onze supply chain specialisten Stefan Heeringa of Nanne Schriek.

Onze ledenadviseur Nanne
Contact

Vragen over supply chain management?

Nanne en de andere ledenadviseurs helpen je graag verder