2021 03 VCM

Business Software

Business Software

Binnendienst is essentieel Imes Dexis is een van de bedrijven uit de portfolio van Dexis Belgium, dat zich in ons land profileert als MRO marktleider (Maintenance, Repair & Overhaul). Dexis Belgium maakt op zijn beurt deel uit van de Europese industriële groep Descours & Cabaud, met wortels in Frankrijk. Imes Dexis legt zich specifiek toe op de distributie van industriële benodigdheden, zoals aandrijvingen, gereedschappen en persoonlijke beschermingsmiddelen. “We hebben meer dan een half miljoen producten op voorraad”, vertelt Johan Vos, algemeen directeur van Dexis Belgium. Vanuit zijn zes vestigingen in België levert het bedrijf die producten met hun aanverwante diensten aan steeds meer klanten. “Daarbij staan wij erop die klanten binnen de 24 uur te voorzien van de benodigde technische of veiligheidsoplossing, om zo hun bedrijfscontinuïteit te garanderen. Want een fabriek kan zich niet permitteren om plots zonder onderdelen te vallen en stil te liggen.” “Een goed geoliede binnendienst is essentieel om die belofte waar te maken”, beseft Johan Vos. Maar zeker in tijden van lockdowns en thuiswerken was het volgens hem een pak moeilijker om de werklast van de zes filialen van Imes Dexis en hun 250 medewerkers onderling te vergelijken. “Phoebe doet dat voortaan automatisch. Bovendien zorgt het systeem ervoor dat alle aanvragen van onze klanten, of het nu om een offerte, een bestelling of een klacht gaat, snel bij de juiste persoon terechtkomen: een medewerker die zowel de nodige tijd als de juiste expertise heeft om de aanvraag in kwestie met succes te behandelen.” Expertise (beter) doen renderen Vooral dat laatste vormt een duidelijke breuk met het verleden, merkt Erik Diris op. “Vroeger verdeelden we het werk in eerste instantie op basis van tijd – of “We hebben meer dan een half miljoen producten op voorraad”

liever: de beschikbaarheid van onze medewerkers – en niet altijd op basis van hun expertise. Dat had onder meer tot gevolg dat we een aantal offertes verloren, precies omdat ze nog wat inhoud misten. We maakten nog te weinig gebruik van de expertise van onze mensen en lieten ze onvoldoende renderen.” Daarbij kwam dat de vaste contactpersoon van een klant niet noodzakelijk als een expert gold voor alle producten die de klant bestelde. “Bij ons is die expertise steeds verbonden met een productgroep”, verklaart Erik Diris. Tegelijk moest de ICT-manager vaststellen dat de binnendienstmedewerkers een aantal kleinere en relatief eenvoudige administratieve taken uitstelden en groepeerden. Een typisch voorbeeld was het in bulk doorgeven van de binnengekregen orders aan het magazijn. Wat dan weer tot de nodige stress en problemen kon leiden voor de collega’s die moesten instaan voor de logistieke opvolging en afhandeling van die orders. “Daarom zijn we gaan bekijken of we een deel van die repetitieve taken niet konden elimineren of automatiseren. Zo konden we misschien ook wat tijd vrijmaken voor taken met een grotere toegevoegde waarde, zoals het effectief op punt stellen van onze offertes.” Daarvoor deden Erik Diris en zijn collega’s onder meer een beroep op robotgestuurde procesautomatisering (RPA, Robotic Process Automation). Die innovatieve technologie biedt volgens hem de perfecte aanvulling op AI. “Samen vormen zij een uitzonderlijk krachtige combinatie.” Data is het nieuwe goud Maar hoe werkt Phoebe nu precies? Het AI-systeem van Imes Dexis screent automatisch alle binnenkomende e mails en bijlagen van klanten op hun inhoud. Het weet de intentie achter die klantenvragen te vatten en identificeert op welke productcategorie ze concreet betrekking hebben. Op basis van die informatie bepaalt Phoebe vervolgens volstrekt autonoom welke medewerker het best welke aanvragen kan behandelen. Daarbij houdt het AI-systeem, om het plaatje helemaal

Erik Diris, ICT-manager bij Imes Dexis: “Sinds we Phoebe als AI-tool gebruiken, zijn onze klanten sneller en beter geholpen, terwijl onze medewerkers minder werkdruk ervaren.”

af te maken, ook nog eens rekening met de werkdruk van de verschillende binnendienstmedewerkers.

moesten we neurale netwerken opzetten en werk maken van ‘deep learning’. Vandaag hebben we een zevental van die netwerken in gebruik. En dan zie je ook dat de inputparameters van zo’n netwerk tot in de honderden miljoenen kunnen gaan. Dat is voor het menselijke brein echt niet langer te bevatten.” Embedded learning Net als bij RPA is ook het grote voordeel van Phoebe de tijdswinst die het gebruik van die intelligente software oplevert. “Phoebe maakt haar beslissingen in 45 milliseconden, een mens in 9,4 seconden. Als je weet dat we honderdduizenden offertes en meer dan een miljoen orderlijnen per jaar ontvangen, is de rekensom snel gemaakt”, stelt Erik Diris. “Maar het is niet de bedoeling medewerkers te vervangen door Phoebe”, benadrukt de ICT-manager. “Integendeel, Phoebe zorgt er net voor dat onze medewerkers meer tijd hebben om te doen waar ze echt goed in zijn en dat ze hun expertise optimaal kunnen inzetten.” Een stelling die Liesbeth Lemmens, marketing & learning manager, graag bijtreedt: “Net daarom hebben we de competenties van al onze binnendienstmedewerkers grondig in kaart gebracht en mee aan Phoebe gekoppeld, zodat het systeem precies weet welke collega welke competenties bezit.”

Erik Diris en zijn team van elf medewerkers hadden eerder al enige ervaring opgedaan met AI technologieën als ‘machine learning’ (ML) en ‘natural language processing’ (NLP). “We hadden al eens een proefproject gedaan rond het voorspellen van de slaagkansen of succesratio van offertes. Daarvoor zijn we in eerste instantie vertrokken van machine learning, dat sterk steunt op statistische data-analyse en op complexe algoritmes voor data mining. Maar al gauw kwamen we tot de conclusie dat we verder moesten gaan. Zo zijn we bij technologie voor natuurlijke spraakverwerking uitgekomen. Die is ook nodig, als je wilt dat de software gaat herkennen waarover het inhoudelijk gaat.” Voor de ontwikkeling van Phoebe, dat niet beperkt bleef tot een proefproject en intussen ook effectief live is gegaan, besloten Erik en zijn team nog een stap verder te zetten. “Op een gegeven moment werd het ons duidelijk dat louter statistische analysetechnieken als logistische regressie niet zouden volstaan om dit project tot een goed einde te brengen. Om de software optimaal te laten leren van grote hoeveelheden historische gegevens, de zogenoemde big data,

Value Chain Management / Business Logistics Online Magazine - Maart 2021

Value Chain Management / Business Logistics Online Magazine - Maart 2021

12

13