VCM_022024_LR

FORECASTING, PLANNING & INVENTORY MANAGEMENT

bereiken. Kritische vragen stellen en begrij pen waarom AI doet wat het doet is daarbij essentieel. Verder moet je AI op de juiste data loslaten. Zoals altijd geldt ook hier ‘garbage in, garbage out’. Besef ook dat AI erg ‘data hungry’ is. Je hebt een training set nodig, een validatieset, een testdataset, zoveel mogelijk historische data, enz. Bepaal vooraf waar je al die data zult halen. Maar met de juiste en voldoende data kan AI een uitstekend middel zijn om patronen te iden tificeren, meerdere opties te analyseren en het grotere plaatje te zien.” Ook belangrijk is om het ‘first things first’-principe voor ogen te houden. “Als je schulden hebt, ga je ook geen hippe sport wagen kopen, maar los je eerst je schulden af”, verduidelijkt Eric Wilson “Hetzelfde geldt voor AI. Sommige bedrijven laten AI los op onvoldoende getrainde mensen, twij felachtige processen en gebrekkige data. Dat is om problemen vragen. Die bedrijven raad ik aan eerst hun zaken intern op orde te krijgen. Dat kan bijvoorbeeld door bijko mende opleidingen te organiseren, de pro cessen te begrijpen en bij te sturen en ver volgens het data-aspect aan te pakken. Pas daarna kun je de mogelijkheden van AI gaan ontdekken.” Effect van AI op zakelijk succes Tot slot gidst Eric Wilson ons door een aan tal mogelijkheden die AI bedrijven biedt. “Artificiële intelligentie kan bijvoorbeeld helpen aan ‘micro targeting’ te doen”, zegt hij. “Op die manier kun je als onderneming gerichte, gepersonaliseerde boodschappen naar je klanten sturen. In een wereld waar de ‘brand loyalty’ op losse schroeven staat en gepersonaliseerde ervaringen steeds belangrijker worden, is dat een goede manier om klanten te winnen. Verder kan AI productontwikkelingen in goede banen helpen leiden. Een mooi voorbeeld daarvan vinden we bij Coca-Cola, dat kiosken intro duceerde waar consumenten verschillende smaken van drankjes kunnen combineren. De keuzes die de consumenten maken, gaan

alle data zijn tijdgerelateerd. Toch blijft meer dan de helft van de bedrijven daaraan vastklampen, terwijl de deterministische ‘type forecast’ die daaruit voortvloeit je nooit zal brengen tot de predictive analytics die je nodig hebt om goed met de groei ende onzekerheden in de supply chain te kunnen omgaan.” Hoe dat werkt, illustreert Eric Wilson met een voorbeeld: “Een verhuizing is bijvoor beeld een ‘leading indicator’ voor de ver koop van matrassen. Als matrassenfabrikan ten is het dan ook zinvol dat je probeert te voorspellen wanneer mensen gaan verhui zen, want dan kopen ze gegarandeerd ook een nieuwe matras. Zo kun je veel beter inschatten hoeveel matrassen je over enkele maanden zult verkopen dan wanneer je je louter op historische gegevens baseert. Het komt er dan ook op aan buiten je vier muren te gaan zoeken naar leading indicators. Nog beter is het als je de variabelen kunt beïn vloeden, want dan kun je je verkoop als het ware sturen.” Weg met het nieuwe normaal We kunnen besluiten dat AI wel degelijk toegevoegde waarde biedt, maar enkel als de basis – de mensen, processen en data – goed zitten. “Daarnaast moeten we er reke ning mee houden dat de wereld continu verandert. Daarom heb ik het ook niet zo voor het begrip ‘het nieuwe normaal’, want op een bepaald moment zal dat nieuwe nor maal plaats maken voor een ander nieuw nor maal”, aldus Eric Wilson. “We kunnen ons beter focussen op een continu veranderende situatie. Omdat ook technologieën continu evolueren, investeren we ook best in ‘tech forward’ en datagedreven processen. Op die manier zul je de ‘shiny pennies’ die leveranciers voorscho telen ook op een kritischer manier benaderen. Pas dan kun je op een slimme manier aan een toekomstbestendige strategie gaan werken, met technologieën die daarop zijn afgestemd.” TC Bron: Business Planning, Forecasting & S&OP/ IBP Conference: Europe (www.ibf.org)

dan naar het moederschip in Atlanta, Geor gia. Op basis van de data van die kiosken bleek dat de combinatie Cherry-Sprite erg populair was. Niet alleen wist Coca-Cola op die manier zeker dat het een combinatie was die zou aanslaan, het bedrijf had meteen ook een goed beeld van waar die smaak het best zou verkopen.” Ook kan artificiële intelligentie risicoma nagement ondersteunen. Zo kan AI de waar schijnlijkheid berekenen dat bepaalde zaken gaan gebeuren. Met die informatie kun je je deterministische ‘single-point forecast’ ver rijken om te evolueren naar een probabilis tische forecast. E. Wilson: “De telecomsector, bijvoorbeeld, waar klanten vlot van leverancier wisselen, kan bijvoorbeeld AI inzetten om aan klan tenbehoud te doen. Aan de hand van een vooraf vastgelegde beslissingsboom kan ‘advanced analytics’ aangeven bij welke klanten die contact opnemen met het call center het risico het grootst is dat ze zullen vertrekken. Dan weten de medewerkers al zodra ze de telefoon opnemen op welke klanten ze moeten focussen.” AI kan ook helpen bij je SKU-management. De meeste bedrijven voeren wel ABC-analy ses uit, maar met de juiste algoritmes wordt het ook makkelijker om hiërarchische clus ters te gaan definiëren. Zo kun je bijvoor beeld beter inschatten welke SKU’s nu wel winstgevend zijn, maar dat in de toekomst misschien niet meer zullen zijn. Daarnaast wordt AI nu al geregeld gebruikt met het oog op ‘scheduled maintenance’. Dat kan door AI het risico op uitval te laten bepalen op basis van het gebruik. Zo wordt preven tief onderhoud een stuk efficiënter. Eric Wilson voorspelt dat AI ook steeds vaker zal worden toegepast om scenarioplan ning te ondersteunen: “In dat kader wordt het uiteraard cruciaal dat je de impact van externe variabelen goed begrijpt”, bena drukt hij. “Voor alle duidelijkheid, tijdreek sen zijn erg interessant en nuttig, maar niet

36

WWW.VALUECHAIN.BE