Wanneer kan het beste onderhoud uitgevoerd worden op een machine? Hoeveel voorraad moet worden ingekocht van een bepaald product? Zal een project binnen budget blijven? Zomaar wat vraagstukken die aangepakt kunnen worden met predictive analytics. Maar wanneer ga je hiermee aan de slag? Door de vele mogelijkheden en doordat het mogelijk een onbekend terrein is, kan deze vraag lastig te beantwoorden zijn. Dit blog is bedoeld om wat handvaten te geven bij het bepalen wanneer met predictive analytics aan de slag te gaan.
Om met predictive analytics aan de slag te kunnen gaan, moet aan een aantal randvoorwaarden worden voldaan. Grofweg zijn dit de volgende twee:
De benodigde data houdt in dat er voldoende observaties zijn en dat de relevante variabelen beschikbaar zijn. Als je bijvoorbeeld als ijsverkoper wil voorspellen hoeveel ijsjes je gaat verkopen op een dag, moet je dus van veel dagen (in dit geval is een observatie 1 dag) je ijsverkopen hebben bijgehouden en bijvoorbeeld ook de temperatuur van deze dagen (dit zou een relevante variabele kunnen zijn).
Binnen de organisatie moet er bereidheid zijn om gebruik te maken van voorspellingen die door een “voorspelmodel” gemaakt worden. Indien beslissingen veelal gemaakt worden op grond van ervaring en gevoel, is dit nogal een omslag. Het hoeft niet zo te zijn dat de hele organisatie predictive analytics omarmt, maar wel dat er wat mensen zijn die de meerwaarde ervan inzien en bereid zijn om een bepaald vraagstuk hiermee aan te vliegen. Ook hoeven beslissingen niet meteen volledig gemaakt te worden op basis van een voorspelling, maar kan de voorspelling gezien worden als een advies wat gegeven wordt op basis van de beschikbare data. Op deze manier wordt in feite de waarde van de data gecombineerd met menselijke ervaring. Zo worden alle beschikbare middelen ingezet om een zo goed mogelijke beslissing te maken.
Als aan de randvoorwaarden wordt voldaan, kan een business case gemaakt worden om te bepalen of het inzetten van predictive analytics een goede investering is. Op basis van een aantal grove aannamen worden de kosten en baten ingeschat. De baten vloeien vooral voort uit een hogere efficiëntie en het voorkomen van verkeerde beslissingen. De kosten bestaan vooral uit het implementatietraject en softwarelicenties.
Stel dat elk jaar 3% van de voorraad weggegooid moet worden omdat dit over de datum is of er geen vraag meer naar is. Als je door het inzetten van predictive analytics de vraag naar producten 50% beter in kan schatten, hoef je nog maar 1,5% van de voorraad weg te gooien. Als de voorraad gemiddeld €10mln bedraagt, bespaar je dan met predictive analytics €150k per jaar.
Om te beginnen met predictive analytics hoeft niet meteen een langdurend project opgestart te worden. Het is aan te raden om te beginnen met een pilot. Dit heeft een aantal voordelen:
Gedurende de pilot worden de benodigde data verzameld en wordt hier ten eerste wat data exploratie op gedaan. Hiermee wordt o.a. onderzocht of de verwachtte business logica terug te zien is in de data. Bijvoorbeeld dat je als ijstruck meer ijsjes verkoopt bij 25 graden dan bij 15 graden. Indien dit niet het geval is, is het van belang om eerst deze oorzaak te bepalen en dit op te lossen, voordat er daadwerkelijk met predictive analytics aan de slag wordt gegaan. Mogelijk zijn er niet genoeg observaties of zijn er ontbrekende variabelen.
Binnen vrijwel elke organisatie zijn toepassingen te bedenken van predictive analytics. Voordat hiermee aan de slag gegaan wordt, moet gecheckt worden of aan de randvoorwaarden wordt voldaan. Vervolgens wordt een business case gemaakt om te bepalen of er sprake is van een goede investering. Hierna kan van start worden gegaan met een pilot, waaruit mogelijk een implementatie volgt. Ben je benieuwd wat predictive analytics voor jouw organisatie kan betekenen? Neem dan vooral contact met ons op, zodat we hier (vrijblijvend) een gesprek over kunnen hebben.
Jelle is mede oprichter van Cadran Analytics. Hij besteedt vooral tijd aan sales en project management. Ook duikt hij regelmatig de code in.