Predictive Analytics – wanneer beginnen?

Wanneer is het tijd om onderhoud aan een machine te plannen? Hoeveel voorraad moet je inkopen van een bepaald product? En blijft een project binnen budget? Dit zijn voorbeelden van vraagstukken die je kunt aanpakken met predictive analytics. Maar wanneer is het juiste moment om hiermee te starten? Omdat predictive analytics veel mogelijkheden biedt en vaak nieuw terrein is, kan het lastig zijn om die vraag te beantwoorden. In dit artikel geven we handvatten om te bepalen wanneer predictive analytics waardevol kan zijn.

Randvoorwaarden

Om met predictive analytics aan de slag te kunnen gaan, moet aan een aantal randvoorwaarden worden voldaan. Grofweg zijn dit de volgende twee:

1. De benodigde data zijn beschikbaar

Je hebt voldoende gegevens nodig, en deze moeten relevant zijn. Stel dat je als ijsverkoper wil voorspellen hoeveel ijsjes je op een dag verkoopt. Dan moet je beschikken over gegevens van meerdere dagen, zoals de verkochte aantallen (observaties) en bijvoorbeeld de temperatuur (een relevante variabele). Zonder voldoende data en de juiste variabelen kun je geen betrouwbare voorspellingen doen.

2. De organisatie is er klaar voor

Er moet binnen de organisatie bereidheid zijn om voorspellingen te gebruiken bij besluitvorming. Dit kan een grote omslag zijn, zeker als beslissingen nu vooral worden gebaseerd op ervaring en intuïtie. Het is niet nodig dat iedereen predictive analytics volledig omarmt, maar het helpt als een aantal mensen de voordelen inziet en bereid is ermee te experimenteren. Beslissingen hoeven niet meteen volledig op voorspellingen te worden gebaseerd. Je kunt ze gebruiken als advies, waarbij menselijke ervaring en data samenkomen om beter onderbouwde keuzes te maken.

Business case

Als je aan de randvoorwaarden voldoet, kun je een business case opstellen. Hiermee bepaal je of het gebruik van predictive analytics een goede investering is. Je schat de kosten en baten in op basis van aannames.

De baten zitten vooral in efficiëntere processen en het voorkomen van fouten. De kosten bestaan bijvoorbeeld uit implementatie en softwarelicenties.

Een voorbeeld: stel dat jaarlijks 3% van de voorraad verloren gaat omdat deze over de houdbaarheidsdatum is of niet meer wordt verkocht. Door predictive analytics in te zetten, kun je de vraag naar producten nauwkeuriger inschatten en het verlies halveren naar 1,5%. Bij een voorraadwaarde van €10 miljoen bespaar je hiermee €150.000 per jaar.

Pilot

e hoeft niet meteen met een groot project te beginnen. Een pilot is een goede eerste stap en heeft diverse voordelen:

• Je kunt de kosten en baten nauwkeuriger inschatten.
• Je toetst of je aan de randvoorwaarden voldoet.
• Voor een relatief lage investering maakt de organisatie kennis met predictive analytics.

Tijdens de pilot verzamel je data en doe je een eerste verkenning. Hiermee onderzoek je of de verwachte verbanden in de data terug te vinden zijn. Bijvoorbeeld: een ijstruck verkoopt meer ijsjes bij 25 graden dan bij 15 graden. Als dat verband niet zichtbaar is, is het belangrijk om eerst te achterhalen waarom. Misschien zijn er te weinig observaties of ontbreken belangrijke variabelen.

Conclusie

Predictive analytics biedt kansen voor vrijwel elke organisatie. Voordat je begint, is het belangrijk om de randvoorwaarden te checken en een business case op te stellen. Daarna kun je met een pilot aan de slag. Zo ontdek je op een laagdrempelige manier wat predictive analytics kan betekenen. Benieuwd naar de mogelijkheden? Neem gerust contact met ons op voor een vrijblijvend gesprek.he first step toward unlocking the full potential of JD Edwards.