Artikel Emerce: Fulfilment verbeteren met behulp van gigantische datastromen

Het verrijken van data, het gebruik van de juiste analytics en het samenvoegen van verschillende informatiestromen kan zorgen voor een efficiënter warehouse én voor nauwkeurige voorspellingen over bijvoorbeeld de orderstromen. Hoe kun je al die data bruikbaar maken?

Wie een gebruikte auto wil aanschaffen, kan het best voor een oranje exemplaar kiezen, stelden datawetenschappers van Google’s Kaggle vast. Waarom? Wanneer iemand een auto in een afwijkende kleur als oranje aanschaft, dan ligt het voor de hand dat die aankoop een vorm van zelfexpressie is. En dat de vorige eigenaar van de oranje auto bovengemiddeld goed met de auto is omgegaan, omdat hij of zij ervan hield. Dat is dus een goede koop. Het is een aardig voorbeeld van inzichten die aan grote hoeveelheden data ontleend kunnen worden en waar je zelf niet op zou zijn gekomen.

In de keten van e-commerce – van nog voor het moment dat de consument een bestelling plaatst tot na de ontvangst van het pakket – spelen data een niet te onderschatten rol. Als all-in fulfilment-partner van meer dan 1500 webshops hebben wij zo’n 10 miljoen items op voorraad, die wereldwijd verzonden worden. Daar komen heel veel data bij kijken. Over de actuele voorraadstatus, maar ook de orderopvolgingen en de retourneringen. Die data vullen we aan met relevante gegevens uit externe bronnen, zoals de weersverwachting, actuele gebeurtenissen in de wereld, het moment waarop salarissen worden uitbetaald en wanneer de kinderbijslag binnenkomt.

Verbanden zoeken

Onze klant, de webwinkel in dit geval, krijgt dankzij die data inzichten in welke producten het goed doen en welke vaker worden teruggestuurd. Ook wat de reden van het retour is. Welke producten liggen te lang op voorraad en wat zijn de kosten daarvan? Voor welke producten is een marketingactie nu wenselijk? Met een warehouse-managementsysteem is het mogelijk om continu te zoeken naar dit soort verbanden. Deze verbanden tonen we aan zowel onze fulfilment-klanten als softwareklanten, want niets is zo belangrijk als dit soort data.

Stel, je verkoopt mutsen en handschoenen. Als blijkt dat in het verleden steeds vaker een bepaald type muts samen is gekocht met een specifieke handschoen, tussen december en februari, dan krijgt de webshop-eigenaar een seintje om er meer van in te kopen al vóór deze drukke periode. Dit is een voorbeeld dat een mens ook nog zou kunnen bedenken en begrijpen. Echter, de software vindt ook minder voor de hand liggende verbanden. Mensen die paarse nagellak kopen, kiezen gemiddeld genomen voor een hogere SPF-factor in de zonnebrandcrème die ze bestellen. Dit zou ik nooit kunnen bedenken, maar de slimme software ziet het wel.

Optimale looproute door data

De software stuurt ook de robots in onze magazijnen aan die stellingen met producten verplaatsen. We noemen ze ‘cobots’ omdat ze samenwerken met onze medewerkers. Wanneer de software de toenemende vraag naar bepaalde producten herkent, brengen de cobots de stellingen met die producten ’s nachts al dichter naar de plek waar de orders door de medewerkers de volgende dag worden gepickt, ingepakt en verzonden. De medewerkers hoeven dan minder ver door het magazijn heen en weer te lopen om een product te pakken, dat bespaart een hoop tijd. In het verleden liep een orderpicker bij ons gemiddeld ongeveer 10 tot 15 kilometer per dag. Dat is nu niet meer nodig.

Het werkt ook andersom. Wanneer de software weet dat de kerst voorbij is, worden de stellingen met kerstartikelen weer helemaal achterin het magazijn geplaatst. Dat is nu dus weer het geval. Op die manier kunnen we permanent een maximale opslagdichtheid in onze magazijnen vasthouden.

Waardevolle voorspellingen

De voorspellende analyse van de webshopdata levert waardevolle voorspellingen op voor de webshops. Die kunnen nu slimmer voorraad inkopen en die voorraad beter managen, door bijvoorbeeld rond ‘dode voorraad’ een leuke aanbieding op te zetten. Die voorspellingen helpen onze eigen bedrijfsvoering ook.  Als de software merkt dat de orders toenemen – en in zo’n mate toenemen dat de medewerkers dit niet meer aan kunnen – dan worden de uitzendbureaus automatisch ingeseind dat er meer uitzendkrachten moeten komen.

We kunnen zo om 16:00 uur ’s middags al met een nauwkeurigheid van meer dan 90 procent voorspellen hoeveel orders er in de avond besteld gaan worden. En hoeveel mensen er nodig zijn om die orders te verwerken. Dat is natuurlijk heel belangrijk, want nog steeds geldt de regel: hoe beter je weet hoe de toekomst er uitziet, hoe beter en effectiever je kunt plannen.

De beschikbaarheid van al die data heeft bovendien de e-commercepraktijk voor de consument transparanter gemaakt, en dat vinden klanten steeds belangrijker. De consument wil precies inzicht hebben in wat er met zijn orders gebeurt en verwacht deze inzichten ook te krijgen. Het is een vereiste geworden. Denk aan praktische zaken als data over de bezorging. De tijd dat de consument ’s avonds iets bestelt en dat je als webshop vrolijk aan kunt geven dat het de volgende morgen wordt bezorgd door de ‘vaste’ vervoerder ligt alweer ver achter ons. De consument wil de controle hebben en kiezen wie het pakketje bij haar thuis brengt.

Een ander voorbeeld: als een consument kiest voor een afhaallocatie, dan wil die persoon niet alleen kiezen uit de afhaallocaties van een specifieke vervoerder. Ze wil de afhaallocaties die op dat moment het beste uitkomt. En dan wil de consument ook meteen weten wanneer die afhaallocatie open is. Dat zijn zaken die een webshop gewoon moet regelen voor de consumenten en dat is mogelijk met behulp van de juiste data.

Verwachtingen overtreffen is de uitdaging

Het is dus mogelijk om met behulp van de juiste data de verwachtingen van de consument en die van onze klant (webshopeigenaren) te overtreffen. Vooral omdat we naast de vereiste inzichten ook inzichten bieden waar de klant in eerste instantie niet aan denkt, maar die uiteindelijk wel heel goed gebruikt kunnen worden (zoals de verbanden tussen veel verkochte items). Wie daar tactisch goed mee omgaat, kan zijn webshop echt laten groeien.
De markt van fulfilment groeit al jaren ontzettend snel. De lockdowns als gevolg van corona hebben daar nog eens een extra boost aan gegeven. De investering in zowel robots, AI en data science groeit mee in die versnelling.