Hoe slimme algoritmen kunnen bijdragen aan een snelle bezorging van pakketten bij u thuis

Opinie

Hoe slimme algoritmes kunnen helpen in het correct informeren van klanten over bezorgtijden

De meeste grote organisaties hebben te kampen met een of meerdere uitdagingen die kunnen worden opgelost door het gebruik van data. Deze zijn echter vaak erg complex en afhankelijk van de organisatie. De IDO-benadering van Deloitte kan hiervoor de oplossing bieden.

Naser Bakhshi, Olga Hartoog, Paul Langelaan - 30 november 2017

                                                                                                        English Version

Wanneer je iets online bestelt, word je vaak geïnformeerd over het verwachte tijdstip van bezorging: “We verwachten uw pakket tussen 9 en 11 bij u te bezorgen”. Je regelt dan dat je die ochtend een paar uur thuis blijft om het pakket in ontvangst te kunnen nemen. Maar om 11 uur is het pakket er nog niet en moet je toch echt weg. Wanneer je 's avonds thuiskomt, ligt er een briefje op de deurmat: “We troffen u helaas niet thuis. Morgen proberen we het opnieuw.” Ze stonden waarschijnlijk voor de deur toen je net weg was. Heel vervelend, vind je niet?

PostNL vindt dat ook en hecht er veel belang aan om de juiste informatie over de bezorgtijden aan klanten te verstrekken. Met name in de periode tussen 'Black Friday' en de feestdagen is dat van essentieel belang. De enorme toename in volume in deze periode zorgt voor operationele uitdagingen die kunnen resulteren in andere bezorgtijden dan verwacht. Onderzoek binnen PostNL wijst uit dat ontevredenheid bij klanten het vaakst ontstaat doordat zij verkeerd geinformeerd zijn en hun verwachtingen niet worden waargemaakt. Correcte informatie leidt niet alleen tot grotere tevredenheid bij klanten, maar levert ook meer efficiëntie binnen de organisatie op en zorgt ervoor dat klanten minder vaak naar de klantenservice hoeven te bellen. Het gehanteerde Tijdvakindicatie-algoritme (TVI-algoritme) voorspelde de tijdvakken echter niet goed genoeg. Klanten verwachten tegenwoordig een voortreffelijke, gepersonaliseerde dienstverlening want die krijgen ze al met producten en diensten van sterk datagestuurde bedrijven. PostNL begrijpt dit en daarom stond het probleem van de Tijdvakindicatie (TVI) al geruime tijd hoog op de agenda. Diverse interne en externe deskundigen hadden al geprobeerd het probleem aan te pakken, maar hun inspanningen hadden er nog niet toe geleid dat de klant werkelijk een verbetering ervaart.

Het TVI-probleem is complex. Aantallen pakketten nemen enorm toe door de groei van e-commerce. Door diensten zoals “vandaag besteld, morgen in huis” en zelfs “dezelfde dag bezorgd” is het moeilijk te voorspellen wat op een bepaalde dag moet worden bezorgd. Verder vergroten externe factoren zoals het verkeer de onzekerheid rond bezorgtijden. Tegelijkertijd hebben we te maken met een bestaande organisatie met tienduizenden medewerkers - onder wie talrijke onderaannemers - die een zekere mate van vrijheid genieten bij de uitvoering van hun werk. Een pakketbezorger kan bijvoorbeeld zelf beslissen in welke volgorde hij of zij de toegewezen pakketten in een bepaald gebied bezorgt. Om deze reden biedt geospatiale routeoptimalisatie niet de ultieme oplossing. En zelfs wanneer je het algoritme de bezorgvolgorde zou laten bepalen, zou het nog steeds zinvol zijn om de kennis van de pakketbezorger op de een of andere manier te benutten.

Technologie alleen is niet genoeg

Er zijn grote hoeveelheden operationele gegevens beschikbaar: dagelijks worden er tot wel een miljoen pakketten verwerkt en die worden bij iedere operationele stap gescand. Een duurzame oplossing voor een complexe uitdaging als Tijdvakindicatie vergt evenwel meer dan een blik op de data. Technologie alleen volstaat niet. En we komen er ook niet door alleen maar te proberen de manier waarop mensen binnen de organisatie werken te veranderen. De oplossing ligt in een combinatie van deze twee zaken. Naast een grote betrokkenheid van experts van binnen de organisatie met beslissingsbevoegdheid (mandaat) is er behoefte aan een ‘eliteteam’ met grondige kennis en vaardigheden op het gebied van data science maar ook business sense en inzicht in de organisatie. De oplossing ligt niet in het inhuren van externe adviseurs voor een kortlopend project, maar het is ook heel lastig gebleken een dergelijk eliteteam binnen de organisatie te vinden (en vrij te maken!).

De perfecte opzet voor de aanpak van een ‘TVI-probleem’ van een organisatie bestaat uit de combinatie van externe consultants en interne expertise in een samenwerkingsverband voor de langere termijn. In mei 2016 hielp Deloitte Consulting PostNL de transformatie naar een Insight Driven Organisation (IDO) in gang te zetten door een Analytics Centre of Excellence (ACE) op te zetten. De keuze voor een gecentraliseerd uitvoeringsmodel was het resultaat van een uitgebreide Analytics Maturity-scan en -analyse. ACE begon met een groep ervaren data scientists van Deloitte en analisten uit de eigen organisatie. In april 2017 werd ACE officieel een PostNL-afdeling toen de omvang van het team meer dan verdubbelde met de transfer van vijf enthousiaste data scientists, afkomstig uit diverse geledingen van PostNL.

In een tijdsbestek van achttien maanden werden tien verschillende uitdagingen door ACE opgepakt, variërend in focus van pakketten tot brievenpost en van commercieel tot logistiek. Met behulp van data zijn op al deze punten inzichten, maatregelen en voorspellingen tot stand gekomen, tot aan de implementatie van modellen toe. Een van deze oplossingen is het nieuwe TVI-algoritme. Na een periode waarin werd gebrainstormd, datamodellen werden gebouwd en samen met pakketbezorgers dingen werden uitgeprobeerd, en na talrijke simulaties, kwam ACE met deze nieuwe oplossing waarin de kennis van de pakketbezorgers wordt benut. Uit simulaties en kleinschalige pilots bleek dat een verbetering van de tijdvak-‘scores’ tot wel 20% mogelijk was. 

Resultaten

In oktober 2017 werd in 25% van Nederland een pilot met het nieuwe algoritme gestart en de scores die dit opleverde overtroffen de verwachtingen, met een algoritme dat uniek is omdat:

  • het gebruik maakt van de scaninformatie van de ongeveer 800K pakketten die PostNL iedere dag bezorgt;
  • de kennis van de bezorgers wordt gebruikt om het algoritme naar de beste oplossing te sturen;
  • het op het laatste moment kan worden aangepast aan onvoorziene omstandigheden.

Samen met de resultaten van simulaties hebben deze feiten PostNL ertoe aangezet de oplossing landelijk in te voeren. Miljoenen mensen in Nederland ontvangen nu betrouwbaardere tijdvakken voor de bezorging (16% minder pakketten buiten de toegewezen tijdvakken) en hebben zo een positievere klantervaring. En het ontwerp en de implementatie van het algoritme zijn nog maar de eerste stap: het project heeft ook geresulteerd in een roadmap op basis van data en simulaties op weg naar nog betere voorspellingen van de tijdvakken door middel van andere werkmethoden en aanvullende functionaliteiten. Fetsje Bijma, projectleider vanuit de business van het TVI project, over de samenwerking met ACE en de aanpak van het project:

“Ik was aangenaam verrast door de snelheid waarmee het team van ACE zich het probleem eigen heeft gemaakt. De oprechte interesse in het praktische verhaal achter het TVI-probleem heeft enorm geholpen in de zoektocht naar de beste oplossing. Samen hebben we zowel geavanceerde als simpelere modellen verkend en de voors en tegens afgewogen. Uiteindelijk is het vraagstuk opgesplitst in meerdere deelproblemen, waarvan een aantal analytics vraagstukken en een aantal operationele vraagstukken. In de nieuwe roadmap grijpen de oplossingen voor deze vraagstukken mooi op elkaar in, zodat we binnen een dik jaar het hardnekkige TVI-probleem grotendeels opgelost hebben.”

De IDO-aanpak

Ieder bedrijf heeft zijn eigen ‘TVI-probleem’: een schijnbaar onoverkomelijke probleem met ingrijpende gevolgen. Het door Deloitte geboden kader, aanpak en ontwerp voor IDO kan de juiste benadering zijn voor dit soort uitdagingen. De reis met PostNL toont aan dat met goed opgezette processen en methoden, met een uitgebalanceerd team in termen van harde technische vaardigheden en met business sense en een verder reikende samenwerking met externe deskundigen, ook dit soort harde noten kunnen worden gekraakt. Frank Ferro, leidinggevende van het ACE team:

"Data analytics is fascinerend en het doorgronden van de processen die je probeert te optimaliseren is daarbij cruciaal.”

IDO is een gestructureerde methodologie die organisaties helpt te handelen op basis van inzichten, door de kracht van data en data science volledig te benutten en te combineren met een groot zakelijk inzicht. PostNL heeft zijn Analytics Maturity met behulp van de IDO-benadering van Deloitte het afgelopen jaar sterk verbeterd en zal hiermee doorgaan om aan de verwachtingen van zelfs de meest veeleisende klanten tegemoet te blijven komen.

Is jouw organisatie klaar voor IDO? 

Vond u dit nuttig?

Gerelateerde onderwerpen