Iedereen in je organisatie moet data snappen

"Data maakt de digitale transformatie mogelijk", zegt Frank Ferro, Director Insights bij PostNL. "Daarom moet iedereen in je organisatie data snappen, wat het is en wat je ermee kan doen." Frank Ferro zal in november tijdens de collegereeks E-logistics in een sessie laten zien wat erbij komt kijken als je een data-analyticsafdeling opzet.

"Vroeger bepaalden de verzenders wat er moest gebeuren. Dat was allemaal push. Dat is veranderd, nu is het vooral pull", zo schetst hij hoe de wereld in korte tijd is veranderd voor PostNL. "De Lord of de Chain is verschoven. De ontvanger bepaalt steeds meer waar een pakket wordt afgeleverd, wanneer en waar, bij de buren, de AH, de Primera, of het CO2-neutraal gebeurt." Dat betekent dat volgens hem dat het ritme van de keten verandert.

Het belang van data

"Van de 100.000 pakketten die Bol.com verstuurd worden er in ons systeem tientallen procenten geherrouteerd door de klant", vertelt hij om dit te illustreren. Een pakketdienst als PostNL moet tegenwoordig dus heel flexibel zijn, terwijl alles wat ze doen toch zoveel mogelijk in het standaard proces van de keten moet passen. Anders wordt het te duur. 

Dit kun je alleen maar bereiken met heel goede voorspelmodellen. En omdat data analytics zo belangrijk is in de organisatie moet iedereen snappen wat data doet, vindt Frank. "Als je dat niet snapt, wordt het moeilijk om iets te bereiken", geeft hij aan. Zo moet een planner begrijpen waarom een algoritme beter of slechter performt. Daardoor kan hij bijvoorbeeld aangeven dat een contextwijziging invloed kan hebben op het algoritme.

Begrip voor elkaar

Een planner zit in een team samen met onder andere data engineers. Op basis van wat de planner ziet, kunnen die in sprints van twee weken het algoritme aanpassen aan nieuwe omstandigheden. "Denk bijvoorbeeld aan de covid-periode. Toen sloten fysieke winkels de deuren, waardoor er ineens veel meer pakketten werden verstuurd. Dat zagen ze aankomen en dus konden ze er snel op reageren."

Maar om dat te doen moet de data engineer begrijpen hoe de business werkt en op zijn beurt moet de planner inzicht hebben in de werking van het algoritme. Ze kunnen alleen goed samenwerken als ze op niveau met elkaar kunnen communiceren.

Kwaliteit van de data

Toch is een goed algoritme en dus een goed voorspelmodel niet voldoende, stelt Frank. "Met data van lage kwaliteit komt de performance van je voorspelmodel nooit uit boven bijvoorbeeld 80%", zegt hij. Dat is veel te laag voor een organisatie als PostNL. Daarom heeft het zuiver houden van de data hoge prioriteit.

"Het verhogen van die kwaliteit doen we over meerdere assen", vertelt Frank. Onder andere met behulp van technologie en het verbeteren van de processen. Zo zijn er bijvoorbeeld KPI's voor datakwaliteit en er is een Master Data Management Systeem, waar alle projecten onder andere hun klantdata uit moeten halen. Toch legt Frank opnieuw de meeste nadruk op de mensen.

Deel je successen

De boodschap die Frank uitdraagt is dat de kwaliteit van de data de verantwoordelijkheid is van iedereen binnen de organisatie. "Je moet mensen opvoeden en leren hoe belangrijk datakwaliteit is. Ze moeten dataliterate worden. En om iedereen te doordringen van het belang ervan heb je successen nodig. Laat je successen zien! Dan pas begrijpen mensen echt dat ze niet meer zonder hoge datakwaliteit kunnen en dat ze er last van krijgen als die kwaliteit minder wordt."