Smart touch planning is een kwestie van vertrouwen

Planning is alles in de logistiek, en wordt daarom steeds verfijnder gemaakt met behulp van data en geavanceerde analytics. De vraag is of er ooit een ‘no touch planning’ voor supply chains komt, waarbij de mens als planner helemaal wordt vervangen door algoritmen. Joost Rongen, Lead Business Consultant bij EyeOn, denkt van niet. En daar heeft hij goede redenen voor.

Als op het plannen aankomt zijn er volgens Rongen twee belangrijke trends. Aan de ene kant is dat inderdaad de digitalisering, waardoor menselijke planningsactiviteit steeds vaker wordt vervangen door machines. “Maar tegelijkertijd leven we in een heel onzekere tijd”, zegt hij. “Oorlog in Oekraïne, een groot chiptekort, corona, er is heel veel onzekerheid in de dynamiek. Door die onzekerheid wordt het belang van plannen steeds groter, maar tegelijkertijd kunnen we door die grote onzekerheid niet altijd vertrouwen op algoritmen. Die zijn namelijk afhankelijk van grote hoeveelheden datapunten.” Voor nieuwe situaties zijn die datapunten simpelweg niet voorhanden en dus zullen we naar de mening van Rongen een volledige automatisering nooit bereiken. “In plaats daarvan moeten we naar een smart touch planning”, vindt hij. “Dat is een gezonde balans tussen door algoritmen gegenereerde input en menselijke intelligentie.”

Een ideale samenwerking

In een smart touch planning werken data scientists en planners zo efficiënt mogelijk samen. Bepaalde delen van de planning worden door geavanceerde algoritmen berekend, andere delen worden door de planners opgepakt. Maar hoe bepaal je nu wat het systeem kan doen en welke delen van je business je met menselijke kennis moet laten plannen? “Het mooie is dat je het vinden van die balans wel met algoritmen kan doen”, stelt Rongen. “Met data kan je heel goed bepalen welke markten of productgroepen onzeker zijn en waar het daardoor niet zinvol is om analytics te gebruiken. Daar moet je planners inzetten.”

Tegelijk kan je analytics gebruiken om je planners goed richting te geven, zodat ze hun werk efficiënt en met maximale impact kunnen doen. “Het is een paradox. Hoe onzekerder de omgeving, hoe belangrijker de planning wordt en hoe belangrijker dus het werk van de planners. Maar het aantal planners in een bedrijf is beperkt, dus die moeten hun tijd zo goed mogelijk besteden. Data kan aangeven waar ze hun dag het beste mee kunnen beginnen, waar ze weinig aandacht aan hoeven te besteden en ook waar analytics totaal tekort schiet en je hun menselijke brein dus op volle kracht nodig hebt.” 

Vertrouwen

Het vinden van die balans tussen mens en machine is niet altijd makkelijk. “Mensen zijn eigenwijs en denken het altijd beter te weten”, geeft Rongen aan. Je zult dus moeten bewijzen dat data analytics nuttig is. “Dat kan bijvoorbeeld door achteraf analyses te maken van wat er is gebeurd. Je laat zien op welk deel iemand het heel goed heeft gedaan, en op welk deel het beter kon.” Zo zien planners de kracht van data en gaan ze er ook meer op vertrouwen.

Juist dat vertrouwen is belangrijk voor een goede samenwerking. Alleen is dat vertrouwen verre van vanzelfsprekend. “Het zijn echt twee heel verschillende typen planners, er komen twee verschillende werelden bij elkaar”, geeft Rongen aan. “De een is heel erg op de data gericht en puzzelt vooral hoe hij zoveel mogelijk uit die data kan halen. De ander heeft veel affiniteit met de industrie, gevoel voor de business en kan goed schakelen met andere afdelingen binnen de organisatie.” Bovendien werken ze fysiek gescheiden en komen ze elkaar dus ook niet tegen bij de koffieautomaat. “Het datastuk is vaak centraal georganiseerd, omdat de data centraal is opgeslagen en data scientists moeilijk te krijgen zijn. Planners worden daarentegen juist lokaal ingezet, zodat ze voeling houden met de specifieke markt.”

Breek de black box open

Het grootste gevaar is volgens Rongen dat de geavanceerde analytics een black box worden. Dat geeft onduidelijkheid bij de planners en leidt soms tot weerstand. “Daarom moet je de black box openbreken”, benadrukt hij. “Je moet echt aannemelijk maken dat automatisch gegenereerde planning betrouwbaar is, maak het transparant. Daarvoor is wederzijds begrip tussen planners en data scientists nodig. Het is dan ook belangrijk dat data scientists niet alleen oog hebben voor het vinden van optimale algoritmen. Ze moeten ook begrijpen waarom er een plan gemaakt wordt en welke logistieke beslissingen daarmee worden ondersteund. Zo ga je elkaars taal een beetje spreken, en dat is de basis van vertrouwen.” Ook als je data analytics gebruikt is het dus zaak om vooral de menselijke kant goed in de gaten te houden.