Datagedreven procesverbetering

Data driven process improvement

Drie jaar geleden, tijdens een training Process Mining door prof. Wil van der Aalst, leerde ik dat “data de nieuwe olie zou worden“. Tegenwoordig stel ik de toenemende bevestiging vast van deze verklaring.

Het IoT (Internet of Things) produceert enorme hoeveelheden bruikbare gegevens en dit zal in de komende jaren en decennia – wellicht exponentieel – verder toenemen. Tegenwoordig worden evenveel gegevens geproduceerd op 1 dag als alle gegevens die sinds het begin van de tijd tot 2003 zijn geproduceerd. Verwacht wordt dat in 2020 maar liefst 50 zettabytes aan gegevens beschikbaar zullen zijn.

Voeg aan deze enorme hoeveelheden gegevens de steeds slimmere technologieën toe om ze te analyseren en te exploiteren – zoals kunstmatige intelligentie, machinaal leren (Machine Learning), deep learning, enz. – en je kan je voorstellen welk potentieel dit allemaal biedt om bedrijven en organisaties te verbeteren ; en dus ook hun bedrijfsprocessen.

Het toenemende bestaan van datamakelaars (data brokers), die zoals paddestoelen uit de grond schieten, zal je waarschijnlijk niet verbazen.

Daarom zou elke organisatie – hetzij met, hetzij zonder winstoogmerk – big data en data analytics als strategische activa moeten beschouwen.

3 manieren om waarde te creëren uit gegevens

Voordat we ons verdiepen in het operationele onderwerp, laten we kijken hoe een organisatie naar big data kan kijken om nog meer waarde te genereren.

1. Betere beslissingen maken

Good Better Best Signpost Representing Ratings And ImprovementGegevensbeschikbaarheid en gegevensanalyse kunnen de bron zijn van informatie die leidt tot verbeterde markt- en klantintelligentie. Dit kan bv. dankzij betere inzichten in o.a.

  • Wat klanten verwachten en willen
  • Welke producten en diensten klanten gebruiken
  • Hoe zij deze producten en diensten consumeren
  • Hoe klanten die producten en diensten evalueren

Dergelijke inputs en feedback stellen bedrijven en organisaties in staat hun verkoop- en marketinginspanningen te verbeteren. Dit (engelstalig) artikel illustreert hoe Heineken het zogenaamde “social CRM” toepast en hoe het sociale gegevens en sociale media gebruikt als basis voor toekomstige klantervaringen.

Het gaat zelfs niet (alleen) om het nemen van betere beslissingen voor de organisatie zelf, maar ook voor haar klanten. Denk aan het delen van fietsen of scooters: het delen van voertuigen bevond zich vroeger op welbepaalde plaatsen in een stad. Dankzij geolokalisatie kunnen klanten nu een (e-)fiets, (e-)step of (e-)scooter op handbereik vinden, nl. waar de vorige gebruiker het heeft achtergelaten. Via jouw smartphone kan je als klant inderdaad zoeken waar het dichtstbijzijnde voertuig zich bevindt om jou ergens in de stad te begeven. De beslissing van de klant hangt dus af van de beschikbaarheid van fietsen of scooters die hij krijgt als gegevens via de smartphone.

De in de VS gevestigde restaurantketen Dickey’s Barbecue Pit gaat nog verder. Het heeft een eigen gegevenssysteem ontwikkeld om nog betere inzichten te krijgen, zodat de verkoop kan worden verhoogd en de werking, training en zelfs menu-ontwikkeling kan worden verbeterd. Hun systeem verzamelt gegevens bijna in realtime : gegevens vanuit alle kassa’s, van marketingpromoties, maar ook gegevens van loyaliteitsprogramma’s, klantonderzoeken en zelfs van hun voorraadsystemen.

Door al deze gegevens samen te combineren, kunnen ze ‘on the fly’ reageren om vraag en aanbod op een positieve manier te beïnvloeden. Op deze manier is het mogelijk om een sms-bericht te sturen naar klanten in een buurt, om zodoende een lunchpauze te boosten wanneer ze zien dat er op een bepaalde dag een tekort aan klanten zou zijn.

2. Verbetering van de efficiëntie en bedrijfsvoering

Smooth operationsGegevens maken efficiëntieverbetering mogelijk in elke (functionele) afdeling van organisaties. Zelfs niet alleen met betrekking tot interne processen “binnen de 4 muren”, maar ook voor inter-organisatorische processen zoals logistiek of Supply Chain Management.

Ook ondersteunende processen zoals HR-activiteiten verbruiken gegevens, nl. van sociale media. Denk bijvoorbeeld aan LinkedIn voor rekruteringsdoeleinden. Om nog te zwijgen over facility management, waarbij onderhoudskosten grotendeels kunnen worden verbeterd dankzij sensoren die voorspellend onderhoud (predictive maintenance) mogelijk maken. Dit helpt om het relatief dure preventieve onderhoud te verminderen enerzijds en nog duurdere uitval te voorkomen – vaak de oorzaak van lange uitvaltijden en hoge reparatiekosten.

3. Inkomsten genereren rechtstreeks uit data en informatie

Dit gaat over bedrijven die gegevens verzamelen en analyseren om inzichten aan hun klanten te bezorgen. Inzichten zoals klanttevredenheid door analyse van sociale media of voorspelling van patronen door analyse van gezochte woorden of uitdrukkingen ; zoals Google Trends bv.

Of gegevens- of informatiebrokers voor zeer specifieke onderwerpen. Neem Enhesa als voorbeeld, een dienstenbedrijf dat elke nieuwe regelgeving op het gebied van Milieu, Gezondheid en Veiligheid wereldwijd nauwkeurig screent om haar klanten – vaak multinationale bedrijven – te helpen om in deze 3 domeinen compliant te zijn of te blijven.

Een ander voorbeeld is John Deere, dat gegevens over machineprestaties verkoopt, maar ook over bodemomstandigheden en andere soorten gegevens die landbouwers – hun doelmarkt – in staat stellen de opbrengst van hun gewassen te verbeteren. Raadpleeg dit (engelstalig) artikel voor meer informatie over hoe het bedrijf deze gegevens publiceert via een extranet met de naam myjohndeere.com.

Optimaliseer jouw processen a.h.v. gegevens

Laat ons nu inzoomen op het gebruik van gegevens voor datagedreven procesverbetering.

1. Individuele taken (of procesbouwstenen) verbeteren

Process DesignBedrijfsprocessen bestaan uit activiteiten of taken, de processtappen. Daarom kan je al deze afzonderlijke processtappen grondig analyseren op hoe gegevens deze taken kunnen helpen optimaliseren.

Lees in dit artikel hoe de Tata Steel-fabriek in IJmuiden (Nederland) erin slaagde om de verhitting van ruwijzer aanzienlijk te verbeteren. Dankzij gegevensanalyse, elimineerden ze kostbare verspillingen – veroorzaakt door verloren vloeibaar ruw ijzer dat overkookte – tijdens het verhitten. Een mooi voorbeeld van betere operationele controle, toch?

Bovendien verbeterden ze ook de verhittingsactiviteit door het ijzer veel sneller op te warmen. Twee vliegen in één klap ; in dit geval een algoritme dat zestig verschillende parameters per seconde analyseert, om de kans te berekenen dat het vloeibare ijzer in de volgende minuut (niet) zou overkoken.

Dergelijke algoritmen en het gebruik van big data komen uiteraard niet uit de lucht vallen. Het is meestal het resultaat van het zoeken naar hoe gegevens kunnen helpen om

  • de snelheid van een taak te verhogen, m.a.w. de tijd die nodig is om het uit te voeren te minderen.
  • alle soorten verspillingen te verminderen
  • de kwaliteit voor de klant verbeteren ; in het geval van een taak is de klant de volgende processtap.
  • het algehele bedrijfsproces te verbeteren, met de procesoutput(s) en procesdoelstelling(en) voor ogen.
  • het voor de (uitvoerende) mensen gemakkelijker en motiverender maken om hun taken uit te voeren. Bijv. waardoor het nog ergonomischer, gezonder, intellectueel uitdagender, minder riskant (veiliger en veiliger), enz. wordt.

2. Optimalisatie van complete processen

Alle bovengenoemde principes voor individuele taken zijn uiteraard ook van toepassing op het geheel van deze taken, dus het proces waar ze deel van uitmaken. Aangezien een bedrijfsproces meer is dan de som van zijn stappen, kan je ook nog volgende bijkomende manieren overwegen om processen te optimaliseren.

Interacties tussen taken binnen een proces

Zelfs wanneer de taken optimaal zijn, kan het proces zelf sub-optimaal of inefficiënt zijn.

Kijk naar de “ruimtes” tussen de taken van jouw processen: zijn er verspillingen (inclusief tijdsverspillingen) met de overdracht van goederen, arbeid, …? Vooral wanneer opeenvolgende taken worden uitgevoerd door verschillende personen of teams. Misschien zijn deze verspillingen niet eens bekend en kan het gebruik van specifieke sensoren die verspillingen zichtbaar maken.

Many lanes cross-oversTip: wanneer je procesmodellen gebruikt met swim lanes, is het interessant om te analyseren hoe materialen, gegevens, informatie of kennis worden overgedragen van de ene persoon – of team – naar de andere. Dit zijn vaak bronnen van datagedreven procesverbetering.

Voorbeeld: Stel je een administratie voor die bouwvergunningen uitreikt, waarbij de uiteindelijke beslissing afhangt van talrijke inputs afkomstig van verschillende andere personen of teams. Is het niet handig en tijdbesparend wanneer de persoon die verantwoordelijk is voor deze laatste stap op de hoogte is van de status van alle inputs die hij/zij nodig heeft? Bijvoorbeeld door een signaal te ontvangen van zodra al deze inputs beschikbaar zijn voor de laatste taak.

Hetzelfde geldt natuurlijk ook voor het assembleren van producten, waarbij het eindassemblage afhankelijk is van de beschikbaarheid van alle te monteren onderdelen.

Leg de lat hoger voor jouw procesdoelstellingen & procesoutputs

Bekijk hoe je procesdoelen en procesoutputs kan overschrijden, verhogen of zelfs opnieuw definiëren dankzij de beschikbaarheid van specifieke gegevens.

Als de huidige doorlooptijd van jouw proces(sen) om een product te vervaardigen of om een dienst te verlenen langer is dan wat klanten verwachten, waarom dan niet analyseren waar in jouw proces(en) gegevens kunnen helpen om tijdverspilling te elimineren?

Of als jouw proces nog steeds te veel non-conformiteiten veroorzaakt die leiden tot afgekeurde producten, waarom zou je dan geen gegevens of sensoren overwegen om de (grond)oorzaak van deze non-conformiteiten te vinden en weg te nemen? Als je twijfelt hoe realistisch dit is, lees dan de paragraaf “Geautomatiseerde (grond)oorzaak analyse dankzij intelligente evaluatie” verderop.

Integreer IoT-gegevens in jouw bedrijfsprocessen

iot-bpm-banner-2Dit betekent dat IoT-gegevens rechtstreeks in jouw bedrijfsprocessen worden gebruikt, om de effectiviteit en/of de efficiëntie van jouw processen te verbeteren.

Stel dat jouw organisatie op tijd gebaseerde diensten levert en dat alleen de tijd waarvoor jouw werknemers bij de klant zijn, factureerbaar is. In het verleden moesten werknemers de tijden neerschrijven – of in het beste geval konden ze het al op een tablet registreren -, telkens wanneer ze bij een klant aankwamen en telkens wanneer ze een klant verlieten. Dit was niet alleen een vervelende taak voor het personeel, maar het was ook onderhevig aan talrijke risico’s:

  • risico op fouten – met name wanneer mensen vergaten om tijden te noteren, en op het einde van de dag die tijden moesten trachten te herinneren,
  • risico op verlies van het papier met alle (tijd)data erop,
  • risico op fraude – bijv. wanneer werknemers beweerden dat ze tijd doorbrachten bij een klant terwijl ze iets anders deden,
  • risico op tijdrovende discussie met klanten over de correctheid van de tijden,
  • enz.

Dit behoort nu tot het verleden, aangezien Telematics jou in staat stelt om al deze tijden automatisch te registreren, zelfs in realtime. Het gaat echter nog verder: al deze (tijd) gegevens kunnen direct geïmporteerd worden binnen jouw facturatiesoftware. Zodoende  kan je klanten op een veel meer geautomatiseerde manier factureren en bovendien met zeer nauwkeurige gegevens. Deze Telematica dienst is o.a. wat GeoDynamics aan klanten biedt.

Analyseer eerdere procesinstanties met Process Mining

Mining magnifierAls je (nog) niet weet waar Process Mining over gaat, kijk dan eens naar deze blog – en de 2 daaropvolgende blogs die beschrijven hoe je nog meer waarde kan creëren a.h.v. Process Mining.

Omdat het gebruik van Process Mining afhankelijk is van beschikbare gegevens, namelijk event logs, is de beschikbaarheid van dergelijke gegevens een noodzaak om zodoende je processen te verbeteren. Een veel voorkomende reactie die ik krijg wanneer ik het over Process Mining heb, is “mooie technologie, maar waar moet ik die event logs vandaan halen?”

Het vrij simpele antwoord is: “voorzie ze, als je ze niet hebt“. Het beschikbaar stellen van deze event logs is tegenwoordig geen rocket science. Inderdaad, in deze wereld van IoT, met allerlei mogelijke sensoren, ben je niet (alleen) afhankelijk van dure en vrij rigide informatiesystemen zoals een ERP of CRM om grondig inzicht te krijgen in hoe je processen werkelijk verlopen . Denk aan elk type sensor dat jou kan helpen om leemtes in jouw procesreconstructie op te vullen.

Stel dat je een actuaris bent, die continu de premies voor verzekeringspremies wil optimaliseren, in functie van het risico van bestuurders op ongevallen. Verwijzend naar het voorbeeld van vorige blog, nl. de autoverzekeringsmaatschappij die Telematica gebruikt om het risicobeheer te verbeteren, is het meer dan aannemelijk dat deze gegevens ook kunnen worden gebruikt om continu actuariële processen te verbeteren, niet?

Geautomatiseerde (grond)oorzaak analyse dankzij intelligente evaluatie

Intelligente systemen die niet alleen de kwaliteit van producten beoordelen, maar ook automatisch de oorzaken van slechte kwaliteit in bedrijfsprocessen analyseren en identificeren, worden steeds populairder en worden tegenwoordig steeds meer gebruikt.

Zoals dit (engelstalig) artikel illustreert, maken gegevensanalysetechnieken het mogelijk om fouten in een productieproces te identificeren en zelfs te helpen lokaliseren. Op deze manier kan een systeem vroegtijdige waarschuwingen geven, zodat potentiële bronnen van fouten worden aangegeven. En dit helpt natuurlijk om niet-conformiteitskosten te minimaliseren, of mogelijks tot nul te herleiden.

3. Optimalisatie van de totale supply chain

Het spreekt voor zich dat dezelfde principes voor datagedreven procesverbetering kunnen worden toegepast in de hele supply chain, zolang ketenpartners elkaar voldoende vertrouwen om gegevens uit te wisselen. Volgens IBM is 65% van de waarde van de producten of diensten van een bedrijf afkomstig van zijn leveranciers en zijn toeleveringsketen.

Misschien herinner je het bullwhip-effect dat in deze blog wordt uiteengezet. Welnu, het delen van gegevens van de eerste tot de laatste actor in de toeleveringsketen kan helpen om dit bullwhip-effect uit te roeien – of op zijn minst aanzienlijk te verminderen – en om de algehele efficiëntie van de supply chain aanzienlijk te verhogen.

Supply chainA.h.v. goederenregistratie en connected fleets kan je op elk moment zicht hebben op de hele keten. Partners die gezamenlijk de totale supply chain willen verbeteren om zo de eindklanten nog beter te kunnen bedienen, kunnen tevens ook process mining principes toepassen op de hele supply chain, zoals ze dit zouden doen voor hun eigen processen.

Deze inspirerende pdf – hoewel al een paar jaar oud – illustreert het feitelijk onbeperkt potentieel van het IoT en data-analyse in de logistiek.

4. Enkele aanbevelingen

Uit een onderzoek bij 300 bedrijven die IoT toepassingen implementeerden, identificeerde McKinsey 9 best-practices die ‘IoT-leiders’ onderscheiden van ‘IoT-achterblijvers’.

  1. Denk, noch handel (te) klein: aangezien de eerste use-cases gepaard gaan met een leercurve – en dus een initiële investering met aanvankelijk een laag rendement betekenen -, zal het hoogste rendement optreden van zodra de organisatie meer ervaring heeft opgedaan met IoT-toepassingen. Zelfs als je met pilootprojecten start, kan je best vanaf het begin op grote schaal denken.
  2. BPM als hefboom voor de waarde van IoT: hoewel het om technologie gaat, zal de IoT-waarde (hoofdzakelijk) worden gegenereerd dankzij procesherontwerp en procesverbetering die dat naar meer waardecreatie leiden.
  3. Overweeg en gebruik geavanceerde technologie en eindpunten: beschouw niet alleen IoT als zodanig ; kijk ook naar andere recente techologieën – bijv. de verschillende vormen van kunstmatige intelligentie, augmented reality, virtual reality, enz. – en mogelijke combinaties van deze met big data.
  4. Bepaal en definieer hoe IoT waarde gaat creëren: zoek naar sterke business cases en hoe het IoT de problemen van jouw klanten nog beter zou kunnen oplossen dan welk ander waardevoorstel ook.
  5. Betrokkenheid en engagement van het C-niveau, in bijzonder de CEO: zoals voor elke bedrijfstransformatie, heb je de ondersteuning op C-niveau nodig, vooral van de CEO. Omdat het o.a. gaat om proces(her)ontwerp en omdat vele bedrijfsprocessen cross-functioneel zijn, zal de CEO de beste scheidsrechter zijn om ervoor te zorgen dat de investering het meest optimale rendement oplevert voor de hele organisatie.
  6. Bijdrage van de hele organisatie: zoals bij elke effectieve strategie-implementatie, heb je de deelname nodig van alle afdelingen en alle niveaus binnen de organisatie.
  7. Start van bestaande producten en diensten: hoewel het IoT nieuwe bedrijfsmodellen, nieuwe producten of nieuwe diensten mogelijk maakt, kan je toch best eerst beginnen met de optimalisatie van het bestaande aanbod.
  8. Durf IoT-platforms van derden te gebruiken: wees niet overambitieus door alles zelf te willen doen, maar zoek eerder naar ecosystemen en/of partners die al belangrijke ervaring met het IoT en big data hebben opgedaan. Dit zal helpen om hogergenoemde aanbeveling nr. 1 te vervullen.
  9. Wees voorbereid op cyberaanvallen: helaas dragen IoT toepassingen ook risico’s in. Daarom is een goed risicobeheer nodig om die risico’s te beperken, zonder in doemdenken te vervallen.

e-bookWil je het hele (engelstalige) artikel lezen? Klik dan hier.

Deel jouw ervaring of jouw mening over het gebruik van (big) data – of analytics – via onderstaand vak ‘Reacties’ en ontvang een e-boek van een zeer business gerichte big data-expert die de kracht van data in talrijke industriesectoren illustreert.

P.S.: Als je deze informatie nuttig vond, deel ze dan met je Facebookvrienden en –fans, LinkedIn contacten, Twitter volgers en Google+ circles via de share knoppen hieronder.  Bedankt!