“Bedrijven voeren vaak te veel onderhoud uit om er maar zeker van te zijn dat er niets kapot gaat”, stelt Jason Enti, Solution Advisor – Digital Supply Chain bij SAP. “Dit leidt tot onnodig verbruik van reserveonderdelen en een inefficiënt gebruik van personeel, wat niet duurzaam is.”

Condition-based maintenance

Enti gebruikt Equinor als voorbeeld om zijn punt kracht bij te zetten. Dit Noorse energiebedrijf heeft talrijke offshoreplatformen voor de winning van olie en gas. Bij zo’n complexe maar ook kritische infrastructuur is het essentieel dat onderhoud precies op tijd wordt uitgevoerd – niet te vroeg, en niet te laat. “Voordat je een helikopter met een team naar een platform stuurt, wil je zeker weten dat het onderhoud nodig is”, zegt Enti. Dat weet je alleen door naar de conditie van de assets te kijken en daar het onderhoud op af te stemmen.

Het is de reden dat Equinor de transitie maakte van ‘condition monitoring’ naar ‘condition-based maintenance’ (CBM). Waar traditioneel onderhoud vaak gebaseerd is op een vast schema, maakt CBM gebruik van datagedreven inzichten om onderhoud op het juiste moment te verrichten. Dit helpt om onverwachte storingen te voorkomen. Daarnaast kunnen operators hierdoor weloverwogen beslissingen nemen op basis van de daadwerkelijke conditie van de apparatuur.

Machine learning en AI

Machine learning en AI kunnen een cruciale rol spelen bij het bepalen van de conditie van assets en het opstellen van een effectief onderhoudsplan. “Een machine learning-algoritme kan bijvoorbeeld beoordelen hoe een asset presteert”, stelt Carlos Portillo, Product Marketing Manager voor Artificial Intelligence bij SAP. “Als de prestaties afnemen of tegen een bepaalde grens aan zitten, kan het systeem direct een melding maken.”

AI kan het onderhoudsproces ook verder automatiseren. “Als de AI bijvoorbeeld een vertrouwen van boven de 90 procent heeft in zijn oordeel dat een grens is bereikt, kan er automatisch een onderhoudsopdracht worden aangemaakt. Bij een lager vertrouwen kan de onderhoudsplanner de taak beoordelen en definiëren welke taken, onderdelen en technici nodig zijn”, legt Portillo uit. Deze vorm van automatisering zorgt ervoor, dat onderhoudsprocessen efficiënter worden en dat medewerkers zich kunnen richten op strategisch belangrijkere taken.

Leren van historische data

Daarnaast kan AI volgens Portillo leren van historische onderhoudsdata. “Wanneer er een onderhoudsmelding is voor een bepaald apparaat, kan AI het onderhoudsverleden analyseren. AI analyseert soortgelijke meldingen, de bijgevoegde notities en de voorlopige diagnoses van de operator. Op basis daarvan stelt AI een onderhoudsopdracht voor.” Daarnaast ondersteunt AI het inplannen en optimaliseren van onderhoud.

Portillo wijst ook op de voordelen van een AI-copiloot zoals die het zoeken naar informatie kan versnellen. “Wat waren de historische onderhoudsactiviteiten? Wie is de beste persoon om deze specifieke taak uit te voeren? Wanneer kan ik de onderhoudsactiviteiten inplannen? Met een AI-copilot kun je dergelijke vragen in human natural language stellen, en inzichten krijgen zonder alle documentatie te doorzoeken. Dat maakt het proces veel gebruiksvriendelijker.”

Strategie als basis

Volgens Enti begint echter bij een gedegen strategie. “Het is belangrijk dat je eerst een strategie bepaalt voordat je verdergaat in het proces. Je moet eerst vaststellen welke assets het meest risicovol en kritisch zijn voor je operatie. Vervolgens bepaal je wat de doelen zijn die daaromheen gebouwd worden. Pas dan kun je de juiste onderhoudsstrategieën bepalen”, legt Enti uit.

Hierbij spelen data een essentiële rol. “Die data zijn niet altijd intern beschikbaar”, benadrukt Enti. “Ook data van externe partners die met jou samenwerken zijn nodig. Hoe draag je informatie over? Hiervoor hebben wij , om OEM’s en leveranciers, asset operators en serviceproviders met elkaar te verbinden. Zo hebben jij en je externe partners één centraal punt van de waarheid.”

The post SAP: hoe AI het onderhoud van assets transformeert appeared first on 51����Nederland Blogs & Nieuws.

Elke seconde genereert Air France-KLM enorme hoeveelheden nieuwe data, of het nu gaat om passagiers- en cargoboekingen of de uitvoering van vluchten. Deze data bieden waardevolle inzichten die de luchtvaartmaatschappij helpen efficiënt en effectief te opereren en zijn klanten beter te bedienen.

Denk aan predictive maintenance, waarbij op basis van historische en realtime data wordt voorspeld welke onderdelen van een vliegtuig mogelijk defect raken. Hierdoor kunnen storingen worden voorkomen en blijft het netwerk van vluchten zo stabiel mogelijk. Ook kan de luchtvaartmaatschappij met behulp van data de reiservaring van klanten verder optimaliseren en personaliseren.

Zware taak voor data analisten en scientists

Het beheren van grote hoeveelheden data brengt complexe uitdagingen met zich mee. Het is essentieel om te weten welke data beschikbaar zijn voor verschillende afdelingen, waar deze zich bevinden en wie verantwoordelijk is voor eigenaarschap en datakwaliteit. “Onze data analisten en scientists besteden momenteel een groot deel van hun tijd aan het zoeken naar antwoorden op deze vragen”, zegt Marjolein Daeter, Product Owner Data Management bij KLM.

Die antwoorden zijn niet alleen nodig om waarde te kunnen halen uit data. Het is ook van cruciaal belang dat de data en het gebruik voldoen aan wet- en regelgeving.

Metadata doorzoekbaar gemaakt

SAP-partner Collibra biedt hier een SaaS-oplossing voor. Met de data catalog die Air France-KLM aan het ontwikkelen is, kunnen medewerkers alle relevante informatie rondom data eenvoudig opzoeken. De gegevens zelf staan daarbij niet in de catalog. In plaats daarvan bevat de catalog metadata, zoals de naam, eigenaar en definitie van de data. Toegang tot de catalog is mogelijk via Single Sign-on.

Naast het opzoeken van informatie, kunnen medewerkers in de toekomst via de data catalog ook toegang krijgen tot de data zelf. “Het werkt als een winkelmandje waarin je de benodigde data kunt plaatsen. Met de juiste autorisaties hebben medewerkers daarna direct toegang”, zegt Martin Visser, Senior Major Account Executive bij Collibra. Daeter voegt toe: “Dankzij de implementatie van de data catalog zal dit proces aanzienlijk efficiënter geworden.”

ESG-data in een overzichtelijke structuur

Een van de belangrijkste voorbeelden van de toepassing van de data catalog bij Air France-KLM is het beheer van ESG-KPI’s (Environmental, Social, and Governance). Dankzij de data catalog kan Air France-KLM nu vastleggen wat de definities en calculatieregels van ESG-KPI’s zijn. Daardoor heeft iedere medewerker toegang tot dezelfde, eenduidige informatie. Het zorgt daarnaast voor consistente en transparante rapportages.

Toekomstige AI-initiatieven

“Door het metadatamanagement te verbeteren, zorgen we ervoor dat onze data betrouwbaar, goed gedefinieerd en toegankelijk zijn. Daardoor kunnen we nieuwe technologieën beter benutten en onze positie als innovatieve luchtvaartmaatschappij verder versterken”, concludeert Belinda Bryan, Program Manager Data & AI Governance bij Air France-KLM.

Dit geldt volgens de programmamanager ook op het gebied van AI: “Data vormen de kern van elk AI-model, en de kwaliteit en betrouwbaarheid van deze data zijn van groot belang voor de uiteindelijke uitkomsten van AI.”

Partnerschap met 51����voor verbeterde datastrategie

Door de integratie van Collibra met SAP-oplossingen kunnen organisaties hun data nog beter structureren en catalogiseren. Deze koppeling maakt het mogelijk om gegevens vanuit verschillende systemen centraal te beheren, waarbij zowel de governance als de compliance gewaarborgd blijven. Dit partnerschap versterkt de datastrategie van organisaties en biedt een solide basis voor toekomstige innovatie en AI-ontwikkeling.

The post Air France-KLM legt fundament voor AI met sterk metadatamanagement appeared first on 51����Nederland Blogs & Nieuws.

heeft zijn orderverwerkingsproces gestroomlijnd met behulp van het en AI-technologie. Samen met SAP-partner ontwikkelde het bedrijf een oplossing die de verwerking van orders versnelt, de foutmarge verlaagt en schaalbare automatisering mogelijk maakt voor alle verkoopkantoren in de EMEA-regio.

Terumo Europe, met hoofdkantoor in het Belgische Leuven, levert geavanceerde medische producten en oplossingen. De focus ligt daarbij op cardiovasculaire zorg, farmaceutische producten en diabeteszorg. Het bedrijf ontvangt dagelijks honderden orders via verschillende kanalen, zoals e-mail, EDI en diverse portalen. De bestellingen komen bovendien binnen in uiteenlopende formaten, zoals Excel, pdf en e-mails, en variëren van eenvoudige tot complexe aanvragen in meerdere talen.

Voorheen moesten medewerkers elke order handmatig invoeren. Dat proces nam al snel gemiddeld tien minuten per order in beslag. Dit was niet alleen tijdrovend, maar ook foutgevoelig. “We werkten met een team dat dagelijks honderden orders moest verwerken, elk met een uniek format”, zegt Tim van Camp, Senior Business Analyst Order to Cash bij Terumo. “Dat is veel werk, waarbij we ons bovendien geen fouten kunnen veroorloven.”

Keep the core clean
In samenwerking met SAP-partner Amista automatiseerde Terumo de orderverwerking met behulp van 51����BTP, OCR-technologie en machine learning. De keuze voor 51����BTP was gebaseerd op de sterke integratiemogelijkheden. “We geloven sterk in het ‘keep the core clean’-concept. Door de automatisering te ontwikkelen op 51����BTP, houd je de kernsystemen vrij van maatwerk. Dat is goed voor de continuïteit en maakt updates van die systemen veel eenvoudiger. 51����BTP biedt bovendien ondersteuning voor verschillende talen. Dat is een essentieel voordeel gezien Terumo’s internationale klantenbestand”, stelt Michiel Neefs, bij Amista Business Unit Manager Integrated Technology.

Een door Amista ontwikkelde robot doorzoekt mailboxen naar binnenkomende bestelbonnen, downloadt deze en extraheert automatisch de relevante informatie. Deze data worden vervolgens opgeslagen in de Document Management Service (DMS) binnen 51����BTP, waarmee het proces voldoet aan de strenge compliance-eisen van Terumo. Daarna worden de data verrijkt met aanvullende businessdata, voordat de order in 51����terechtkomt.

Hoewel het systeem in staat is om een groot deel van de orders automatisch te verwerken, zijn er altijd uitzonderingen waarbij handmatige controle nodig is. Hier komt 51����Task Center in actie. Het systeem detecteert automatisch orders die aanvullende informatie of correcties vereisen en stuurt deze naar de juiste medewerker. Dat maakt het snel opsporen en herstellen van fouten mogelijk, zonder de algehele efficiëntie te verstoren”, aldus Van Camp.

Efficiëntie en klantenservice verbeteren
De resultaten zijn indrukwekkend: het orderverwerkingsproces is drie keer sneller geworden, en de foutmarge is drastisch gedaald. Dankzij de automatisering kunnen medewerkers zich nu richten op taken die meer waarde toevoegen, zoals klantcontact en probleemoplossing. Door de schaalbaarheid van het 51����BTP-platform kan Terumo de oplossing bovendien eenvoudig uitrollen naar de 22 verkoopkantoren in de EMEA-regio.

Al met al een transformatie met veel positieve gevolgen op de werkvloer. “Onze efficiëntie is duidelijk verbeterd”, concludeert Van Camp. “De tijd die we besparen door automatisering, geeft onze medewerkers nu de gelegenheid het klantcontact verder te verbeteren.”

The post Terumo Europe stroomlijnt orderverwerking met 51����BTP en AI-technologie appeared first on 51����Nederland Blogs & Nieuws.

Waar haal jij je boodschappen? Ga je naar de Albert Heijn, Jumbo, Plus of Lidl? Of laat je jouw boodschappen bezorgen? Wanneer je jouw boodschappen haalt, dan kies je waarschijnlijk voor een supermarkt die in de buurt zit. Als je kiest voor bezorgen zijn er andere redenen waarom je voor de ene of de andere aanbieder kiest. Dan zijn het gemak van de app of de gebruiksvriendelijkheid van de webshop bepalend voor jouw keuze. Op dit moment worden de meeste boodschappen nog fysiek gedaan. Het aantal boodschappen dat online wordt besteld, schommelt tussen de 5 en 7 procent. Dat betekent dat nabijheid nog steeds de belangrijkste factor is.  De meeste mensen kunnen door die verzadiging kiezen uit meerdere supermarkten.

Ik kan in het dorp kiezen uit Albert Heijn, Jumbo en Lidl. Deze drie supermarkten bevinden zich allemaal op vergelijkbare afstand van mijn huis. Voor mij is afstand dus geen factor als ik boodschappen ga doen. Emotioneel kies ik vaak voor Albert Heijn omdat mijn zoon daar de vakken vult, maar ik kies ook vaak voor Jumbo vanwege het gevoel dat ik daar goedkoper uit ben. Maar mijn Perlenbacher Weizen haal ik bij de Lidl. Je hebt zelf vast ook een bepaalde voorkeur. Misschien ga je voor het uitgebreide assortiment en de prijswinnende groenteafdeling. Misschien vind je prijs belangrijk en dan vooral de laagste. Of misschien vind je het juist belangrijk dat jouw supermarkt waarde hecht aan sustainability.

Emotionele binding creëren en data vergaren

Het is heel interessant om te onderzoeken hoe supermarkten die emotionele binding met hun klanten kunnen sturen. Veel grootgrutters gebruiken hiervoor hun eigen app. Albert Heijn bijvoorbeeld heeft een praktische app met allerlei handige functies voor boodschappenlijstjes en sparen. Je kan zelfs een premium abonnement afsluiten waarmee je extra korting krijgt op biologische artikelen, sneller spaart en gepersonaliseerde aanbiedingen ontvangt. Dat is mooi en handig voor jou. Maar het is nóg mooier voor de supermarkt. Want jij geeft de supermarkt beschikking over álle data die jij genereert. Informatie die de supermarkt kan gebruiken om het assortiment, de services, de prijzen, de inrichting en de algehele beleving te optimaliseren. Dat vergt heel wat dataprocessing. Enerzijds om de app kloppend te houden en alle orders en inkomende informatie soepel te verwerken. Anderzijds om te zorgen dat er ook daadwerkelijk iets gebeurt met al die informatie en er daadwerkelijk van te leren. Wat was de impact op de omzet van al die persoonlijke aanbiedingen? Hoe kunnen we het de volgende keer nóg beter doen?

Nieuwe samenwerkingen en belevingen

Nog niet zo heel lang geleden was big data vooral een hobbyproject van een aantal data scientists met een Hadoop cluster op de twaalfde verdieping van het hoofdkantoor die patronen in grote datasets probeerden te vinden. Tegenwoordig zie je data (we noemen het niet eens meer ‘big’) integraal wordt toegepast binnen de belangrijkste core business processen. Datagedreven werken is van doorslaggevend belang geworden om de slag om de consument te winnen.

Ze moeten wel. De supermarktdekking in Nederland is behoorlijk verzadigd. Dat ik zelfs in mijn relatief kleine dorp op een paar minuten rijden van drie supermarkten woon, zegt genoeg. Voor een vierde supermarkt is geen ruimte meer. De oude strategie – zoveel mogelijk winkels openen – werkt niet meer. Wat wél werkt, is de introductie van nieuwe samenwerkingen en het creëren van nieuwe contactmomenten en belevingen. Denk bijvoorbeeld aan de slimme samenwerkingen tussen Esso en Spar of Albert Heijn en BP waarbij benzinestations zich ontwikkelen tot servicestations waar je ook terecht kunt om boodschappen te doen of op te pikken. Ook hier is data van doorslaggevend belang. Wil het concept winstgevend zijn dan moet je zorgen voor het juiste assortiment en de juiste bevoorrading. Data kan je hierbij helpen.

Je gaat ervanuit dat dit onder controle is. Maar hoe kan het dan toch zo zijn dat het in de aanloop naar Pasen bij mijn lokale supermarkt net leek alsof hun bevoorrading gebaseerd was op het gedrag tijdens de coronalockdown van een jaar geleden? Er lag onder andere een enorme hoeveelheid gourmetschotels die allemaal in de aanbieding moesten om er maar vanaf te komen. Alsof de algoritmes zich baseerden op het gedrag van de consumenten in de lente van 2020 en 2021, toen iedereen de paasdagen thuis vierde.

Gelden de oude patronen niet meer?

Dat brengt me echter bij een interessante vraag. Uit bovenstaand voorbeeld blijkt historische data niet zaligmakend is. Je mag gerust zeggen dat de wereld de afgelopen drie jaar behoorlijk veranderd is. De pandemie zorgde voor een enorme verschuiving in de bestedingspatronen van consumenten. De pandemie met daarna het vastlopen van de Ever Given in het Suezkanaal veroorzaakte bovendien een wereldwijde logistieke crisis waar we nog steeds last van hebben. Het importeren van goederen is veel duurder geworden omdat het huren van zeecontainers drie keer zo duur geworden is. Het valt me ook op dat er veel supermarkten meer lokale producten promoten.

Na de lockdowns volgde de oorlog in Oekraïne die ook een behoorlijke impact heeft op de prijsstelling van producten in de supermarkt en de beschikbaarheid van artikelen, onder meer omdat de gasprijs enorm gestegen is, wat weer van invloed is op de productiekosten van goederen in de supermarkt. Het landschap waarin supermarkten opereren is enorm veranderd. Dat is ook van invloed op consumentengedrag, zij zien natuurlijk ook dat de prijs van de inhoud van het boodschappenmandje enorm is gestegen.

Oude patronen gelden niet meer. Ik ben zelf ook anders boodschappen gaan doen. De onzekere situatie werkt door in de hele keten en zal het aankoopgedrag van consumenten enorm gaan beïnvloeden. Hoe? Dat weet niemand. Ook de data niet.

Korter op de bal

Om datagedreven te werken in een sterk veranderde markt moet je kort op de bal spelen. Met Pasen het gemiddelde van drie jaar inkopen, werkt niet meer. Je data scientists moeten voortdurend speuren naar trends en ontwikkelingen. Het is zaak dat je precies weet wat er aan de hand is. Om vervolgens in te spelen op die bewegingen. Welke artikelen worden geraakt door aankomende stijging van importkosten, gasprijs of vogelgriep? Hoe moeten we hiermee omgaan? Moeten we hogere voorraden aanhouden of vervangende producten aanbieden?

hoe je data vorm kan geven en je strategie daarop aan kan passen met behulp van 51����Business Technology Platform.

Dat vraagt in mijn ogen om drie dingen. Ten eerste vraagt het om het verzamelen van alle denkbare data uit je organisatie, maar zeker ook daarbuiten. Zowel kassa-informatie over afgerekende winkelmandjes en gegevens uit de app, als ook maatschappelijke trends en mondiale ontwikkelingen. Denk aan klimaatverandering, nieuwe of terugkomende ziektes, financiële crises die impact kunnen hebben op het assortiment. Het vraagt om nieuwe, geavanceerde technologie die je helpt om die gegevens supersnel te verwerken en te analyseren. En het vraagt om mensen die de juiste vragen kunnen stellen en weten hoe ze die uit al die ruwe data de juiste kennis kunnen destilleren. Ook moet deze nieuwe kennis teruggebracht kunnen worden naar de core retailprocessen in de hele retailketen, zoals merchandise-planning, supplychain, category management en natuurlijk de reclame-uitingen. Pas dán ben je in staat om te sturen op basis van realtime inzichten. En dan ben je bovendien in staat om de loyaliteit van je klant te verdienen. Op basis van de data van gisteren. En niet op de verouderde kennis van Pasen vorig jaar. Pas dán wordt data-driven retail de sleutel tot groei en misschien nog belangrijker, tot overleven.

The post Hoe data supermarkten helpt in hun groeistrategie appeared first on 51����Nederland Blogs & Nieuws.

Snel het juiste bed vinden voor de juiste patiënt

Afgelopen najaar bundelde de overheid van de Duitse regio Rijn-Neckar de krachten met lokale klinieken en ziekenhuizen. Samen realiseerden zij een coördinatiecentrum voor effectieve zorgverlening aan COVID-19 patiënten onder leiding van het Heidelberg University Hospital (UKHD). Dit coördinatiecentrum zorgt dat de druk op het zorgstelsel evenredig verdeeld wordt terwijl cliënten toch de best passende zorg krijgen.

De centrale spil van dat coördinatiecentrum is een digitale oplossing voor het organiseren van beddencapaciteit. Deze oplossing stroomlijnt de coördinatie tussen ziekenhuizen in Heidelberg en de omliggende regio. Met behulp van deze app kunnen medewerkers van de coördinatiehub in één oogopslag de capaciteit van alle ziekenhuizen zien en beslissen welk ziekenhuis het beste voor de betreffende patiënt kan zorgen. Deze informatie wordt ook weergegeven op een interactieve kaart, zodat het medisch personeel direct kan zien waar elk ziekenhuis is, een faciliteit kan aanwijzen waar bedden beschikbaar zijn en rechtstreeks kan coördineren met het team daar. De oplossing helpt ook om de transfer van patiënten van en naar medische faciliteiten te organiseren.

De software werd in slechts één week gebouwd. De eerste ontwerpen werden uitgebreid getest door eindgebruikers. Hun feedback werd vervolgens weer verwerkt in de oplossing. Dat resulteerde in een oplossing die voldoet aan de eisen van álle betrokkenen.

Gebruikers hebben via een webbrowser overal en op elk apparaat toegang tot de app. De software presenteert gegevens op verschillende manieren om aan verschillende behoeften te voldoen. Gebruikers kunnen de prioriteiten voor hun specifieke rollen definiëren. Met behulp van de ingebouwde analysemogelijkheden kan de oplossing bijvoorbeeld laten zien hoe de bedbezetting en het aantal ziekenhuisbedden in de loop van de tijd is veranderd. De analysefunctie kan ook statistieken uit het verleden analyseren en tijdlijnen weergeven, zodat ziekenhuizen op trends kunnen reageren. Dankzij de zeer veilige, op rollen gebaseerde toegangscontroles zijn strikte gegevensbeschermings- en beveiligingsnormen van toepassing op alle informatie

Burgers veilig naar huis brengen tijdens de pandemie

In het begin van de COVID-19-pandemie konden duizenden mensen over de hele wereld niet naar huis omdat landen hun grenzen sloten en het vliegverkeer aan banden werd gelegd. Daarom had het Duitse ministerie van Buitenlandse Zaken een snelle en veilige manier nodig om de repatriëring van burgers te coördineren. De bestaande oplossing kon echter niet snel genoeg opgeschaald worden.

die de Duitse overheid kon ondersteunen bij de repatriëring van tienduizenden burgers. De nieuwe cloudoplossing is schaalbaar, veilig en zorgt dat de overheid burgers kan helpen om snel en veilig thuis te komen.

Snelle ontwikkeling met 51����Cloud Platform

In bovenstaande voorbeelden was het belangrijk dat er snel een oplossing werd ontwikkeld die naadloos integreerde met bestaande systemen. De oplossing diende bovendien intuïtieve en gebruiksvriendelijke interfaces en interacties te bieden zodat de software vlot geaccepteerd en gebruikt konden worden. Het blijkt voor veel organisaties een uitdaging om aan dergelijke eisen te voldoen. IT-afdelingen hebben vaak een enorme stapel aan verzoeken liggen van de business voor applicatieontwikkeling.

Dat het tóch lukte om bovenstaande oplossingen in recordtempo te bouwen, is te danken aan het  , het integratie- en uitbreidingsplatform dat aan de basis ligt van beide oplossingen. Het platform stelt organisaties in staat om maximale waarde uit al hun systemen te halen, de mogelijkheden van hun IT-landschap te vergroten en uitdagingen sneller en beter aan te gaan. Dankzij de cloudomgeving kunnen ontwikkelaars sneller werken en geavanceerde technologieën integreren, zoals , kunstmatige intelligentie, blockchain, Internet of Things, cognitieve services en voorspellende analyses.

Weten hoe u een Intelligent Enterprise in de gezondheidszorg kunt worden? Klik dan voor de whitepaper.

The post Razendsnel reageren op de crisis met gebruiksvriendelijke apps appeared first on 51����Nederland Blogs & Nieuws.

Het inzicht vormt de basis voor de ontwikkeling van innovatieve, strategieën voor naadloze communicatie over verschillende kanalen. Met behulp van deze inzichten kun je de producten, ervaringen en waarde leveren die klanten verwachten. Voldoe je niet aan hun verwachtingen? Dan krijgen klanten al snel spijt van het delen van hun gegevens met je bedrijf.

Gokwerk behoort tot de verleden tijd

Snelheid is bij zakendoen met klanten altijd al een voordeel geweest. Dat geldt nu nog meer dan ooit tevoren. E-commerce brengt razendsnelle data- en informatiestromen met zich mee. Je krijgt zeer kort de gelegenheid de aandacht van de klant te pakken door het aanbieden van de juiste informatie op het juiste moment, de juiste locatie en tegen de juiste prijs.

Sommige bedrijven baseren zich hierbij nog steeds op gokwerk. Zij gooien een lijntje uit en wachten de reactie af. Slimme bedrijven verkrijgen echter inzichten in hun klanten en passen hiervoor analytics toe. Zij achterhalen wie hun klanten zijn, wat zij willen, en wanneer zij van hen willen horen.

Klanten verwachten dat je een delicate balans bewaart. Zij verwachten dat je hen kent en gepersonaliseerde aanbiedingen aanbiedt op het moment dat zij daaraan behoefte hebben, met daarbij zo min mogelijk frictie. Je moet uitzonderlijke ervaringen leveren, zonder vertraging, zonder het opjagen van klanten en zonder het creëren van irritatie. Indien je hiervoor niet over de juiste tools beschikt, lijkt het al snel alsof je neurochirurgie moet uitvoeren met een grasmaaier.

De voordelen van het in real-time analyseren van e-commercedata

De experience-economie ontwikkelt zich razendsnel op basis van innovaties zoals en AI, maar ook door het verzamelen van data via ieder mogelijk kanaal inclusief het . De stroom van Big Data is constant.

Digitale platforms, zowel on-premise als in de cloud, leveren real-time data-analytics en actiegedreven inzichten in commerce. Ongeacht waar klanten zijn en via welk kanaal zij met jouw bedrijf contact hebben.

Naarmate intelligente tools krachtiger en betaalbaarder worden profiteren bedrijven van iedere omvang en uit iedere sector van deze technologie. Door het integreren van commerce-oplossingen met grote hoeveelheden inzichten worden zij in verhouding met andere organisaties bijna helderziend.

Met behulp van real-time inzicht in e-commerce kun je het volgende doen:

• Analyseer en begrijp het gedrag van klantsegmenten op ieder detailniveau. waar klanten hun beslissingen op baseren. Meet de effectiviteit van je initiatieven over de volledige organisatie, breek silo’s af en integreer informatie die voorheen niet verbonden was.
• Verbeter de prestaties van je marketing-, sales- en serviceactiviteiten. Handel direct en wacht niet langer op traditionele, tragere meetwaarden. Indien je immers niet snel genoeg handelt, kunnen kansen verloren gaan (net als een potentiële klant die met een concurrent in zee gaat).
• Reageer direct op activiteiten op social media. Niet alleen door het corrigeren van problemen zodra zij ontstaan, maar ook door het stimuleren van positieve contacten met klanten. Maak klanten blij en zet geïnteresseerden en leads om in klanten.
• Profiteer van het concurrentievoordeel van extra inzicht voor het beter anticiperen op klantbehoeften, -emoties en -houdingen. Lever uitstekende klantervaringen door het verkrijgen van meer inzicht in je klanten naarmate zij veranderen, zowel op de korte als lange termijn.

De neurale connectie maken in e-commerce analytics

Moderne intelligente oplossingen verzamelen, beheren en analyseren grote hoeveelheden gegevens uit verschillende kanalen in een enkelvoudig 360-graden zicht op de klant. is een belangrijke aanvulling op je operationele gegevens (O-data). en machine learning vinden patronen en inzichten in de grote hoeveelheden aan data die voor het menselijk oog totale chaos lijken.

Real-time inzicht in X-data en O-data levert een holistisch beeld op van de relatie tussen je klanten en organisatie. Het corrigeren van zwakke plekken en pijnpunten is alleen mogelijk als je klanten daadwerkelijk begrijpt. Indien je slechts één kant van het verhaal ziet kun je problemen over het hoofd zien, wat kosten met zich mee kan brengen, de productiviteit kan aantasten en innovatie kan beperken.

Via het Internet of Things, slimme apparaten, mobiele devices, het web en verbonden winkels wordt data verzameld en geïntegreerd uit een brede reeks databronnen. Denk hierbij aan:

• Social media
• Web- en mobiel verkeer
• Interacties met chatbots
• Klantenservice
• Salescontacten (in winkel, op locatie bij de klant, online, etc.)
• Marketingactiviteiten (e-mail, SMS, mobiel, etc.)

Beschik je over de juiste tools? Voer je hersenoperatie uit met precisietools of een grasmaaier? Kies op basis van je doelstellingen, klanten en middelen de juiste analyticsoplossing voor jouw organisatie.

The post Waarom e-commerce analytics zo belangrijk zijn appeared first on 51����Nederland Blogs & Nieuws.

Wat zijn chatbots?

Een chatbot kan worden gebruikt voor kleine gesprekken, het heeft de mogelijkheid om de gebruikerservaring te verbeteren en elk bedrijfsproces te versnellen. De bot leert de stappen, haalt de relevante nummers uit Excel of een andere applicatie en importeert ze in de daarvoor bestemde velden. Een chatbot is een voorbeeld van een en kan zowel binnen als buiten een bedrijf worden ingezet. Een digitale spraakassistent kan bijvoorbeeld worden gevraagd om een vraag te beantwoorden of op te zoeken wanneer een levering moet plaatsvinden. Het doet dit door de gegevens in het back-end-systeem te ondervragen. Chatbots bieden een waardevolle interactie tussen de gebruiker en de applicatie. Momenteel gebruiken chatbots natuurlijke taalverwerking om met mensen te communiceren. De technologie probeert te begrijpen hoe mensen met elkaar communiceren en hoe de computer dit gedrag kan repliceren. Dit wordt ook wel NLP genoemd.

Waarom chatbots?

Chatbots worden momenteel vooral veel gebruikt door consumenten. Vraag jij wel eens hardop aan je telefoon wat voor weer het bijvoorbeeld morgen wordt, of youtube een liedje kan afspelen en of je iemand kan bellen? De chatbots zorgen ervoor dat deze handelingen goed begrepen en uitgevoerd worden. De chatbot helpt de consument snel en goed. Als je bijvoorbeeld online aan het shoppen bent komt er een chatbot tevoorschijn die de shopper bij naam herkende en bood aan om te helpen. Als een consument zegt niet zeker te zijn van welke maat hij of zij nodig heeft, geeft de bot automatisch de maattabel weer. De voorbeeldtekstuitwisseling op het demoscherm liet de consument zien dat ze tussen twee maten in zaten. De chatbot bracht de shopper onmiddellijk over naar een live-agent die meer suggesties kon geven.

Meer weten over chatbots? In deze wordt kort uitgelegd wat Chatbots zijn en hoe ze precies werken.

Wat zijn de voordelen van chatbots?

Niet alleen voor de consument, maar ook op de werkvloer bieden chatbots veel mogelijkheden. Technologie die dagelijkse taken versnelt met eenvoudige spraakopdrachten, zal een enorm effect hebben. Dit kan toegepast worden op elke afdeling van een bedrijf. Werk je bijvoorbeeld op een inkoopafdeling en moet je een nieuw product bestellen? Binnen enkele seconden vindt de chatbot een aantal goede product opties, met de beste prijs-kwaliteit garanties.

Met behulp van kunnen organisaties veelvoorkomende uitdagingen in het dagelijkse werk van werknemers aanpakken, wat leidt tot verbeteringen in efficiëntie, productiviteit en betrokkenheid. Hierdoor kunnen werknemers zich concentreren op onverwachte, niet-routinematige, creatieve en andere hogere orde. Want het geven van hun rekeningsaldo bij bijvoorbeeld een telecombedrijf aan klanten of het informeren over een leverdatum of de status van een klacht zijn allemaal taken die geautomatiseerd en met spraakopdrachten kunnen worden afgerond. Hierdoor zijn een aantal taken geautomatiseerd en met spraakopdrachten afgerond.

Welke bedrijven gebruiken chatbots?

Steeds meer bedrijven maken gebruik van chatbots. Neem als voorbeeld Rabobank. Dankzij Chatbot ‘Billy’ is het nu mogelijk om klanten sneller een antwoord te geven op hun vragen. Deze chatbot checkt dagelijks of er geld voor bijvoorbeeld een hypotheek of een verzekering op een rekening is binnengekomen, controleert of er in de omschrijving staat waar het geld naartoe moet en voert zo nodig de overschrijving uit. Benieuwd naar chatbot Billy? Lees dan dit artikel.

Naast Rabobank, hebben we zelf ook een chatbot. Heb je onze al gezien? Mocht je een vraag hebben op de 51����site, stel onze chatbot dan een vraag!

Meer weten over de impact van technologie? Lees dit van Mike Muurmans!

The post Wat zijn Chatbots en hoe werken ze? appeared first on 51����Nederland Blogs & Nieuws.

Wat is Data Management?

Data management helpt bedrijven om de data up to date te houden, op te slaan, te beveiligen en natuurlijk gemakkelijk te gebruiken.

Waarom wordt Data Management steeds belangrijker?

Met de grote hoeveelheden data () waar organisaties tegenwoordig mee te maken hebben, is een betrouwbaar data management systeem noodzakelijk. Bedrijven over de hele wereld heroverwegen de manier waarop ze zaken doen – ze moeten in een snel tempo beslissingen nemen en hebben daarvoor toegang nodig tot tijdige en nauwkeurige informatie van binnen en buiten hun organisatie. Toch doet maar liefst  nog te weinig met hun data.

Gegevensbeheeroplossingen spelen een cruciale rol. Ze vormen de basis voor datagestuurde intelligentie met de mogelijkheid om gegevens snel en eenvoudig te beheren, besturen en integreren in gedistribueerde landschappen. Als bedrijf kun je met Data Management anticiperen op risico’s en betere bedrijfsresultaten behalen.

Wat zijn de drie belangrijke data trends van nu?

Een datagedreven organisatie:

Zet data in de cloud

Ontdek en waarom deze een stuk goedkoper zijn.

Werk met intelligente data

Intelligente data als machine learning en artificial intelligence worden steeds meer de norm. Het gebruik van deze intelligente technologie is alleen mogelijk wanneer data goed beheerd wordt.

Gebruik een geïntegreerd data platform

Grote kans dat jouw organisatie nog bij die 74% hoort die over een te complex datalandschap beschikken. Met een centrale database bevindt alle data zich op één plek waardoor deze beter beheerd kan worden, er efficiënter gewerkt wordt en er geen data silo’s ontstaan.

Welke ontwikkelingen spelen er binnen data management?

Machine Learning

51����is constant bezig met nieuwe innovaties en integraties. Zo is een van de focusgebieden nu het operationaliseren van machine learning. Om dit te doen, hebben we de kracht van 51����Data Hub en 51����Data Intelligence gecombineerd in één oplossing die kan worden geïmplementeerd in de cloud en op locatie, waardoor het eenvoudiger wordt om machine learning-modellen te operationaliseren.

Een ‘central hub’ tegen ambiguïteit

Toegang hebben tot een centrale opslagplaats voor zakelijke termen en definities is essentieel om ambiguïteit te overwinnen en een gedeeld begrip van sleutelconcepten in een organisatie te bevorderen. Om deze reden heeft 51����een nieuwe zakelijke woordenlijst geïntroduceerd in Deze nieuwe mogelijkheid wordt geleverd met sjablonen om te helpen bij het maken en definiëren van nieuwe termen en om ze in categorieën te groeperen. Gebruikers kunnen ook expertbeoordelingen ophalen, gegevens profileren, datalijn volgen en impactanalyses uitvoeren.

Kwaliteitsregels in masterdata

We erkennen allemaal dat de kwaliteit van stamgegevens essentieel is voor efficiënte operaties en geïnformeerde besluitvorming. Toch is het definiëren van kwaliteitsregels vaak een ontmoedigende taak die veel vergaderingen en uitwisselingen tussen bedrijfseenheden en datateams met zich meebrengt. Met 51����Master Data Governance op 51����S/4HANA 1909 kunnen gebruikers nu machine learning gebruiken voor het minen van kwaliteitsregels in masterdata. De integratie met de rule repository maakt het vervolgens mogelijk om de nieuwe regels zonder vertraging toe te voegen aan een master data-proces.

The post Wat is Data Management? appeared first on 51����Nederland Blogs & Nieuws.

Wat is Augmented Analytics?

Volgens de meest eenvoudige definitie is augmented analytics een vorm van analytics aangevuld (augmented) met kunstmatige intelligentie. Denk hierbij aan machine learning-algoritmes en natural language processing (NLP). automatiseert complexe analytische processen, zoals het voorbereiden van data en verzamelen van inzichten. Met NLP kunnen ongetrainde gebruikers vragen stellen over data, waarop zij via gesproken taal de antwoorden krijgen aangereikt.

Wat maakt augmented analytics zo belangrijk?

biedt in de moderne economie de grootste kansen. Dankzij data-analyse weten bedrijven onder meer wat zij produceren, wanneer zij deze producten het beste op de markt kunnen brengen en hoe hun organisatie zich in de toekomst moet ontwikkelen.

De hoeveelheid data die bedrijven vandaag de dag verzamelen is echter dusdanig groot, dat deze niet langer door uitsluitend mensen kunnen worden geanalyseerd. Ondanks de grote behoefte aan snelle antwoorden kunnen bedrijven door de omvang van datasets niet aan deze vraag voldoen. Technologieën als en zijn nodig voor het extraheren van betekenisvolle inzichten uit .

Meer lezen over Machine Learning in combinatie met data?

Beter samenwerken met het data science team

Het analytische proces bestaat uit handmatige, tijdrovende stappen die dusdanig gecompliceerd zijn dat zij doorgaans alleen door datawetenschappers kunnen worden uitgevoerd. Door datawetenschappers meer tijd te geven voor belangrijkere taken zoals het interpreteren van resultaten, vergroten augmented analytics de waarde die deze analisten leveren. AI- en machine learning-gebaseerde analytics helpt hen verbindingen te ontdekken die zij anders wellicht gemist hadden en diepere inzichten te verkrijgen in minder tijd.

De technologieën ondersteunen ook werknemers in andere analytische functies, variërend van business analisten tot citizen data scientists. AI- en -gebaseerde analytics verbetert hun inzicht en laat hen werk uitvoeren dat voorheen alleen door gespecialiseerde datawetenschappers werd uitgevoerd.

Analytics toegankelijk maken voor ongetrainde gebruikers

Een belangrijk voordeel van augmented analytics is dat ongetrainde werknemers als analist kunnen functioneren. Complexe analytische processen zijn geautomatiseerd en gebruikers kunnen data opvragen door het stellen van eenvoudige vragen. Analytische kennis is dan niet nodig voor het toepassen van geavanceerde analyses. helpt deze werknemers bij het bedenken van de volgende vraag en doet daarnaast suggesties voor onderwerpen waarin zij dieper kunnen duiken.

Met zijn antwoorden op vragen beschikbaar in kant-en-klare datavisualisaties, zoals tabellen, grafieken en kaarten. Gebruikers hoeven deze niet zelf te creëren. Zij kunnen deze visualisaties via eenvoudige commando’s onderzoeken, combineren tot data stories en zijn eenvoudig delen met andere teams en managers. Zonder dat dit specifieke kennis vereist.

Wat zijn de drie vormen van analytics?

Analytics en zijn in recente jaren snel ontwikkeld van geavanceerde tools voor data en analytics professionals tot machine learning-analytics die voor iedereen bruikbaar is.

We maken onderscheid tussen drie vormen van :

1. Traditionele analytics

• Gedreven door IT
• Beperkte autonomie voor gebruikers
• Geavanceerde tools voor data en analyticsprofessionals
• Gericht op grootschalige rapportages

2. Self- service analytics

• Gedreven door de business
• Biedt gebruikers meer autonomie
• Gebruiksvriendelijke interface
• Focus op gebruiker-gedreven inzichten

3. Augmented analytics

• Gedreven door AI en
• Volledige autonomie voor gebruikers
• AI-tools en begeleide processen
• Focus op snelle en diepe inzichten die voorheen verborgen waren
• Aanvulling op de traditionele analytics

Wat zijn de voordelen van Augmented Analytics?

• Data sneller voorbereiden:

Analisten zijn zo’n 80% van hun tijd kwijt aan het voorbereiden van data voor analyses. Zij exporteren grote datasets – met soms wel miljoenen gegevens – en combineren deze, schonen de gegevens op en structureren de data. Bij augmented analytics automatiseert machine learning dit proces. Daardoor houden analisten meer tijd over voor waardevollere activiteiten en neemt het aantal menselijke fouten af.

• Geautomatiseerde analyses:

Machine learning-modellen kunnen complexe analyses automatiseren waarmee datawetenschappers anders weken bezig zijn. Antwoorden en datavisualisaties zijn direct beschikbaar voor gebruikers, die hierdoor minder tijd kwijt zijn aan het doorspitten van . Zij houden hierdoor meer tijd over voor het delen van data stories met het management en het nastreven van verandering.

• Diepere inzichten:

bekijken data op een andere manier dan mensen. Zij kunnen veel grotere datasets vanuit meer perspectieven onderzoeken. Ook kunnen machines statische correlaties, relaties en patronen identificeren die voor het menselijk oog onzichtbaar zijn. Machines kunnen data snel en op grote schaal begrijpen, menselijke intelligentie verrijken met inzichten zonder vooroordelen en gebruikers vertellen waar zij hun aandacht op zouden moeten richten.

• Conversationele analytics:

Met NLP – dezelfde conversationele waarop digitale assistenten als Siri en Alexa zijn gebaseerd – kunnen gebruikers zonder kennis van query-talen of programmeercode op een conversationele manier – spraak bijvoorbeeld- vragen stellen over data. Dankzij natural language generation (NLG) kan de technologie in volledige zinnen antwoorden samenvatten of toelichten, zowel gesproken als geschreven.

• Directe business context:

Inzichten zonder business context kennen geen waarde. -algoritmes kunnen door inachtneming van de intentie en het gedrag van gebruikers inzichten met context leveren waarop acties kunnen worden gebaseerd. Doordat breder beschikbaar is kunnen managers en ervaren werknemers inzichten verrijken met hun uitgebreide kennis en begrip van business modellen en operationele processen.

Use cases

revolutioneert bedrijfsprocessen. Wat betekent dit echter in de praktijk? We zetten enkele voorbeelden van use cases voor augmented analytics voor de financiële afdeling, sales, marketing, logistiek, HR en debiteurenafdeling op een rij.

Financieel: Een business analist kan augmented analytics inzetten voor het voorspellen van declaraties voor verschillende afdelingen.

Sales en marketing: leveren sales- en marketingteams rijkere klantprofielen op en helpen bij het snel identificeren van cross- en up-sellkansen.

Productie: Een analist van een staalfabrikant kan augmented analytics inzetten voor het voorspellen, monitoren en controleren van de kosten in vijf verschillende Europese fabrieken.

HR: HR-managers kunnen met behulp van de technologie het personeelsverloop voorspellen, de oorzaken hiervan in kaart brengen en actie ondernemen voor het behoud van goed presterende werknemers.

Debiteurenafdeling: Medewerkers van de debiteurenafdeling kunnen met behulp van late betalingen voorspellen, de juiste strategie betalen voor het innen van achterstallige betalingen en de cashflow continu in de gaten houden.

Meer weten over augmented analytics?

The post Wat is Augmented Analytics? | Definitie en voordelen appeared first on 51����Nederland Blogs & Nieuws.

Uitdagingen

Organisaties die tol heffen staan voor de uitdaging om mee te bewegen met nieuwe technologische en maatschappelijke ontwikkelingen. Voor nieuw te ontwikkelen tolsystemen is dat natuurlijk eenvoudiger te realiseren dan voor bestaande tolsystemen. Toch is het voor alle initiatieven, nieuw of bestaand, belangrijk om na te denken hoe de dienstverlening zo klantgericht mogelijk kan worden opgezet. En om na te denken hoe niet alleen nu maar ook in de toekomst duurzame inkomstenbronnen veilig te stellen.

Nieuwe technologieën

kan op verschillende manieren helpen om tolorganisaties efficiënter te laten opereren en een optimale klantervaring te laten leveren:

• Machine learning- algoritmes kunnen het aantal foutief gelezen kentekenplaten en de hoeveelheid repetitieve handmatige taken terugdringen. Dit leidt tot minder fouten en kan kosten besparen.
• dringen de noodzaak voor fysieke tolpoortjes (zowel cash als geautomatiseerd) terug. De oplossingen verminderen hiermee de hoeveelheid benodigde fysieke infrastructuur en de onderhoudskosten.
• De combinatie van predictieve analytics en (AI) helpt bij het anticiperen op verkeersgedrag en beter plannen van grote evenementen (zoals sportevenementen en concerten) of incidenten (zoals ongelukken en weersomstandigheden).

Klantgerichter worden helpt tolorganisaties bij het voorkomen van negatieve percepties door automobilisten. Via gebruiksvriendelijke apps, interactieve spraakherkenning via telefoniesystemen of kunnen klanten eenvoudig toegang krijgen tot hun accounts, notificaties ontvangen of foutieve rekeningen aanvechten.

Nieuwe tolsystemen, nieuwe inkomstenstromen

De verkeersdrukte stijgt al jaren. Wereldwijd richten verschillende initiatieven zich op het verhogen van het serviceniveau op wegen en tegelijkertijd terugdringen van de onderhoudskosten van het tolsysteem. Een voorbeeld is All Electronic Tolling (AET), een aanpak waarmee in de Verenigde Staten afscheid wordt genomen van traditionele tolpoortjes waar reizigers moeten afrekenen. Zo hoeven automobilisten niet meer te stoppen en wachten tijdens hun rit. En denk bijvoorbeeld ook aan dynamische tolsystemen, die met behulp van dynamische tolkosten de verkeersdrukte helpen reguleren.

Zulke innovatieve initiatieven zorgen voor meer dan het terugdringen van kosten en verbeteren van de klantervaring. Het kan ook zorgen voor geheel nieuwe inkomstenstromen. Een aantal voorbeelden:

Tolkosten berekenen

Voorstellen voor het berekenen van tolkosten op basis van CO2-emissies of verkeersdrukte – iets wat al is ingevoerd in steden als Singapore en Londen – waren oorspronkelijk bedoeld ter verbetering van verkeersstromen en de leefbaarheid in steden. Zij kunnen echter ook bijdragen aan nieuwe inkomstenbronnen.

Universeel tolsysteem

Sommige Amerikaanse staten zoals Californië en onderzoeken het gebruik van GPS voor geïndividualiseerde tolkosten op basis van brandstofverbruik. Dit kan de fundering vormen voor een universeel tolsysteem voor alle wegen en het verlies aan belastinginkomsten door energie-efficiënte voertuigen, elektrische auto’s en Mobility-as-a-Service helpen compenseren.

Speciale rijbanen

Autonome en semi-autonome voertuigen kunnen ook nieuwe business opleveren. Door het creëren van speciale rijbanen voor deze voertuigen kunnen tolautoriteiten hun inkomsten vergroten en tegelijkertijd de veiligheid en verkeersstromen voor alle gebruikers verbeteren.

Slim data gebruik

Tolheffers kunnen de grote hoeveelheid ongebruikte data die zij verzamelen inzetten voor het heruitvinden van hun businessmodel. Informatie over rijpatronen, -routines en -gedrag kan (mits geanonimiseerd en in overeenstemming met privacywetgeving) interessant zijn voor een grote groep bedrijven. Denk hierbij aan autofabrikanten en verzekeraars, maar ook aan retailers en adverteerders. Zodra autonome voertuigen de realiteit zijn, groeit de hoeveelheid data die verzameld kan worden exponentieel. Dit leidt tot interessante mogelijkheden.

De juiste tools nodig

Tolorganisaties die niet op achterstand willen komen en voorop willen lopen moeten nu investeren in slimme technologieën. Zij hebben hiervoor de juiste tools nodig, variërend van complexe facturatieoplossingen tot toepassingen en platformen die een grote hoeveelheid informatie opslaan.

Meer informatie over 51����oplossingen van tolsystemen zijn beschikbaar. Of volg deze cursus!

The post Slimme tolsystemen in het nieuwe mobiliteitslandschap appeared first on 51����Nederland Blogs & Nieuws.