Van Duuren
Yuma en Van Duuren
Van Duuren is een logistieke dienstverlener die voortdurend in beweging is. Het distribueert goederen via vaste lijndiensten door heel Europa en streeft ernaar 97 procent van de leveringen op tijd te bezorgen. Wanneer dat door omstandigheden zoals files niet lukt, wil Van Duuren zijn klanten daar tijdig over informeren.
Op drukke dagen was het voor de klantenservice echter niet altijd mogelijk om de voortgang van alle zendingen handmatig te controleren. Daarom vroeg Van Duuren Yuma om vertragingen te helpen voorspellen, zodat klanten sneller en eenvoudiger kunnen worden geïnformeerd. Die transparantie draagt bij aan meer begrip, hogere klanttevredenheid en verdere groei.
Je beloften waarmaken
Van Duuren beschikt niet alleen over een sterk transportnetwerk, maar ook over een goed zakelijk netwerk. Zo kwam het bedrijf bij het data science-team van Yuma terecht, dat modellen ontwikkelt waarmee op basis van Artificial Intelligence en Machine Learning ontwikkelingen kunnen worden voorspeld.
Een nauwkeuriger beeld van wat er gaat gebeuren, helpt organisaties risico’s te beperken, hun dienstverlening te verbeteren, nieuwe kansen te benutten en groei te realiseren.
Model herkent 90% van de vertragingen
De data scientists van Yuma trainden verschillende Machine Learning-modellen met de beschikbare data. Onder meer IBM Watson werd gebruikt om de modellen te beoordelen. Daarvoor moesten de data eerst worden opgeschoond. Zo bleken verschillende statuscodes dezelfde betekenis te hebben. Om goed te kunnen bepalen welke statussen daadwerkelijk invloed hadden op vertragingen, moesten deze eerst worden samengevoegd.
Het best presterende model kon op basis van testdata negen van de tien vertragingen correct voorspellen. Daarbij analyseert het tot dertig variabelen tegelijkertijd. Het model bleek de beste resultaten te behalen wanneer het werd getraind met data van het voorgaande jaar. Ook bij nieuwe zendingen voorspelt het in 90 procent van de gevallen correct of er vertraging zal ontstaan.
Shortlist om gemakkelijker en sneller actie te ondernemen
Het grote voordeel voor Van Duuren is dat medewerkers nu een shortlist krijgen van zendingen die mogelijk vertraging oplopen. Daardoor hoeven ze niet langer alle orders afzonderlijk te controleren, wat veel tijd bespaart.
Belangrijker nog is dat Van Duuren klanten tijdig kan informeren wanneer een levering waarschijnlijk later aankomt. Dat zorgt voor meer begrip en een hogere klanttevredenheid. De shortlist maakt het bovendien mogelijk om proactief contact op te nemen met partners om te achterhalen waarom een zending vertraging oploopt en wat de nieuwe verwachte levertijd is.
Van data naar een praktische oplossing
De kracht van Yuma is dat het bedrijf zeer praktijkgericht is. Het data science-team richt zich op het ontwikkelen van oplossingen die resultaten opleveren. Deze aanpak helpt klanten processen te verbeteren en groei te realiseren. Yuma koppelt expertise op het gebied van Artificial intelligence aan technologische kennis. Ze hebben de mensen in huis die de infrastructuur kunnen realiseren die nodig is om aan de slag te gaan en doelen te bereiken.
Om tot een werkende oplossing zoals die voor Van Duuren te komen, doorloopt Yuma doorgaans zes stappen:
- Samen met de klant bepalen waar data en AI processen kunnen verbeteren.
- De businesscase definiëren.
- Data verzamelen.
- Data opschonen en analyseren.
- Een Machine Learning-model ontwikkelen.
- Het model implementeren, zodat voorspellingen automatisch beschikbaar zijn in een operationeel systeem, dashboard of rapport.
Voor de analyse, ontwikkeling en implementatie is gemiddeld ongeveer een half jaar nodig. Ook bij Van Duuren was dat het geval.
Yuma combineert expertise in Artificial Intelligence met technologische kennis en een praktische aanpak. Het data science-team richt zich op oplossingen die concrete resultaten opleveren, terwijl de benodigde technische infrastructuur eveneens binnen Yuma kan worden gerealiseerd. Zo wordt een voorspellend model onderdeel van de dagelijkse operatie en helpt het Van Duuren processen te verbeteren en klanten beter te bedienen.
