blog

Zeven richtlijnen: omgaan met big data-vraagstukken

Supply chain

Zeven richtlijnen: omgaan met big data-vraagstukken

De logistieke sector verkeert al enige tijd in een big data-situatie. De partner in de logistieke keten die data het best weet toe te passen, zal lading het meest betrouwbaar en optimaal vervoeren. In dit artikel bieden Maurice Glandrup en Danny Otter zeven richtlijnen die kunnen dienen als leidraad bij het inrichten van ICT-systemen.

“In god we trust, all others must bring data”, W. Edwards Deming

Deze quote zal met de toename van data in de logistieke keten steeds zwaarder wegen. Zeker nu verladers en klanten te allen tijde willen weten waar lading is en er een duidelijke trend is dat supply management en verkeersmanagement-systemen steeds verder geïntegreerd worden of van elkaars data gebruik maken.

Big data houdt in het kort in dat er grote hoeveelheden data beschikbaar zijn, afkomstig van diverse bronnen en die relatief snel ververst worden. Grote hoeveelheden data worden gecreëerd door sensoren als GPS waarmee vervoersmiddelen gevolgd worden, temperatuur van lading, meteorologische gegevens, specifieke lading details, maar ook historische data van de hiervoor genoemde bronnen.

De logistieke sector verkeert al enige tijd in een big data-situatie. Het goed gebruiken van de data biedt n-PL’s (n=willekeurig getal), verladers en rederijen een mogelijkheid om een volgende stap te maken in het optimaliseren van logistieke processen. Door een goed overzicht op alle relevante data in de keten te hebben ontstaat situation awareness op basis waarvan operationele beslissingen worden genomen. De mens is niet geschikt om zonder adequate ondersteuning grote hoeveelheden data over posities van trucks, pickup en delivery tijden van goederen, departure en arrival tijden van (zee-)schepen, congestie details van wegen, weersgesteldheid, douane afhandeling, productie voortgang enz. in het oog te houden en aan elkaar te relateren om de meest optimale keuze te maken. Control towers voor ERP, CRM en planningsystemen kunnen de mens ondersteunen mits deze systemen met big data om kunnen gaan.

Uit ervaringen van een aantal projecten voor systemen die om moeten kunnen gaan met big data, hebben we zeven richtlijnen gedefinieerd die beslissend zijn voor de functionaliteit van een systeem en die de kans op succes en acceptatie van een systeem vergroten. De richtlijnen hebben directe toepassing gekregen in het Dinalog-project SIEEG van het logistieke cluster Port of Twente.

  1. Network-centric

    Bouw geen point-centric systeem dat een beeld van een situation awareness opbouwt waarbij vanuit het eigen systeem geredeneerd wordt. Tegenwoordig draaien logistieke bewegingen om hoe goed het netwerk, of de keten, om de lading te vervoeren is georganiseerd en functioneert. Onderdelen van het netwerk zijn: n-PLs die samenwerken, modaliteiten die betrokken zijn bij het vervoer, infrastructuur met congestie gegevens. Door alle data uit het netwerk te gebruiken om een goed beeld van de situatie op te bouwen, kunnen logistieke bewegingen geoptimaliseerd worden, worden connecting windows inzichtelijk en bereikbaar, en is het mogelijk synchromodale concepten te ontwikkelen.
  2. Mobiliseer het netwerk

    Te veel data moeten verwerken is misschien een probleem, te weinig data hebben is een groter probleem. Als een situation awareness moet worden opgebouwd, dan is het essentieel inzicht te hebben in voldoende onderdelen van het netwerk. Met behulp van algoritmiek kan uit grote hoeveelheden data de essentie gehaald worden. Het ontwerpen van deze algoritmiek is over het algemeen geen sinecure en is werk voor specialisten. Het is echter veel moeilijker om over een deel van de keten waarover geen inzicht bestaat inzicht te creëren. Als historische data over schijnbaar vergelijkbare delen niet goed genoeg is, dan is het moeilijk te voorspellen wat er gebeurt in dat deel van de keten. Bij te weinig data moet er een faciliteit als een mobiele app, of andere systemen gezocht of gecreëerd worden waarmee extra data verzameld wordt.
  3. Public-private data

    ICT-systemen in het algemeen zijn onder andere bedoeld om communicatie te verbeteren. Steeds vaker is dit niet beperkt tot communicatie binnen de eigen operatie of eigen bedrijf, maar ook naar partners in de keten waarmee wordt samengewerkt en klanten. Door een systeem op te bouwen rondom publieke/vrij verkrijgbare data, zal het gebruik van het systeem intuïtievere worden omdat de data bekender is. Door publieke data te verrijken met private data, worden details van vervoer gegeven. Dit is een heel andere benadering dan een systeem baseren op louter private data, eventueel verrijkt met publiek beschikbare data. Bijvoorbeeld: positionele data van schepen is publiek. Door deze te combineren met planningsdata, ontstaat een heel ruimtelijk en tijd gebaseerd overzicht waar zich een lading bevindt en wanneer een klant deze kan verwachten. Maar het is natuurlijk niet de bedoeling dat private data publiek wordt.
  4. Perceptie is waarheid is transparantie

    Partners in de keten, maar ook klanten hebben steeds meer interesse in real-time data. Afhankelijk voor wie het is, is een logistiek dienstverlener best bereid transparantie in de data te geven. Het is echter een illusie om alle details over het vervoer van een lading te weten. Te veel transparantie kan leiden tot allerlei aansprakelijkheidsclaims. Bijvoorbeeld: een harde eis van een verlader dat een lading op 20°C moet blijven kan verwoord worden als: “de temperatuur is binnen de gestelde parameters gebleven”. Uiteindelijk bepaalt de eigenaar van de data de perceptie op de data. Blijf dus niet doorzoeken naar alle details, maar accepteer dat het systeem met partiële data moet kunnen werken. Het is beter waar mogelijk andere bronnen te gebruiken en redundantie in de data te creëren, en data uit verschillende bronnen te combineren om conclusies te trekken.
  5. Message governance, geen data governance

    Niemand is geïnteresseerd in het zomaar weggeven van data, of toestaan dat eigen data wordt gebruikt voor doeleinden waarvan niet voorzien was dat het voor dat doeleinde gebruikt kan worden. In het data tijdperk waarin we zitten is het essentieel dat we zelf controle houden op onze eigen data. In een big data situatie is het echter onmogelijk van individuele data elementen te bepalen wie het: wel, niet, wanneer en in welke situatie mag gebruiken. Het is echter wel mogelijk om dit te doen op berichten verkeer dat tussen partners in de keten wordt uitgewisseld. Bijvoorbeeld: een verlader staat toe dat een vervoerder planningsgegevens met aantallen te vervoeren eenheden krijgt. Echter, nadat het vervoer gedaan is, wordt deze informatie door de verlader afgeschermd. Hiermee word geen strategische data omtrent vervoershoeveelheden gedeeld met de vervoerder.
  6. Crosslink warehouse

    Het heeft geen zin om een Google te worden en datawarehouses op te richten om alle data op te slaan. Het is veel verstandiger en wenselijker de organisatie die eigenaar is van de data, deze data ook te laten beheren. Uiteindelijk gaat het om de crosslink van verschillende soorten data. Data alleen is data, het combineren of crosslinken van data uit verschillende bronnen leidt tot informatie. Op informatie kunnen intelligente diensten gebouwd worden die ondersteuning geven in beslissingsprocessen. Door bij te houden hoe data gecombineerd moet worden, houdt iedereen het beheer over zijn eigen data, en bepaald de crosslink van verschillende data hoe de data gebruikt moet worden. Het is veel eenvoudiger om alleen de crosslink te bewaren dan de data die middels de crosslink bereikbaar wordt.
  7. Compliance control

    Er kunnen nog zoveel maatregelen in een systeem zitten om goed in te spelen op data uit de buitenwereld, uiteindelijk gaat het erom of de operatie efficiënter is geworden. Alle acties die middels het systeem gedaan worden, zouden idealiter moeten leiden tot optimalisatie in resource gebruik, verbeteren van de betrouwbaarheid, etc. Er zijn een aantal manieren om erachter te komen of dit zo is. Bijvoorbeeld, door het bijhouden van allerlei KPI’s wordt gemeten of activiteiten efficiënter verlopen. Daarnaast moeten de gebruikers van het systeem gemotiveerd worden interactie met het systeem te hebben om zaken te controleren. Bijvoorbeeld: een chauffeur rijdt over een weegstraat om bandenspanning te meten en krijgt direct feedback af er banden opgepompt moeten worden.

Big data-vraagstukken

De bovenstaande zeven punten vertellen niet hoe een systeem gebouwd moet worden, maar geven een indicatie welke vragen er gesteld moeten worden om systemen met big data-vraagstukken om te laten gaan zodat:

  • een systeem grote hoeveelheden data kan transformeren naar informatie en dat vervolgens te transformeren naar intelligente diensten die ondersteuning aan gebruikers geven,
  • een systeem een beter communicatie mechanisme wordt voor gebruikers, waarbij een gebruiker afhankelijk van zijn rol toegang heeft tot informatie,
  • data in eigen beheer blijft.


Mede-auteur: Danny Otter

Reageer op dit artikel