Groei geeft een organisatie (meestal) energie en meer bestaansrecht. Maar, groei brengt ook uitdagingen met zich mee. Voor zowel personeel, partners als klanten zorgt groei voor een nieuwe dynamiek. ATL Seafood is een goed voorbeeld van een organisatie die zoveel passie heeft voor het product en de markt dat hierdoor de organisatie hard groeit.
Voordat we specifiek ingaan op de uitdaging en oplossing van ATL-Seafood, schetsen wij eerst de uitdagingen die wij herkennen vanuit de sector: Groothandel. Waarom? Omdat jij, de lezer, wellicht de uitdagingen herkent van groothandels, maar niet specifiek van een vishandel. De oplossing die wordt toegelicht is breed inzetbaar op meerdere uitdagingen.
Doordat de visgroothandel uit IJmuiden stevig is gegroeid de afgelopen jaren, wat natuurlijk erg goed is, brengt dit druk met zich mee op de in- en verkoop teams. Hoe ga je met meer klanten om? Zorg je voor meer accountmanagers of zorg je dat data betrouwbaarder is en betere voorspellingen kan maken zodat je accountmanagers beter weten op welke klanten zij zich extra moeten focussen.
Tijdens onze gesprekken met directeur van ATL Seafood; Duncan Nienhuis, kwam snel naar voren dat meer accountmanagers het probleem niet zou oplossen. Wel zou helpen; meer inzicht in behoefte en met name de veranderende behoefte van klanten. Met specifieke inzichten over bijvoorbeeld customer churn (klantverloop) kunnen accountmanagers de tijd die ze in klanten stoppen beter verdelen. Een klant die tevreden is, stabiel besteld heeft wellicht minder tijd nodig dan een klant die nieuw aangesloten is.
Juist door verschuiving van tijd is het interessanter om data & ai te gebruiken voor inzicht in plaats van meer accountmanagers aannemen.
Maar het gaat nog veel dieper. Want het inspelen op klantbehoefte gaat niet alleen om aandacht, maar ook aankoopgedrag. Dit is voorspelbaar door omgevingsvariabelen te meten, zoals: het weer (internationaal), waterkwaliteit, seizoenen, levertijden en nog veel meer. Hoe kan je hier als visgroothandel op inspelen?
Het antwoord: AI.
“Wij kunnen nu met 85% accuratie inschatten wat klanten zullen doen in de toekomst. Dit geeft ons de kans om tijdig in te spelen op veranderende klantbehoeften. Onze accountmanagers kunnen hierdoor veel beter hun tijd en energie verdelen.”
Duncan Nienhuis – Directeur ATL Seafood
Om veranderend klantbehoeften te voorspellen zijn verschillende technische innovaties nodig; het verzamelen van data in een centraal punt, tot het structureren van de data om vervolgens machine learning modellen te trainen op de data. Klinkt ingewikkeld (is het ook), maar wij gaan het hieronder uitleggen.
De data die wordt opgehaald uit verschillende systemen zoals ERP, CRM of financiële systemen en worden vervolgens samengebracht in een centrale dataplatform; een Lakehouse (Microsoft Fabric). Ironisch gezien is dit een groothandel voor data wat ervoor zorgt dat ruwe data wordt verwerkt tot bruikbare informatie (brons, zilver, goud – zie model 1).
In dit centrale dataplatform, Microsoft Fabric, kan men:
Nadat de juiste data in voldoende mate aanwezig is in Microsoft Fabric, wordt Python notebook gebruikt. Python Notebook vormt de brug tussen ruwe data vanuit Microsoft Fabric en een bruikbaar machine learning model. Dit gaat van data ophalen, analyseren, voorbereiden tot aan het bouwen van het model en het delen/deployment hiervan.
De data die gebruikt is voor het AI Dashboard van ATL Seafood is op te splitsen in twee categorieën:
Interne data.
Hier gaat het om omzetcijfers, bestelfrequentie, besteltypes, voorraadbeheer, inkoopcijfers vanuit leveranciers, financiële cijfers en management rapporten.
Externe data.
Hier wordt het interessanter, want hier komt data kijken waar een organisatie normaliter niet zo makkelijk aan komt of kan koppelen aan interne cijfers. Er wordt bijvoorbeeld gekeken naar de kwaliteit van nationale- en internationale wateren. Met deze informatie kan het model inschatten wat de verwachte vangst wordt in periode X. Op deze gegevens kan ATL de marge bepalen zodat klanten altijd de scherpste prijzen krijgt. Maar er wordt ook rekening gehouden met politieke invloeden zoals de oorlog in Rusland en bijbehorende sancties. Die ontwikkeling zorgt voor minder export wat uiteraard de omzet (kan) drukken. Maar veel dichter bij huis: seizoenen en feestdagen zijn belangrijke punten om mee te nemen in het voorspellen van de veranderende klantbehoefte.
Het medaillonmodel is een manier om data gestructureerd op te bouwen in drie lagen: Brons, Zilver en Goud. Elke laag vertegenwoordigt een stap in het opschonen, verrijken en waardevoller maken van data:
Het model helpt organisaties om betrouwbare, herbruikbare en schaalbare data-oplossingen op te bouwen.
Bij DTX starten we élk dataproject volgens dit model. Waarom? Omdat zuivere data de basis is voor elke goede beslissing. Wij zorgen voor een stevig fundament door bedrijven te helpen met de juiste maatregelen, processen en tools om hun data vanaf het begin goed in te richten en te beheren.
Voorbeeld: Van Brons naar Goud.
Een retailer heeft klantdata uit het kassasysteem (brons). Die data bevat fouten zoals dubbele klanten en
verkeerde e-mailadressen. In de zilverlaag schonen we dit op: dubbele records worden verwijderd, formaten gestandaardiseerd. In de goudlaag verrijken we de data met aankoopgeschiedenis en loyaltypunten. Het resultaat: betrouwbare inzichten.
In de eerste fase wordt de data opgesplitst in: trainen en testen.
Trainen: Om het model te leren welke data er is.
Testen: Om te controleren hoe goed het model reageert op ‘onbekende data’.
Als een model goed reageert, dan wordt het algoritme (bijv. Random Forest – beslisboommodel) gebouwd
rondom de data. Als het model gebouwd is, wordt het model getraind, ook wel “fitten op data” genoemd. Je leert het model hoe input X samenhangt met uitkomst Y. Door het model te trainen. Als dit lukt, dan wordt het model in gebruik genomen en scherp geëvalueerd.
Voor ATL Seafood en deze specifieke behoefte om meer inzicht in veranderend klantbehoefte, zijn de volgende AI-modellen gekozen en getraind:
Elk model gaat anders om met tijd en variantie in klantbehoeften. Stabiele klanten kopen regelmatig via een voorspelbaar patroon. Dynamische klanten laten onregelmatig koopgedrag zien en worden sterk beïnvloed door externe factoren of seizoenen.
ATL Seafood levert als groothandel vis aan horeca en catering en sinds kort ook aan particulieren. Niet zomaar vis, de allerbeste vis! Kwaliteit staat hoog in het vaandel, net als betrouwbaarheid, creativiteit, flexibiliteit en duurzaamheid.
De vis van ATL Seafood wordt dagelijks vers gevangen en gekocht via verschillende visafslagen. Verser kan dus niet. De visgroothandel levert niet alleen vis uit Nederland, nee, ze zijn in staat ook vis te leveren vanuit andere delen van de wereld welke met de grootste zorg wordt vervoerd.
ATL Seafood heeft de volgende diensten en activiteiten:
Koks voor Koks: Een concept waarbij ervaren koks van ATL Seafood ondersteuning bieden aan chefs bij menuontwikkeling en productkeuze.
Zin in Vers: Een webshop gericht op particuliere klanten, waar verse vis en andere producten besteld kunnen worden.
Partners: Samenwerking met Salty Butcher (vlees) en Bellamy’s (soepen en sauzen).
Boek dan een kennismaking met een van onze specialisten. Geen verkooppraatje, gewoon een half uur sparren over jouw situatie.
Gemeente Maashorst kiest de ‘innovatie weg’ met DTX als Azure eXpert voor een toekomstbestendig cloud-fundament en Microsoft Fabric als modern…
Ontdek hoe DTX als IT-partner PearlPaint Group helpt met proactief beheer, cloud, security en data & AI.
De Voortgang App. Gebouwd met Erkamp, getest op de werkvloer.
