Schrijf je in voor onze dagelijkse nieuwsbrief om al het laatste nieuws direct per e-mail te ontvangen!

Inschrijven Ik ben al ingeschreven

U maakt gebruik van software die onze advertenties blokkeert (adblocker).

Omdat wij het nieuws gratis aanbieden zijn wij afhankelijk van banner-inkomsten. Schakel dus uw adblocker uit en herlaad de pagina om deze site te blijven gebruiken.
Bedankt!

Klik hier voor een uitleg over het uitzetten van uw adblocker.

Meld je nu aan voor onze dagelijkse nieuwsbrief en blijf up-to-date met al het laatste nieuws!

Abonneren Ik ben al ingeschreven
data-scientist Johan Meppelink

"Vraag gestuurde sierteeltketen binnen handbereik"

Sinds begin 2018 is data-scientist Johan Meppelink in de tuinbouw actief met Hillenraad Data Refinery. De mogelijkheden die hij ziet in de sierteelt zijn groot. Data stelt bedrijven in staat de vraag veel beter te voorspellen. Ze zullen, zo voorspelt Johan, hier stap voor stap beter in worden, zoals men ook steeds beter het weer is gaan voorspellen.

Mismatch tussen vraag en aanbod
Dat de afstemming tussen vraag en aanbod beter kan is duidelijk. De tuinbouwketen is bij lange na niet 100% efficiënt en een onverkochte plant kost veel geld. De bestaande mismatch tussen productie en consumentenvraag is niet gek. Vaak zitten er meerdere jaren tussen start van de productie en het moment dat de plant bij de consument in huis staat. Wat wel gek is, is dat bij het maken van een productieplanning er zoveel wordt geleund op ervaring en kennis in hoofden en relatief weinig op harde cijfers. Nu kan data natuurlijk niet alles voorspellen. Maar juist de combinatie van de krachten van mens en machine biedt kansen om de mismatch te verkleinen.

Waarde data in de details
Waar mensen goed zijn in het grotere plaatje, kan data juist gebruikt worden voor de details. Denk bijvoorbeeld aan antwoord op vragen als: moet er in week 22 nu 50% of 54% rood zijn en hoe ligt binnen deze groep de verdeling per product-potmaat combinatie?

Voor een mens zijn deze vragen veel te specifiek. Des te verder je in detail gaat hoe moeilijker het wordt. Door slim gebruik te maken van geavanceerde algoritmes en beschikbare interne en externe bronnen, is het wel mogelijk om deze patronen te kwantificeren. De algoritmes helpen om met een toenemende zekerheid de vraag meerdere maanden of zelfs jaren vooruit te voorspellen.

De hele keten profiteert
Productieplanning is nu vooral een taak van de producent, maar is de start van het proces waar voor de exporteur tot en met de retail onzekerheden op de loer liggen om geld te verliezen óf verdienen. Uiteindelijk is iedereen gebaat bij het beste aanbod dat de consument optimaal bedient. Door inzichten te delen tussen producent, exporteur en retail kan iedereen beter onderbouwd en sneller inspelen op trends en de veranderende vraag.

Volgens Meppelink staat de tuinbouw aan het begin van een data-revolutie. Net als het weer zullen we de vraag nooit met 100% zekerheid kunnen voorspellen, maar de stap van vertrouwen op intuïtie naar slim gebruik maken van data maakt een grote sprong mogelijk. In de concurrentiestrijd zal het steeds meer gaan om wie de vraag het beste kan voorspellen, voorspelt Johan met 100% zekerheid.

bron: Hillenraad Partners

Publicatiedatum: