Nut en noodzaak van data science-opleidingen in supply chain

Het vakgebied supply chain wordt steeds meer datagedreven. Om die reden zijn er inmiddels ook tientallen opleidingsinstituten met een aanbod op het gebied van data science en artificial intelligence (AI). Van korte onlinecursussen tot twee jaar durende opleidingen die een grote tijdsinvestering vergen. Véronique Sonsma: ‘Ik wilde de opleiding volgen om de data scientists van een betere context te voorzien en daarmee meer uit hun data-analyses te halen.’

Door Mirjam Hulsebos

Het supply chain-vakgebied beschikt van oudsher over ontzettend veel data om op te sturen. In een weinig veranderlijke wereld kom je daarmee een heel eind als je processen wilt optimaliseren en de winstgevendheid wilt verhogen. Maar in de wereld van vandaag, die snel verandert en veel situaties kent die afwijken van het standaardpatroon, wil je meer dan alleen maar kijken naar de korte termijn en veelal statische, mechanische verbanden. Je wilt ook data uit externe bronnen betrekken, langetermijn- en actuele verbanden ontdekken die je nog niet kende en betere voorspellingen doen, ook voor situaties die soms onvoorspelbaar lijken. Dat is waar data science bij kan helpen. 

Andere vragen stellen

Véronique Sonsma, Director of Operations bij Intersteel (foto), volgde de opleiding Data Science for Business Managers bij JADS. ‘Ik besloot tijdens mijn vorige baan bij Nike om deze opleiding te gaan volgen. Ik had toen veel contact met de data scientists in ons bedrijf die allerlei analyses deden. Zij waren ontzettend slim met data, maar ze hadden minder diepgaande kennis hoe de businessprocessen precies in elkaar zaten. Ik dacht: als ik goed met hen wil samenwerken, dan moet ik wellicht andere vragen aan hen stellen dan ik nu doe. Ik wilde de opleiding volgen om de data scientists van een betere context te voorzien en daarmee meer uit hun data-analyses te halen.’

Voordat ze begon, stapte ze echter over naar Intersteel, een mkb-bedrijf in hang- en sluitwerk, om verantwoordelijk te worden voor de hele operatie, van zand tot klant. ‘Dit bedrijf kent een heel andere setting. We zijn te klein om een eigen data science-team te hebben.’ De noodzaak om zelf veel verstand te hebben van het vakgebied werd daardoor alleen nog maar groter. ‘Je kunt binnen de supply chain niet zonder data. Mits goed toegepast, levert het je een gedegen onderbouwing van beslissingen en voorstellen. Ik koos voor deze opleiding omdat die niet alleen ingaat op thema’s als data-engineering en visualisatie, maar ook onderwerpen behandelt als het ontwikkelen van nieuwe businessmodellen en datawetgeving. Het is heel breed.’

Kruisbestuiving tussen deelnemers

Ze vindt dat JADS de beloften waarmaakt. ‘De professoren die je voor je neus krijgt, hebben hun sporen verdiend in het vakgebied en zijn ook didactisch heel sterk. Ik vond de kruisbestuiving tussen de deelnemers ook zeer leerzaam. In mijn groep zaten bijvoorbeeld een biomedisch technoloog in een ziekenhuis, een accountant bij een gemeente en iemand vanuit de marketing. Het is heel interessant om hun uitdagingen te vertalen naar je eigen vakgebied en bedrijf, en andersom. Het zette mij echt aan het denken over ons eigen proces.’ Ook over de breedte van de opleiding is ze zeer te spreken. ‘Alles waar je in de praktijk mee te maken hebt komt aan bod, van wetgeving tot de soft skills die je nodig hebt om je organisatie erbij te betrekken.’

Het traject is weliswaar intensief, maar het geeft Sonsma meer energie dan dat het kost. ‘Ik vind het super inspirerend om op een andere manier met mijn werk bezig te zijn. Daarnaast kijk ik nu met heel andere ogen naar bepaalde ontwikkelingen. Ik begrijp nu waar het in de basis al misging bij de toeslagenaffaire. Ik werk vier dagen en de vijfde dag ben ik op de JADS-campus. De rest, zoals het werken aan mijn eigen project, doe ik ’s avonds en in het weekend. Uiteindelijk levert dat natuurlijk gewoon direct waarde op voor Intersteel. In dit project werk ik samen met het MKB Datalab, dat data science ook voor kleinere bedrijven mogelijk maakt.’

Goede inschatting maken

Consultant Hans Vlemminx rondde de JADS-opleiding drie jaar geleden al af. ‘Ik begeleid supply chain-trajecten, maar werk vooral aan de kant van het servicemanagement. Ook daar doe je veel analyses en maak je veel rapportages. Ik zag dat er steeds meer data beschikbaar kwamen en vroeg me af: hoe kan ik aan de voorkant al een goede inschatting maken welke dataprojecten echt resultaat gaan opleveren en welke nooit verder komen dan een leuke pilot?’

Uiteindelijk heeft het volgen van de opleiding hem nog veel meer gebracht. ‘Ik heb een mooi netwerk opgebouwd van mensen die net als ik veel met data en analytics bezig zijn. Ik doe veel inspiratie op, bijvoorbeeld van toepassingen in de B2C, die op een wat andere manier ook gebruikt kunnen worden in de B2B. En als een van mijn klanten met een nieuwe tool wil gaan werken, is er altijd wel iemand uit dat netwerk die daar al ervaring mee heeft.’

Hij vindt het een groot voordeel dat de JADS-opleiding je behoedt voor navelstaren en blind worden voor je eigen processen. ‘Je wordt continu uit je comfortzone getrokken en gedwongen om met andere ogen nog eens naar het probleem te kijken. Je ontwikkelt een brede visie. De technieken en tools veranderen continu, maar de denkwijze om data te vertalen naar inzichten niet. Daarom kan ik iedereen die in de supply chain werkt aanraden om zich die denkwijze eigen te maken.’

Basiskennis data science belangrijk

Je komt in de supply chain steeds minder weg met het argument: daarvoor hebben wij een data science-afdeling. Of: onze softwareleverancier helpt ons hierbij. Je zult zelf een bepaalde basiskennis over data science moeten hebben. Veronique Sonsma legt uit waarom. ‘In de supply chain zijn steeds meer dingen geautomatiseerd. Je kunt er niet op vertrouwen dat al die analyses die software voor je maakt voor jouw situatie ook kloppen, want de software kent de context niet, die ziet alleen enen en nullen’, aldus Sonsma.

‘Soms worden er bijvoorbeeld dingen uitgefilterd die er in jouw geval eigenlijk helemaal niet uitgefilterd moeten worden. Je moet begrijpen hoe de software die jij gebruikt werkt, zodat je zeker weet dat je analyseert wat je denkt te analyseren. Daarnaast vind ik dat je als supply chain-verantwoordelijke de vertaalslag moet kunnen maken van wat er technisch mogelijk is naar wat het oplevert voor je bedrijf. Want uiteindelijk gaat het erom dat je analyses doet die beslissingen ondersteunen die daadwerkelijk zorgen voor kostenreductie, minder CO₂-uitstoot of wat je doelstelling ook is.’

Hoewel je als supply chain professional niet zelf de algoritmes hoeft te kunnen ontwikkelen, moet je wel snappen hoe ze werken, zegt Sonsma. ‘Neem bijvoorbeeld de vraag hoe nauwkeurig een voorspelling moet zijn. 100 procent is zelden mogelijk, maar dat hoeft ook niet. Je moet echter wel helder kunnen aangeven welke onnauwkeurigheid acceptabel is voor de bewuste toepassing. Of neem onderwerpen als het belang van metadata of het kennen van de context. Juist die combinatie van businessinzichten en analytics kan ervoor zorgen dat je iets meeneemt dat nou net het verschil in nauwkeurigheid maakt, zoals bijvoorbeeld promoties.’