Skip to content
Winststijging!
lees het verhaal van jan tulp

Meer winst uit het AGF en sierteelt bedrijf met big data

Over de toegevoegde waarde van Artificial Intelligence (AI) en Big Data voor sierteeltbedrijven hebben we al veel gezegd en geschreven. We merken dat voor veel klanten deze materie nog behoorlijk abstract is, dus laten we aan de hand van een voorbeeld eens kijken waar de winst voor ondernemingen te behalen is. Maak kennis met de groothandel van Jan Tulp.

Datagedreven werken in het sierteelt bedrijf van Jan Tulp

Groothandel Jan Tulp exporteert bloemen en planten, o.a. naar Duitsland, Frankrijk en Oost-Europa. Hij verkoopt ongeveer de helft van zijn producten online via een goedlopende webshop. Zijn internationale klanten zijn vooral importerende groothandels en cash-and-carry ondernemingen. Jan Tulp heeft een omzet van zo’n 30 miljoen euro.

Het bedrijf is voortdurend bezig om zijn werkwijze te optimaliseren, om zo efficiënt mogelijk te werken. Tulp realiseerde zich echter niet dat hij al zijn waardevolle bedrijfsdata veel beter kan benutten. Wij gingen met hem in gesprek over datagedreven bedrijfsvoering en maakten duidelijk hoe je data optimaal kunt inzetten. Om je klant beter te leren kennen, om betere prognoses te maken van de klantbehoefte en daar je aanbod op af te stemmen en de derving te verlagen. We namen onze stapsgewijze aanpak met hem door en bekeken de geprognotiseerde resultaten. Wat waren de te verwachten effecten? Meer winst, minder derving, meer efficiency. Jan Tulp wilde aan de slag.

Inzicht en overzicht door data

In de eerste fase van onze aanpak startten we met analyses. We verkenden en scanden alle aanwezige informatie, zoals historische data, verkoop- en inkoopinformatie en webshopgegevens. Met behulp van krachtige oplossingen kregen we meer inzicht in de complete bedrijfsvoering en zagen we ook direct waar administratieve taken verder konden worden geautomatiseerd. Parallel pasten we voorspellingsalgoritmes toe om kooppatronen van klanten te herkennen en te vertalen naar toekomstige bestellingen.

Minder derving, meer efficiency

Op basis van informatie over de klantvraag en verkoopvolumes is Jan Tulp, met onze hulp, beter in staat om de behoefte van zijn klanten te voorspellen. Zo kan hij de inkoop veel beter laten aansluiten op de -geprognotiseerde- klantvraag. Dat leidde niet alleen tot een positief effect op sales, maar verminderde ook de derving. Tulp zag een afname van maar liefst 20% van zijn derving; een enorme kostenbesparing!
Bovendien kan zijn bedrijf op basis van de verkregen voorspellingsinzichten ook meer producten rechtstreeks bij de kweker bestellen. Die kweker ontvangt, op basis van de prognose, direct en automatisch een order voor het leveren van producten. Deze werkwijze creëerde extra efficiency (maar liefst 25%) in het inkoopproces. Het inkoopteam kon veel meer producten en volumes verwerken met hetzelfde aantal medewerkers (schaalbare organisatie).

Gepersonaliseerde sales

De klantinzichten die we verkregen uit de Big Data analyses gebruikten we ook om klantaanbiedingen te personaliseren. Met behulp van marketing automation toepassingen deden we klanten aankoopvoorstellen op maat via diverse marketingkanalen, zoals webshop, mail, WhatsApp, etc. Aanbiedingen die optimaal aansluiten bij het klantprofiel. Maatwerk qua inhoud, manier van aanbieden en timing. Deze toepassing had direct een positief effect op de verkoop via de webshop. Dus Jan Tulp zag, net als bij toepassing voor de B2C markt, al snel een verkooptoename van maar liefst 15% in de webshop.

Extra data toepassingen

Met algoritmes analyseren we ook het koopgedrag van klanten, waarbij afwijkingen in koopgedrag en veranderingen in de samenstelling van gebruikelijke bestellingen direct worden gesignaleerd. Denk aan minder producten, andere bloemen of planten mix, veranderende bestelling frequentie, etc. Veranderend koopgedrag kan een signaal zijn dat de klant overweegt te vertrekken, de toegepaste algoritmes heten toepasselijk ‘client dying analyses’. Bij een afwijking van 8% of meer stuurt het systeem automatisch een signaal naar de verkoper. Deze neemt contact op met de klant op en gaat het gesprek aan. Mocht er sprake zijn van dreigend vertrek, dan stuurt hij aan op klantbehoud. Het behouden van klanten is immers vele malen makkelijker én goedkoper dan het binnenhalen van nieuwe klanten.

Ook als het gaat om efficiënte personele bezetting in de orderverwerking is er winst te behalen. Klantinzichten (volumes, leveringstijden, etc.) gecombineerd met de vereiste handelingstijd per order voorspellen de benodigde verwerkingstijd. Met deze inzichten kan de orderverwerking en personele capaciteit veel nauwkeuriger worden gepland.

Op termijn gaat Jan Tulp ook de controle van de facturatie naar klanten én de inkomende facturen automatiseren. Een proces waarbij met behulp van Machine Learning (kunstmatige intelligentie) de facturen geanalyseerd worden en alleen de afwijkingen worden behandeld. Een kenmerk van Machine Learning is dat deze toepassing zelflerend is en steeds slimmer wordt. Vanzelfsprekend levert ook deze vorm van AI winst op.

Binnen een jaar terugverdiend

Jan Tulp realiseerde met deze manier van datagedreven werken al binnen een jaar ongeveer 1% meer winst, in zijn geval is dat zo’n € 30.000,- per maand. Met deze winststijging verdiende Jan Tulp in korte tijd zijn investering terug. Dankzij de inzet van WDD heeft hij meer grip op zijn bedrijf en is hij klaar voor de toekomst.

Hoe zit dat met jouw bedrijf? Wil je net als Jan Tulp met onze hulp je winst vergroten?

Ik ga graag met je in gesprek over de mogelijkheden.

Peter Rosman
06 83 22 03 46
peter@wdd.nl

Ga nu live. Met een datarobot klaar voor de toekomst!

Back To Top