skip to Main Content

Minder derving, meer winst!

In de bloemen- en plantenketen is de totale derving ongeveer 40%. Wat een verspilling! Van die 40% is een belangrijk deel te wijten aan een mismatch tussen inkoop en verkoop. Producten blijven onverkocht in de winkel liggen, worden niet verkocht door de groothandel of draaien door bij de kweker of op de veiling.

Het is tijd om die derving te reduceren. Daar kan voorspellende software een significante bijdrage aan leveren. Veel handelsbedrijven en retailers maken nog gebruik van ‘traditionele” forecast-technieken. Ze kijken naar seizoenspatronen in historische verkoopdata, houden rekening met nationale feestdagen, gebruiken hun onderbuikgevoel en dat is het dan. Door meer data – big data – te gebruiken is het mogelijk veel nauwkeuriger te voorspellen wat er verkocht gaat worden. En dus wat er ingekocht moet worden. Denk aan voorspellingen waarbij rekening wordt gehouden met de weersverwachting op verkooplocaties, trending topics, sentimentsinzichten en bepaalde lokale evenementen zoals bijvoorbeeld voetbalkampioenschappen.

Voorspellen met 5% nauwkeurigheid

Het voorspellen van de vraag is op zich niet nieuw, maar dankzij nieuwe methoden zoals algoritmes en machine learning zijn de voorspellingen wel veel betrouwbaarder geworden én makkelijker toe te passen. Voorspellende software kan binnen no-time de vraag voorspellen van duizenden artikelen voor honderden klanten. Op klant-/debiteurniveau is het tegenwoordig mogelijk om met 5% nauwkeurigheid te voorspellen welke artikelen en volumes er gekocht gaan worden. Voor (dag)verse producten zoals bloemen is voorspellende software uiteraard zeer interessant. Als de derving met een paar procent vermindert, dan levert dat direct veel geld op!

 

HOE werkt dat voorspellen dan?

Iedere voorspelling begint met data. Ondernemers zijn zich vaak niet bewust hoeveel data ze verzamelen, en hoeveel die data waard is. Niet als je de data onbenut in het systeem laat staan, maar wel als we er bewust mee aan de slag gaan.

  • Stap 1: Data op orde. Screenen van jouw data, behoordelen van de kwaliteit, zorgen waar nodig voor verbetering en verrijking met externe data.
  • Stap 2: Analyseren van de data en toepassen van voorspellingsalgoritmes. We kijken bijvoorbeeld naar het koopgedrag en voorspellen met de data wat de klant zal gaan aankopen en wat er nog voor extra koopkansen liggen.
  • Stap 3: Toepassen van de voorspellende waarde in bedrijf. Bijvoorbeeld gepersonaliseerde aanbevelingen en aanbiedingen in je webshop toepassen of de inkoop dichter aan laten sluiten op de vraag.
  • Stap 4: Genieten van het resultaat. En dat is? Extra omzet. Minder derving. En verhoogde klanttevredenheid.
  • Stap 5: Verkennen van extra toepassingsmogelijkheden. Naast dat je intern profiteert van de kracht van voorspellen kun je ook toegevoegde waarde leveren aan jouw klant door hen beter te ondersteunen. En dat verstevigt uiteraard de klantrelatie.

 

een praktijkvoorbeeld

We nemen als voorbeeld een kijkje in het bedrijf van Jan Tulp. Hij is de eigenaar van een groothandelsbedrijf in bloemen en planten. Een familiebedrijf dat al meer dan 40 jaar bestaat en de business als geen ander kent. De omzet van de firma Tulp & Zonen is rond de €30 miljoen, waarbij de gemiddelde derving rond de 10% ligt. Het bedrijf levert de bloemen en planten met name aan bloemisten.

De vraag waarmee ze WDD benaderen is heel simpel; hoe kunnen we onze omzet verhogen? Hoe werkt dat voorspellen dan? Omzetverhoging is voor de meeste bedrijven de directe wens en prikkel om ons in te schakelen.
Wij bekijken samen de vraag en laten direct zien dat, door de voorspellende kracht van data optimaal te benutten, je niet alleen de omzet verhoogt, maar ook de derving vermindert. En ook dat is pure winst! En dan hebben we het nog niet over de verhoogde klanttevredenheid gehad.

Wil je weten hoe we voor jouw onderneming de voorspellende kracht van data optimaal kunnen benutten?

Ik ga graag met je in gesprek.

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

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

Back To Top