Opvallende vormen van bedrijfsinzicht
De tijd dat bedrijven zich enkel op de eigen operationele en klantengegevens baseerden voor hun inzicht, lijkt nu wel voorgoed voorbij. Dat bewijzen deze twee verhalen uit de praktijk.
De gegevens blijven belangrijk, maar inzicht uit andere bronnen blijkt steeds vaker nodig om het verschil te maken. Ooit beperkte Business Intelligence (BI) zich tot enkele dashboards voor het management en geëxperimenteer met Excel-tabellen. De traditionele vormen van BI blijven belangrijk, maar bedrijven hebben intussen al vele nieuwe toepassingen ontdekt. Enkele opvallende getuigenissen.
Ruimtelijk inzicht
Transportbedrijf Aernouts Logistics Support, gespecialiseerd in onder meer fietsvervoer en transport op maat, telt zo’n 35 medewerkers en 35 wagens in eigen beheer, naast een tiental vaste onderaannemers. Zaakvoerder Dirk Aernouts zag zich voor een dubbele uitdaging geplaatst.
Enerzijds verloor het bedrijf kostbare tijd doordat er vaak tien minuten of meer verliepen tussen het moment van de bestelling van een klant. “Daarnaast waren er wagens die al na 20.000 kilometer nieuwe banden nodig hadden, terwijl dit bij andere wagens pas na 60.000 kilometer nodig was. En er was een groot verschil in brandstofverbruik tussen de wagens”, vertelt Aernouts.
Via TomTom Business Solutions vond hij een oplossing voor beide uitdagingen. Enerzijds zien de chauffeurs nu meteen een nieuwe bestelling in hun navigatiesysteem verschijnen. Anderzijds houdt de geïntegreerde monitoringmodule informatie bij over de routes en het rijgedrag van de chauffeurs. Deze gegevens werden geanalyseerd en gepresenteerd aan de chauffeurs. “Hieruit kwamen grote verschillen in het rijgedrag aan het licht”, aldus Dirk Aernouts. “De ene chauffeur deed bijvoorbeeld 80 kilometer langer over een route dan de andere. Ook waren er wagens die 110 incidenten (scherp sturen, hard remmen, snelheidsoverschrijding) op een dag hadden, en wagens die er maar drie hadden.”
Hierdoor waren er onder de chauffeurs grote verschillen tussen bandslijtage en brandstofgebruik. Het verschil tussen het brandstofverbruik per dag van de beste en de zwakst presterende chauffeur was bijvoorbeeld drie liter, wat neerkomt op vijfhonderd euro per jaar. In totaal lagen de kosten van de minst goede presterende chauffeur duizend euro per jaar hoger dan die van de beste chauffeur.
Op basis van deze gegevens werden sommige chauffeurs behoorlijk wakker geschud. “Ze beseffen nu het effect van hun rijgedrag op de bedrijfskost en hebben meer respect gekregen voor hun bedrijfswagens”, stelt Aernouts tevreden vast. “Gecombineerd met de tijdsbesparing door de snellere opvolging van de bestellingen leverde dit een jaarlijkse besparing van zowat 25.000 euro op.”
Een ander mooi voorbeeld van ruimtelijk inzicht vinden we bij MSC, een containerterminal in de haven van Antwerpen. MSC analyseert de beschikbare ruimte om de containers optimaal te plaatsen zodat die zo weinig mogelijk verplaatst moeten worden. Want containers verplaatsen kost veel geld en elke uitgespaarde containerverplaatsing doet het kostenplaatje van de containerterminal gevoelig dalen.
Inzicht in fraude
Een van de dankbaarste voorbeelden van het nut van Business Intelligence en Business Analytics is ongetwijfeld in de fraudebestrijding te vinden. De Bijzondere Belastinginspectie (BBI) heeft bijvoorbeeld een erg geslaagde campagne achter de rug, waarbij de btw-carrousel op tien jaar tijd van ruim een miljard euro tot minder dan twintig miljoen euro is teruggedrongen.
Een btw-carrousel werkt typisch als volgt: een bedrijf in een belastingplichtig land verkoopt goederen in een belastingvrij land in een B2B-transactie. De koper verkoopt het door aan een derde partij, die het op haar beurt aan een andere partij verkoopt (meestal de originele verkoper) in een belastingplichtig land. Deze laatste vraagt dan btw-teruggave voor een product waarvoor nooit btw is betaald. Omdat de eerste koper niet identiek is aan de laatste verkoper zijn btw-carrousels lange tijd een succesvolle manier van frauderen geweest.
Door het combineren van relevante gegevens (onder meer uit sociale netwerken) is de BBI er echter in geslaagd om de btw-carrousel (bijna) volledig tot stilstand te brengen. “Het is een combinatie van verschillende types gegevens”, vertelt Yannic Hulot, directeur bij het BBI. “Specifieke kenmerken van het bedrijf, gekende feiten uit het verleden en transacties die niet worden aangegeven. Ook al zijn dit zeer specifieke elementen, toch is het niet eenvoudig om ze te combineren. Ten eerste betreft het een berg aan informatie, ten tweede is die informatie niet altijd even eenvoudig te beheren en te verifiëren.”
De gebruikte methode en tools zijn dus eigenlijk een afgeleide van de klassieke risicoanalyse, maar dan wel in een hybride vorm, onder meer door toevoeging van informatie uit sociale netwerken. Een model dat intussen zijn waarde heeft bewezen: de btw-carrouselfraude is met maar liefst 98 procent verminderd. “Het werkt ook zo goed dat we het hebben ingezet voor zaken die we vroeger hebben afgesloten omdat we met de oude methodes geen resultaat boekten”, besluit Hulot tevreden.
Een ander mooi verhaal van fraudebestrijding vinden wij de FOD Sociale Zekerheid. Door een geslaagde combinatie van dataminingsoftware en een enthousiast team van analisten en inspecteurs die zorgden voor de juiste parameters bij het detecteren van sociale fraude, is deze dienst erin geslaagd om de fraudedetectiegraad te verhogen van 16 procent tot ongeveer 50 procent.
Ook in het ruimere veld van misdaadbestrijding vinden we vele voorbeelden van nieuwe vormen van inzicht. Een gekend voorbeeld hier is de Londense politie die gebruikmaakt van ‘social media analytics’ voor diverse toepassingen: het meten van een algemene gemoedstoestand op een bepaald moment kan helpen om ongeregeldheden te voorspellen en zelfs te voorkomen door met de onrustzaaiers in dialoog te treden. Maar deze analyses kunnen ook bijdragen tot het oplossen van misdaden en het identificeren van getuigen, zonder dat hiervoor een heel bataljon aan politiemensen moet worden ingezet.
