Inzet van analytics is tegenwoordig van fundamenteel belang voor de besluitvorming van organisaties. Met verbeterde technieken en innovaties groeit de waarde van analytics steeds verder voor bedrijven. Maar waar zit nu de meeste toegevoegde waarde en hoe groot is die waarde dan concreet? In dit artikel vertellen we je meer over prescriptive analytics. Hét type analytics met de hoogste moeilijkheidsgraad, maar in potentie de meeste toegevoegde waarde volgens Gartner.

Wat is prescriptive analytics?

We spreken van prescriptive analytics als de best te nemen acties voorgeschreven kunnen worden door algoritmes en data, met als doel om dat wat er komen gaat, te optimaliseren. Voordat je echter kunt benoemen welke actie je het beste kunt uitvoeren, moet je eerst een idee hebben van wat er kan gebeuren. Daarom heb je vaak eerst predictive analytics nodig.

Met predictive analytics voorspel je wat er kan gebeuren aan de hand van historische data en modellen. Wanneer je nauwkeurig de toekomst kunt voorspellen en dit kunt combineren met kosten en opbrengsten, dan kun je de beste actie voorschrijven. Algoritmes kunnen dit automatisch en helpen zo jouw organisatie bij het afwegen van alle scenario’s en het bepalen van de beste actie.

Voorbeelden om ons heen

  • Dynamische prijzen van producten in webshops of bij vliegtickets
  • Productaanbevelingen in webshops
  • Aanbevelingen van vervolgacties bij sales leads
  • Optimalisatie in routes of roosters

Optimaliseer je besluitvorming: beter en sneller

Organisaties hebben vaak als één van hun belangrijkste doelen om meer winst te maken. Hier passen zij hun strategie en bedrijfsprocessen op aan. Op basis van ervaring en inzichten uit gerealiseerde feiten (descriptive- en diagnostic analytics) worden beslissingen genomen met bovenstaand doel voor ogen. Toepassen van deze vormen van analytics levert “actionable insights” op, zo hoor je vaak. Maar wat zijn de resulterende acties dan? Deze worden meestal bepaald op basis van menselijke ervaring en inschattingen. Kosten en opbrengsten bepalen vaak wat beter of slechter is. Lagere prijzen betekent  meer verkopen, maar minder opbrengsten. Meer marketingcampagnes betekent veelal meer opbrengsten, maar ook meer kosten. Afwegen wat de beste actie is, doe je als manager of directeur natuurlijk dagelijks, maar met alle variabelen die je als organisatie tegenwoordig kunt meten, zijn er zo honderden mogelijke scenario’s. Door algoritmes deze scenario’s te laten doorrekenen en de beste acties te laten bepalen, krijg je als directeur niet alleen een gekwantificeerde keuze, maar ook meer tijd voor de beslissing zelf. Zo ben je beter in staat om sneller de juiste keuze te maken. Combineer je deze algoritmes met menselijke kennis en ervaring, dan heb je als organisatie echt goud in handen.

Een recente Magnus use case

Een mooi voorbeeld van prescriptive analytics hebben we afgelopen jaar gerealiseerd bij een groot internationaal bedrijf dat alcoholische dranken verkoopt. Bij dit project was het doel om optimale prijzen te bepalen voor flessen drank in de komende maanden om de verwachte winst te maximaliseren. Dit hebben we gedaan in drie stappen:

  1. Accuraat voorspellen wat er komende periode verkocht gaat worden op basis van historische data, prijzen, marketing, etc.
  2. Kwantificeren wat het effect is van prijsveranderingen op de verkopen
  3. Bepalen wat de optimale prijzen zijn door het toevoegen van kosten en opbrengsten

In de eerste stap hebben we voor deze klant hun maandelijkse forecasts kunnen verbeteren door de foutmarge te reduceren van 14% naar 9%. Met miljoenen flessen die jaarlijks verkocht worden, levert deze paar procent significante voordelen op. Daarnaast hebben wij in de tweede stap kunnen aantonen hoe groot prijseffecten zijn en gekwantificeerd hoe groot de product-kannibalisatie is tussen producten. Stel je hierbij voor dat je een pak melk van 1 liter wilt halen in de supermarkt en ziet dat de 1.5 liter melk in de aanbieding is. Veel mensen kiezen dan toch de 1.5 liter. Zo kunnen dus de verkopen van het 1 liter pak melk ‘opgegeten’ worden door de grotere variant. Met de modellen van stap 1 en 2 gecombineerd met kosten en opbrengsten, zoals beschreven in stap 3, hebben we voor deze klant de optimale prijzen berekend voor de komende periode. Hiermee is het voor allerlei scenario’s mogelijk de verwachte winstverbetering te berekenen. Eindgebruikers zijn in staat om deze scenario’s bij te sturen. Denk hierbij aan maximale prijsveranderingen voor een fles of totaal verwachte volumeverandering. Wil je weten hoe dit laatste model werkt? Lees dan hieronder meer over het type algoritme dat wij hiervoor hebben gebruikt.

Evolutionaire algoritmes

Dit soort algoritmes zijn gebaseerd op de evolutietheorie en proberen optimale oplossingen te vinden door het toepassen van selectie en variatie. Deze selectie werkt hetzelfde als in de natuur: mensen of dieren met meer kwaliteiten hebben meer kans om te overleven. In bovenstaande klant-case hebben wij een evolutionair algoritme ontwikkeld, waarbij elke mogelijke oplossing een set aan prijzen per maand voor de producten representeerde. Met de verwachte verkopen bij deze prijzen, en daarmee ook de kosten, kunnen we voor elke oplossing een verwachte winst bepalen. Hoe hoger de verwachte winst bij een oplossing, hoe groter de kans dat die oplossing geselecteerd wordt en gebruikt wordt in volgende iteraties. Door geselecteerde oplossingen te combineren en willekeurig mutaties toe te voegen, kom je uiteindelijk na meerdere iteraties in dit geval bij de beste prijzen voor de komende periode om de verwachte winst te maximaliseren.

Prescriptive analytics in jouw organisatie?

Bij Magnus werken wiskundigen en software engineers die een rijke ervaring hebben met het oplossen van optimalisatieproblemen. Naast de wiskundige kennis brengen wij onze modellen altijd tot leven en integreren we het in de operatie van jouw organisatie. Zo blijft het niet hangen in een Powerpoint slide, maar hebben gebruikers altijd de toegevoegde waarde beschikbaar.

Ben je benieuwd naar de mogelijkheden in jouw organisatie? Of wil je meer weten of de machine learning modellen, evolutionaire algoritmes of andere optimalisatie strategieën die Magnus inzet bij dit type uitdagingen? Neem contact met ons op! We vertellen je er graag meer over. Of kom langs tijdens één van onze innovatiesessies, waarbij we samen met organisaties nadenken over de mogelijkheden van tegenwoordig en hoe dit waarde kan toevoegen voor jouw bedrijf.

Verder sparren over Prescriptive analytics? Neem dan contact op met Thomas Heeneman

6 + 6 =