De snelle opkomst van machine learning en artificial intelligence biedt interessante kansen voor nagenoeg iedere sector. Denk bijvoorbeeld aan commerciële applicaties voor fraudedetectie, preventief onderhoud, patiëntenzorg of sales-forecasting. Machine learning heeft het in zich om branches structureel te veranderen.
Voor de zakelijke markt liggen de kansen in 2018 vooral op gebieden als sales-forecasting, het identificeren van slecht lopende regio’s en het vinden van manieren om de resultaten in die regio’s te verbeteren. De investeringen in deze technologieën zullen in 2018 dan ook blijven toenemen. Dit markeert de volgende stap in de evolutie naar het benutten van het volle potentieel van data – ongeacht waar deze data vandaan komt of waar deze zich bevindt. Het is aannemelijk dat het creëren van inzichten uit data dankzij machine learning vergaand geautomatiseerd gaat plaatsvinden.
Rol van de mens
Een en ander betekent echter niet dat de rol van de mens op de achtergrond raakt of uitgespeeld is. Integendeel, kennis en expertise worden juist belangrijker, waarbij de rol van de mens verandert. Hij zal zich meer gaan richten op scenario’s en planning. Nu besteden medewerkers nog veel tijd aan het verzamelen en analyseren van data, waarna ze de uitkomsten gebruiken voor hun plannen. Het is echter nu al mogelijk om data geautomatiseerd te aggregeren en basiscalculaties uit te voeren. Daardoor kan de mens sneller en effectiever werken.
Incidentele gebruiker
Dat geldt ook voor de incidentele zakelijke gebruiker van data, die beter dan voorheen in staat zal zijn om het volle potentieel uit data te halen. Door data en analytics eenvoudig te ontsluiten via mobiele devices kan eigenlijk iedere medewerker een actieve planner worden. Denk aan een front- of back-officemedewerker, een HR-manager of een filiaalmanager van een winkelketen. Met real-time data en analyses zijn zij veel beter in staat om direct te reageren op actuele situaties, waardoor ze meer waarde toevoegen op basis van data.
Data combineren
Machine learning zal het daarnaast gemakkelijker maken om belangrijke contextuele data te bundelen met benchmarks in specifieke sectoren zoals de productiesector, waar al veel data beschikbaar is over bijvoorbeeld machineonderhoud en slijtage van productielijnen. Hier is het bijvoorbeeld mogelijk om data van specifieke sensoren of devices te combineren met gemiddelden uit de sector. Door analyse van alle data is vervolgens slim voorspellend onderhoud te plannen.
Wat gaat dit alles opleveren? Om te beginnen gaan bedrijven erin slagen om issues die de business negatief beïnvloeden sneller op te lossen. Verder zijn producten sneller te lanceren, kun je de klantenservice optimaliseren en voorraden beter plannen. En dat alles omdat er slimme data voor handen is.
Planning
In de context van planning, waarin Anaplan actief is, zal het met name gaan om deep learning te benutten voor betere, accuratere besluitvorming. We gaan beschikken over zelflerende planningsplatforms die de conversatie aangaan met de gebruiker. De gebruiker en het platform zullen steeds nauwer verbonden zijn, waarbij het platform leert van de data én van de gebruiker. Daarbij kan de gebruiker spreektaal gebruiken om vragen te stellen en opdrachten te geven. Vergelijk met het de manier waarop we nu al aan Siri of Alexa vragen welk weer het wordt. Hoe complexer de vraag of opdracht, hoe meer menselijke inbreng nodig zal blijven. Duidelijk is dat al deze trends het karakter van het planningsproces ingrijpend gaan veranderen.
Marco van Oosterhout– Managing Director of Anaplan Benelux
