Stel je voor dat je volgende week al weet hoeveel klanten er komen, hoeveel voorraad je nodig hebt en wanneer je machines onderhoud vragen. Dat is precies wat IBM deze week mogelijk maakte voor bedrijven van elke omvang. Het bedrijf bracht een nieuw voorspelmodel uit dat gratis te gebruiken is — en dat is groot nieuws voor ondernemers die tot nu toe dachten dat dit soort technologie alleen voor grote corporates was.
Wat is er precies gelanceerd?
IBM heeft een nieuw model uitgebracht in de Granite-familie, speciaal voor tijdreeksvoorspellingen. Een tijdreeks is simpelweg een reeks metingen over tijd: je dagelijkse omzet, je voorraadniveaus, het aantal bezoekers op je website, of het energieverbruik van je pand. Het model leert patronen in die reeksen herkennen en voorspelt wat er daarna gebeurt.
Het bijzondere zit in de voorwaarden. Het model heeft een commercieel-vriendelijke licentie, wat betekent dat je het als bedrijf mag gebruiken zonder dure licentiekosten. En het is een zogeheten state-of-the-art model: het presteert op dit moment tot de beste in zijn soort. Voorheen was dit niveau van voorspelkracht voorbehouden aan bedrijven met een eigen data-science-team.
Waarom dit jouw bedrijf raakt
De meeste MKB-bedrijven sturen op gevoel en ervaring. De ondernemer weet uit jarenlange praktijk ongeveer wat er komt. Maar "ongeveer" kost geld: te veel voorraad is kapitaal dat stilstaat, te weinig voorraad is omzet die je misloopt. Een voorspelmodel zet dat gevoel om in een getal waarop je kunt sturen.
Neem een groothandel in bouwmaterialen. Die ziet elke maand schommelingen in de vraag, afhankelijk van seizoen, weer en de stand van de bouw. Een model dat die patronen herkent, kan weken van tevoren aangeven wanneer de vraag piekt. De ondernemer kan dan op tijd inkopen, personeel inplannen en transport regelen.
Verrassend genoeg is het grootste voordeel niet de nauwkeurigheid van de voorspelling. Het grootste voordeel is dat je beslissingen bespreekbaar worden. In plaats van "ik heb het gevoel dat we meer moeten inkopen", wordt het "het model verwacht een piek van twintig procent, laten we daarop anticiperen". Dat maakt overleg met medewerkers en partners concreter.
De Nederlandse realiteit
Nederlandse MKB-bedrijven lopen voorop in digitalisering, maar voorspellende analyses blijven vaak achter. Veel ondernemers denken dat dit te complex of te duur is. Een model als dit haalt die drempel weg. Je hoeft geen data-scientist in dienst te nemen; je kunt het model draaien op een gewone server of via een clouddienst.
Denk aan een horecaondernemer met drie vestigingen die personeel moet inplannen. Met historische omzetdata kan het model voorspellen hoe druk het volgende week wordt, per dag en per vestiging. Dat scheelt overbezetting op rustige dagen en onderbezetting op piekmomenten — direct voelbaar in de loonkosten.
De kosten van niets doen
Wie blijft sturen op gevoel terwijl concurrenten op data sturen, verliest langzaam terrein. Een voorraadfout van een paar procent lijkt klein, maar telt over een jaar op tot duizenden euro's aan gemiste marge of afschrijvingen. Een verkeerde personeelsplanning kost al snel honderden euro's per week. De tijd die je nu investeert om een voorspelmodel te begrijpen, verdient zichzelf binnen enkele maanden terug.
Drie dingen die je nu kunt doen
1. Verzamel je historische data. Een voorspelmodel is zo goed als de data die je erin stopt. Begin met het exporteren van je omzet-, voorraad- of bezoekersdata van de afgelopen twee jaar. Zonder data geen voorspelling.
2. Begin klein met één vraag. Kies één concrete vraag die geld waard is: "hoeveel voorraad heb ik volgende maand nodig?" of "hoe druk wordt het volgende week?". Eén goed beantwoorde vraag is meer waard dan tien vage analyses.
3. Zoek een partner die het model kan draaien. Je hoeft dit niet zelf te bouwen. Veel IT-dienstverleners en freelancers kunnen een Granite-model voor je opzetten. Vraag expliciet naar open-source voorspelmodellen, zodat je niet vastzit aan dure licenties.
Voorspellen is geen magie meer, maar een gereedschap dat ook op jouw werkbank past. Wie het als eerste oppakt, stuurt straks op cijfers in plaats van op onderbuik.