We merken nu sneller wanneer de forecast afwijkt van de realiteit

Door de coronacrisis worstelen bedrijven om de marktvraag in nieuwe situaties te voorspellen. Enterprise Rent a Car zocht de oplossing in een technologie die op basis van zeer veel gegevens op amper een minuut een nieuwe voorspelling kan maken.

Enterprise Rent a Car is de grootste Belgische kortetermijnverhuurder van personenwagens en bestelwagens. Het heeft een vloot van 3.500 voertuigen en veertig kantoren verspreid in België. Het bedrijf biedt de klassieke mobiliteitsoplossingen aan voor bedrijven en particulieren, maar het is vooral gespecialiseerd in het leveren van vervangwagens.

Striktere SLA’s

Voor het leveren van die vervangwagens heeft het afspraken met pechdiensten en lease- en verzekeringsmaatschappijen die een dergelijke dienstverlening aanbieden. “Met die klanten hebben wij overeenkomsten over het onmiddellijk ter beschikking stellen van de voertuigen. Die service level agreements (SLA’s) zijn met de jaren steeds strikter geworden”, zegt Christophe Boden, managing director van Enterprise Rent a Car. Sinds kort heeft hij samen met zijn zus Stephanie de leiding van het familiebedrijf overgenomen van hun vader. In de taakverdeling heeft hij de verantwoordelijkheid voor het financieel departement en IT op zich genomen. Stephanie Boden zorgt voor fleet operations en logistiek.

Optimale bezettingsgraad zoeken

De grootste uitdaging voor Enterprise Rent a Car is het vinden van de optimale bezettingsgraad van het wagenpark. Dat geldt trouwens voor alle verhuurbedrijven. Allemaal kopen ze nieuwe wagens en verkopen die weer op korte termijn met weinig kilometers op de teller. Op die manier sturen ze de grootte van het wagenpark in functie van de verwachte vraag. “Onze aanpak verschilt toch sterk van die van een klassiek verhuurbedrijf. Dat heeft een vrij goed zicht op de vraag naar wagens op korte termijn. Vaak hebben de klanten vooraf geboekt. Door onze focus op vervangwagens zijn we volledig afhankelijk van chauffeurs die pech of een ongeval hebben. En wij weten natuurlijk nooit precies wie wanneer en waar pech zal hebben”, zegt Christophe Boden.

Effect lockdown

Tot voor kort rekende Enterprise Rent a Car hiervoor op een aantal statistische berekeningen op basis van de historische gegevens in de eigen databank. “Ook de jarenlange ervaring van mijn vader was belangrijk om vraag en aanbod op elkaar af te stemmen. De lockdown, met een aanzienlijke terugval van het verkeer, heeft echter een groot effect gehad op onze werking. Dit hadden we niet kunnen voorspellen. We zijn er al bij al goed in geslaagd om onze vloot in te krimpen. Maar bij het opheffen van de lockdown hadden we plots weer méér wagens nodig. Door de sluiting van de autofabrieken waren die niet altijd meer voorhanden. Het maakte het ook heel moeilijk om zicht te krijgen op wat er ons nog te wachten zou staan. Om die reden hebben we contact opgenomen met Tangent Works om ons te helpen om die planning van de vraag te verbeteren”, zegt Christophe Boden.

Tien procent nauwkeuriger

Christophe Boden: “In het najaar van 2020 hebben we een tijdje met de Tangent Information Modeller (TIM)-software geëxperimenteerd en meteen de voordelen gezien. De forecasts waren al gauw vijf tot tien procent nauwkeuriger dan wat ons eigen systeem realiseerde.” Dirk Michiels, ceo van Tangent Works: “De TIM-software kan ook een aparte regionale forecast maken per provincie, voor een goed spreidingsplan van de vloot. Inzicht in de verschillen per filiaal maakt dat het bedrijf auto’s kan verplaatsen in functie van de behoefte.”

Externe gegevens

Sinds begin dit jaar is Enterprise Rent a Car ook effectief aan de slag gegaan met de software. Het bedrijf heeft snel beslist om de eigen historische data aan te vullen met externe gegevens zoals weersvoorspellingen. “Die systemen blijken het weer vrij nauwkeurig te voorspellen op een termijn van zeven dagen. Zo hebben we een goed zicht op fenomenen als vrieskou, sneeuw of extreme regenval, waarvan we weten dat ze meer pannes en ongelukken veroorzaken. Daarnaast kijken we nu ook naar het Vlaamse Verkeerscentrum en andere bronnen. Hoe vroeger we weten dat er verschuivingen optreden, hoe meer tijd we hebben om ons aanbod aan te passen”, zegt Christophe Boden. Het snel detecteren van nieuwe wijzigingen in het model, is dan ook de belangrijkste functie van TIM voor Enterprise Rent a Car. “Als de forecast te veel afwijkt van de realiteit, zien we dat nu sneller. Dan weten we dat er een nieuw fenomeen de kop opsteekt. Het laat ons toe meteen in te grijpen in de vloot. Bovendien kunnen we sneller beginnen met de analyse van de data. Het kan daarbij nodig zijn om bijkomende gegevensbronnen aan te spreken om de nieuwe evolutie te verklaren”, zegt Christophe Boden.

Dataverzameling

Tangent Works benut ten volle de kracht van zijn technologie. “Instant machine learning laat ons toe om in de drie laatste stappen van dergelijke projecten erg te versnellen: het kiezen van de variabelen in het model, de selectie en training van het machine learning-model en daarna het programmeren van het model, en uiteindelijk de implementatie in het IT-proces. Die drie stappen kunnen we volledig automatiseren. In onze ervaring is de eerste stap – de geschikte data verzamelen – de grootste moeilijkheid in het proces”, zegt Dirk Michiels.

Hoe meer waarden, hoe sterker het model

TIM moet vertrekken van een databestand dat strak gestructureerd is. Dirk Michiels: “Het komt neer op een enorm rekenblad waarbij elke kolom gegevens bevat voor een specifiek tijdstip. In de rijen staan de verschillende parameters die een invloed kunnen hebben op de uitkomst. Bedrijven slager er niet altijd in om data aan te leveren voor de belangrijke parameters. Vaak heeft dat te maken met ‘stammentwisten’ tussen de financiële en operationele afdelingen die hun data niet willen delen. Het model is net sterker naarmate er meer parameters geanalyseerd worden en als die ook veel waarden per tijdstip bevatten”, zegt Dirk Michiels.

Bij Enterprise Rent a Car verliep die stap net heel vlot. “Ik moet toegeven dat ik zelf de vertragende factor was. De voorbereiding van deze nieuwe planning moest ik tussen andere taken door erbij nemen. Ik kon er niet altijd tijd voor maken”, zegt Christophe Boden. Daar is Dirk Michiels het niet mee eens. “Christophe had een duidelijke visie op de aanwezige gegevens in het bedrijf en had het beste inzicht in de parameters die een impact hebben op de forecast. Hij kon die data ook telkens aanleveren. Het is belangrijk voor ons dat we samenwerken met iemand die inzicht heeft in het zakelijk model van de organisatie.”