Door: Andrés Irlando, CEO Verizon Connect
Dankzij machine learning en kunstmatige intelligentie (artificial intelligence, AI) is er op het gebied van telematica meer mogelijk dan ooit. Waar het voor CEO’s, fleetmanagers en ondernemers voorheen alleen haalbaar was om beslissingen te nemen op basis van historische gegevens, is het nu mogelijk om al maatregelen te nemen nog voordat een probleem zich voordoet. Zo kunnen zij dus efficiënter en veiliger te werk te gaan.
De term ‘big data’ laat aan duidelijkheid niets te wensen over. Het begint immers allemaal met een enorme berg aan gegevens, waar een bedrijf in ruwe vorm nog helemaal niet zoveel aan heeft. De uitdaging ligt dan ook vooral in het analyseren en het categoriseren van informatie, zodat u die kunt omzetten in bruikbare inzichten.
Wat het categoriseren betreft: het analyseren van informatie kunnen we indelen in drie verschillende varianten, die elkaar aanvullen.
- Descriptiveanalytics draait om het verzamelen en het analyseren van ruwe data. Hierbij wordt een beschrijving gegeven van historische gebeurtenissen, bijvoorbeeld dat (X) (Y) keer plaatsvond gedurende periode (Z).
- Predictiveanalyticsgaat om het voorspellen van toekomstige gebeurtenissen op basis van predictiveanalytics, bijvoorbeeld de kans dat incident (X) zal gebeuren binnen de parameters (Y) en (Z). Een concreet voorbeeld van een uitkomst van predictiveanalytics is, dat de kans groot is dat een monteur te laat zal komen op zijn volgende afspraak, omdat hij langer dan gepland aan zijn huidige klusbezig is.
- Prescriptiveanalyticsontstaat uit een combinatie van descriptiveanalytics en predictiveanalytics, waarbij advies wordt gegeven op basis van specifieke doelen. Denk bijvoorbeeld aan: als situatie (X), (Y) en/of (Z) voorvalt, kunt u daar het beste op deze manier mee omgaan. In het geval van de monteur die langer dan gepland aan een klusbezig is, zou dat bijvoorbeeld neerkomen op het advies om een andere monteur langs te sturen, die ook in de buurt is en juist voorloopt op schema.
Big data inzetten voor veiligheid
Er zijn verschillende manieren om big data in te zetten om de veiligheid van chauffeurs en het wagenpark te verhogen. Op basis van descriptiveanalytics kan telematicasoftware bijvoorbeeld een analyse maken van de standaardrijstijl van individuele chauffeurs op basis van enorme hoeveelheden data die zijn verzameld tijdens honderden uren op de weg. Aan de hand van predictiveanalytics kan de software vervolgens nieuwe patronen herkennen, bijvoorbeeld in het geval dat een chauffeur op bepaalde momenten van de dag ineens vaker te hard gaat rijden. En door predictiveanalytics kunnen de twee voorgaande stappen vervolgens worden samengevoegd om tot een gepersonaliseerd advies te komen voor aanpassingen in het rijgedrag.
Dit zijn waardevolle inzichten die een bijdrage kunnen leveren aan het verbeteren van de veiligheid van uw personeel en uw wagenpark. Door het identificeren van risicofactoren – bijvoorbeeld welke chauffeurs het risico lopen om in de komende dertig dagen betrokken te zijn bij een ongeluk, of wie van uw chauffeurs het vaakst agressief rijgedrag vertonen en op welk moment van de dag ze dat doen – kunt u die inzichten immers gebruiken om uw chauffeurs op hun rijgedragaan te spreken. Implementatie van deze werkwijze kan zo al snel leiden tot aanzienlijke verbetering.
Betere beveiliging
Elk voertuig genereert zogenaamde baseline-telematicadata die in het verloop van de tijd communicatiepatronen vaststellen op basis van rijactiviteit. Deze datapatronen bestaan uit berichttypen, parameters voor het specifieke IP-adresen pakketvolumen die worden verzonden naar de cloud. Door deze patronen te analyseren en te begrijpen, is het mogelijk om een baseline vast te stellen voor de manier waarop een voertuig rapporteert en communiceert.
Als zo’n baseline-patroon is vastgesteld, worden alle verkeersdata geanalyseerd en kunnen afwijkingen in het standaardcommunicatiepatroon worden gedetecteerd. Indien op basis van die afwijkingen blijkt dat een getrackt device een verhoogd risico loopt, kandit verder worden gemonitord, geïsoleerd of zelfs van afstand worden uitgeschakeld om te voorkomen dat voertuigen of chauffeurs risico lopen doordat derden bijvoorbeeld inbreken op het besturingssysteem van het voertuig.
Gestroomlijnde operations
Analytics op basis van big data kunnen de operations voor elke organisatie met een wagenpark stroomlijnen. Neem het voorbeeld van een onderhoudsbedrijf dat een service level agreement (SLA) heeft met een klant voor het reageren op spoedopdrachten. Op basis van die overeenkomst kan een bedrijf beslissen dat een aantal medewerkers hunwerkvoertuigen mee naar huis neemt om sneller te reageren op een binnenkomend verzoek. Doordat deze werkwijze echter leidt tot een toename in het aantal gereden kilometers en bijgevolg meer slijtage, gaat dit soort voertuigen gemiddeld gezien wel twee jaar eerder kapot.
Door big data te gebruiken met betrekking tot verschillende factoren die een rol spelen bij storingen – van geografische klantlocaties tot en met weerpatronen en werkdrukte –, kunnen bedrijven een betere inschatting maken voor welke monteurs het op een bepaalde dag wel en niet noodzakelijk is om een voertuig mee naar huis te nemen. Gezien de kosten die vervanging van een nieuw bedrijfsvoertuig met zich meebrengt, kunnen dit soort kleine wijzigingen in de operations al snel flinke besparingen opleveren. Zeker bij bedrijven met een groot wagenpark.
Innovatie van analytics
Van begin af aan heeft het vakgebied van bigdataanalyticseen enorme innovatie doorgemaakt en het ziet ernaar uit dat er in de komende jaren alleen nog maar meer mogelijk wordt. Bedrijven met een wagenpark, die willen profiteren van de voordelen op het gebied van efficiëntie, veiligheid en kostenbesparingen, doen er dan ook verstandig aan in deze ontwikkelingmee te gaan. Al is het maar om te voorkomen dat ze worden ingehaald door de concurrentie die deze kans wél grijpt.
==
Als CEO van Verizon Connect is Andrés Irlando verantwoordelijk voor de groei en de innovatie van de verschillende oplossingen voor connected voertuigen van de organisatie, die onlangs de bedrijven Fleetmatics, Telogis en Skyward aankocht. Sinds hij in 2005 in dienst trad bij Verizon, werkte Irlando in verschillende functies en was hij onder andere verantwoordelijk voor sales, operations, klantenservice en publiekelijk beleid, voordat hij in 2015 werd benoemd tot CEO Verizon Connect. Irlando behaalde een Juris Doctor-titel aan Stanford Law School en een bachelortitel aan Harvard University.