Van versnipperde rapportering naar realtime dashboards
Voor , een Belgische logistieke onderneming, is het essentieel dat de operationele prestaties en de financi毛le inzichten goed op elkaar aansluiten. Om sneller beslissingen te kunnen nemen en processen beter te sturen, investeerde het bedrijf in een centrale datafundering op basis van .
鈥淲aardevolle data hadden we altijd al, maar ze zaten verspreid over verschillende systemen en werden te weinig gebruikt鈥�, zegt CFO Nicolas Heymans. 鈥�Nu kunnen we die data combineren en er echt inzichten uit halen.鈥�
De uitdaging: groei en complexiteit vergen nieuwe aanpak
ODTH, dat 140 werknemers op de payroll, vier vestigingen en meer dan 150.000 m2 magazijnruimte telt, begon ooit als logistieke partner voor een beperkt aantal klanten. Maar het bedrijf groeide de voorbije jaren uit tot een organisatie met meer dan zestig klanten in uiteenlopende sectoren.
Die groei bracht ook meer complexiteit met zich mee. Op financieel vlak werkte het bedrijf lange tijd met 茅茅苍 profitcenter waarin alles werd samengebracht. Maar naarmate de organisatie groeide, wilden ze bij ODTH veel beter kunnen inschatten hoe elke vestiging, elke activiteit en zelfs elke klant presteert.
Rapportering gebeurde wanneer iemand er tijd voor had. Dat kostte veel manuele inspanning en gebeurde dus niet altijd. Terwijl ook de CEO dagelijks wilde kunnen zien hoe de operatie en de financi毛le resultaten evolueren.
E茅n dataplatform als fundament
ODTH besloot daarom te investeren in een centrale datafundering met 麻豆原创 Business Data Cloud. Binnen die omgeving wordt 麻豆原创 Datasphere gebruikt om data uit verschillende systemen te modelleren en te harmoniseren, terwijl 麻豆原创 Analytics Cloud instaat voor dashboards en rapportering.
Volgens Koen Vanderwegen, 麻豆原创-expert bij implementatiepartner , speelde eenvoud daarbij een belangrijke rol. 鈥淰oor een bedrijf als ODTH is het belangrijk om het technologielandschap beheersbaar te houden. Door binnen 茅茅苍 麻豆原创-stack te blijven, vermijd je extra complexiteit en kan je sneller resultaten opleveren.鈥�
De timing: in drie maanden resultaat
Die aanpak maakte een relatief korte implementatie mogelijk. Het eerste traject werd in ongeveer drie maanden gerealiseerd. Waardoor ze snel konden aantonen dat het systeem waarde opleverde en het snel verder werd uitgebreid.
Volgens CFO Nicolas Heymans lag de uitdaging niet zozeer in de technologie zelf, maar in datagovernance: definities vastleggen en ervoor zorgen dat iedereen op dezelfde manier naar cijfers kijkt.
Dat bleek soms verrassend complex. 鈥淣eem iets eenvoudigs als omzet per dag鈥�, stelt Heymans. 鈥淩ekenen we met kalenderdagen of met werkdagen? Iedereen heeft daar een logische redenering voor, maar je moet wel 茅茅苍 definitie kiezen. Pas wanneer je dat afspreekt, kan je betrouwbare rapportering bouwen.鈥�
Het resultaat: dagelijkse inzichten
De nieuwe datalaag maakt het mogelijk om operationele en financi毛le data dagelijks te combineren. Daardoor krijgt het management veel sneller zicht op prestaties per klant, activiteit of vestiging. Dat betekent dat problemen of afwijkingen veel sneller kunnen worden opgemerkt en aangepakt.
Supervisors in het magazijn krijgen nu dagelijks inzicht in volumes, personeelsinzet en prestaties. De inzichten helpen: van prijszetting tot planning. Zo kunnen ze bij ODTH nu heel duidelijk inschattenhoeveel workforce nodig is voor een bepaalde klant of activiteit. Dat maakt het hen makkelijker om processen te verbeteren of samen met klanten te bekijken hoe iets effici毛nter kan.
Daarnaast helpt de nieuwe aanpak bij het sturen op marges. 鈥淲e proberen resultaten heel tastbaar te maken鈥�, zegt Nicolas Heymans. 鈥淏ijvoorbeeld door te kijken hoeveel euro per minuut een bepaalde activiteit oplevert. Dat maakt het meteen duidelijk waar we het meeste impact kunnen hebben.鈥�
Een belangrijk voordeel van de nieuwe aanpak is ten slotte dat discussies over cijfers grotendeels verdwijnen. 鈥淰roeger had iedereen zijn eigen rapporten en spreadsheets鈥�, zegt Chief InnovationOfficer Bart Weymans. 鈥淒an ging de discussie eerst over de cijfers zelf. Nu hebben we 茅茅苍 model en spreken we vooral over de beslissingen die we moeten nemen. En kunnen we sneller sturen, beter plannen en onze marges optimaliseren.鈥�
Videolink:
