B2B interview: Datagedreven werken in de agrarische sector

Uit ons onderzoek blijkt dat domeinexperts als sales,- en logistiek managers wat minder positief zijn dan dataprofessionals wanneer het gaat over datagedreven werken. Hoe zie jij dit?

Het is begrijpelijk dat domeinexperts minder positief staan tegenover datagedreven werken dan dataprofessionals. Domeinexperts zijn volledig gefocust op hun specifieke vakgebied, terwijl dataspecialisten dagelijks met data en de mogelijkheden ervan bezig zijn. Deze tegenstelling is niet nieuw.

Ook zie je verschillen binnen organisaties: afdelingen als Finance lopen voorop, Logistiek is redelijk op orde en Commercie blijft achter. Daar wordt de toegevoegde waarde van data slechts beperkt ingezien. In onze onderneming moet voor de besluitvorming de data veelal geïntegreerd worden bekeken. Dat vraagt om mensen met overkoepelend conceptueel denkvermogen. Als ze in de afzonderlijke domeinen niet inzien wat datagedreven werken ze persoonlijk kan brengen, zijn ze veelal onvoldoende gemotiveerd om ermee aan de slag te gaan.

Bij ons moet 500.000 ton pootaardappelen verdeeld worden over onze klanten in ruim 80 landen. Hoe bepaal je welke boer aan welke klant levert, inclusief alle logistieke en economische aspecten?

Hoewel er een algoritme is ontwikkeld om dit proces efficiënter te maken, wordt het nog heel beperkt gebruikt. De belangrijkste reden hiervoor is de moeilijkheid om bestaande werkprocessen te veranderen. Het is een traditionele sector waar bedrijven vaak al zeer lange tijd op dezelfde manier werken. Mensen blijven vasthouden aan bekende tools zoals Excel, omdat ze dit gewend zijn en vertrouwen, én het voordeel van een datagedreven aanpak niet direct zien.

De aardappelsector heeft bovendien te maken met specifieke uitdagingen, zoals het seizoensgebonden karakter van het werk. In oktober heeft elke teler zijn oogst in de schuur en begint de drukte, maar in juni het jaar daarop zijn alle aardappelen verladen en valt de business stil. Die rustige periode zou een goed moment kunnen zijn om vernieuwingen door te voeren, maar medewerkers zijn dan gewend vakantie op te nemen. Bovendien is er in die periode geen lopende business, terwijl de medewerker het liefst in een praktijksituatie wil testen.

Een ander obstakel is dat je gedurende het seizoen niet gedeeltelijk kunt overstappen: je moet kiezen tussen de huidige wijze van werken en een andere meer datagedreven aanpak. Voor een bedrijf als Agrico betekent dit dat we in één keer de overstap moeten maken.

Toch lijkt er een verschuiving op komst. De jongere generatie neemt niet meer blindelings de werkmethoden van de oudere garde over. Naarmate bedrijven groeien, ontstaat er ruimte om jong talent aan te trekken en moderne technologieën te implementeren. Deze nieuwe instroom van frisse perspectieven kan helpen om de voordelen van datagedreven werken binnen traditionele sectoren beter te benutten.

68% van onze respondenten geeft aan data governance een thema is en gebruikt wordt. Hoe is dit bij Agrico?

Databeheer en governance vormen een complex onderwerp binnen organisaties. Een kernvraag hierbij is: wie is verantwoordelijk voor stamdata? ICT wijst naar het domein, terwijl het domein aangeeft wel verantwoordelijkheid te willen nemen, maar niet over de benodigde kennis beschikt.

Het probleem ligt deels bij de impact van stamdata op de architectuur van systemen. Aanpassingen in stamdata kunnen grote gevolgen hebben voor de gehele systeemarchitectuur.

In de praktijk wordt de verantwoordelijkheid vaak bij de kerngebruiker gelegd. Deze gebruiker ziet mogelijkheden om specifieke stamdata toe te voegen of extra velden te gebruiken om een probleem op te lossen, maar veroorzaakt daarbij onbedoeld nieuwe problemen elders in de organisatie.

Dit illustreert de noodzaak van een functionele architect die continu betrokken is en het overzicht bewaart. Data governance hoort wat mij betreft niet volledig bij ICT of het domein te liggen; er is een tussenpersoon nodig die de brug slaat en zorgt voor een betrouwbare datastroom.

Goede voorbeelden zijn tabellen met productgroepen of vervoerswijzen. Hier kunnen wijzigingen niet zomaar worden doorgevoerd zonder grondig te overwegen welke effecten dit heeft op de systeemarchitectuur en processen.

Als de stamdata niet op orde is, kloppen beslissingsgegevens niet en is de informatie onbetrouwbaar. Dit leidt tot een gebrek aan vertrouwen en het vermijden van datagebruik: "Het klopt niet" of "Het levert niet de inzichten die ik nodig heb."

Binnen Agrico werken we met het ERP-systeem Microsoft Dynamics. Hoewel NAW-gegevens, relatiebeheer en verpakkingen goed zijn ingericht, vormen sturende tabellen binnen het systeem een uitdaging.

Er is bewustzijn over het belang van deze aspecten en het doel is om binnen twee tot drie jaar grotendeels datagedreven te opereren. De belangrijkste uitdagingen hierbij zijn de centrale borging van de architectuur en verandermanagement.

Het succes van datagedreven werken hangt niet alleen af van techniek, maar ook van de bereidheid van mensen om ermee aan de slag te gaan. Medewerkers moeten het voordeel zien voor hun eigen functie. Het is moeilijk om veranderingen door te voeren waarvan alleen andere afdelingen profiteren. Het formuleren van een hoger doel dat breed gedragen wordt, is daarbij essentieel.

Een belangrijke oorzaak van weerstand tegen datagedreven werken is loyaliteit. Veel medewerkers zijn trots op hun werkwijze en voelen zich verantwoordelijk voor het succes, ongeacht de benodigde inzet. Ze hebben jarenlang op hun manier gewerkt en geloven dat deze aanpak het beste is. Ze denken dat het met een nieuwe manier van werken niet goedkomt.

Het besef dat veranderingen noodzakelijk zijn, vraagt daarom niet alleen om technische oplossingen, maar ook om begrip, communicatie en het overwinnen van deze weerstand: change management dus.

AI wordt veel genoemd als een grote kans voor de toekomst, maar ruim eenderde van onze respondenten geeft het aan dat het momenteel geen prioriteit heeft. Herken jij deze tegenstelling en kun je hem verklaren?

Binnen Agrico willen we een Large Language Model (LLM) specifiek voor onze eigen organisatie, zonder afhankelijkheid van OpenAI of Microsoft. Met 70 verschillende rassen en activiteiten in 80 landen is de interne kennis enorm, maar deze kennis zit vaak in de hoofden van medewerkers. Er ligt een grote kans in het creëren van een kennisomgeving waarin medewerkers vragen kunnen stellen over de eigen data en processen.

Er is al een stap gezet met het schrijven van een interne Wikipedia binnen de Agrico-omgeving. Deze bevat uitleg over het systeem, functionaliteiten en definities. Hoewel dit een waardevol initiatief is, blijkt het onderhoud ervan een uitdaging; het is lastig iemand te vinden die het leuk vindt om dit bij te houden.

Wat nog ontbreekt, is intern een analyseteam dat onderzoekt welke data er beschikbaar is, wat ermee gedaan kan worden, en hoe dit de organisatie vooruit kan helpen. Dit gaat idealiter bestaan uit medewerkers die al bekend zijn met de business. Zij kunnen in de toekomst structureel invulling geven aan data-analyse en kennisdeling binnen de organisatie.

Lees hier hoe Agrico waardevolle inzichten uit Microsoft Dynamics 365 haalt en hiermee de operationele planning en sales forecasts verbetert.

1x per maand data insights, praktijkcases en een kijkje achter de schermen ontvangen?

Meld je aan voor onze maillijst en blijf 'up to data':