Waarom AI-projecten in logistiek stranden op data, niet op algoritmen
Een transportbedrijf wil voorspellen welke ritten te laat komen. Een WMS moet automatisch slimmer picken. Een ERP moet tarieven automatisch valideren. De techniek bestaat. Maar zodra je de historische data opvraagt uit het TMS, zie je meteen het probleem: dezelfde klant staat onder vier verschillende namen, postcodes kloppen niet, gewichten zijn nul of geschat, en tariefcodes zijn jaren geleden aangemaakt en sindsdien nooit gecontroleerd. Een model dat je op zulke data traint, leert de fouten net zo goed als de patronen. Het resultaat: een systeem dat vol vertrouwen de verkeerde kant op wijst.
Welke databronnen zijn het vaakst de boosdoener?
In logistiek draaien doorgaans drie kernsystemen naast elkaar: het TMS (Transport Management System), het WMS (Warehouse Management System) en het ERP. Elk heeft zijn eigen datakwaliteitsproblemen. Het TMS bevat de operationele ritdata, maar klantrecords zijn zelden gededupliceerd: hetzelfde bedrijf staat er als 'Bakker BV', 'Bakker B.V.' en 'Bakker Rotterdam' in. Adressen zijn handmatig ingevoerd en niet gevalideerd tegen een postcodetabel. Het WMS heeft gewichten en afmetingen, maar die zijn bij artikelen die al jaren lopen nooit geactualiseerd nadat de verpakking is gewijzigd. Het ERP bevat tarieven en klantgroepen, maar historische migratiedata uit een oud systeem heeft gaten gevuld met standaardwaarden die nooit zijn gecorrigeerd. Tussen die drie systemen praten ze ook zelden schoon met elkaar: een relatie-ID in het TMS correspondeert niet altijd met het debiteurnummer in het ERP, en het WMS kent zijn eigen artikelcodering. Dat gebrek aan consistentie is het eerste dat je moet aanpakken.
Welke opschoningsstappen zijn er concreet?
Data opschoning in logistiek bestaat uit een handvol concrete stappen. Deduplicatie: dubbele klant- en leveranciersrecords samenvoegen op basis van naam, adres en KvK-nummer. Dit kan geautomatiseerd met fuzzy matching, maar vraagt altijd een menselijke check op de uitzonderingen. Normalisatie: adresvelden standaardiseren, postcodes valideren, landcodes omzetten naar ISO-formaat. Tariefcodes en artikelcodes uitlijnen tussen systemen zodat het TMS, WMS en ERP dezelfde sleutels gebruiken. Validatieregels: ontbrekende gewichten en afmetingen markeren als onbekend in plaats van nul, en een workflow inrichten waardoor nieuwe records pas actief worden als de verplichte velden zijn gevuld. Historische data-audit: een steekproef van ritdata of voorraadmutaties uit het afgelopen jaar doorlopen om te begrijpen welke velden structureel ontbreken of fout zijn. Die audit vertelt je meteen welke data je wél kunt gebruiken voor training en welke je moet uitsluiten.
Opschonen vóór de AI-implementatie of parallel: wanneer kies je wat?
Dit is de meest gestelde vraag en het eerlijke antwoord is: het hangt af van hoe ernstig de vervuiling is. Als de kernvelden die het model nodig heeft, zoals klant-ID, gewicht, route en levertijd, in meer dan twintig procent van de records ontbreken of aantoonbaar fout zijn, doe je er verstandig aan eerst te saneren voor je begint met trainen. Je verspilt anders tijd aan een model dat je later toch opnieuw moet trainen op schone data. Is de vervuiling beperkter en gelokaliseerd, dan kun je opschoning parallel laten lopen: het model begint op de betrouwbare subset, en zodra meer data is opgeschoond, wordt het uitgebreid. Let op: parallel opschonen vraagt goede afspraken over welke data al 'geldig' is en welke nog niet. Dat is een proces- en governancevraagstuk, geen technisch vraagstuk. De operatie moet meewerken: als planners gewichten blijven invullen als nul omdat het systeem het toelaat, heb je over een jaar weer hetzelfde probleem.
De trade-off: opschonen kost tijd, maar vuile data maakt elk model onbetrouwbaar
Opschoning is tijdrovend en soms moeizaam werk. Het vraagt samenwerking tussen IT, operations en de mensen die de data dagelijks invoeren. Maar de rekensom is simpel: een model dat traint op data met structurele fouten levert uitkomsten waar niemand op vertrouwt, en terecht. Dan heb je geld uitgegeven aan techniek die in de la belandt. Liever drie maanden langer over de voorbereiding doen en een systeem opleveren dat de operatie daadwerkelijk gebruikt. Data opschoning in logistiek AI is geen bijzaak; het is het fundament. Wie daar zuinig op is aan de voorkant, betaalt het dubbel aan de achterkant.