Lean Six Sigma en Data Science

De combinatie van Lean Six Sigma met Data Science betekent voor ons het systematisch oplossen van grote complexe vraagstukken binnen bedrijven door middel van het slim benutten van data. Gezien onze ruime ervaring met projectmatig werken, geavanceerde analyse methoden en probleem oplossingsvaardigheden weten wij de brug te slaan tussen klantvraag, mensen, bedrijfsprocessen, IT-infrastructuur, data en besturing.

Wij weten als geen ander hoe om te gaan met het ontsluiten, analyseren en toepassen van data. Data waarmee je op basis van feiten effectieve strategische, tactische en operationele beslissingen kan nemen. Belangrijke uitgangspunten voor ons zijn:

  • data als belangrijke bron voor verbeteringen & voorspellingen
  • feiten onderscheiden van aannames
  • het toepassen van best practices
  • pragmatisch te werk gaan

Vraagstukken

Voorbeelden van vraagstukken waarbij we kunnen ondersteunen zijn:

  • Het identificeren van bedrijfsprocessen waarbij data kan worden ingezet om verbetering te bereiken (een ‘discovery’ traject)
  • Het reduceren van handmatige en repeterende controle- en invoeractiviteiten met behulp van Machine Learning technieken
  • Het optimaliseren van procesprestaties met behulp van Process Mining
  • Het opzetten van een data science team om in een organisatie datagedreven verbeterprojecten te implementeren
  • Het omzetten van ongestructureerde data naar gestructureerde data door Intelligent Document Processing
  • Het ontwikkelen en implementeren van volledige data science oplossingen/software applicaties
  • Onderzoek naar de invloedsfactoren van belangrijke KPIs (econometrisch/explainable AI)
  • Het ontwikkelen van responsible AI/data science trajecten

Voorbeeldprojecten

Optimalisatie facturatieproces
Een grote detacheerder dient dagelijks inkoopfacturen en/of urenlijsten in pdf vorm te controleren en in te voeren in een boekhoudsysteem. Het facturatieproces is arbeidsintensief/foutgevoelig vanwege het hoge volume en complexe afrekenstructuren. Het doel is om de handmatige bewerkingstijden sterk te reduceren en het first time right percentage van de verwerking te verhogen. Door een combinatie van machine learning (intelligent document processing) en business process management (onder andere business rules) wordt de data uit de facturen en/of urenlijsten herkend, geclassificeerd, geverifieerd en ontsloten richting het boekhoudsysteem. De business rules zijn gekoppeld met de contractmanagementdata in het boekhoudsysteem en de geverifieerde data (uren nieuwe periode) is gekoppeld met het boekhoudsysteem. Geen manuele activiteiten meer en meer ruimte voor benutting van de talenten van de medewerker op de boekhouding.

Conversie reisorganisatie
Om diensten op maat winstgevend te kunnen aanbieden is het erg belangrijk een hoge conversie te realiseren. Dit project voor een grote reisorganisatie had dan ook als doel om de conversie van reisaanvragen te verhogen. Aanvragen kwamen binnen via meerdere kanalen; website, email, telefoon en social media. De medewerkers werkten volgens het ‘first come first serve’ principe. Onder het management bestond het idee dat de conversiepercentages van verschillende soorten aanvragen sterk fluctueerde.
Uit een uitgebreide analyse van de aanvragen en verkoopgegevens bleek dat dit vermoeden klopte. De conversie was het hoogst voor op een laptop/desktop ingevulde offertes, met ook verschillend per bestemming, duur en klantgegevens. Daarnaast bleek duidelijk dat in de ‘drukke’ maanden er niet genoeg tijd was om alle aanvragen op te volgen.
Om de gemiddelde conversie derhalve te verhogen hebben we een data-gedreven systeem ontwikkeld dat continue klantaanvragen analyseert. Op basis van de aanvraaggegevens, informatie uit het verleden en externe databronnen voorspelt het systeem de conversiekans van een individuele aanvraag. Vervolgens worden alle open aanvragen continue geordend aan de hand van de conversiekansen. Het salesteam alloceert de beschikbare middelen nu niet meer op basis van ‘first come first serve’, maar op basis van een hoge conversiekans. Dit heeft de conversie gemiddeld met 30% verhoogd en als neveneffect een positieve invloed gehad op zowel werknemers- als klanttevredenheid.

Actief klantbeheer
Financiële intermediairs beschikken over bijzondere klantdata, zoals inkomen, lasten, vermogen, gezinssamenstelling en zachte klantdata. Hoe kan een financiële intermediair haar huidige en toekomstige klanten zodanig bedienen dat de Lifetime Customer Value wordt vergroot? Met andere woorden hoe kunnen we de klantdata zodanig benutten dat bepaalde marketing en sales campagnes het meest effectief zijn? Door tijdig in te spelen op bepaalde life events kan klantwaarde gemaximaliseerd worden mits het bedieningsmodel en klantreis aansluit op de latente klantbehoefte. De omzet uit bestaande klanten van diverse intermediairs is sterk gestegen door het beter inspelen op de klantbehoefte middels cross-, next- en upselling.

Gerichte campagne politieke partij
Verkiezingen zijn in de afgelopen jaren steeds digitaler geworden. Partijen moeten een weg zien te vinden in sociale en traditionele media, campagnes op straat, nationaal sentiment en in toenemende mate internationaal sentiment. Om dit te kunnen doen is het gebruik van data een belangrijk middel.
In dit project ontwikkelden wij voor een politieke partij een softwaretool om de campagne voor de tweede kamer verkiezingen te ondersteunen. In deze tool combineren we landelijke geografische data met open databronnen, social media data, data van voorgaande verkiezingen en meer. Op basis van deze gegevens worden ‘swing vote’ buurten geïdentificeerd; buurten die voor de partij extra van belang zijn. Daarnaast wordt geanalyseerd welke boodschap het beste aansluit bij specifieke personen online, of voor personen in een buurt.

Recruitment
Het werven van personeel is een tijdrovende zaak. Zeker bij grotere recruitment bedrijven gaat er veel tijd en energie verloren aan het doorkijken en selecteren van cv’s en motivatiebrieven. Natural Language Processing (NLP) heeft als doel om computers natuurlijke tekst zoals motivatiebrieven te laten lezen en begrijpen. In dit project hebben we voor een groot recruitment bedrijf een NLP-oplossing gebouwd, die op basis van CV’s en motivatiebrieven uit het verleden kon voorspellen wat de kans was dat iemand wordt aangenomen. Ook kan worden geanalyseerd wat de redenen zijn dat iemand wel/niet wordt geplaatst op een vacature. Hiermee kan een eerste selectie worden geautomatiseerd, dat veel tijd vrijmaakt voor de medewerkers, om zich te kunnen focussen op andere (leukere) taken.

Contact

Wil je meer weten over het toepassen van Lean Six Sigma en Data Science binnen je bedrijf? Neem dan contact met ons op via onderstaande contactgegevens of nevenstaand formulier.

085-3032879
info@leandirect.nl