Inhoudsopgave
Uitdaging
Het tenderproces draaide op losse Excelbestanden en kennis in hoofden. Dat maakte inzicht beperkt en bracht risico’s bij personeelsverloop.
Oplossing
Een centrale dataoplossing in Microsoft Fabric met een gestructureerd semantisch model en meerdere views voor tenderanalyse.
Impact
Inkopers sturen nu op data in plaats van aannames. Inzicht is direct beschikbaar en kennis zit vast in het systeem, niet meer alleen in mensen.
H&S Group is een logistieke partner in de foodsector en transporteert voedingsmiddelen door heel Europa. Binnen de inkoopafdeling speelde het tenderproces een centrale rol, maar inzicht was versnipperd en sterk afhankelijk van Excel en persoonlijke kennis. Samen bouwden we een centrale dataoplossing in Microsoft Fabric die overzicht, onderbouwing en rust brengt in het tenderproces.
Uitdaging
Binnen H&S Group is het tenderproces een terugkerend en cruciaal onderdeel van de inkoop. In de logistieke sector worden ritten gewonnen via tenderoffers, waarbij per tender op meerdere lanes kan worden ingeschreven. Dat proces werd volledig ondersteund door Excel. Nieuwe tenders werden beoordeeld op basis van eerdere bestanden en persoonlijke ervaring.
Het gevolg was dat veel kennis impliciet bleef. Informatie zat in hoofden van inkopers en niet in systemen. Dat maakte het lastig om objectief terug te kijken, patronen te herkennen of strategische keuzes te onderbouwen. Ook bracht dit een duidelijk risico met zich mee. Wanneer ervaren inkopers vertrekken, verdwijnt waardevolle kennis mee.
Daarnaast ontbrak overzicht. Welke tenders zijn er eigenlijk in de markt? Hoe groot is die markt? En welk deel daarvan weet H&S Group daadwerkelijk te winnen? Zonder centrale data was het lastig om deze vragen scherp te beantwoorden.
Oplossing
We pakten dit in fases aan. In de eerste twee fases lag de focus op het fundament: data op orde brengen en inzicht creëren.
Binnen Microsoft Fabric richtten we een geautomatiseerde dataoplossing in op basis van medaillon architectuur. Alle beschikbare tenderdata wordt gestructureerd ingeladen en omgezet naar een helder semantisch model. De Excelbestanden uit het tenderportaal worden automatisch opgehaald en verwerkt, zonder handmatig werk.
Dit semantische model vormt de basis voor meerdere views waarin inkopers direct zien welke lanes zijn gewonnen, verloren of helemaal niet zijn aangeboden. Tijdens het bespreken van een offer is de data meteen beschikbaar. Er kan gefilterd worden op klant, lane, datum en leverancier. Zo ontstaat één centrale waarheid waar iedereen op werkt.
Het resultaat is geen los dashboard, maar een centrale dataoplossing die meedraait in het dagelijkse werk van de inkoopafdeling.
Impact
Waar beslissingen eerder werden genomen op ervaring en aannames, staat nu data centraal. Inkopers hebben direct inzicht in historische tenders en marktverhoudingen, waardoor keuzes beter onderbouwd zijn. Aannames worden bevestigd door data of juist ontkracht. Dat maakt gesprekken scherper en besluitvorming rustiger.
Kennis is niet langer afhankelijk van individuele medewerkers. Het risico van kennisverlies bij verloop neemt af, omdat inzichten vastliggen in het systeem. Tegelijkertijd vormt deze oplossing een stevige basis voor verdere groei. De tenderanalyse is een eerste stap richting een slimmer en toekomstbestendig inkoopproces.
In de volgende fases wil H&S Group toewerken naar een Machine Learning model dat actief advies geeft. Bijvoorbeeld over welke lanes kansrijk zijn om op te bieden, op basis van historische data en extra variabelen. De fundering ligt er. Nu kan er worden doorgebouwd.
H&S Group over IT RBLS
De eerste twee fases van het traject zijn succesvol afgerond en worden actief gebruikt binnen de inkoopafdeling. De tenderanalyse levert directe datagedreven onderbouwing op in het inkoopproces en sluit aan bij de ambitie van H&S Group om steeds slimmer en toekomstgerichter te werken. De samenwerking vormt daarmee een logische opmaat naar vervolgstappen, waaronder de inzet van Machine Learning binnen tenderbeslissingen.
