De inzet van AI-technologie geeft groothandelsbedrijven een nieuwe rol in de keten. Door AI slim in te zetten voor vraagvoorspelling, voorraadbeheer en prijsstrategie verschuift hun positie van logistieke schakel naar een onmisbare strategische partner. Maar om die rol waar te maken is meer samenwerking en datadeling met andere partners binnen de keten nodig dan nu veelal het geval is. Stelt ING Research.
Op basis van historische verkoopdata, seizoensgebonden trends en weersvoorspellingen kan AI nauwkeurige voorspellingen doen over de toekomstige vraag. Dit stelt groothandelsbedrijven in staat hun voorraadniveaus hier optimaal op af te stemmen. Ook in het logistieke proces biedt AI-technologie uitkomst voor de groothandel. Zo kan AI de rittenplanning optimaliseren en aangeven hoe winkels en distributiecentra het meest efficiënt kunnen worden bevoorraad. Dit leidt tot kortere leveringstijden en lagere opslag- en transportkosten.
Een derde mogelijkheid waar AI-technologie kan worden ingezet is bij de prijsstelling van producten. Hierbij analyseren AI-tools real-time marktgegevens om de juiste prijsstelling te bepalen, onder meer op basis van vraag en aanbod in de markt, de beschikbare voorraden en de concurrentie. Strategische beprijzing maakt handelaren flexibeler in hun prijsstrategie, waardoor de winstmarge verbetert en ze concurrerend kunnen blijven.
Een goede balans in de voorraden zorgt onder meer voor lagere opslag- en transportkosten, minder verspilling en een efficiënter werkkapitaalbeslag. Onder aan de streep leidt voorraadoptimalisatie dan ook tot betere winstmarges voor de groothandel. Deze waren in de afgelopen jaren juist verslechterd, onder andere door oplopende werkkapitaalkosten als gevolg van de omvangrijke voorraden in combinatie met een relatief hoge rente in 2023. Uit onze berekeningen blijkt dat wanneer de eindvoorraden met 10% afnemen, de winstmarge in de groothandel structureel met circa 0,65% verbetert. Dit lijkt relatief weinig, maar in absolute aantallen betreft het een enorme winstverbetering, zeker voor een sector met relatief dunne winstmarges.
Uit gesprekken met verschillende partijen in de toeleveringsketen blijkt dat er een aantal knelpunten zijn die een snelle implementatie van AI bij veel groothandelsbedrijven belemmeren. Het grootste knelpunt dat door bedrijven wordt ervaren betreft de kwaliteit en toegang tot data, gevolgd door een verouderde digitale infrastructuur en een gebrek aan de juiste expertise.
Met name de beschikbaarheid over veel en kwalitatief goede data is cruciaal voor een optimale werking van AI-technologie. Zonder goede data kunnen er geen nauwkeurige voorspellingen door AI worden gedaan. Bovendien wordt AI-technologie getraind op data. Binnen bedrijven is er nog lang niet altijd sprake van eenduidigheid in de data tussen verschillende afdelingen omdat er nog te vaak in aparte silo’s wordt gewerkt. Ook in de toeleveringsketen kunnen nog grote stappen worden gemaakt, zowel op het gebied van datakwaliteit als op toegankelijkheid. Als het mogelijk is om data van de leverancier tot aan de klant te ontsluiten leidt dat tot een efficiëntere keten. Dat gebeurt nu nog onvoldoende omdat leveranciers en afnemers in de toeleveringsketen nog lang niet altijd bereid zijn hun data te delen met de groothandel.
Door meer datagedreven te werken kunnen groothandelsbedrijven innovatieve dienstverlening in de toeleveringsketen aanbieden. Zo kan de groothandel, op basis van real-time data, retailers bijvoorbeeld, inzicht geven in welke producten wel of juist niet goed lopen, wat de markttrends zijn en wat voor optimale voorraad de retailer zou moeten aanhouden op basis van de te verwachten vraag. Met behulp van data kan de groothandel de klantvraag koppelen aan de leveranciersvraag. Daardoor kan de groothandel in plaats van het aansturen van de distributie, de productie aansturen aan de hand van wat de AI-tools aangeven waar behoefte aan is. Hierdoor transformeert de rol van de groothandel van tussenpersoon naar strategisch partner.
emerce
07-07-2025 06:10