Datakwaliteit in de AGF sector: hoe hou je je data vers?

Tussen bedrijven binnen de AGF sector en in de keten wordt steeds meer data uitgewisseld. Om als bedrijf in deze complexe voedselketen te kunnen opereren is goede datakwaliteit steeds belangrijker. Maar uit de praktijk blijkt dat datakwaliteit nog niet altijd hoog op de agenda staat. In de AGF sector is er een initiatief van GS1, Frug I Com en het GroentenFruit Huis om, in samenwerking met retailers, voorlichtingsbijeenkomsten over datakwaliteit voor de sector te gaan houden. Het doel is om de supply chain nog verder te professionaliseren. De voorwaarde daarvoor is wel dat de datakwaliteit optimaal moet zijn. Maar hoe realiseer je dit?

Hoe je met data de ‘olifantenpaadjes’ in werkprocessen kunt ontdekken

Olifantenpaadjes zijn paadjes die mensen fietsend of wandelend creëren om een stukje van de officiële route af te wijken. Sporen in het gras maken dat werkelijke gedrag van mensen mooi zichtbaar. Eigenlijk laten ze hiermee de — in hun ogen — ‘ontwerpfouten’ bij de aanleg van fiets- of wandelpaden zien. Behalve in de openbare ruimte kom je olifantenpaadjes ook in werkprocessen tegen. Medewerkers creëren zo hun eigen ideale lijn. Dat leidt soms tot grote ergernis, maar bedenk dat ze daarmee ook ‘ontwerpfouten’ in de werkprocessen zichtbaar maken. Met behulp van data analyse kun je dit in beeld brengen om vervolgens relevante en zinvolle verbeteringen in je processen doorvoeren. En een volgende stap naar optimale werkprocessen te zetten.

Wat simpel lijkt is soms toch moeilijk: de kunst van het omgaan met data

De startup what3words heeft een revolutionair alternatief systeem bedacht voor plaatsaanduiding op aarde en voor adresseren in het algemeen. Ze hebben de hele wereld opgedeeld in vakjes van 3×3m, die elk worden aangeduid met een unieke combinatie van 3 woorden. Een combinatie van dwelled.relate.bouncing is gemakkelijker te onthouden dan de GPS aanduiding 52.373278, 4.8920175. Er zijn inmiddels bedrijven en organisaties die erin investeren. Is dit een prachtig voorbeeld van een simpele oplossing voor een ingewikkeld probleem? Of is het lastiger dan het lijkt? Goed omgaan met data is ook in dit nieuwe systeem cruciaal.

De glazen bol de deur uit! Data-driven besluitvorming in vijf stappen

Van een glazen bol wordt gelukkig maar zelden gebruik gemaakt, maar de weg naar data-driven besluitvorming is er een die veel bedrijven nog moeten in slaan. Dergelijke besluitvorming hoeft niet direct op basis van big data en complexe algoritmen te gebeuren. Maar adequaat datamanagement en data-analyse, ondersteund door optimale processen, tools en systemen is noodzakelijk om die besluitvorming ook daadwerkelijk op betrouwbare data te kunnen baseren. Wat is er nodig voor data-driven besluitvorming op basis van verifieerbare data?