Alexander Claessens Orange Peak Company
Interview

Artificial intelligence in de wasstraat: ‘Met data kan je veel beter vooruitkijken’

Directeur Claessens van Orange Peak Company vertelt over de rol van AI in de carwash Foto: Alexander Claessens

Orange Peak Company kijkt samen met De Loogman Groep naar de mogelijkheden om met artificial intelligence de toekomst binnen de carwash te kunnen voorspellen. Op een aantal testlocaties wordt Apollo AI ingezet voor de wasstraten, binnenreiniging en de brandstoffen. Maar ook voor het plannen van de roosters, het onderhoud en de pauzes. Directeur Alexander Claessens van Orange Peak Company legt uit hoe het werkt en vertelt wat de plannen zijn.

Orange Peak Company werkt al 8 jaar samen met Loogman. Hoe is die samenwerking ontstaan?
“Als bedrijf hebben wij 13 jaar ervaring met het ontsluiten van tankstation-data. Omdat Loogman ook een tankstation heeft, was de link makkelijk gelegd. Vanuit Loogman was er op dat moment een specifieke databehoefte voor de marketingafdeling. Loogman wilde de marketing gaan toespitsen op hun eigen klanten, in plaats van flyers versturen in hun eigen postcodegebied. Daar zijn we ze mee gaan helpen. We hebben samen een loyaliteitsprogramma opgebouwd, de Loogman Was app, waar nu honderdduizenden klanten gebruiken van maken.”

“Op een gegeven moment hebben wij gezegd: we hebben al heel veel van jullie was-data verzameld, zullen we eens kijken of we dat verder kunnen gebruiken? Juist omdat we die data zo goed in beeld hebben, is het een enorm mooie speeltuin om samen met Loogman uit te zoeken hoe AI in de autowasstraat kan worden ingezet.”

Verschilt dat veel: het toepassen van AI in een tankstation versus AI in een autowasstraat?
“Veel data heeft een transactionele basis. In het tankstation is dat de consument die iets koopt. In een carwash is dat de consument die de auto komt wassen. En het prettige is dat een consument altijd goed te voorspellen is, ongeacht de branche waarnaar we kijken. Vaak zie je patronen in het gedrag. Als je bijvoorbeeld een auto koopt, is dat geen patroon. Want als je eens in de 4 jaar een nieuwe auto koopt, is het heel moeilijk om te voorspellen in welke week je dat gaat doen. Maar autowassen daarentegen is heel goed te voorspellen. Het is iets dat mensen vaak doen. En mensen passen hun gedrag heel erg aan op de externe effecten die in data kunnen worden vastgelegd, zoals het weer.”

(Tekst gaat verder onder de afbeelding)

Het weer heeft een enorm effect op het aantal auto’s dat wordt gewassen.

Er zijn nu vier testlocaties met Loogman…
“Dat klopt. Omdat we natuurlijk willen weten of AI echt werkt, hebben we binnen Loogman twee groepen gemaakt. Loogman heeft acht vestigingen, en op vier locaties zijn we nu met AI aan het testen. Op die manier kunnen we zien hoe het gaat met het rendement van zo’n locatie, maar ook met de medewerkerstevredenheid, want we hopen daar toch wel een verschil in te kunnen maken. Wat heel erg werkt met Loogman is dat ze ook fouten durven te maken. Dat helpt ons in de samenwerking om het proces steeds verder te finetunen.”

Kan je uitleggen hoe AI toegepast kan worden in een autowasstraat?
“De ervaren mensen die al 20 jaar bij Loogman werkzaam zijn, weten vaak precies hoe druk het wordt op een dag. Die kijken ‘s ochtends bij het opstaan uit het raam, en die zien wat voor weer het is, die weten wat voor soort dag het is, en hoe hun vestiging daarop reageert. En die weten of het dan wel of geen drukke dag gaat worden. Op het moment dat je daarmee je operatie stuurt, betekent het dat je enorm veel op het onderbuikgevoel doet. Dat is heel goed, maar dat kan beter. Want als je heel zeker weet hoe de dag gaat zijn, durf je dan daar ook op te acteren, en je personeelsplanning bij- of juist af te schalen.”

“Met ons AI-product willen we de komende tijd voorspellen op basis van het verleden. En dat is enerzijds eenvoudig, omdat je met data exact kan zien wat je vorige week hebt verkocht. En in dezelfde week vorig jaar. Maar anderzijds komt daar veel meer bij kijken. Neem bijvoorbeeld het weer. Dat heeft een enorm effect op het aantal auto’s dat wordt gewassen. Als er veel vliegjes zijn, of het is tropisch warm en er wordt geen regen verwacht, er ligt sneeuw en er is zout gestrooid, of we hebben last van saharazand of hoge smog-levels. Dat wordt allemaal gemeten door het KNMI en andere weerinstituten. En door die data allemaal te relateren aan het verleden, kan je precies zien wat er nodig is. Is het een dinsdag met veel stuifmeel, een hoge temperatuur en is er geen regenvoorspelling voor de komende drie dagen, dan kun je rekenen op piekdrukte.”

(Tekst gaat verder onder de afbeelding)

In het AI-model worden allerlei data en ruim 150 invloeden meegenomen die gemeten kunnen worden.

“Naast de weersomstandigheden houdt AI ook rekening met andere data, zoals de historie in transacties, de bouwvak, schoolvakanties, feestdagen, grote evenementen; noem het maar op. We voeren het AI-model allemaal data en nemen ruim 150 invloeden mee die we kunnen meten of die gemeten worden. Vervolgens trainen we het model. En dat is waarom AI zo belangrijk is: wij kunnen als mensen al die verbanden niet zien. Maar een computer kan veel meer verbanden zien. Die kan ook verbanden zien, waar wij helemaal niet aan denken.”

Wat kan je er vervolgens mee, wat zijn de voordelen?
“Op een gegeven moment zegt het systeem: jij wast morgen in Amsterdam 82 auto’s per uur. Met die informatie kan je op korte termijn een medewerker vragen om iets eerder naar huis te gaan. Maar je kan ze ook een dag van tevoren bellen en zeggen dat ze morgen in de middag vrij zijn. Dan gaat ook je medewerkerstevredenheid omhoog, want de medewerkers weten eerder waar ze aan toe zijn.”

“Dat geldt ook bij het maken van de roosters. Alles wat we hadden voordat we bij Loogman met AI gingen werken, was een teamleider of een regiomanager die het weer via een app in de gaten hield. De roosters lagen redelijk vast, en elk rooster in elke vestiging zag er voor de komende vier weken hetzelfde uit. Nu zien we daar veel meer variatie in. Personeel wordt nu echt op de drukke momenten ingepland.
Omdat we zoveel data hebben verzameld, zijn we zelfs met personeelszaken aan het kijken of de capaciteit in aantal beschikbare medewerkers in lijn ligt met de verwachte drukte. Of dat het bijvoorbeeld verstandig is om nieuw personeel aan te nemen. Stel dat AI kan vertellen hoeveel auto’s je gaat wassen in november. Dan kan je zien of het nodig is om extra personeel in te zetten. We helpen dus ook op de middellange termijn om beslissingen te maken.”

“Ook wat betreft het onderhoud aan de wasstraat kan AI helpen. Een ondernemer wil eigenlijk dat onderhoud pas doen wanneer het echt nodig is. Want je wilt niet dat het bedrijf stilstaat. AI kan aangeven wat de goede momenten zijn om onderhoud te laten uitvoeren. Dat kunnen grote dingen zijn, maar dat kan bijvoorbeeld ook betekenen dat je de wasboxen schoonmaakt. Door data in te zetten, kan je ook in de carwash veel meer vooruitkijken.”

Hoe loopt de testfase met Loogman?
“Heel concreet kunnen we nu aan Loogman vertellen hoeveel auto’s er dit uur worden gewassen, het volgende uur en de rest van de dag. Iets minder concreet kunnen we laten zien hoe druk het volgende week wordt, want dan kan het rooster daarop worden aangepast. En nog iets minder concreet, maar veel meer in een algemene trendlijn, kan je zien hoe je zit met de capaciteit qua personeel en de capaciteit in de wasstraten ten opzichte van wat je verwacht te gaan doen in de komende maanden.”

(Tekst gaat verder onder de afbeelding)

Veel factoren zijn locatieafhankelijk, een wasstraat in Rotterdam is bijvoorbeeld niet druk wanneer Feyenoord speelt.

Heeft het veel tijd nodig om zo’n AI-systeem te laten werken?
“Het is niet zo dat als we vandaag starten we eerst 3 jaar data gaan verzamelen en opbouwen voordat we iets kunnen doen. Maar je hebt wel de data van de afgelopen 4 a 5 jaar nodig. Omdat we daar al die externe data daaraan toevoegen, kunnen we op een gegeven moment zien wat werkt voor een locatie. Veel factoren zijn overigens locatieafhankelijk. Een wasstraat in Rotterdam is bijvoorbeeld niet druk wanneer Feyenoord speelt. Hetzelfde geldt wanneer Max Verstappen rijdt, dan is het over het algemeen minder druk in de wasstraat. Maar het kan ook heel goed zijn dat je in een regio zit waar dat helemaal niet speelt. De reactie van een wasstraat op al die data, kan heel anders zijn. Loogman heeft bijvoorbeeld een wasstraat in Lelystad en die gedraagt zich heel anders dan een carwash in Amsterdam. Veel mensen wonen in Lelystad en werken in Amsterdam. En vaak wassen mensen hun auto na het werk. Maar in het weekend zie je juist dat in Lelystad de auto wel meer wordt gewassen.”

“Al die factoren train je in een AI-model. Je zegt eigenlijk tegen een computer: dit is alle data die er is, ga die verbanden zoeken. Wij gaan het model vervolgens ook testen, om te controleren of het voorspellingssysteem werkt. Dat doen we door data uit het verleden te gebruiken en het systeem te vragen om bijvoorbeeld de drukte in december vorig jaar te voorspellen. Zo train je het model om steeds beter te worden. En zo zie je bijvoorbeeld dat schoolvakanties een heel sterke relatie hebben met wasstraten, en een file bijvoorbeeld helemaal niet.”

Ligt in AI en het slim gebruik van data de toekomst van de carwash?
“Natuurlijk wordt die data steeds belangrijker. Juist de data die je hebt over je bedrijf, over de trends die je ziet en de klanten die je hebt, is zo enorm veel geld waard. Niet om te verkopen, maar juist om in te zetten om je eigen bedrijf beter te maken. Dat rendement is veel hoger dan die kortetermijnwinst die je kunt behalen door je data te vermarkten. Je kunt enorm goed op basis van data je operatie aan- en bijsturen. Maar je moet er ook wat mee doen om er echt rendement uit te halen.”

“Wij vinden het als bedrijf belangrijk om onze klanten te helpen met data, waardoor een ondernemer morgen een andere beslissing maakt. Je moet morgen iets anders doen dan vandaag, omdat je de data van morgen al weet, of voor volgende week. Ons systeem vertelt je niet: het wordt mooi weer, ga maar meer auto’s wassen. Het is op een heel gedetailleerd level, waarbij je in alle lagen van de organisatie gaat merken dat je op basis van data je organisatie stuurt.”

Is AI voor alle carwash-ondernemers interessant?
“Ik denk dat het heel erg in het DNA van de ondernemer zit. Je moet wel openstaan voor het idee. Als een ondernemer zoiets heeft van: ik doe dat niet, want ik doe het altijd zo, dan is dat natuurlijk prima. Dan moet je dat ook lekker blijven doen.”

“Ik zie wel dat de markt er echt klaar voor is. Er zijn enorm veel innovaties, in nieuwe producten en in binnenreiniging, en er is enorm veel creativiteit in de markt. AI kan voor iedereen interessant zijn, als je je er maar in bepaalde mate aan overgeeft en er ook echt wat mee gaat doen. Het is niet dat AI je bedrijf beter maakt. Het levert geen rendement op, maar jouw acties op basis van AI doen dat wel.”

Lees ook: 

Hét grootste vakevenement voor de tankstation- en carwashbranche in Nederland en België vindt dit jaar plaats op 9 en 10 november in de Expo Houten. Schrijf je nu in!

Auteur: Belinda Meijers

Reageer ook

Nog maximaal tekens

Log in via een van de volgende social media partners om je reactie achter te laten.