Blauwdruk Methodiek Skills Change

Abstract

Een aanzet voor een methodiek om de impact van technologie op HBO-functies in de logistiek in beeld te brengen en te voorspellen

Full text

1
Blauwdruk Methodiek
Skills Change
Een aanzet voor een methodiek om de
impact van technologie op HBO-functies in de
logistiek in beeld te brengen en te voorspellen
LECTORAAT SUPPLY CHAIN INNOVATION
31-10-2020
DEFINITIEF

2
BLAUWDRUK METHODIEK SKILLS CHANGE
EEN AANZET VOOR EEN METHODIEK OM DE IMPACT VAN
TECHNOLOGIE OP HBO-FUNCTIES IN DE LOGISTIEK IN BEELD TE
BRENGEN EN TE VOORSPELLEN
Dit project is financieel ondersteund door de Human Capital Tafel van de Topsector
Logistiek
HZ University of Applied Sciences
Thierry Verduijn
Max Walravens
Jochem Jonkman
Hogeschool Arnhem Nijmegen
Dennis Moeke
Nienke Hofstra
Robert Goedegebuure
Jan Jansen
Lectoraat Supply Chain Innovation
31-10-2020
Vlissingen
Eindrapportage

3
INHOUDSOPGAVE
1 INLEIDING 5
2 HUIDIG ONDERZOEK NAAR ONTWIKKELING VAN SKILLS IN DE LOGISTIEK 6
3 VRAAGSTUKKEN IN VERANDERING VAN SKILLS 8
Inventarisatie van behoeften bij stakeholders 8
Samenvattingen van gesprekken 8
Overzicht van behoeften bij stakeholders in de sector 10
4 IMPACT VAN TECHNOLOGIE OP SKILLS IN DE LOGISTIEKE FUNCTIES OP HBO-NIVEAU 12
Conceptueel model 12
Twee analyses van veranderingen in skills 13
5 LOGISTIEKE FUNCTIES, ACTIVITEITEN EN SKILLS 16
Logistieke functies 16
Activiteiten 17
Skills 18
6 DATA DRIVEN MONITORING OF SKILLS 21
Blueprint data driven monitoring 21
Eigen Onderzoek 23
7 VOORSPELLEN VAN DE IMPACT VAN TECHNOLOGIE OP SKILLS 25
Inleiding 25
Drie voorspelmethoden 25
Voorspelling van de impact van nieuwe technologie op logistieke functies 27
Voorspellen van de impact van nieuwe technologie binnen logistieke functies 28
De impact van adoptie van bestaande technologie op de benodigde skills 29
Discussie 31
8 LOGISTICS SKILLS PANEL 32
Rol van het Logistics Skills Panel 32
Omvang en samenstelling van het panel 32
Rol van deelnemers aan het Panel 33
9 DATABASE FUNCTIES-ACTIVITEITEN-SKILLS 34
10 CONCLUSIE 36
Meerwaarde en opzet van de blauwdruk 36
Vraagstukken in de uitwerking van de blauwdruk 37
Vervolgstappen 37
11 LITERATUUR 39
12 PUBLIEKSSAMENVATTING 40

4

5
1 INLEIDING
Digitalisering en technologische ontwikkelingen hebben impact op logistieke processen en systemen
en daarmee ook op banen en skills in de logistiek. Doorlopend inzicht in wat de te verwachten
impact zal zijn (zowel kwalitatief als kwantitatief) is o.a. van belang voor: (1) het up-to-date houden van
curricula van beroepsopleidingen en (2) het aanname- en scholingsbeleid van bedrijven en instellingen.
Een eerste inventarisatie van bestaande onderzoeken op het gebied van veranderingen in benodigde
skills laat een aantal belangrijke tekortkomingen zien. Onderzoeken uitgevoerd door lectoraten en de
opleidingen Logistiek en Economie en Logistics Engineering zijn vaak ad-hoc, gebaseerd op kleine
steekproeven en methodologisch zwak. Verder valt op dat bestaande studies weinig gedetailleerd
inzicht bieden in de impact van digitalisering en technologische ontwikkelingen op specifieke (logistieke)
functies en de daarvoor benodigde skills.
Het doel van dit vooronderzoek is om een eerste stap te zetten in de ontwikkeling van een methodiek
die een ‘betere’ onderbouwing geeft van de wijze waarop digitalisering en technologische
ontwikkelingen logistieke activiteiten en functies raakt en welke impact dat heeft op de benodigde skills
(nu en in de toekomst). Het beoogde eindproduct is een blauwdruk voor een integrale multi-method
aanpak waarmee de impact van technologische ontwikkelingen op de (toekomstige) behoefte aan skills
op een meer controleerbare en doorlopende manier gemonitord kan worden. De blauwdruk dient een
eerste inzicht te verschaffen in de analysestappen en data die nodig zijn.
In het kader van dit vooronderzoek is gekozen om de volgende definitie van “skills” te hanteren: the
theoretical or practical understanding of a subject, and/or the knowing of facts and procedures, which
has been acquired by a person through formal or informal education or experience (Eklöf, 2010).
Dit vooronderzoek richt zich op logistieke HBO-functies, dus bij logistiek dienstverleners, verladers en
andere bedrijven met een fysieke goederenstroom. Specialistische logistieke functies in ziekenhuizen,
etc. vallen buiten de scope.

6
2 HUIDIG ONDERZOEK NAAR ONTWIKKELING
VAN SKILLS IN DE LOGISTIEK
Automatisering, digitalisering, robotisering en AI hebben grote impact op de inrichting van logistieke
systemen en processen. Als gevolg hiervan zullen functies in de logistiek (bv. Logistiek managers,
planners en engineers) ook veranderen. Voor zowel bedrijven als logistiek opleidingen is het belangrijk
om inzicht te hebben in hoe en in welke mate functies en de bijbehorende skills zullen veranderen.
Bedrijven kunnen met deze inzichten hun HR-beleid gerichter invullen (aantrekken van personeel met
juiste skills, bieden van loopbaan perspectief en leven lang leren & ontwikkelen). Opleidingen kunnen
dit inzicht gebruiken om het curriculum up-to-date te houden.
Op basis van een eerste verkenning kan worden geconcludeerd dat er slechts op beperkte schaal
onderzoek gedaan wordt naar de inhoud van logistieke functies en de te verwachten veranderingen
daarin. Bestaande studies verschaffen bovendien weinig detailinzicht en zijn methodologisch van matige
kwaliteit. Veel voorkomende tekortkomingen zijn: kernbegrippen worden onvoldoende gedefinieerd en
geoperationaliseerd, de gehanteerde aanpak is weinig transparant en/ of de gehanteerde steekproef is
(te) klein en/ of niet-representatief. Zo zijn bijvoorbeeld de recente onderzoeken van Manders, Vreys &
Jonker (2020) en Hofstra et al. (2020) gebaseerd op een relatief kleine steekproef en bieden ze geen
inzicht hoe technologische ontwikkelingen van invloed zijn op ontwikkeling van logistieke functies en de
bijbehorende skills. Wat verder opvalt is dat in bestaande vacatureonderzoeken zoals McKinsey Global
Institute (2017a,2017b,2018), Skills Navigator (2019), en Panteia (2020) geen rekening wordt gehouden
met de maturity van de betreffende bedrijven op het gebied van digitalisering, etc. Inzicht in de relatie
tussen het maturity-level en de gevraagde skills (via vacature analyse) kan helpen om beter inzicht te
krijgen in hoe de benodigde skills zich in de (nabije) toekomst zullen gaan ontwikkelen.
Het onderzoek van McKinsey (McKinsey Global Institute, 2017a) sluit, voor zover wij weten, het best aan
bij de doelstelling van dit vooronderzoek. In het onderzoek van McKinsey wordt ingegaan op hoe
ontwikkelingen op technologisch gebied kunnen worden doorvertaald naar veranderingen in taken en
benodigde skills. Daarbij is gebruik gemaakt van de O*NET database (https://www.onetonline.org).
Een belangrijke tekortkoming in het onderzoek van McKinsey is dat het geen inzicht verschaft op
bedrijfstakniveau, waardoor de consequenties voor specifieke functies (in ons geval logistieke functies)
onzichtbaar blijven. Een andere tekortkoming is het ontbreken van data over tijdsbesteding op
activiteitenniveau. Door het ontbreken van deze data is het lastig om de impact van veranderingen in
functies en bijbehorende skills te kwantificeren. Ook McKinsey blijkt in hun onderzoek niet in staat om
veranderingen binnen functies goed te detecteren. Ze noemen het aspect van ‘reassembly’ van functies
wel, dus het herschikken van taken tot nieuwe functies, maar worden niet concreet.
Wanneer we kijken naar overige onderzoeken waarbij gebruik wordt gemaakt van “datagedreven
vacatureanalyse” (bijv. uitgevoerd door CenterData) dan valt op dat er in de analyses geen aandacht is
voor veranderingen in skills en activiteiten binnen vacatures. Daarnaast wordt er geen rekening
gehouden met de invloed van sectorspecifieke trends en ontwikkelingen op de inhoud van functies en
de benodigde skills.
Om inzicht meer inzicht te krijgen in de ontwikkeling van functieprofielen zou wellicht gebruik kunnen
worden gemaakt van de studie van van Horssen & Meijs (2017). In deze studie is een eerste aanzet
gemaakt in de ontwikkeling van een functieprofielenmethodiek, waarbij de volgende definitie van
functieprofiel wordt gehanteerd: Een functieprofiel is een omschrijving van het takenpakket van een
medewerker in een bepaalde functie of beroep, en de eisen die daarbij worden gesteld aan de

7
werknemer. In het functieprofiel voor de functieprofielenmethodiek heeft TNO een extra element
ingebouwd, namelijk een verwachting welke taken in aard en omvang toenemen, gelijk blijven,
afnemen, of erbij komen als gevolg van technologische ontwikkelingen. Daarmee geeft het profiel
inzicht in het verwachte effect van technologie op de functie.
Samenvattend kan gesteld worden dat:
− Onderzoek (zoals dat van McKinsey) specifiek gericht op de logistieke sector in Nederland niet
beschikbaar is of onvoldoende gedetailleerd is.
− Onderzoek naar de te verwachten inhoudelijke veranderingen in functies en de samenstelling
van functies in de logistiek nog niet wordt gedaan.
− In bestaande onderzoeken onvoldoende rekening wordt gehouden met het maturity-level van
organisaties en sectorspecifieke trends en ontwikkelingen
− De functieprofielmethodiek van Horssen & Meijs (2017) een interessant vertrekpunt zou
kunnen zijn om inzicht te krijgen in hoe en in welke mate functies worden beïnvloed door
technologische ontwikkelingen.

8
3 VRAAGSTUKKEN IN VERANDERING
VAN SKILLS
INVENTARISATIE VAN BEHOEFTEN BIJ STAKEHOLDERS
Als onderdeel van het vooronderzoek is een aantal interviews gehouden met potentiële gebruikers
van/belanghebbenden bij de analysetool om in kaart te brengen aan welke inzichten men behoefte
heeft en welke vragen beantwoord moeten kunnen worden met de tool. Hiervoor is gesproken met
functionarissen bij provincies, overheden en brancheorganisaties. Onderstaand wordt een samenvatting
van de gesprekken gegeven.0
SAMENVATTINGEN VAN GESPREKKEN
Respondent 1
Volgens de respondent hebben de snelle technologische ontwikkelingen invloed op banen in de
logistieke sector. “Binnen logistieke processen spelen digitalisering en robotisering een steeds grotere
rol”. De respondent geeft aan dat het voor organisaties belangrijk is om inzicht te hebben hoe deze
ontwikkelingen de “competentiebehoefte” op de middellange en lange termijn beïnvloedt. Hier zouden
bedrijven in hun opleidings- en scholingsbeleid rekening mee moeten houden. De respondent geeft aan
dat “veel Logistieke MKB-ers bezig zijn met het hier en zich onvoldoende bezighouden met de dag van
morgen”. Informatie over hoe banen veranderen en welke gevolgen dit heeft voor de inhoud van het
werk is versnipperd.
Respondent 2
De respondent geeft aan dat techniek een steeds grotere rol speelt binnen logistieke processen. Denk
daarbij aan digitalisering, algoritmen en automatisering. Inzicht krijgen en houden op hoe dit het werk
van medewerkers beïnvloed is natuurlijk belangrijk. “Het werk wordt er niet per se ingewikkelder van,
maar wel anders”. Er zou meer aandacht moeten zijn voor doorlopende coaching van medewerkers als
het gaat om gebruik van techniek binnen de eigen werkzaamheden. De respondent geeft ook aan dat er
op dit moment geen “goede informatievoorziening is richting het MKB” als het gaat om hoe de
competentiebehoefte zich zal gaan ontwikkelen. Volgens de respondent is het belangrijk om ook oog te
blijven houden voor soft skills. Ook is het volgens de respondent van belang om ontwikkelingen op
macroniveau (=DESTEP-factoren) mee te nemen in het concept.
Respondent 3
Volgens de respondent is inzicht in hoe competenties zich ontwikkelen zeker van belang. De vraag is wel
in hoeverre technologische ontwikkelingen (en de effecten hiervan op de competentiebehoefte)
sectorspecifiek zijn. De respondent geeft ook aan dat het goed zou zijn om bij de verdere ontwikkeling
van ons concept in gesprek te gaan met de afdeling “Onderwijs & Arbeidsmarkt” van de Provincie
Gelderland. Er is geen vaste informatiebron als het gaat om competentiebehoefte in de logistieke
sector. Wat de respondent ook aangaf is dat de beschikbare informatie op dit vlak vaak weinig “concrete
houvast geeft”.
Respondent 4
De respondent beschrijft een behoefte aan cijfermatige rapporten over Human Capital research dat nu
nog in de literatuur ontbreekt. Er is beperkte informatie beschikbaar die de afstand beschrijft tussen wat
het onderwijs levert en wat de arbeidsmarkt in de toekomst zal vragen. Bij voorkeur wordt onderscheid

9
gemaakt in opleidingsniveau en technologische maturity/adoption van de bedrijven. Ook is het
wenselijk dat in onderzoek gebruikte verzameling aan vaardigheden volledig zijn. Momenteel is
onvoldoende gedefinieerd wat onder bepaalde competenties wordt verstaan. Bedrijven vinden het vaak
lastig om te voorspellen welke competenties in de toekomst relevant worden. De industry-leaders
(leader firms) kunnen hier wellicht een licht op schijnen hoe zijn dit hebben gedaan.
Respondent 5
De respondent geeft aan dat zij veel data heeft, ook per regio, en zij is daardoor in staat om 5 jaar
vooruit te kijken. Zij ziet vooral een demografische problematiek en daardoor een noodzaak tot
automatisering. Echter, 17% van onze arbeidsmarktpopulatie kan niet goed lezen en schrijven en bij
voorkeur zouden zij ook nog digitaal vaardig worden om te kunnen (blijven) werken de transport en
logistiek. De respondent beschrijft dat nadruk op imago van automatisering belangrijk is, zodat
werknemers voelen dat zij niet ‘weg geautomatiseerd’ worden, maar juist geholpen worden in hun
werkzaamheden door nieuwe technologie. Een ICT’er blijkt lastig te overtuigen zijn om in de logistiek te
komen werken, maar een logistieke werknemer met ICT-kennis is juist goud waard! Het is belangrijk dat
werknemers digitaal vaardig zijn in de brede zin van het woord. De waarde voor onderwijsprogramma’s
is de ruimte voor individualisatie o.b.v. studenten hun eigen voorkeur.
Respondent 6
Op hoog niveau kunnen verschuivingen in de arbeidsmarkt worden gemonitord met cijfers over in- en
uitstroom, aantallen en leeftijdsopbouw van werkenden en dergelijke zoals deze beschikbaar zijn bij o.a.
het CBS, regionaal is er de Zeeuwse arbeidsmarktmonitor. Deze monitor biedt beperkt mogelijkheden
om op sectoren dan wel branches in te zoomen. Voor voorspellingen hoe de behoeftes op de
arbeidsmarkt veranderen zijn rapporten van de Topsector Logistiek en brancheverenigingen relevant.
Specifiek voor de sector logistiek zijn er ook veel projecten die zich hiermee bezighouden en hierover
rapporteren. Prognoses blijven voorspellingen, dus de zekerheid die hierin wordt gezocht is (in ieder
geval ten dele) een illusie, maar zijn om een globaal beeld te krijgen afdoende. Voor de arbeidsmarkt is
het belangrijk de stap te zetten van het denken in functieprofielen naar denken in
competentieprofielen. Het zou beter zijn als bedrijven zoeken naar iemand met bepaalde skills dan met
een bepaalde opleiding. Om deze omslag in denken voor elkaar te krijgen is wel een duidelijke vertaling
nodig naar deze competentieprofielen en skills. Een pragmatische aanpak tussen bedrijven en onderwijs
die zowel bedrijven bewustwording geeft als het onderwijs blijft verbinden aan de concrete vragen
vanuit bedrijven kan helpen bij het realiseren van deze omslag.
Respondent 7
Voordat het bedrijf van de respondent ging automatiseren, dachten ze vooral hoger opgeleiden nodig te
hebben (HBO en WO). Het automatiseringsproces ontwikkelde zich echter op een manier waar ook
MBO’ers veel werkzaamheden goed konden uitvoeren. Wel blijven er een aantal hoger opgeleiden
nodig om te blijven innoveren. De respondent ziet dit verschijnsel terugkomen bij beroepen als
treinmachinist, vrachtwagenchauffeur en schipper. In plaats van volledig geautomatiseerd te worden,
blijven deze beroepen de komende jaren behouden, hetzij in een geautomatiseerde vorm. De
respondent geeft aan dat werknemers die net afgestudeerd zijn (zowel MBO als HBO) soms primaire
vaardigheden missen, zoals een heftruckcertificaat of kennis van douanezaken. Daarnaast zou de
respondent graag zien dat opleidingen meer soft-skills aanleren, zoals zelfkennis, klantvriendelijkheid en
een flexibele mentaliteit. Een leven lang blijven leren werkt namelijk alleen als de werknemer dit zelf
graag wil. Het imago van logistiek is niet heel goed volgens de respondent. Het zou helpen als op de
basisschool al hiermee kennis wordt gemaakt en de link wordt gelegd met het eigen gedrag.
Bijvoorbeeld, wat gebeurt er precies als je iets uit China besteld of als je een besteld artikel retour
stuurt? Scholieren zouden op de basisschool al bewust kunnen worden van logistiek.

10
Respondent 8
Technologie is een belangrijke enabler van de huidige maatschappelijke transities. Van een (toekomstig)
logistiek managers wordt verwacht dat hij over zowel analytics translator- als leiderschap skills beschikt.
Hier dient bv. in curricula van logistieke HBO-opleiding expliciet reken mee gehouden te worden. De
respondent geeft aan dat “begrip hebben van de technische kant van logistieke concepten” en “mensen
mee kunnen nemen in veranderingen” cruciale competenties zijn. Een goed inzicht in hoe de behoefte
aan technische skills (op detailniveau) verandert is zeer waardevol. Op dit moment ontbreekt dergelijk
inzicht. Volgens de respondent zou het ook interessant zijn om meer inzicht te hebben welke categorie
medewerkers de meeste invloed hebben op (veranderingen in) de “analytics maturity” van bedrijven
(oud, jong, zij-instromers etc.)
OVERZICHT VAN BEHOEFTEN BIJ STAKEHOLDERS IN DE SECTOR
Op basis van de interviews kan worden gesteld dat er consensus is onder de respondenten dat
technologische ontwikkelingen als digitalisering en robotisering banen in de logistiek (verder) zullen
veranderen. Voor organisaties is het belangrijk om te weten hoe die ontwikkelingen de
competentiebehoefte op de middellange en lange termijn beïnvloedt. Bedrijven hebben deze informatie
namelijk nodig om hun opleidings- en scholingsbeleid door te ontwikkelen dan wel aan te passen.
Bedrijven vinden het echter lastig om in te schatten welke competenties in de toekomst belangrijk(er)
worden. Tegelijkertijd ontbreekt het hen aan goede informatievoorziening hieromtrent. Kennis over hoe
banen veranderen en wat de consequenties voor functies en werk zijn, is versnipperd en ontbeert
concrete houvast. Zo zijn competenties onvoldoende scherp gedefinieerd waardoor het onduidelijk is
wat eronder wordt verstaan. Bestaande rapportages zijn niet altijd nauwkeurig en enkel voldoende om
een globale indruk te krijgen. Daarnaast ontbreekt het ook aan inzicht in wat het onderwijs nu aanbiedt
en wat er in de toekomst nodig zal zijn vanuit de arbeidsmarkt. Dergelijke inzicht is noodzakelijk voor
opleidingen om hun curricula aan te passen aan de veranderende arbeidsmarkt.
De belangrijkste wensen en behoeften van de stakeholders kunnen als volgt worden samengevat:
− Een overzicht van duidelijke definities van competenties, duiding en belang van taken en skills
binnen functies.
− Inzicht in het verband tussen taken en skills enerzijds, en de volwassenheid van een bedrijf op het
gebied van technologisering anderzijds gewenst. Aan welke skills is meer/minder behoefte als een
bedrijf meer gaat automatiseren/digitaliseren?
− Zicht op veranderingen in de ontwikkeling van skills en competentiebehoeften, als gevolg van
technologische ontwikkelingen. Meer specifiek, een begrip van hoe taken en skills binnen een
functie veranderen als gevolg van technologisering, zowel kwalitatief (het duiden van de
verandering van skills en taken) als kwantitatief (hoeveel taken en uren veranderen, indicator over
het belang van skills voor een functie en de wijzigingen daarin, het aantal banen dat wijzigt dan wel
verdwijnt of ontstaat in de sector.
Vragen om te beantwoorden middels de te ontwikkelen analysetool kunnen dan zijn:
− Hoe veranderen de benodigde skills voor een bepaalde functie? Hoe verandert de tijdsbesteding
aan taken in functies als gevolg van technologisering?
• Denk hierbij aan onderlinge verschuivingen in tijdsbesteding van skills. Bijvoorbeeld, een
magazijnmedewerker zal door automatisering minder moeten tillen, omdat dit wordt
overgenomen door een palletrobot, maar meer administratief werk moeten uitvoeren
door ter plaatse voorraadtellingen en systeemcorrecties toe te passen.

11
• Denk hierbij aan wegvallen van bestaande skills of intrede van nieuwe skills. Bijvoorbeeld,
een magazijnmedewerker zal helemaal niet meer hoeven tillen, omdat het warehouse
volledig geautomatiseerd is. In de plaats daarvan zal de magazijnmedewerker skills moeten
leren om onderhoud uit te voeren bij mechanische- of IT-storingen.
• Dit is relevant voor bedrijven, omdat zij met dit inzicht nu al kunnen beginnen met het
aanpassen van hun personeelsbestand (om- of bijscholen of ontslaan en aannemen). Dit is
ook relevant voor onderwijsinstellingen, omdat zij hun nu al hun curriculum kunnen
aanpassen, zodat studenten de juiste skills bezitten wanneer zij afstuderen en de
arbeidsmarkt op gaan.
− Hoe veranderen functies door verandering in benodigde skills?
• Denk hierbij aan een functie waarbij de activiteiten deels geautomatiseerd zijn, maar de
weggevallen activiteiten niet worden vervangen door alternatieven. Hierdoor kunnen de
overgebleven activiteiten bijvoorbeeld slechts 0,5 FTE zijn. Oftewel, het overgebleven werk
kan worden gedaan door minder mensen en hierdoor zullen banen verdwijnen. Andersom
zou ook kunnen voorkomen, dat een functie dusdanig verandert dat er >1 FTE voor nodig is
om hem uit te voeren (bijvoorbeeld IT-personeel om een geautomatiseerd warehouse te
beheren). In dit geval komen er banen bij.
• Denk hierbij aan een functie waarbij de activiteiten volledig geautomatiseerd zijn, zodat de
gehele functie wegvalt. Bijvoorbeeld de functie vrachtwagenchauffeur die volledig weg zou
kunnen vallen wanneer zelfrijdende vrachtwagens beter ontwikkeld zijn. Met deze
informatie kunnen dit soort bedrijven en de werknemers nu al anticiperen om een
toekomstig ontslag te voorkomen. Andersom zou ook kunnen voorkomen, dat 100% van
de activiteiten van een functie worden vervangen door andere activiteiten. In dit geval
moet de functietitel worden aangepast.
− Hoe verschillen bedrijven op verschillende volwassenheidsniveaus van technologisering in
termen van skills en competentiebehoeften?
− Welke vraag is er naar medewerkers met bepaalde skills? (Kwantitatief)
Uit de interviews zijn ook een aantal tips ten aanzien van de analysetool ontwikkeling naar voren
gekomen:
− Heb oog voor soft skills
− Houd rekening met ontwikkelingen op marco-niveau
− Maak een onderscheid in opleidingsniveau en technologische volwassenheid van bedrijven
− Industry leaders kunnen allicht hun licht laten schijnen over hoe zij het voorspellen van
competentiebehoeften aanpakken
− Leer waar mogelijk van andere sectoren (In hoeverre zijn technologische ontwikkelingen, en de
impact op competentiebehoeften sectorspecifiek?)
− Denk meer in competentieprofielen dan functieprofielen

12
4 IMPACT VAN TECHNOLOGIE OP SKILLS IN DE
LOGISTIEKE FUNCTIES OP HBO-NIVEAU
CONCEPTUEEL MODEL
In de analyse van de impact van technologie op benodigde skills van HBO-logici onderscheiden we de
logistieke functie, de activiteiten die binnen deze functie worden uitgevoerd en de skills die nodig zijn
om deze activiteiten uit te voeren (zie conceptueel model in Figuur 1). Een logistieke functie wordt
gedefinieerd in termen van prestaties en verantwoordelijkheden. Bijvoorbeeld: een transportplanner
heeft de verantwoordelijkheid om de beschikbare voertuigen zodanig in te zetten dat alle klantorders
conform klantwensen worden uitgevoerd en de beschikbare capaciteit zo efficiënt mogelijk wordt
ingezet. Binnen een logistieke functie worden om deze doelstelling te realiseren meerdere activiteiten
uitgevoerd (pijl a). Een transportplanner verwerkt en controleert de binnenkomende orders, controleert
de beschikbaarheid van de capaciteit, plant orders in op de beschikbare capaciteit, geeft opdrachten
door aan de chauffeurs, monitort de uitvoering, lost praktische problemen op, past indien nodig de
planning aan en informeert klanten van eventuele wijzigingen. Binnen elk van deze activiteiten maakt
een medewerker gebruik van een of meerdere skills en ondersteunende systemen (pijl b). Deze skills zijn
bijvoorbeeld analyseren van een complex probleem, communicatieve vaardigheden,
inleveringsvermogen, etc.
Technologie raakt de logistiek op verschillende manieren invloed (pijl c):
- Ontwikkeling van applicaties die de uitvoering van een activiteiten van een HBO-logisticus
ondersteunen of overnemen (automatisering van de werkplek)
- Ontwikkeling van applicaties en logistieke systemen die de logisticus ontwerpt, plant of managet
(automatisering van het logistiek proces).
- Ontwikkeling van nieuwe logistieke producten en diensten die bestaande processen of rollen in de
keten veranderen (verandering van de business).
Elk van deze technologische ontwikkelingen heeft impact op de activiteiten en daarmee ook de skills in
logistieke HBO-functies:
- Directe impact op activiteiten van een HBO-logisticus (pijl d: technologie kan taken van de
HBO logisticus geheel of gedeeltelijk overnemen als technologie de benodigde skills kan
invullen. Denk aan een productieplanner wiens planningssoftware steeds slimmer wordt en
d.m.v. artificial intelligence uiteindelijk zelf kan plannen, wellicht zelfs beter dan een mens.
Menselijke interventie is dan bijvoorbeeld enkel nodig bij uitzonderingen of om de output te
monitoren. Daarmee kan ook de tijdbesteding van activiteiten veranderen.
- Indirecte impact op de activiteiten (pijl e): technologie verandert de processen in de logistiek en
daarmee ook de rol die de HBO-logisticus heeft in het plannen en/of managen van logistieke
processen en teams van mensen. Daardoor veranderingen de activiteiten die de HBO-
logisticus uitvoert. Bijvoorbeeld: een magazijn wordt geautomatiseerd/gemechaniseerd waardoor
het aantal mensen dat werkzaam is in een warehouse afneemt. De tijdsbesteding en benodigde
skills rondom people management binnen de functie van een warehouse manager zullen dan
afnemen. Echter, de (digitale) skills met betrekking tot het plannen van de warehousecapaciteit
verandert omdat technologie in de nieuwe situatie meer bepalend is.

13
- Indirecte impact op business van bedrijven (pijl f) door technologie-veranderingen kan een business
veranderen of zelfs verdwijnen. Ook kunnen er nieuwe bedrijven ontstaan die juist deze nieuwe
technologie inzetten. Daarmee vallen activiteiten geheel weg.
Al deze veranderingen in de activiteiten hebben invloed op de skills die nodig zijn om logistieke
activiteiten uit te voeren (pijl b).
Figuur 1: conceptueel model
Er zijn ook tweede orde effecten door de veranderingen van tijdbesteding, complexiteit en belang van
bepaalde activiteiten en skills binnen een logistiek functie:
- Door verandering in tijdbesteding kunnen de verantwoordelijkheden van logistieke functies worden
gewijzigd. Bijvoorbeeld als de tijdbesteding van activiteiten afneemt en er verantwoordelijkheden
en taken van een andere functie worden toegevoegd (pijl h).
- Door verandering in de benodigde skills kan het opleidingsniveau van een functie worden
aangepast. In een complexe gerobotiseerde warehouse omgeving waarin relatief weinig mensen
werken kan een bedrijf beslissen op de warehouse manager te vervangen door een technische
engineer op academisch niveau die meer inzicht heeft in de technische kenmerken van het
warehouse of het aanstellen van enkele process operators op MBO-niveau die de uitvoering van
de geautomatiseerde processen monitoren en kleine storingen kunnen oplossen.
Naast de technologische ontwikkeling kunnen ook andere factoren invloed hebben op de veranderingen
in skills van HBO-functies. In deze analyse laten we die buiten beschouwing.
TWEE ANALYSES VAN VERANDERINGEN IN SKILLS
De wensen en behoeften van de stakeholders (zie hoofdstuk 3) kunnen worden vertaald naar twee
vraagstukken:
1. Het monitoren en begrijpen van de veranderingen in de benodigde skills binnen de sector en de
impact van technologische ontwikkelingen binnen deze waargenomen veranderingen.
Veranderingen in de skills komen tot uiting in de vacatures die door bedrijven worden

14
geplaatst. Door middel van data driven onderzoeksmethoden kunnen de veranderingen in
skills uit deze vacatures worden afgeleid. Bij bedrijven die koploper zijn in de adoptie van
nieuwe technologie zullen veranderingen in activiteiten en skills als eerste zichtbaar
zijn. Informatie over wat er in de komende 0 tot 5 jaar gaat veranderen op het gebied van skill-
vereisten bevindt zich in de huidige beschikbare vacaturedata van koploperbedrijven.
Om de verandering in skills te kunnen koppelen aan de adoptie van nieuwe technologie is het
noodzakelijk om de koploperbedrijven te kunnen identificeren.
2. Het voorspellen van toekomstige veranderingen in skills door de introductie van nieuwe
technologie in de logistiek. Om voorspellingen te doen voor technologie die nog niet binnen de
logistiek wordt toegepast en binnen 5 tot 10 jaar beschikbaar komt, is het niet mogelijk om de
impact op activiteiten en skills af te leiden uit vacaturedata. Om dat te kunnen voorspellen
dient een inschatting te worden gemaakt van de mate waarin technologie de menselijke skills
kan vervangen, wanneer deze technologie is uitontwikkeld en wanneer de toepassing van de
technologie economisch rendabel is. Ook de snelheid van adoptie in verschillende segmenten
van de logistiek moet worden ingeschat. In het literatuuroverzicht is al aangegeven dat bij het
voorspellen van benodigde skills in de toekomst vaak gebruik gemaakt wordt van
expert judgement. De crux voor het ontwikkelen van een betrouwbare voorspelling, is om de
argumenten en verwachtingen met betrekking tot de impact van technologie concreet te
maken en direct in verband te brengen met een logistieke functie, een activiteit en de skills die
nu gevraagd worden.
De twee type analyses zijn weergegeven in Figuur 2. De link tussen de twee type analyses bestaat uit
een database met logistieke functies, activiteiten die worden uitgevoerd voor een specifieke functie en
de skills die voor specifieke activiteiten nodig zijn. In doorlopend onderzoek kunnen de bestaande
profielen van logistieke functies, de activiteiten en skills worden vergeleken met nieuwe vacatures die
worden gepubliceerd en kunnen vanuit de geconstateerde verschillen de profielen van logistieke HBO-
functies worden geactualiseerd. De geactualiseerde logistieke functies, activiteiten en skills vormen
tevens het startpunt voor het bepalen van de wijze waarop technologische ontwikkeling functies raakt.
Door McKinsey (2017a, 2017b, 2018) wordt vanuit bestaande logistieke en skills een inschatting
gemaakt wanneer technologie deze menselijk skills op adequate wijze kan vervangen en in welke jaar.
Vervolgens wordt dan aangeven wanneer er binnen de bestaande functieprofielen verwachtingen zijn te
verwachten. De kern van de methodiek is een database waarbij de veranderingen door de tijd zichtbaar
zijn. Dat voor verschillende jaartallen aangeven kan worden welke activiteiten in het kader van een
functie moeten worden uitgevoerd, wat de tijdbesteding per activiteit is en welke skills daarvoor nodig
zijn.

15
Figuur 2: Twee analyses voor het bepalen van veranderingen in skills.
In Figuur 2 wordt aangeven dat veranderingen in de vacatures worden gedreven door veranderingen in
de business (business dynamics). In de vacatures komen alle veranderingen waarmee bedrijven
geconfronteerd worden en die impact hebben op logistieke functies, activiteiten en skills, terecht. Het is
niet mogelijk om via data driven onderzoek de impact van technologie uit deze veranderingen te
filteren. Bij het voorspellen van de impact van nieuwe of het opschalen van technologie kunnen wel
geïsoleerde analyses worden gemaakt, waarbij alleen wordt ingezoomd op de impact van een specifieke
technologie. Andere factoren zoals economische groei, wet- en regelgeving, onverwachte politieke of
maatschappelijke ontwikkelen worden daarin buiten beschouwing gelaten.

16
5 LOGISTIEKE FUNCTIES, ACTIVITEITEN EN
SKILLS
Bij het uitvoeren van de eerder beschreven analyses is een afkadering nodig van de functies, activiteiten
en skills die worden meegenomen en moet een passend aggregatieniveau gekozen worden.
Onderstaande paragrafen gaan kort in op de verschillende keuzes die gemaakt kunnen worden en geeft
een denkrichting hoe hiermee in de tool omgegaan kan worden.
LOGISTIEKE FUNCTIES
Gedacht vanuit het logistieke sectorhuis zijn relevante functies te vinden in verschillende sectoren. De
logistieke sector zoals het CBS deze hanteert (bedrijfsklasse H: transport en opslag) vindt dus aanvulling
vanuit sectoren als de industrie en landbouw en groot- en detailhandel.
Op het niveau van hogeropgeleide logistieke functies worden zodoende in het rapport Arbeidsmarkt en
Onderwijs Logistiek Kwantitatief (Panteia, 2020) globaal de volgende beroepsgroepen meegenomen
(met ISCO-2008 codering):
- Managers logistiek, distributie e.d. (1324);
- Managers groothandel (1420);
- Scheepswerktuigkundigen (3151);
- Dekofficieren en loodsen (3152);
- Inklaringsagenten en expediteurs (3331);
- Logistiek vakexperts (4321);
- Werkvoorbereiders, productieplanners, orderbegeleiders (4322);
- Transportplanners (4323);
- Piloten en vlieginstructeurs (3153);
- Luchtverkeersleiders (3154);
- Inkopers (3323).
Door vacatures binnen deze beroepsgroepen te categoriseren wordt een vrij hoog aggregatieniveau
gekozen. Dit staat in contrast met de O*NET database van de U.S. Department of Labour, waarin juist
wordt gekozen voor een veel lager aggregatieniveau en de lijst van beroepstitels in de logistieke sector
meer dan duizend verschillende omschrijvingen bevat (zie link). Hierdoor kunnen analyses beter
aansluiten bij de praktijk en verschillen tussen functies beter worden meegenomen dan bij de sterk
geaggregeerde groepen zoals meegenomen door Panteia (2020). Keerzijde is dat de nuances tussen de
beroepsbeschrijvingen lang niet altijd onderscheidend zijn en er op gedetailleerd niveau zeer veel
gegevens nodig zijn, waarbij de onzekerheid van trends en effecten ook dusdanig groot kan zijn dat er
een vals gevoel van nauwkeurigheid wordt gewekt.
Een hoog detailniveau stelt bijvoorbeeld in staat om onderscheid te maken tussen de effecten van
bepaalde technologische innovaties op het werk van een logistiek manager in een productie-omgeving
en een logistiek manager van een distributiecentrum. Deze functies kunnen verschillen in het type
activiteiten dat wordt uitgevoerd en de relatieve tijdsverdeling tussen de uitgevoerde activiteiten,
waardoor naar verwachting innovaties ook verschillende effecten kunnen hebben. Hoe onzekerder de
gegevens waarmee gewerkt wordt zijn, hoe lastiger het wordt hier echter zinnige inzichten uit te krijgen.
Door gegevens te aggregeren tot een lager detailniveau kan met minder gegevens juist inzicht verkregen
worden over de algemene verwachtingen voor de veranderingen in benodigde vaardigheden binnen een
groep beroepen.

17
Om de impact van technologische innovaties op beroepsgroepen concreet te maken moet dus ook
verschil worden gemaakt tussen verschillende typen werkomgeving. Daarmee wordt niet alleen het
verschil onderkend tussen de functies van bijv. een manager of planner, maar wordt ook rekening
gehouden met de verschillen in taken en benodigde skills in de context van bijv. transport of van
warehousing. Op basis van de verschillende beroepsgroepindelingen is gezocht naar een werkbaar
detailniveau dat dit onderscheid kan maken. Rekening houdend met de scope van logistieke hbo-
functies bij logistiek dienstverleners, verladers en andere bedrijven met een fysieke goederenstroom, is
ons voorstel om specifieke logistieke functies te categoriseren naar vier typen logistieke functies
(manager, planner, engineer, analyst) en vier typen werkomgeving (transport/terminal, warehouse,
productie, demand/inventory). Hiermee ontstaan zestien categorieën die in de tool dienen als basis
voor de gewenste analyses (zie Hoofdstuk 6 voor de beschrijving hoe vacaturedata worden gebruikt)
ACTIVITEITEN
Technologische innovaties hebben in eerste instantie een effect op de acties die binnen een bepaalde
logistieke functie worden uitgevoerd. Om dit effect te beoordelen moet een beeld worden gevormd van
de activiteiten die bij het uitvoeren van deze functies horen. Hierbij kan slechts ten dele uitgegaan
worden van de informatie die direct in vacatures te vinden. Uit het rapport van Skills Navigator (2019)
blijkt dat een deel van de door hen gebruikte vacatures niet expliciet ingaat op gewenste vaardigheden
en uit te voeren activiteiten, of blijkt uit veldonderzoek dat de uit te voeren activiteiten en daarvoor
vooronderstelde vaardigheden anders zijn dan die worden genoemd in vacatureteksten. Een verrijking
van de gegevens vanuit empirisch onderzoek is daarmee onvermijdelijk.
De O*NET database gebruikt hiervoor bijvoorbeeld gestandaardiseerde vragenlijsten. Een statistisch-
willekeurige selectie van bedrijven wordt gemaakt, waarvan verwacht wordt dat deze medewerkers
binnen de betreffende logistieke functie in dienst hebben. Deze worden geïdentificeerd en een selectie
wordt benaderd met de vragenlijst, om zo de informatie in de database te verrijken en bij de tijd te
houden (zie O*NET voor een korte weergave). Een vergelijkbare aanpak wordt gebruikt door McKinsey
Global Institute (2017b), die voor hun uitgangslijst van 2000 activiteiten zich ook baseren op de O*NET
database en hierbij hun eigen onderzoek en expertise gebruiken om deze verder te interpreteren.
In de beschrijving van activiteiten is het belangrijk onderscheid te houden tussen uit te voeren acties
(werkwoorden) en verantwoordelijkheden en skills die bij een functie horen. Enkele voorbeelden zijn:
- registreren van orders
- inplannen van orders
- monitoren van uitvoering
- aanpassen van de planning
- uitgeven van opdrachten
- feedback geven op medewerkers
- interpreteren van rapportages
- doorrekenen van productieplanning
Dit is het niveau waarop de impact van technologische innovaties concreet valt te maken. Door deze
activiteiten te koppelen aan de daarvoor benodigde skills valt daarna te interpreteren hoe een
technologische innovatie deze skills beïnvloedt. De verschuiving in activiteiten die bij een logistieke
functie horen wordt zo vertaald naar een verschuiving in benodigde skills.

18
SKILLS
Uit de literatuur blijkt dat de vertaling van activiteiten naar skills niet eenduidig is en ook de definities
van skills sterk uiteenlopen. Net als bij logistieke functies en activiteiten zijn er zeer gedetailleerde
classificaties en benaderingen waarin gebruik wordt gemaakt van aggregatie.
Aan de ene kant beschrijft de lijst van vaardigheden, competenties, kwalificaties en beroepen van de
Europese Commissie (zie https://ec.europa.eu/esco/portal/skill) ongeveer 13.500 skills, onderverdeeld
in de categorieën (i) attitudes en waarden, (ii) kennis, (iii) taalvaardigheden en taalkennis en (iv)
vaardigheden. Deze lijst is gedeeltelijk gebaseerd op de classificaties van de O*NET database en de
taxonomie zoals gebruikt door de Canadese overheid en wordt bijvoorbeeld ook gebruikt door
SkillsInZicht.nl.
Aan de andere kant worden in McKinsey Global Institute (2017b) enkele intrinsieke eigenschappen
(abilities) en aangeleerde vaardigheden (‘learned skills’) geaggregeerd tot 18 ‘skills’ in de vijf categorieën
sensorische perceptie, cognitieve bekwaamheden, taalverwerking, sociale en emotionele
bekwaamheden en fysieke bekwaamheden. Zij gebruiken deze indeling om te bekijken wat het effect is
van bijv. automatisering op het gebruik van deze skills en verschuivingen in het aantal uren waarin een
bepaalde skill nodig is. McKinsey Global Institute (2018) komt met eenzelfde aanpak tot 25 skills in de
vijf categorieën motorische vaardigheden, basis cognitieve vaardigheden, hogere cognitieve
vaardigheden, sociale & emotionele vaardigheden, en technologische vaardigheden. Ze gebruiken deze
om veranderingen te identificeren in de door het werkveld gevraagde vaardigheden, en opperen op
basis daarvan enkele interventies en actiepunten om op deze veranderingen in te spelen. Deze
methoden maken daarmee ook een onderscheid tussen skills op het niveau van een persoon en
beroepsgerelateerde skills.
Daarnaast wordt niet altijd duidelijk onderscheid gemaakt tussen skills, kennis en activiteiten. Zo komen
in het rapport van Manders, J. et al. (2020) zaken als ‘analytisch denken’ voor in eenzelfde overzicht als
‘kennis van wet- en regelgeving’. Panteia (2020), dat gebruik maakt van de terminologie zoals deze in
vacatures te vinden is, zet bijvoorbeeld voor de beroepsgroep ‘logistiek manager’ zaken als ‘supply chain
management’ en ‘plannen’ onder elkaar. Dit bemoeilijkt het duidelijk in beeld krijgen van de effecten
van technologie en trends op veranderingen in benodigde skills. Daarvoor is een duidelijke afkadering en
categorisering nodig van de gebruikte begrippen.
In Figuur 3 en Figuur 4 worden enkele van de gebruikte indelingen uit de geraadpleegde rapporten naast
elkaar gezet. Hieruit blijkt hoe met verschillende brillen naar hetzelfde onderwerp gekeken kan worden.
Een skill als ‘Equipment Maintenance’ (2.B.3.j. in de O*NET categorisatie) kan zodoende vallen onder
physical capabilities (McKinsey Global Institute 2017b), Physical and manual skills en Technological skills
(McKinsey Global Institute 2018), en loopbaanvaardigheden (Skills Navigator 2018,2019). De
uiteindelijke keuze voor een skills-set waarmee in de tool gewerkt wordt is uiteindelijk een
pragmatische. Vanuit de vacatures moet het mogelijk zijn om een vertaling te maken naar activiteiten
die gekoppeld zijn aan de te gebruiken lijst van skills. Voor elke logistieke functie kan dan in kaart
gebracht worden uit welke activiteiten deze functie bestaat, en welk van de skills een rol spelen bij het
uitvoeren van die activiteiten. Een verschuiving van activiteiten als gevolg van technologische innovatie
vertaalt zich daarmee ook tot een verschuiving in het benodigde skills-profiel.

19
Figuur 3: Vergelijking skills categorisatie tussen twee rapporten van het McKinsey Global Institute

20
Figuur 4: Vergelijking skills categorisatie tussen Skills Navigator (2018) model 1 en Skills Navigator (2019) model 2

21
6 DATA DRIVEN MONITORING OF SKILLS
BLUEPRINT DATA DRIVEN MONITORING
We hebben onderzocht hoe een workflow voor de monitoring van skills in de praktijk kan worden
vormgegeven. Als voorbeeld, en zonder het project vast te pinnen op de genoemde partijen, gebruiken
we Figuur 5. De workflow geeft het proces weer vanaf het binnenhalen van ruwe data over vacatures
tot en met de analyses die de gewenste informatie moeten opleveren. Het voorbeeld combineert de
huidige workflows die onderzoeksbureau Dialogic gebruikt voor de sectoren ICT en Chemie, met de
nodige en mogelijke aanvullingen voor soortgelijk onderzoek voor de sector logistiek.
Data Inkopen
De workflow start, linksboven in het schema, met de inkoop van ruwe data. Er zijn twee grote
aanbieders van vacaturedata: Jobfeed en Jobdigger. Volgens Dialogic ontlopen deze twee elkaar niet
veel, in termen van prijs en kwaliteit. Dialogic maakt gebruik van Jobdigger, waarschijnlijk mede
ingegeven door het feit dat Jobdigger zich iets nadrukkelijker ook richt op de doelgroep van data-
analisten en onderzoekers, en de data kan aanleveren in geschikte formats. Aangezien de twee
aanbieders verschillende algoritmes gebruiken om vacatures van het Internet te halen, en vervolgens de
kwaliteit te verhogen door bijvoorbeeld dubbele vacatures eruit te filteren, zijn er kleine (systematische)
verschillen tussen de twee bronnen.
In principe is het mogelijk om alle (historische en actuele; eventueel real-time) vacatures in te kopen, en
zelf de gewenste – in ons geval, logistieke – vacatures te selecteren. Dit is echter duur, omdat de prijs
wordt bepaald per vacature. Het aantal vacatures, op enig moment, ligt in de orde van grootte van 100
duizend, en bij een prijs van ronde de één Euro per record betekent dat een forse kostenpost; het aantal
logistieke vacatures is naar schatting 5-10% van het totaal. Het is wel van belang dat de koper van de
vacatures zijn vraag duidelijk formuleert: immers, “logistieke vacatures” kan zowel betekenen vacatures
Figuur 5: aanpak van de data driven analyse van vacatures en skills

22
bij bedrijven in de logistieke sector, als een logistieke functie bij een bedrijf dat al of niet in de logistieke
sector actief is.
Ter illustratie: voor de chemie is het zinnig om (vacatures van bedrijven in) de sector chemie te
selecteren, omdat relatief weinig bedrijven in andere sectoren substantiële activiteiten hebben in
chemie. IT daarentegen zit overal, en een selectie van vacatures in de ICT-sector geeft een incompleet
beeld. Logistiek zit er waarschijnlijk tussenin: naast logistiek dienstverleners, zijn er grote bedrijven in
maakindustrie, en in de groot- en detailhandel, die logistieke activiteiten uitvoeren in (deels) eigen
beheer. Een combinatie van sectoren en beroepen ligt dan voor de hand, maar dat is een keuze.
Datasets Opschonen
Ingekochte datasets zijn zelden direct gereed voor analyse. Er moet nog een slag worden gemaakt om
de data op te schonen: sommige records (vacatures) horen toch niet in het bestand thuis; de informatie
over de vacatures moet op een andere wijze worden gestructureerd; het format van de data is anders
dan de voor analyse benodigde formats, enzovoorts. Vaak vereist deze slag een groot deel van de totale
bewerkingstijd – hoewel ook dit, na de nodige ervaring, te automatiseren is. Het lijkt goed om hier een
ervaren onderzoeker van de HZ of HAN bij te betrekken, omdat het ook om eerste analyses van de data
en om interpretatie gaat (het formuleren en bijhouden van skills sets).
Analyse
Na de opschoning volgt de analyse. Dialogic heeft algoritmes ontwikkeld om de vacatureteksten te
analyseren, voor de twee genoemde sectoren. De pijl tussen de blokken algoritme en skills set, in Figuur
5, wijst twee kanten op. Enerzijds genereert het algoritme skills uit de vacatureteksten; en
anderzijds worden de vacatureteksten geanalyseerd op gegeven (maar dynamische) skills sets.
Dialogic, bijvoorbeeld, formuleert zelf skills sets voor de ICT-sector, omdat ze traditioneel al veel weten
over ontwikkelingen in die sector. Van logistiek, en de beroepen en skills die wij willen meten, weten ze
minder, dus input van onderzoekers en inhoudsdeskundigen is gewenst. Overigens zijn de
data science gerelateerde skills sets ook bij Dialogic al wel voorhanden omdat ze dat nauwgezet voor de
ICT-sector in kaart brengen.
In een notendop behelst het algoritme het volgende:
Relevante skills worden gegenereerd met Artificiële Intelligentie (AI). Een AI-model wordt getraind om
de “vacaturetaal” te begrijpen, zodat het model een semantisch begrip krijgt van de taal. Vervolgens
wordt het model gevoed met een shortlist van relevante skills voor de sector. Op basis van de
semantische nabijheid kan het model vervolgens teksten teruggeven die met een grote
waarschijnlijkheid (gerelateerde) skills representeren die nog niet op de shortlist stonden. De output
wordt gecheckt, en relevante skills worden aan de lijst toegevoegd. De kans om relevante skills over het
hoofd te zien, wordt hierdoor steeds kleiner, terwijl tegelijkertijd nieuwe skills (al of niet als
subcategorie van bovenliggende skills) worden gedetecteerd.
De reden om AI te gebruiken is dat het moeilijk is om handmatig een uitputtende lijst van skills te
genereren. Het herkennen van zo’n uitputtende lijst is daarentegen een gemakkelijke taak. Er is dus een
slimme samenwerking met de computer!
Deze wijze van werken leent zich nadrukkelijk voor het in kaart brengen van de dynamiek in gevraagde
skills.

23
Output/Rapportage
Dialogic maakt geen rapporten-oude-stijl meer, maar produceert en beheert dashboards, met
interactieve mogelijkheden.
De dashboards zijn feitelijk en beschrijvend; voor de logistieke sector zijn beschouwende, analytische
rapportages als aanvulling op de dashboards op hun plaats.
Dashboards voor de sector chemie zijn te vinden via deze link.
Eigen Onderzoek
Het gebruik van de data voor eigen onderzoek is wel een punt. Onderzoekers van de HAN/HZ zullen,
voor beschouwende analyses dieper willen graven, maar dat moet wel in het contract met partijen als
Jobdigger of Jobfeed worden geregeld. Gedetailleerde analyses kunnen de schijn wekken van
doorverkoop, in geval voor onderzoek binnen de logistiek HZ/HAN gebruik maken van de diensten van
een partij zoals Dialogic die niet de eigenaar is van de data. Aanvullend (academisch) onderzoek zal dan
in principe op de locatie van de koper (in dit voorbeeld, ten kantore van Dialogic) moeten
gebeuren. Uiteraard wordt dit probleem omzeild als HZ/HAN de ruwe data direct inkopen bij een van de
aanbieders.
Figuur 6: screenshot dashboard ICT-vacatures (bron: https://pr-edict.nl/ict-vacatures)
Figuur 7: screenshot dashboard ICT-functies (bron: https://pr-edict.nl/ict-vacatures)

24
Vervolgonderzoek door koppeling met eigen data
Een zwakte van de analyse van ingekochte data is dat het moeilijk of zelfs onmogelijk is om de uitkomsten
te relateren aan andere gegevens over de bedrijven die achter de vacatures schuilgaan.
Eén idee is, bijvoorbeeld, om de gevraagde skills te koppelen aan gegevens over de volwassenheid van
logistieke bedrijven op het gebied van het gebruik van data voor analytische toepassingen. De HAN (en
andere organisaties) gebruiken daarvoor allerlei maturity modellen. Binnen de HAN wordt er gewerkt
aan een panel van logistieke bedrijven die regelmatig worden gevraagd naar relevante indicatoren van
maturity. Het koppelen van deelnemers aan het panel, aan de data van Jobdigger of Jobfeed
(bijvoorbeeld op basis van bedrijfsnaam) lijkt op voorhand zeer lastig. Het zal blijken dat
paneldeelnemers niet in de vacaturedata zijn terug te vinden, om wat voor reden dan ook. De
verwachting is dat een specifieke extra actie, zoals webscraping van (gepubliceerde) vacatures bij
paneldeelnemers, haalbaar is. Analyse van de resultaten op basis van bestaande algoritmes (zoals die
van Dialogic) levert dan de gewenste extra inzichten, zoals samenhang tussen, zeg, gevraagde skills,
volwassenheid en (financiële en niet-financiële) bedrijfsprestaties.
Predictive Modeling
Een laatste stap in dit onderzoeksontwerp zou kunnen zijn om de harde resultaten uit de voornoemde
stappen voor te leggen aan een expertpanel. De experts kunnen dan hun toekomstvisies geven, en
bijstellen.
De operationalisering van deze denkrichting is niet concreet in te vullen zonder de eerste uitkomsten
van de bovengenoemde fases. Ons voorstel is dan ook om op korte termijn te focussen op de harde kant
van het onderzoek, en de expertpanels – of soortgelijke opzetten – pasvorm te geven zodra er harde
resultaten zijn.

25
7 VOORSPELLEN VAN DE IMPACT VAN
TECHNOLOGIE OP SKILLS
INLEIDING
Zoals in hoofdstuk 2 is aangegeven wordt er in diverse studies een inschatting gegeven van de
veranderingen in benodigde skills als gevolg van technologische ontwikkeling. Het is lastig om te
beoordelen of deze voorspellingen juist of betrouwbaar zijn omdat we toekomst nog niet kennen en
omdat er geen ex-post onderzoek bekend is naar de betrouwbaarheid van voorspellingen over
veranderingen in skills. De methodiek die in dit onderzoek wordt voorgesteld kan deze betrouwbaarheid
ook niet waarborgen, maar is gericht om de redenaties en verwachtingen over de wijze waarop
technologie de logistiek en logistieke functies zal veranderen transparant en controleerbaar te maken.
De methodiek voor het voorspellen van veranderingen van skills voor HBO-logistici tracht een antwoord
te geven op de volgende vraagstukken:
- Op welke wijze veranderen de benodigde skills van HBO logistici door de adoptie van nieuwe
technologie en op deze technologie gebaseerde toepassingen in de logistieke sector?
Het antwoord op deze vraag is een kwalitatieve duiding van de veranderingen bestaande uit een
duidelijke redeneerlijn over wat de technologie functioneel of in termen van skills biedt en waar,
wanneer en hoe dat aangrijpt op de bestaande logistieke functies, activiteiten en benodigde skills.
- Wat is de impact van nieuwe technologie op bestaande logistieke functies in termen van de
samenstelling van activiteiten en het vereiste opleidingsniveau van medewerkers?
Hierbij wordt inzichtelijk gemaakt hoe door toepassen van technologie de activiteiten
en tijdbesteding binnen een functie veranderen en hoe ook de complexiteit van een functie
verandert omdat een hoger of lager niveau aan skills gevraagd wordt en welke verandering dat
vraagt van het opleidingsniveau van een medewerker.
- Wat is de kwantitatieve verandering in de toekomstige vraag naar professionals met de benodigde
skills als gevolg van technologische ontwikkeling?
Wanneer de impact van technologie op de tijdbesteding inzichtelijk voorspeld kan worden kan met
inzicht in de adoptiesnelheden van technologie ingeschat worden wanneer en hoeveel
medewerkers met nieuwe skills nodig zijn. Bij deze vraag laten we de gevolgen van economische
ontwikkeling en op de vraag naar HBO-logistici buiten beschouwing. Dat betekent dat economische
groei, autonome verbeteringen in productiviteit, etc. niet worden meegenomen. De kwantificering
betreft de inschatting hoeveel functies veranderen.
DRIE VOORSPELMETHODEN
Belangrijk is om nogmaals te duiden dat technologie op twee manieren logistieke functies op HBO-
niveau kan beïnvloeden:
- Verandering in de prestaties, verantwoordelijkheden en werkomgeving van een logistieke
functie waardoor het logistieke systeem waarbinnen een HBO-logisticus werkzaam of waarvoor hij
verantwoordelijk is veranderd. De technologie grijpt primair aan op de aard en inhoud van de
activiteiten die moeten worden uitgevoerd en heeft daarmee impact op de benodigde skills

26
- Veranderingen binnen de uitvoering van de logistieke functie in een bestaand logistiek systeem
waarbij technologie taken van een medewerker ondersteunt of overneemt. De technologie heeft
vooral invloed hoe activiteiten worden uitgevoerd en ondersteund en beïnvloedt de skills die de
medewerker nodig heeft om samen met de technologie de activiteiten uit te voeren.
Voorspellingen van technologische ontwikkeling kunnen in twee groepen worden onderverdeeld:
- Voorspellingen over nieuwe technologie en de toepassing daarvan binnen de logistiek die op het
moment van analyse nog niet beschikbaar zijn en nog niet worden toegepast op commerciële basis
om de technologie nog niet volwassen of nog niet economische rendabel is. Dat betekent dat er
vanuit de praktijk nog gene kennis en ervaring is over de wijze waarop de technologie de logistieke
activiteiten en skills gaat beïnvloeden. Om een inschatting van de ontwikkeling van nieuwe
technologie, de vertaling van technologie naar toepassingen en de adoptie van de toepassingen in
beeld te brengen is gebruik van expert-judgement noodzakelijk. Een belangrijk doel van
de methodiek is om de uitgangspunten en uitkomsten van de expert-judgement en wijze waarop
dat impact heeft op de logistieke functies, activiteiten en skills transparant te maken.
- Voorspellingen over adoptie van technologie en toepassingen die al wel door koplopers in de
logistiek wordt toegepast of getest. Door de monitoring van koplopers kan de impact van nieuwe
technologie en nieuwe toepassingen op activiteiten en skills in beeld gebracht worden. Door het
extrapoleren van adoptie naar de rest van de sector kan de impact op de werkgelegenheid breed in
de logistiek worden voorspeld. Daarbij zijn er twee ontwikkelingspaden: (a) de adoptie van
technologie binnen het deelmarkt/type operatie van de koplopers. Er zijn binnen een
deelmarkt/type operatie altijd verschillen in snelheid waarmee bedrijven nieuwe ontwikkelingen
oppikken, maar op basis van de ervaringen van de koplopers kan een uitspraak gedaan worden voor
bedrijven die later overstappen. (b) de transfer van technologie/toepassingen van de
ene logistieke deelmarkt naar de andere. Daarbij is belangrijk om de toepasbaarheid van de
technologie in andere deelmarkten te beoordelen en ook rekening te houden met verschillen
in de adoptiesnelheden binnen het logistieke domein.
Figuur 8: Analyses van de impact van adoptie van technologie op logistieke functies, activiteiten en skills

27
VOORSPELLING VAN DE IMPACT VAN NIEUWE TECHNOLOGIE OP
LOGISTIEKE FUNCTIES
Het voorspellen van de impact van nieuwe technologie en andere ontwikkelingen op de logistieke
sector, logistieke functies en de benodigde skills start op een vergelijkbare manier waarop ook andere
onderzoeken zijn opgezet: met het identificeren van relevante trends en ontwikkelingen. Het verschil
van de methode die hier wordt voorgesteld met eerdere onderzoeken is dat respondenten niet direct
een relatie tussen de technologie en de skills benoemen, maar dat eerst de impact op de werkomgeving
en verantwoordelijkheden van een logistieke functie wordt benoemd en deze vervolgens wordt vertaald
naar activiteiten. Daarna worden pas de (nieuwe of gewijzigde) logistieke skills benoemd. Daarmee
wordt concreet en transparant gemaakt hoe de impact van technologie gekoppeld is aan de skills.
Figuur 9: Voorspellen van de invloed van nieuwe technologie op de logistieke functies
In de aanpak wordt het Logistics Skills Panel gevraagd om op een gestructureerde wijze aan te geven
wat hun verwachtingen zijn.
- Stap 1: Set trends en developments . Lijst van technologieën: bijvoorbeeld IOT, AI, Blockchain, 5G,
maar deze technologieën hebben nog een vertaling nodig naar de logistieke sector. Meestal worden
de technologieën gecombineerd tot nieuwe toepassingen. Bijvoorbeeld: autonome voertuigen
maken gebruik van AI, 5G en een breed scala aan sensoren. McKinsey (2017) spreekt dan over
technology bundles, wij geven de voorkeur aan toepassingen of applicaties. De lijst met
basistechnologieën en toepassingen kan worden opgesteld door het onderzoeksteam. De lijst kan in
het proces worden aangevuld door de leden van het panel.
- Stap 2: Changes in requirements of logistics jobs. In stap 2 geven experts en panelleden aan hoe zij
denken dat technologie processen en activiteiten van bedrijven en de omgeving waarin HBO-
logistici werkzaam zijn veranderen en welke impact dat heeft op de prestaties en
verantwoordelijkheden die een logisticus uitvoert in een bepaalde functie (zoals die nu nog is). Het
gaat daarbij om een kwalitatieve beschrijving van de verwachte verandering. De kern van deze stap

28
is dat respondenten duidelijk aangeven welke en waarom er veranderingen zijn te verwachten in de
processen en omgeving van de logisticus, de prestaties en verantwoordelijkheden van de functie.
Door de uitwerking van meerder respondenten te verzamelen kan met een Delphi-achtige methode
naar een consensus worden toegewerkt of juist de bandbreedte in beeld gebracht worden. Het
resultaat van deze stap kan worden vormgegeven in duidelijk tabellen waarin per functie de
verwachte veranderingen worden geduid (eventueel met een toelichting hoe dat per type en
omvang van een bedrijf of sector kan verschillen).
- Stap 3: Identify impact on activities. Vanuit de beschrijving van de werkcontext, prestaties en
verantwoordelijkheden kunnen de activiteiten die nodig zijn worden benoemd. Deels kan dit door
de al bekende activiteiten binnen de functie zoals die nu is langs te lopen, aan te scherpen of te
verwijderen. Deels zal dat betekenen dat activiteiten worden toegevoegd. Ook geven de
respondenten van het panel daarbij aan welke verandering zijn verwachten in de tijdbesteding (in
uren per maand). Ook hier kan gewerkt worden met een Delphi-achtig proces om tot consensus of
onderbouwede verschillen te komen.
- Stap 4: Set of future activities and skills De laatste stap is het toekennen of aanpassen van de skills
aan de geïdentificeerde activiteiten. Er kunnen meerdere skills aan een activiteit worden
toegekend. Ook kan worden aangegeven welke skill cruciaal is/zijn voor het uitoefenen van een
activiteit. De skills die nodig zijn voor een logistieke functie is de optelling van alle skills die
genoemd zijn bij een functie. In de O-NET database wordt in percentages genoemd wat de
consensus is in vacatures over het belang van een skill voor een functie. Een vergelijkbare indicator
kan ook hier worden toegepast op basis van logistieke vacatures of antwoorden van het panel.
VOORSPELLEN VAN DE IMPACT VAN NIEUWE TECHNOLOGIE BINNEN
LOGISTIEKE FUNCTIES
Bij het voorspellen van de impact van nieuwe technologie ligt de focus op de impact die technologie
heeft op de uitvoering van activiteiten door een logistiek HBO-er. Technologie kan de activiteiten van
de logisticus geheel of gedeeltelijk overnemen als de technologie beschikt over dezelfde skills. Daardoor
kunnen de logisticus sneller uitvoeren of vervalt de activiteit en de bijbehorende tijdbesteding helemaal.
De methode is wordt voorgesteld is afgeleid van McKinsey (2017a).
Figuur 10: Voorspellen van de impact van nieuwe technologie op de uitvoering van logistieke functies en skills

29
-
- Stap 1: Bepalen van het niveau van de benodigde skills voor een activiteit. Om te kunnen bepalen
of een technologie een deel of geheel de inzet van een medewerker zal kunnen vervangen wordt
eerst aanduid welke skills essentieel zijn voor een activiteit (dit is in principe al vastgelegd in de
database van de logistieke functie). Per activiteit worden een of twee skills aangeduid als de meest
cruciale skills voor een activiteit. De overige skills worden buiten beschouwing gelaten in het
vervolg van de analyse.
- Stap 2: Bepalen van het jaar waarin verwacht wordt dat een applicatie de skill volledig beheerst.
De tweede stap is in te schatten wanneer een technologie voldoende is uitontwikkeld om
daadwerkelijk de skills te bieden die nodig zijn om een mens te vervangen of te ontlasten. Dit is een
inschatting die experts in technologie en logistiek gezamenlijk maken omdat daarvoor
gedetailleerde kennis over de technologie en het ontwikkelingsproces nodig is en anderzijds kennis
van de complexiteit van logistieke activiteiten en vraagstukken. Omdat voor een activiteit meerdere
skills relevant kunnen zijn en meerdere technologieën nodig kunnen zijn voor een toepassing wordt
de beschikbaarheid van de technologie bepaald door de elementen die als laatste beschikbaar zijn.
- Stap 3: Bepalen van het jaar van de kostenstructuur van een applicatie. Beschikbaarheid van
technologie is nog geen garantie dat de logistieke sector de technologie zal willen gebruiken. Dat is
afhankelijk van de kostenstructuur en kostenniveau van een toepassing. In het algemeen dalen de
kosten van nieuwe technologie, zeker als de technologie en applicaties ook worden gebruikt in
andere sectoren. In deze stap wordt per technologie of toepassing een inschatting gemaakt van de
hardware en softwarekosten en de te verwachte daling van deze investeringskosten over de tijd.
- Stap 4: Bepalen van de loonkostenontwikkeling. De loonkostenontwikkeling is een indicatie van de
baten die gerealiseerd kunnen worden door het toepassen van nieuwe technologie binnen een
logistieke functie. In deze stap wordt de ontwikkeling van de loonkosten in de logistieke sector
vastgesteld.
- Stap 5: Bepalen van het jaar waarin de applicatie economische rendabel wordt. In stap vijf wordt
vanaf het jaar van beschikbaarheid van de technologie berekend waar het break-even point licht
voor koplopers in de markt die de technologie willen toepassen. Naarmate de loonkosten stijgen en
de kosten van hard- en software dalen zal het moment waarop technologie en/of toepassingen
door de logistiek worden opgepikt dichterbij komen. Dat is het jaar waarvoor de eerste proof of
concept or eerste commerciële toepassingen voorspeld worden.
- Stap 6: Bepalen van adoptiescenario’s. Nadat de technologie of applicaties voor de sector
beschikbaar zijn gekomen zullen bedrijven in verschillend tempo de applicaties adopteren. In de
stap wordt een adoptiescenario vastgesteld. Het adoptiescenario wordt gebaseerd op beschikbare
adoptiemodellen in de wetenschappelijk literatuur die worden aangepast op basis van
inschattingen van het panel.
- Stap 7: Bepalen van het aantal uren en logistieke functies dat door de applicatie geraakt. Met het
adoptiescenario en het aantal bedrijven in de logistieke sector kan berekend worden hoeveel
logistieke functies en hoeveel productieve uren van logistici worden geraakt door de technologie
en/of applicatie/
DE IMPACT VAN ADOPTIE VAN BESTAANDE TECHNOLOGIE OP DE
BENODIGDE SKILLS
Voor technologie en applicaties die door koplopers in de logistieke sector al wordt toegepast zijn er al
inzichten over de wijze waarop logistieke functies en skills veranderen. Deze informatie kan worden
gefilterd uit de vacatures van de koploperbedrijven. Deze inzichten kunnen getrokken worden naar de
andere bedrijven in de logistiek, mits geduid kan worden of de technologie en applicaties voor bepaalde

30
groepen bedrijven toepasbaar zijn en de uitspraken gedaan kunnen worden over de snelheid van
adoptie door de early en late adopters. Voor het voorspellen van de adoptiesnelheid van nieuwe
technologie gebruikt McKinsey (2017a) wetenschappelijk onderzoek van Sultan et al. (1990). Voor de
logistiek is geen empirisch onderzoek beschikbaar dat inzicht geeft in de snelheid waarmee nieuwe
technologie wordt geadopteerd of de factoren die dat proces bepalen. Daarom wordt gebruik gemaakt
van algemene inzichten.
Figuur 11: Stap voor het voorspellen van adoptie van bestaande technologie en applicaties in de logistiek
− Stap 1: Bepalen van de verschillen in activiteiten en skills als gevolg van verschillen in maturity
Door het vergelijken van de vacaturedata van bedrijven op verschillende maturity-niveaus kan in
beeld worden gebracht welke invloed de adoptie van technologie heeft de skills die bedrijven
vragen. De analyses in deze stap zijn onderdeel van de data driven benadering voor het monitoren
van de ontwikkeling in skills.
− Stap 2: Bepalen van de technologie en applicaties die door koplopers worden toegepast. Om te
kunnen bepalen of de veranderingen in skills relevant zijn en verwacht kunnen worden in bij
bedrijven in andere logistieke segmenten en/of andere functies is inzicht nodig in de technologieën
die bedrijven, waarbij veranderingen in gevraagde skills zijn geconstateerd hebben toegepast.
Binnen het panel wordt bij bedrijven met een hoog niveau aan maturity en vergelijkbare vacatures
geanalyseerd welke technologieën dat zijn en welke afwegingen en randvoorwaarden daar een rol
hebben gespeeld.
− Stap 3: Bepalen van de toepasbaarheid van technologie en applicaties in andere logistieke
segmenten. In stap 3 wordt met experts een inschatting gemaakt voor welke type bedrijven en
segmenten de technologieën toepasbaar zijn. Dit is expert judgement waarbij door het toepassen
van een Delphi-achtige opzet gestreefd kan worden naar betrouwbare uitkomsten.
− Stap 4: Voorspellen van de adoptiesnelheid voor verschillende segmenten. Wanneer de
toepasbaarheid positief is beoordeeld zal net als in de methode voor het inschatten van de impact
van technologie op de uitvoering van logistieke functies een adoptiescenario worden bepaald.
− Stap 5: Bepalen van het aantal logistieke functies/inzet in uren voor een activiteit per segment. In
stap 5 wordt een inschatting gemaakt van het aantal bedrijven en logistieke functies dat in
aanmerking komt voor deze geselecteerde technologieën en applicaties. Daarbij zullen met het
panel filters worden uitgewerkt om vanuit het totaal aantal bedrijven in de logistiek of in een
segment tot de juiste selectie van bedrijven te komen.
− Stap 6: Bereken van de verandering in de aantal logistieke banen en inzet (kwantitatief) Op basis
van het adoptiescenario kan het aantal bedrijven met deze logistieke functies en het totaal aantal
functies dat zal veranderen berekend worden.

31
DISCUSSIE
De voorgestelde methodiek biedt een robuuste aanpak om per logistieke functie een betrouwbare en
navolgbare inschatting te maken van de impact van technologie op skills in HBO-functies. Per logistieke
functie is het in termen van inspanning haalbaar om deze methodiek toe te passen. De uitdaging is de
veelheid aan logistieke functies waarvoor input verzameld en geanalyseerd moet worden en dus ook
met experts en bedrijfsleven besproken moet worden.
Daarom stellen we een strategie voor om de methodiek toe te passen om drie verschillende functies en
op basis daarvan te evalueren: (a) of de methodiek werkbaar en toepasbaar is en de gewenste
betrouwbaarheid van resultaten biedt, (b) mogelijkheid om de vanuit een basisanalyse van trends en
ontwikkelingen en verkregen antwoorden met machine learning tools de impact naar andere functies
door te vertalen. McKinsey (2017) geeft aan voor ruim 2000 functies een analyse te hebben uitgevoerd
met behulp van machine learning, maar de vraag is of de mate van detail en betrouwbaarheid
voldoende is om voor de logistieke sector tot betrouwbare uitkomsten te komen. Als blijkt dat de
resultaten onvoldoende gedetailleerd en betrouwbaar zijn is een gefaseerde aanpak waarin elk jaar een
andere categorie functies of logistiek domein gekozen wordt ook een optie. De veranderingen in
technologie gaan niet zo snel dat er voor elke type functie elk jaar of elke 2 jaar een update nodig is.
Met een cyclus van vier jaar (elk jaar een ander logistiek domein) kan stapsgewijs toch een compleet
beeld opgebouwd worden en kan de benodigde effort over meerdere jaren gespreid worden

32
8 LOGISTICS SKILLS PANEL
ROL VAN HET LOGISTICS SKILLS PANEL
Bij doorlopend onderzoek naar veranderingen naar de benodigde skills in de logistiek is nauwe
samenwerking met het bedrijfsleven noodzakelijk. Bedrijven ervaren de veranderingen in technologie
en in de benodigde skills en kunnen (als ze goed geïnformeerd zijn of worden over de kenmerken en
mogelijkheden van nieuwe technologie) goed inschatten wat nieuwe technologie aan impact kan
hebben op bestaande processen, functies, activiteiten en benodigde skills. De onderzoekers van HZ en
HAN voorzien daarom een belangrijk rol voor een Logistics Skills Panel waarin een grote variëteit aan
bedrijven deelneemt. Het Panel speelt een belangrijk rol in het verzamelen van data die niet
beschikbaar is via vacatures, het verklaren en duiden van veranderingen in skills en verschillen tussen
bedrijven en de inschatting van de impact van de adoptie van nieuwe technologie in de logistiek. In dit
hoofdstuk geven we de belangrijkste aandachtspunten en ontwerpkeuzes bij het opzetten van een
panel.
OMVANG EN SAMENSTELLING VAN HET PANEL
Om uitspraken te kunnen doen voor meerdere logistieke HBO-functies en voor bedrijven in meerdere
sectoren is de samenstelling en omvang van het Logistics Skill Panel van belang. Het doel daarbij is om
uitspraken te kunnen doen voor verschillende type bedrijven en meerdere logistieke functies, die geldig
zijn in meerdere logistieke contexten. Het panel zal idealiter een mix aan bedrijven bevatten aan de
hand van de volgende criteria:
- Rol in de keten: verladers en logistiek dienstverleners
- Omvang van het bedrijf: groot-midden-klein
- Sectoren (o.a. food, bouw, retail, high-tech, etc.)
- Logistieke domein (transport/terminal, warehousing, demand/inventory, productie).
- Maturity in toepassen van technologie
Om tot robuuste uitspraken voor een logistieke functie in een bepaalde context is deelname van
voldoende bedrijven per context van belang. Een slimme strategie om tot een voldoende dekkend en
diverse samenstelling te komen dient nader te worden uitgewerkt, zeker om de omvang van en
interactie binnen het panel hanteerbaar te houden. De noodzaak voor een slimme strategie wordt
geïllustreerd met deze voorbeeldberekening: Indien ervoor gekozen wordt om binnen elke combinatie
van de genoemde criteria een minimaal aantal bedrijven (bijvoorbeeld 5) in het panel op te nemen dan,
levert dat de volgende vermenigvuldiging op: 2 rollen in de keten x 3 categorieën omvang van het
bedrijf x 5 sectoren (als voorbeeld) x 4 logistieke functies x 4 niveaus van maturity (als voorbeeld) x 5
bedrijven = 2400 bedrijven. Met deze aanpak is dus een heel groot aantal bedrijven nodig, waarbij ook
nog gericht geworven moet worden op elke combinatie. De bedrijven die activiteiten in meerdere
logistieke domeinen hebben kunnen vertegenwoordigd zijn in meerdere cellen, waardoor het aantal
bedrijven lager uit kan komen. Bedrijven kunnen voor meerdere logistieke HBO-functies informatie en
vacatures aanleveren. Als bedrijven jaarlijks voor gemiddeld 2 logistieke HBO-functies data aanleveren
komen er totaal 4800 beschrijvingen van logistiek HBO-functies, verdeeld over 16 logistieke functies.
Voor het kiezen en toepassen van geschikte maturity modellen is nader onderzoek nodig. In een eerdere
verkenning naar de juiste make van warehouse-automatisering (uitgevoerd door HR, HZ en BUAS in

33
2019) is gebleken dat er bestaande maturity-modellen geen degelijk onderbouwing hebben en dat een
hoge automatiseringsgraad niet per definitie goed is omdat meer automatisering niet altijd leidt tot
bedrijfseconomisch beter prestaties. Het is mogelijk dat bedrijven zijn over-geautomatiseerd en
daarmee flexibiliteit verliezen.
ROL VAN DEELNEMERS AAN HET PANEL
De doelstelling van het panel is dat bedrijfsleven, onderzoek en opleidingen gezamenlijk door het
verzamelen en analyseren van data en discussie over en interpretatie van de uitkomsten tot een
scherper beeld komen. De inbreng van data en kennis vanuit de bedrijven is daarbij zeer waardevol,
maar ook noodzakelijk. Omdat in de verschillende stappen van de methodiek een rol is toebedacht aan
het panel zetten we hier op een rij aan welke interactie en bijdrage moet worden gedacht:
- Enquête voor het beschrijven in de logistieke HBO-functies binnen het bedrijf in termen van
activiteiten en tijdbesteding. Een basisset aan activiteiten wordt voorgelegd aan de bedrijven. Die
kunnen activiteiten kiezen en aanvullen. Voor de geselecteerde activiteiten worden gevraagd om (a)
de benodigde skills te selecteren, en (b) de tijdbesteding per maand aan te geven waarbij het totaal
aantal werkzame uren dient te worden verdeeld over de activiteiten.
- Enquête voor het in kaart brengen van het maturity technology level van het bedrijf (eventueel per
logistieke functie)
- Vacatures van HBO-functies die door het bedrijf worden uitgezet.
Voor het duiden en inschatten van veranderingen:
- Enquête/workshop voor het duiden en/of verklaren van de verschillen in skills en activiteiten door
de tijd en als gevolg van verschillen in maturity levels van bedrijven.
- Enquête/workshops voor inschatten van impact van technologie op logistieke activiteiten,
tijdbesteding en benodigde skills.
Natuurlijk zijn bedrijven alleen bereid om deel te nemen aan het panel als het ook concrete voordelen
biedt. Een eerste aanzet voor mogelijke voordelen bestaat uit:
- Benchmark van het eigen bedrijf ten opzichte van andere bedrijven:
o Wat is de maturity van het bedrijf ten opzichte van andere bedrijven?
o Wat is het verschil in activiteiten en skills vergeleken met bedrijven met
vergelijkbare maturity?
- Wat is gegeven de eigen maturity de volgende ontwikkelstap?
- Dialoog met andere bedrijven over ontwikkelingen op het gebied van skills, dus informatie uit de
peergroup. Daartoe worden met het panel afspraken gemaakt over het delen van contactgegevens.

34
9 DATABASE FUNCTIES-ACTIVITEITEN-SKILLS
De basis voor het doorlopende onderzoek naar logistiek HBO-functies, activiteiten en skills is een
database waarin zowel de huidige kenmerken als verwachtingen voor de toekomst worden vastgelegd.
De opzet van de database is vergelijkbaar met de database van O-NET. Daarin wordt per logistieke
functie een lijst gegeven van activiteiten, skills, software, etc. en wordt aangeduid in welke mate deze
elementen in vacatures voor deze functies zijn geconstateerd. Voor het doorlopende onderzoek wordt
een vergelijkbare structuur gehanteerd waarbij voor elke logistieke functie worden de volgende data-
elementen vastgelegd (Figuur 12):
- Beschrijving van de functie in tekst. Daarin wordt de kern van de functie beschreven in termen van
verantwoordelijkheden, scope en relaties/afbakening met andere functies.
- Activiteiten die worden uitgevoerd binnen de functie in termen van logistieke processen (en dus
niet in termen van menselijke handelingen zoals bellen, mailen, vergaderen, etc.., maar
bijvoorbeeld planning, monitoring van processen, instructie medewerkers,
contractonderhandelingen, orderverwerking, etc..). Elke activiteit wordt apart in de database
opgenomen. Voor elke activiteit wordt een beschrijving opgenomen ter toelichting.
- Tijdbesteding: voor elk van de activiteiten wordt de tijdbesteding per maand aangegeven in termen
van uren of minuten. Omdat de tijdbesteding kan veranderen door inzet van nieuwe technologie
wordt de tijdbesteding voor een tijdhorizon tot en met 2030 vastgesteld. Wanneer door toepassen
van nieuwe technologie de tijdbesteding aan een activiteit verandert kan dat voor dat jaar en de
opvolgende jaren in de database worden aangepast
- Skills: voor elke activiteit worden de benodigde skills benoemd. Het gaat daarbij om twee type skills
en/of vaardigheden: (a) logistieke skills/vaardigheden, (b) human skills. De human skills worden
opgenomen om de impact van nieuwe technologie op een functie te kunnen duiden. Voor
elke skill wordt met een Ja/Nee (1 of 0) aangegeven of die in een jaar benodigd is om een activiteit
uit te voeren. Als door toepassing van een technologie de behoefte aan een skill vervalt wordt
de skill op de waarde 0 gezet.
- Per logistieke functie wordt het aantal functies in de sector aangegeven.
Figuur 12: opzet van de database

35
In de databasestructuur zijn de skills gekoppeld aan een activiteit omdat daarbij duidelijk kan worden
aangegeven voor welke taken in een functie de skills nodig zijn en als door technologie de rol van
medewerkers vermindert kan worden aangegeven wat de impact op de tijdbesteding is. Met dit
ontwerp volgen we de analysemethode en database structuur van McKinsey. McKinsey neemt
de activiteiten van O-NET als startpunt en koppelt daar vervolgens zelf de benodigde human skills. In O-
NET zijn de skills niet gekoppeld aan activiteiten, maar zijn als een aparte lijst in de database
opgenomen.
In de databasestructuur worden kunnen meerdere type skills-aanduidingen naast elkaar worden
gehanteerd, bijvoorbeeld de skills-set die gebruikt worden door het Landelijk Platform Logistiek, O-NET
of McKinsey. Dat geeft het doorlopende onderzoek ook flexibiliteit om voor een bepaalde toepassing de
meest passende skills-set toe te passen. Voor analyses die tot doel hebben te bepalen wat de impact
van skills veranderingen zijn voor het onderwijs kan de skills-set van LPL gebruikt worden. Voor analyse
van de impact van sleuteltechnologieën die nog wat verder van de logistiek afstaan kunnen de human
skills-set van bijvoorbeeld McKinsey toegepast worden.

36
10 CONCLUSIE
MEERWAARDE EN OPZET VAN DE BLAUWDRUK
De rol van technologie op de logistieke sector wordt steeds groter en meer en meer processen worden
door technologie aangestuurd of uitgevoerd. Voor bedrijven, brancheorganisaties en logistieke
opleidingen is het essentieel om tijdig in beeld te hebben hoe taken, verantwoordelijkheden,
activiteiten en skills van HBO-logistici door de grotere rol van technologie veranderen. Door diverse
organisaties en onderzoeksbureaus is onderzoek gedaan naar de impact van technologie op de
benodigde skills van HBO-logistici. De kwaliteit en betrouwbaarheid van het onderzoek laat zich moeilijk
beoordelen omdat het onderzoek veelal gebaseerd is op expert-judgement, de gevolgde methodieken
niet duidelijk gedocumenteerd zijn en de relatie tussen de kenmerken van de technologie, de toepassing
in logistieke activiteiten en de impact op tijdbesteding en benodigde skills niet navolgbaar is.
In dit onderzoek is een blauwdruk uitgewerkt voor een methodiek waarmee op een transparante,
consistente, betrouwbare en navolgbare wijze de relatie tussen nieuwe technologie en de benodigde
logistieke skills in HBO-functies stap voor stap wordt uitgewerkt. De kern van de methodiek is een
database waarin per logistieke functie de prestaties en verantwoordelijkheden, de logistieke activiteiten
en de daarbij behorende skills aan elkaar gekoppeld zijn. De kracht van deze aanpak is dat bedrijven en
opleidingen concreet per logistieke functie kunnen zien wat de effecten zijn van technologie op de
behoefte aan skills (in heden en in de toekomst) en daardoor concrete maatregelen kunnen nemen in
hun personeels- en opleidingsbeleid, respectievelijk curricula.
De methodiek bestaat uit twee analyse-cycli die aangeven aan welke veranderingen logistieke functies,
activiteiten en skills onderhevig zijn. De eerst loop is een monitoring-loop waarin op basis
van data science-analyses van vacaturedata en logistieke functies bij een bedrijvenpanel wordt
onderzocht welke veranderingen in vacatures waarneembaar zijn binnen de sector en hoe deze
gekoppeld kunnen worden aan het toepassen van nieuwe technologieën en daarop gebaseerd logistieke
applicaties. In veel vacatures worden activiteiten en skills niet expliciet en consistent benoemd en is ook
niet bekend in welke mate nieuwe technologieën of toepassingen worden toegepast. Door middel
van empirische onderzoek via een panel van logistieke bedrijven en data science analyses op vacatures
in de sector wordt de relatie gelegd tussen vacatures en de daarbij behorende activiteiten en
skills. Daarmee kunnen patronen die binnen het bedrijvenpanel zichtbaar zijn, gebruikt worden om via
vacatures veranderingen binnen de sector te monitoren.
De tweede loop is de voorspellingsloop. In deze loop wordt op basis van de kenmerken van nieuwe
technologie (i.e. welke human skills kan deze technologie vervullen of zelfs verbeteren) geanalyseerd in
welke functies verwacht kan worden dat ze toepasbaar zijn en taken van mensen overnemen. Een deel
van deze effecten is al zichtbaar bij koplopers in de sector. Voor deze technologieën is de methodiek
vooral gericht op het herkennen van de toepassingsmogelijkheden bij logistieke bedrijven in andere
logistieke segmenten en de adoptiesnelheid binnen deze segmenten. Bij het voorspellen van de effecten
op skills speelt expert-judgement zeker een belangrijke rol. Door de argumenten en redeneerlijnen
duidelijk vast te leggen aan logistieke functies, activiteiten en skills en te laten toetsen door andere
experts kunnen toch betrouwbare uitspraken worden verkregen.

37
VRAAGSTUKKEN IN DE UITWERKING VAN DE BLAUWDRUK
De blauwdruk die in dit onderzoek wordt gepresenteerd is nog geen bouwtekening op basis waarvan de
methodiek direct kan worden geïmplementeerd. De blauwdruk beschrijft de wijze waarop het vraagstuk
van het monitoren en voorspellen van de ontwikkeling van skills in HBO-logistieke functies kan worden
uitgewerkt en onderzocht om tot betrouwbare en concreet bruikbaar inzichten te komen. Door deze
analyse is een aantal nieuwe analysevraagstukken geïdentificeerd die bepalend zijn voor het kunnen
implementeren van de voorgestelde methodiek:
- Data science methodiek voor het identificeren van veranderingen in vacatures en het relateren
aan de mate waarin technologie door bedrijven wordt toegepast en invloed heeft op activiteiten en
skills. Nader onderzoek moet uitwijzen of vacatureteksten werkelijk een indicator zijn van de wijze
waarop bedrijven technologie toepassen en activiteiten en logistieke skills daarop aanpassen.
- Definiëren van maturity levels of andere indicatoren die de toepassingen van technologie bij
bedrijven aangeeft. Maturity-modellen zijn veelal gestileerde modellen van een ontwikkeling die
bedrijven kunnen doormaken, maar zijn meestal niet wetenschappelijk onderbouwd. In
vervolgonderzoek moet vastgesteld worden op welke wijze maturity modellen een verklarende of
voorspellende waarde hebben binnen deze methodiek en welke maturity modellen voldoende
concreet en meetbaar zijn uitgewerkt om de gewenste betrouwbaarheid van de methode te
kunnen waarborgen.
- Het tempo waarin bedrijven nieuwe technologie adopteren is bepalend voor de omvang van de
veranderingen in benodigde skills binnen de sector. In wetenschappelijk literatuur zijn voor
specifieke technologieën adoptiemodellen ontwikkeld waarmee berekend kan worden welk
percentage aan bedrijven jaarlijks de overstap maakt als technologie of applicaties economische
rendabel zijn. Er is nader onderzoek nodig om deze modellen voor de logistieke sector te
valideren.
- De ontwikkelde methodiek is goed toepasbaar voor 1 logistieke functie. Daarmee kan met het
expertpanel een gerichte uitwerking worden opgesteld en kunnen de resultaten worden besproken.
Wanneer een uitwerking voor alle 16 genoemde (of eventueel nog meer) functies een uitwerking
gewenst is dient te worden onderzocht op met machine learning technieken een opschaling en
versnelling van analyses gerealiseerd kan worden zonder daarmee aan kwaliteit en
betrouwbaarheid te verliezen.
VERVOLGSTAPPEN
Gegeven de complexiteit van het vraagstuk stelt het Kennisakkoord Logistiek een stapsgewijze
ontwikkeling en implementatie van de methodiek waarbij een doorlopend onderzoek naar skills in de
logistiek wordt opgezet met meerdere stakeholders (brancheorganisaties, bedrijven, overheden en
kennisinstellingen). Elk jaar wordt de methodiek verfijnd of uitgebreid in functionaliteit of het aantal
logistieke functies dat binnen het onderzoek wordt opgepakt.
Het voornemen en voorstel van het Kennisakkoord Logistiek is om een vervolgstap te zeten met de
volgende onderdelen:
- Uitwerken van de monitoring tool op basis van vacatureanalyse en een analyse van vacatures en
logistieke functies bij een eerste groep van bedrijven dat wil participeren in het Logistics Skills
Panel. De doelstelling van deze stap is om te onderzoeken in welke mate vacatureteksten bruikbaar
zijn om onderliggende veranderingen bij bedrijven te herkennen en te analyseren.
- Uitwerken en testen van voorspellende methodiek voor een
geselecteerde logistieke functie en mapping van de resultaten op het opleidingsprofiel van het

38
Landelijk Platform Logistiek HBO (LPL-HBO). Daarmee wordt de methode geconcretiseerd en in de
praktijk getoetst. Ook kan daarmee de bruikbaarheid van de resultaten bij bedrijven en logistieke
opleidingen worden getoetst.
- Uitwerken van de rekenmethodiek om voor de gekozen logistieke functie de impact op de gehele
sector te kwantificeren.

39
11 LITERATUUR
Chui, M., Manyika, J. and Miremadi , M. (2015), Four fundamentals of workplace automation, McKinsey
Quarterly, november 2015.
Eklöf, H. (2010). Skill and will: test‐taking motivation and assessment quality. Assessment in Education:
Principles, Policy & Practice, 17(4), 345-356.
Han, C., Otto, J., Dresner, M. (2019), A Typological Analysis of US Transportation and Logistics Jobs -
Automation and Prospects, Transportation Journal Volume 58, Number 4, Fall 2019, pp. 323-341.
Hofstra, N., Wang, Y., Jansen, J., Moeke, D. (2020) Ready for the future: an exploratory study on
competency requirements for bachelor graduates in logistics, Logistiek+ Tijdschrift voor Toegepaste
Logistiek, 9, 40-64.
van Horssen, C., Meijs, B., (2017), Nieuwe technologie en werk: onderzoek naar veranderingen in
functies als gevolg van technologische ontwikkelingen, Amsterdam: Kenniscentrum UWV
Landelijk Platform Logistiek HBO (2019), Beroeps- en Opleidingsprofiel Logistiek ten behoeve van de
bacheloropleidingen - Logistics Management - Logistics Engineering. Venlo: LPL HBO
Manders, J., Vreys, C., Jonker, D. (2020) Naar de logistieke professional van de toekomst, Logistiek+
Tijdschrift voor Toegepaste Logistiek, 9, 126-150.
McKinsey Global Institute (2017a), A future that works: automation, employment and productivity, San
Francisco: McKinsey.
McKinsey Global Institute (2017b), Jobs lost, jobs gained: workforce transitions in a time of automation,
San Francisco: McKinsey
McKinsey Global Institute (2018), Skill shift automation and future of workforces, San Francisco:
McKinsey.
Panteia (2020), Arbeidsmarkt en Onderwijs Logistiek Kwantitatief, Zoetermeer: In opdracht van
Topsector Logistiek
Skills Navigator (2018), 21st Century skills voor de havengebieden in de Vlaams-Nederlandse Delta:
review van bestaand onderzoek, AP Hogeschool/stad Gent/SBB.
Skills Navigator (2019), 21st Century skills voor de havengebieden: Syntheserapport met review van
bestaand onderzoek, analyses van vacatures en resultaten van veldonderzoek, AP Hogeschool
STC Group (nb), Licht op de toekomst: desk study samen sterk voor de toekomst van Rotterdam Zuid,
Rotterdam: STC Group
Sultan, F., Farley, J.U., & Lehmann, D. R. (1990). A meta-analysis of applications of diffusion models.
Journal of marketing research, 27(1), 70-77.
TKI Dinalog (2019), Mens en robot in magazijn; Een onderzoek naar de inzet van robotica in het magazijn
en de implicaties voor medewerkers, Breda: TKI Dinalog

40
12 PUBLIEKSSAMENVATTING
De rol van technologie in de logistieke sector wordt steeds groter. Technologische innovaties
veranderen de manier waarop het werk wordt gedaan, of zelfs het soort werk dat gedaan wordt.
Bedrijven, brancheorganisaties en logistieke opleidingen moeten tijdig in beeld hebben hoe taken en
verantwoordelijkheden veranderen door het effect van technologie op verschillende activiteiten, zodat
duidelijk is welke veranderende skills hbo-logistici de komende tijd nodig hebben. Het onderzoek
beschrijft hoe een tool kan worden ontwikkeld waarmee dit soort inzicht verkregen kan worden op basis
van data analytics verrijkt met het inzicht van experts uit het werkveld.
Door diverse organisaties en onderzoeksbureaus is onderzoek gedaan naar de impact van technologie
op de benodigde skills van hbo-logistici. De kwaliteit en betrouwbaarheid van het onderzoek laat zich
moeilijk beoordelen omdat het onderzoek veelal gebaseerd is op expert-judgement, de gevolgde
methodieken niet duidelijk gedocumenteerd zijn, waarbij ook de relatie tussen de kenmerken van de
technologie, de toepassing in logistieke activiteiten en de impact daarvan op tijdbesteding en benodigde
skills niet navolgbaar is.
In dit onderzoek is een blauwdruk uitgewerkt voor een tool of methodiek waarmee op een
transparante, consistente, betrouwbare en navolgbare wijze de relatie tussen nieuwe technologie en de
benodigde logistieke skills in hbo-functies stap voor stap wordt uitgewerkt. De kern van de methodiek is
een database waarin per logistieke functie de prestaties en verantwoordelijkheden, de logistieke
activiteiten en de daarbij behorende skills aan elkaar gekoppeld zijn.
De kracht van deze aanpak is dat bedrijven en opleidingen concreet per logistieke functie
kunnen zien wat de effecten zijn van technologie op de behoefte aan skills (in heden en in de
toekomst) en daardoor concrete maatregelen kunnen nemen in hun personeels- en opleidingsbeleid,
respectievelijk curricula. Het onderzoek identificeert een aantal analysevraagstukken bepalend voor de
verdere uitwerking en implementatie van de beschreven tool.