DEEL III: ONDERZOEK NAAR HORECADISTRIBUTIE IN AMSTERDAM
7. Onderzoeksverantwoording onderzoek Horecadistributie Amsterdam
Voor het bepalen van de horecadistributie in Amsterdam is er voornamelijk vanuit het perspectief van de bevoorrading van horecaondernemers gewerkt. Voor het schatten van de stromen richting de
horecaondernemingen is een beleveringsprofiel van de verschillende soorten horeca nodig. Deze
beleveringsprofielen laten logistieke kenmerken zien hoeveel en welke soort goederen er gemiddeld bij een bepaald soort horecaonderneming bezorgd worden. Hieronder wordt beschreven hoe deze bepaald zijn in dit onderzoek.
7.1. In kaart brengen voedselactoren in de stad
De eerste stap hierin is het in kaart brengen van de voedselactoren in de stad en regio. De dataset en kaarten die gebruikt zijn, komen voort uit onderzoek naar het voedselsysteem in Amsterdam ( (Bossum Van, 2017) het ‘Evidence Based Food System Design’-project (Kranendonk, 2018) en (Van Bossum, 2018). In dit onderzoek zijn alle voedselactoren in de MRA in kaart gebracht. Gegevens van verschillende databronnen zoals de KVK en de HIS, zijn aan elkaar gekoppeld om een volledig bestand te krijgen. De gegevens zijn zichtbaar gemaakt op online kaarten die vrij toegankelijk zijn. Deze datasets zijn 80%-90% correct, en hoewel niet helemaal compleet wel het meest gedetailleerde overzicht dat beschikbaar is.
De ambitie was om aan de hand hiervan de attributen van horecaondernemingen te koppelen aan leveringsdata hun beleveringsprofiel en de leverdata van groothandelaren. Hiermee zou een leveringsprofiel per type
horecaonderneming én de impact hiervan op de logistiek in de stad kunnen worden voorspeld.
Deze attributen bestaan uit de ‘basics’ zoals het aantal couverts, soort horeca of beschikbare opslagruimte. En daarnaast ook uit andere variabelen zoals het soort gerechten, de bedrijfsfilosofie, de kwaliteit, de
organisatiestructuur ent managemen hebben hier invloed op. Om te bepalen welke variabelen effect hebben en hoe groot dit effect is, is een algoritme ontwikkeld, dat door middel van de zogenaamd Random Forrest techniek bepaalt welke variabelen op welke manier de bevoorrading beïnvloeden, zodat hiermee een logistieke-categorisering van horecazaken mogelijk wordt gemaakt.
Het algoritme genereert vervolgens voorspellingen over de distributie aan deze horeca, de leveranciers en vervoerders. Hoewel onnauwkeurig om op individueel horecaniveau te voorspellen, is dit waarschijnlijk wel geschikt om per horeca-gebieden in verschillende steden de grootte van horecadistributie te bepalen. Dit zou een nieuwe manier zijn om logistieke stromen vanuit de ontvanger te bepalen in plaats van vanuit de verzender en is uitgebreid beschreven in het EFBSD-eindrapport (Kranendonk, 2018).
46
Tabel 18 Overzicht van de variabelen voor het voorspellende model van horecadistributie vanuit de horecaondernemers. Deze variabele en gevonden data hierover zijn gebruikt om een analyse te doen van de Amsterdamse horecadistributie
Echter, door gebrek aan data en resources in het project om dit verder uit te werken, is voor dit onderzoek van deze methodiek afgestapt. In plaats daarvan zijn de gevonden data en attributen gebruikt om een analyse te maken van zowel het bestelgedrag als leveringen aan horecaondernemers en de horecadistributie in Amsterdam in het algemeen. De methodiek is als volgt:
1. Het bepalen van het aantal en locatie van horeca in Amsterdam
2. Het schatten van de relatieve grootte van horecadistributie tov andere logistieke stromen in de stad 3. Het schatten van de grootte van horeca logistiek in Amsterdam
a. Berekening ahv het gemeten aantal voertuigen in de stad en kengetallen van horeca b. Berekening ahv belevering per horeca-categorie (gemiddelde levering/ week) c. Zowel bestelauto’s als vrachtverkeer
4. Een analyse van de horecaleveranciers en hun impact op de stad(slogistiek)
7.2. Data van Horecaondernemers
Voor het opmaken van het Amsterdamse horeca bevoorradingsprofiel zijn de gegevens van in totaal 115 horecazaken in de stad verzameld. Deze zijn in onderstaande tabel per SBI-code gecategoriseerd.
Restaurants/ eetcafes 58 Cafetaria's & Snackbars 37 Zuidas 6 Kinkerbuurt 23 Kinkerbuurt 4 Overig 1 Knowledge Mile (Wibautstr.) 4 Pijp 8
Overig 4 Reg. Dwars 3
Pijp 19 Zuidas 2
Reg. Dwars 21
Cafes 12 Hotels 6
Pijp 4 Knowledge Mile 3
Reg. Dwars 8 Overig 2
Kantines& contractcatering 3 Zuidas 1
Zuidas 3
47 Deze gegevens van de horeca op de Zuidas komen uit zowel eigen onderzoek, de overige uit reeds bestaand onderzoek en zijn verkregen door middel van interviews en verkeerstellingen. De eerder uitgevoerde onderzoeken zijn:
- Analyse van 36 horecazaken in de Reguliersdwarsstraat (Vergeer, 2017) - Analyse van 27 horecazaken in de Pijp (Balm, 2016) en (Marchena, 2017)
- Analyse van 3 hotels + 4 restaurants op de Wibautstraat (Knowledge Mile) (Hoogteyling, 2018) Onderzoeken uitgevoerd door studenten binnen het huidige project
- Analyse van 27 horecazaken in de Bellamy buurt Amsterdam (Berg, 2018) - Analyse van 3 hotels in Amsterdam (Hoekstra e.a., 2018)
- Analyse van 6 horecazaken in Amsterdam (Koldenhoff, 2018) - Analyse bevoorrading catering UvA/ HvA (Biesheuvel, 2018)
Validiteit en betrouwbaarheid datasets
De dataset is met 115 horecaondernemingen groot, maar er zijn wel een paar kanttekeningen bij de betrouwbaarheid en validiteit van deze set:
- Het gaat om slechts ca. 2% van alle horecaondernemingen in de stad. - Het aantal hotels, contractcateraars en cafés in de onderzoekspopulatie is laag
- Niet alle data per horecaonderneming beschikbaar of kloppend. Om de dataset zo bruikbaar mogelijk te maken, zijn er aannames gedaan om ontbrekende gegevens aan te vullen:
o Bestelauto/ vrachtwagen ahv soort leverancier aangevuld
o Geconditioneerd ja/nee: Grote groothandelaren, AGF en vers leveranciers rijden in principe geconditioneerd
o Vestigingen met weinig data zijn uit de dataset gelaten als de beschikbare cijfers te veel afwijken van het gemiddelde (bijv. Milk op de Zuidas)
o Onbekende leveranciers met onbekende bestemming (voornamelijk in de Reg. Dwarsstraat, zijn naar rato van het aantal ondernemingen per categorie toegewezen
o Niet alle vertrekadressen van leveranciers zijn bekend. Vooral bakkers hebben centrale productiefaciliteiten die niet te achterhalen zijn
o Voor vertrekadressen van logistiek dienstverleners zijn de DC’s in de buurt van Amsterdam genomen, dit hoeft niet de werkelijke plek van oorsprong te zijn.
o De inzet van LEVV en eigen vervoer zijn alleen in het De Pijp onderzoek onderzocht.
7.3. Bronnen voor het onderzoek naar groothandelleveringen en oplossingen voor horecadistributie
Daarnaast is aan meer dan 70 groothandelaren is gevraagd om mee te werken aan het onderzoek. Er heeft slechts een handvol gereageerd, Bidfood, Vishandel Van As, Miedema AGF, Wijnimport Bart, Horecaleverancier Buurtjes. Met deze partijen is een workshop over de kwalitatieve kant van horecadistributie in Amsterdam gehouden. Bidfood heeft een set met complete leverdata van een heel jaar in Amsterdam gedeeld. Vishandel Van As en Miedema AGF hebben beperkte datasets gedeeld, Wijnimport Bart en Horecaleverancier Buurtjes hebben
48 geen data gedeeld. Bedrijven hebben veel minder data gedeeld. Met de beschikbare data kan globaal iets gezegd worden over:
- Het vervoerde volume (per rit)
- Het aantal ritten en afstanden die gereden worden. - Het aantal beleverde klanten
- En efficiëntie van het vervoer
Naast dit onderzoek, zijn resultaten gebruikt van student-onderzoeken bij groothandelaren (Heijdeman, 2018), (Maris, 2018). Deze data is vertrouwelijk en er wordt in dit rapport alleen op hoofdlijnen naar verwezen. Tenslotte is ook gebruik gemaakt van kennis, verkregen uit het Last-Mile Fresh Project van Rijkswaterstaat (2018), door middel van interviews en bijeenkomsten met de deelnemers. Aan de hand hiervan zijn
oplossingsrichtingen beschreven waarbij aandacht gegeven wordt aan de rollen van de verschillende stakeholders in de horecadistributie. Daarbij is duidelijk geworden dat de oplossingen integraal met elkaar verbonden zijn.
Nadat in de volgende drie hoofdstukken de problematiek in kaart gebracht wordt, worden in deel vier van het rapport deze oplossingen besproken.
49