Onverwachte voorraadschommelingen opvangen
Door toenemende concurrentie en aanhoudende onzekerheid in de wereld wordt het voor bedrijven steeds belangrijker om snel en flexibel in te kunnen spelen op de dynamiek van de markt. Zo dwingt de huidige handelsoorlog bedrijven om hun toeleveringsketens onder de loep te nemen en waar nodig aan te passen. Voor groothandelsbedrijven betekent dit dat het voorraadbeheer op orde moet zijn, zodat bijvoorbeeld onverwachte voorraadschommelingen kunnen worden opgevangen. In de afgelopen jaren vertoonden de voorraden in de groothandel een grillig verloop, door onder meer verstoringen in de toeleveringsketen als gevolg van de coronapandemie en de nasleep daarvan. Sinds eind 2024 loopt het aantal groothandelaren dat de voorraden te hoog vindt weer enigszins op. Dit heeft mogelijk te maken met de huidige handelsoorlog waardoor bedrijven grotere buffervoorraden aanhouden.
"De toegevoegde waarde van de groothandel ligt in het aanbieden van het juiste product op het juiste moment op de juiste locatie tegen de juiste prijs.”
Karsten, Timon Kuit
Voorraadmanagement is voor veel bedrijven uitdagend
Voor een efficiënt voorraadbeheer is het vinden van een goede balans tussen overtollige voorraden en uitverkochte artikelen belangrijk. Immers, te veel voorraden kunnen leiden tot hogere opslagkosten en verouderde producten, terwijl te weinig voorraden tot gemiste verkopen, en dus omzetderving, kunnen leiden. Bovendien heeft optimaal voorraadbeheer niet alleen impact op de voorraadniveaus, maar verbetert het ook het werkkapitaalbeslag, de omloopsnelheid van de voorraden, de winstmarges en de klanttevredenheid. Uit gesprekken met verschillende partijen in de keten blijkt dat optimaal voorraadmanagement voor veel bedrijven uitdagend is. Met de inzet van technologieën als kunstmatige intelligentie (AI), machine learning en deep learning (zie kader) kunnen groothandelsbedrijven hun benodigde voorraden nauwkeuriger voorspellen en daar hun voorraadstrategie op aanpassen.
Kunstmatige intelligentie (AI) betreft een verzameling technologieën dat uit meerdere lagen bestaat. In het algemeen geldt dat AI zelfstandig taken kan uitvoeren, waar voorheen menselijke intelligentie voor nodig was. AI omvat machine learning, waarbij systemen worden gebouwd die zelflerend zijn op basis van data, zonder te worden geprogrammeerd. Zij kunnen voorspellingen doen op basis van datareeksen. Hoe meer data, hoe beter de voorspellingen worden. Deep learning is een vorm van machine learning dat gebruik maakt van neurale netwerken om meer complexe digitale systemen te doorgronden. Dit wordt onder meer gebruikt voor data-analyse en patroonherkenning. Generatieve AI (GenAI) is een systeem binnen deep learning en bestaat uit computersystemen die nieuwe content kunnen genereren, zoals tekst, beeld, video’s etc.
"},"alignedImage":{"position":"bottom","transformBaseUrl":"https://assets.ing.com/transform/62fcffcd-1e6c-4a32-835f-531730bde008/AI-in-trade-jun25-figuurAI-NEW","original":"https://assets.ing.com/m/7f161980c9541aa/original/AI-in-trade-jun25-figuurAI-NEW.png","extension":"png"}}]},{"componentType":"paragraph","richBody":{"value":"Bijna een kwart van de handelsbedrijven gebruikt AI-technologie
Ondanks het potentieel van AI wordt het in de handel nog niet op grootschalig niveau toegepast. Vorig jaar gebruikte ongeveer een kwart van de handelsbedrijven ten minste één AI-technologie. Daarmee bevindt de sector zich in de middenmoot. ICT-bedrijven maakten vorig jaar het vaakst gebruik van ten minste één AI-technologie en bouw- en horecabedrijven het minst. De meest gebruikte AI-technologieën waren het analyseren van geschreven tekst (tekst mining) en het genereren van gesproken of geschreven tekst (natural language generation), zoals chatbots bijvoorbeeld. Het gebruik van AI-technologie hangt, naast de sector, ook nauw samen met de grootte van een bedrijf. Zo was het gebruik van AI-technologie vorig jaar het hoogst onder bedrijven met meer dan 500 werkzame personen (59% van de bedrijven) en het laagst onder bedrijven met 10 tot 19 werkzame personen (18% van de bedrijven).
"Dat AI steeds meer impact zal hebben op onze werkzaamheden is voor ons een no-brainer. We omarmen de technologische mogelijkheden, maar vinden de menselijke touch daarbij nog altijd erg belangrijk. Stap voor stap proberen we AI zo in onze organisatie te implementeren.”
Wibra, Tom Kroeze
Voor groothandelsbedrijven valt de grootste winst van AI-technologie te behalen in voorraadbeheer. Zo kan AI worden ingezet voor:
"}},{"componentType":"paragraph","richBody":{"value":"1. Voorraadoptimalisatie
Door digitalisering is er tegenwoordig een overvloed aan data beschikbaar. AI-technologie kan op basis van historische verkoopdata, seizoensgebonden trends en externe factoren, zoals weersvoorspellingen, consumentenvertrouwen en social media trends, nauwkeurige voorspellingen doen over de toekomstige vraag. Dit stelt groothandelsbedrijven in staat hun voorraadniveaus, eventueel per locatie of per product, hier optimaal op af te stemmen.
"Wij hebben 230 winkels, per jaar introduceren we 2500 stijlen in vijf verschillende maten. Dat zijn bijna drie miljoen items en bijna 75 miljoen voorraad beslissingen op jaarbasis. Handmatig is het moeilijk te overzien waar en wanneer je voorraden moet bijvullen of waar je overtollige voorraden hebt. Dankzij AI-technologie kunnen we nu op dagbasis circa 90% van de voorraad monitoren en direct handelen waar nodig is.“
WAIR.ai, Steven Witteveen
"Wij gebruiken AI-technologie voor het voorspellen van de vraag. Omdat we met bederfelijke producten werken is de factor tijd voor ons heel belangrijk. Het goed kunnen voorspellen van de volatiele vraag en daar een goede supply planning voor maken is voor ons de sleutel tot succes.”
Koninklijke Vezet, Frank Wester
2. Efficiëntere logistiek
Ook in het logistieke proces biedt AI-technologie uitkomst voor de groothandel. Zo kan AI de rittenplanning optimaliseren en aangeven hoe winkels en distributiecentra het meest efficiënt kunnen worden bevoorraad. Dit leidt tot kortere leveringstijden en lagere opslag- en transportkosten. AI kan ook worden ingezet om betere looproutes door het magazijn te bepalen op basis van producten die wel of juist niet goed lopen. Goedlopende producten die minder goed zijn te vinden leiden immers mogelijk tot omzetderving door vertragingen in de orderverwerking.
3. Prijsstrategieën bepalen
Een derde mogelijkheid waar AI-technologie kan worden ingezet in het voorraadbeheer is bij de prijsstelling van producten. Hierbij analyseren AI-tools real-time marktgegevens om de juiste prijsstelling te bepalen, onder meer op basis van vraag en aanbod in de markt, de beschikbare voorraden en de concurrentie. Dit geeft groothandelaren beter inzicht of ze de juiste prijs betalen en/of vragen. Daarnaast kan het ook worden gebruikt voor dynamic pricing van bijvoorbeeld bederfelijke voedingsmiddelen of voor de prijsbepaling van oudere overtollige voorraden. Strategische beprijzing maakt handelaren flexibeler in hun prijsstrategie, waardoor de winstmarge verbetert en ze concurrerend kunnen blijven.
1. Kostenbesparingen en hogere verkopen
Voorraadoptimalisatie leidt tot kostenbesparingen en meer omzet omdat het de kans op overtollige of juist te weinig voorraden reduceert. In geval van overtollige voorraden moeten producten worden afgeprijsd of als (deels) incourante voorraden worden afgeschreven. Indien er te weinig voorraden worden aangehouden, moet er vaker nee worden verkocht, wat leidt tot omzetverlies en ontevreden klanten. Bovendien zorgt een goede balans in de voorraden voor lagere opslag- en transportkosten, is er minder verspilling en een efficiënter werkkapitaalbeslag. Onder aan de streep leidt voorraadoptimalisatie dan ook tot betere winstmarges voor de groothandel. Deze waren in de afgelopen jaren juist verslechterd, onder meer door oplopende werkkapitaalkosten als gevolg van de omvangrijke voorraden in combinatie met een relatief hoge rente in 2023.
Lagere voorraad zorgt voor verbetering van de winstmarge
Optimaal voorraadbeheer leidt tot lagere werkkapitaalkosten voor de groothandel. Inefficiënt voorraadbeheer leidt immers tot onnodige kosten voor onder meer opslag-, personeels- en financieringskosten. Uit onderstaand rekenvoorbeeld blijkt dat wanneer de eindvoorraden met 10% afnemen, de winstmarge in de groothandel structureel verbetert met circa 0,65%. Dit lijkt relatief weinig, maar in absolute aantallen betreft het een enorme winstverbetering, zeker voor een sector met relatief dunne winstmarges.
2. Snel en effectief inspelen op veranderende marktomstandigheden
Een tweede voordeel is dat groothandelsbedrijven dankzij AI beter geïnformeerde en snellere besluiten kunnen nemen op het gebied van voorraadbeheer. Voorheen werd dit bij veel groothandelsbedrijven voornamelijk op onderbuikgevoelens gedaan. Dankzij de real-time inzichten in vraag en aanbod en in de voorraadniveaus kunnen bedrijven snel en effectief inspelen op de (snel) veranderende trends en consumentenvoorkeuren. Bovendien geeft real-time data ook inzicht in eventuele verstoringen in de toeleveringsketen die mogelijk kunnen leiden tot leveringsproblemen. Op basis hiervan kunnen bedrijven maatregelen nemen om de risico’s van niet-levering zoveel mogelijk te beperken.
"‘Vijf tot tien jaar geleden bestond traditioneel voorraadbeheer uit ‘ik bestel en ik ken de leverancier goed.’ De voorraadbeheerder van de toekomst is degene die heel goed met data kan voorspellen wat er nodig is op welk tijdstip. Dus wat leeft er in de markt en hoe kan ik dat vertalen naar de vraag naar een product? Dat is een evolutie in het benodigde profiel van een voorraadbeheerder.”
Rensa Family Company, Marcel Walvoort
3. Slimmer werken dankzij AI
Een derde voordeel is een efficiëntere inzet van personeel, zeker in tijden van structurele personeelstekorten en oplopende loonkosten. Gemiddeld genomen kampt circa een derde van de groothandelsbedrijven met personeelstekorten. Het is nog niet zo dat AI de werkzaamheden van werknemers volledig overneemt, maar wel dat deze veranderen door gebruik van AI-technologie. Werknemers in de toelevering en de planning bijvoorbeeld veranderen van besluitmakers naar het monitoren en valideren van wat de AI-tools zeggen. Dit kan niet alleen sneller dankzij AI, maar ook met minder personeel, waardoor personeel wordt vrijgemaakt voor andere werkzaamheden. De verwachting is dat naarmate de AI-technologie zich verder ontwikkelt, ze steeds meer kunnen zonder menselijke interactie. Dit kan leiden tot een enorme boost van de arbeidsproductiviteit.
"Voorheen konden we met drie mensen slechts 5% van onze voorraden monitoren, alleen de toppers en de floppers. Dankzij AI-technologie kunnen we het nu met één persoon af, die 90% van de voorraden real-time kan monitoren.”
WAIR.ai, Steven Witteveen
"Personeelskosten zijn onze grootste uitdaging. Je hebt het liefst dat medewerkers zo veel mogelijk met de klant bezig zijn en zo min mogelijk met de voorraden.”
IJsvogel Groep/ Pets Place, Ard Malenstein
1. Kwaliteit en toegang tot data
Eén van de grootste uitdagingen in het werken met AI-technologie is de kwaliteit en toegankelijkheid van de data. Kwantitatieve en kwalitatieve data is cruciaal voor een optimale werking van AI-technologie. Zonder goede data kunnen er geen nauwkeurige voorspellingen door AI worden gedaan. Bovendien wordt AI-technologie getraind op data. Naarmate er meer data is worden de AI-tools beter en daarmee de voorspellingen nauwkeuriger. Binnen bedrijven is er nog lang niet altijd sprake van eenduidigheid in de data tussen verschillende afdelingen. Er wordt nog te vaak in aparte silo’s gewerkt. Ook in de toeleveringsketen kunnen nog grote stappen worden gemaakt, zowel op het gebied van datakwaliteit als op toegankelijkheid. Als het mogelijk is om data van de leverancier tot aan de klant te ontsluiten leidt dat tot een efficiëntere keten. Dat gebeurt nu nog onvoldoende. Het lastige is dat leveranciers en afnemers in de toeleveringsketen nog lang niet altijd bereid zijn hun data te delen met de groothandel.
"We wisselen veel data uit met partners binnen de keten, alleen is dat nog meestal via een klassiek elektronisch systeem (EDI-verkeer). Voor het uitwisselen van data zodat AI daar iets mee kan zijn onze systemen nog onvoldoende op elkaar afgestemd. Dat willen we eerst intern op orde hebben, voordat we goede en betrouwbare data in de keten kunnen uitwisselen.”
Koninklijke Vezet, Frank Wester
"Belangrijk voor het gebruik van AI is dat de kwaliteit van data goed moet zijn, dat is nu vaak nog niet het geval. Bij veel bedrijven die bij ons aankloppen is de data – zoals afmetingen, prijs, soort – onvolledig. Daarnaast zijn producten die niet standaard zijn, zoals houten planken van verschillende afmetingen, moeilijk in het systeem in te brengen. Hierdoor is er weinig historie beschikbaar voor het doen van voorspellingen.”
Slimstock, Jan Kraaijeveld
2. Verouderde digitale infrastructuur
Voor bedrijven die over voldoende data beschikken ligt de uitdaging er in om de verschillende datapunten binnen een bedrijf te kunnen ontsluiten. Om dit mogelijk te maken zijn vaak forse investeringen nodig in de – al dan niet verouderde - digitale infrastructuur. Daarbij is het niet alleen belangrijk dat AI-tools op de digitale infrastructuur kunnen worden aangesloten, maar ook dat het systeem flexibel en schaalbaar is. Technologie verandert snel en systemen moeten in staat zijn om zich aan te passen aan nieuwe AI-technologieën en veranderende marktomstandigheden.
"We zitten middenin een transitietraject. Alle systemen die we nu hebben of binnenkort krijgen zijn de beste en kunnen de nieuwste technologieën omarmen.”
Rensa Family Company, Henk-Jan Wegman
“De afgelopen vijf jaar zijn we alleen maar met techniek bezig geweest. We hebben alle functionaliteiten gestandaardiseerd, zodat we de data er uit kunnen halen. De implementatie van het nieuwe systeem heeft ons aardig wat geld gekost. Maar we zijn nu eindelijk zo ver dat we het kunnen gaan gebruiken.“
IJsvogel Groep/ Pets Place - Ard Malenstein
3. Juiste expertise ontbreekt
Een derde uitdaging voor bedrijven ligt in het feit dat de technologische ontwikkelingen op het gebied van AI zo snel gaan dat het voor veel bedrijven moeilijk is om bij te houden. Waar grote bedrijven veelal zelf hun AI-tools ontwikkelen, geldt voor middelgrote en kleinere bedrijven dat ze externe partijen moeten inhuren voor de implementatie van AI-tools. Gezien de structurele personeelstekorten is het voor veel bedrijven een uitdaging om de juiste specialisten op dit gebied te vinden. Daarnaast ontbreekt het intern bij het personeel veelal aan de wil en/of de juiste kennis en vaardigheden die nodig zijn om met AI-technologie te kunnen werken. Daarom is het belangrijk dat bedrijven investeren in trainingen en opleidingen, zodat medewerkers met AI kunnen werken.
“Het belangrijkste is dat je de juiste kennis en handjes in huis haalt. Inhuren van technici werkt vaak niet, omdat ze niet weten wat ze moeten doen en veel mensen aannemen ook niet omdat er niemand is die ze vertelt wat en hoe ze het moeten doen. Wij werken nu samen met Google en dat gaat prima.”
IJsvogel Groep/ Pets Place, Ard Malenstein
“De wil om met data te werken vraagt veelal om een cultuuromslag binnen bedrijven. Medewerkers moeten durven vertrouwen op de AI-technologie, terwijl dit voor velen nog een blackbox is. Zij willen de cijfers begrijpen en vinden het moeilijk om te vertrouwen op de uitkomsten van een AI-tool.”
WAIR.ai, Steven Witteveen
Waarde creëren met data
Real-time data over de stand van de voorraden in de keten geeft een groothandel een competitief voordeel. Door meer datagedreven te werken kunnen groothandelsbedrijven innovatieve dienstverlening in de toeleveringsketen aanbieden. Zo kan de groothandel, op basis van real-time data, retailers bijvoorbeeld, inzicht geven in welke producten wel of juist niet goed lopen, wat de markttrends zijn en wat voor optimale voorraad de retailer zou moeten aanhouden op basis van de te verwachten vraag. Met behulp van data kan de groothandel de klantvraag koppelen aan de leveranciersvraag. Daardoor kan de groothandel in plaats van het aansturen van de distributie, de productie aansturen aan de hand van wat de AI-tools aangeven waar behoefte aan is.
Van tussenpersoon naar strategisch partner
Door het gebruik van AI-technologie in het voorraadbeheer transformeert de rol van de groothandel van tussenpersoon naar strategisch partner. Het vermogen om AI slim te integreren in voorraadstrategieën bepaalt in toenemende mate het onderscheidend vermogen van groothandels in de huidige dynamische en competitieve markt. Groothandelsbedrijven die AI-technologie toepassen om de vraagvoorspelling en voorraadoptimalisatie te verbeteren, creëren niet alleen operationele efficiëntie, maar ook strategische waarde voor hun klanten. Zij positioneren zich daardoor als onmisbare schakel in de keten en kunnen hierdoor hun concurrentiepositie aanzienlijk verbeteren. Aangezien nog lang niet alle handelsbedrijven AI-technologie in hun dagelijkse werk toepassen is de kans reëel dat er in de toekomst een grotere tweedeling ontstaat tussen bedrijven die meegaan in de AI-transitie en bedrijven die dat niet doen of kunnen. Doordat de technologische ontwikkelingen razendsnel gaan, komen de achterblijvende bedrijven alleen maar verder op achterstand. Het is dus voor iedere groothandel essentieel om aan te haken bij deze nieuwe technologische ontwikkelingen.
Auteur
Katinka Jongkind
Met medewerking van
Dirk Mulder - ING Sector Banking
Maurice van Sante - ING Research
Met dank aan
Karsten - Timon Kuit
Koninklijke Vezet - Frank Wester
Rensa Family Company - Henk-Jan Wegman en Marcel Walvoort
Shoeby/WAIR.ai - Jeffrey Witteveen en Steven Witteveen
Slimstock - Jan Kraaijeveld
Wibra - Tom Kroeze
IJsvogel Groep/ Pets Place - Ard Malenstein
Deze publicatie is opgesteld door de 'Economic and Financial Analysis Division' van ING Bank N.V. ("ING") en slechts bedoeld ter informatie van haar cliënten. Deze publicatie is geen beleggingsaanbeveling noch een aanbieding of uitnodiging tot koop of verkoop van enig financieel instrument. Deze publicatie is louter informatief en mag niet worden beschouwd als advies in welke vorm dan ook. ING betrekt haar informatie van betrouwbaar geachte bronnen en heeft alle mogelijke zorg betracht om ervoor te zorgen dat ten tijde van de publicatie de informatie waarop zij haar visie in deze publicatie heeft gebaseerd niet onjuist of misleidend is. ING geeft geen garantie dat de door haar gebruikte informatie accuraat of compleet is. ING noch één of meer van haar directeuren of werknemers aanvaarden enige aansprakelijkheid voor enig direct of indirect verlies of schade voortkomend uit het gebruik van (de inhoud van) deze publicatie alsmede voor druk- en zetfouten in deze publicatie. De informatie in deze publicatie geeft de persoonlijke mening weer van de Analist(en) en geen enkel deel van de beloning van de Analist(en) was, is, of zal direct of indirect gerelateerd zijn aan het opnemen van specifieke aanbevelingen of meningen in dit rapport. De analisten die aan deze publicatie hebben bijgedragen voldoen allen aan de vereisten zoals gesteld door hun nationale toezichthouders aan de uitoefening van hun vak. De informatie in deze publicatie kan gewijzigd worden zonder enige vorm van aankondiging. ING noch één of meer van haar directeuren of werknemers aanvaarden enige aansprakelijkheid voor enig direct of indirect verlies of schade voortkomend uit het gebruik van (de inhoud van) deze publicatie alsmede voor druk- en zetfouten in deze publicatie. Auteursrecht en rechten ter bescherming van gegevensbestanden zijn van toepassing op deze publicatie. Niets in deze publicatie mag worden gereproduceerd, verspreid of gepubliceerd door wie dan ook voor welke reden dan ook zonder de voorafgaande uitdrukkelijke toestemming van de ING. Alle rechten zijn voorbehouden. ING Bank N.V. is statutair gevestigd te Amsterdam, houdt kantoor aan Bijlmerplein 888, 1102 MG te Amsterdam, Nederland en is onder nummer 33031431 ingeschreven in het handelsregister van de kamer van koophandel. In Nederland is ING Bank N.V. geregistreerd bij en staat onder toezicht van De Nederlandsche Bank en de Autoriteit Financiële Markten. Voor nadere informatie omtrent ING policy zie https://research.ing.com/.
"}}]},{"componentType":"cards","cards":[{"componentType":"productCard","cardType":"product","cardSize":"small","title":"Dirk Mulder","intro":"Sector Banker Trade & Retail","image":{"transformBaseUrl":"https://assets.ing.com/transform/0da8293d-d417-49a8-b633-8dedc538decd/Dirk-Mulder","type":"image","width":669,"original":"https://assets.ing.com/m/2872ed6990038e33/original/Dirk-Mulder.jpg","extension":"jpg"},"link":{"url":"/zakelijk/sector/trade-retail/dirk-mulder"}},{"componentType":"productCard","cardType":"product","cardSize":"small","title":"Katinka Jongkind","intro":"Econoom Services, Retail & Leisure","image":{"transformBaseUrl":"https://assets.ing.com/transform/bd9609da-832a-4b75-8098-50f8d9831d97/Katinka-Jongkind","type":"image","width":263,"original":"https://assets.ing.com/m/5f3dcf4b7e2d354/original/Katinka-Jongkind.png","extension":"png"},"link":{"url":"/zakelijk/economie/over-ing-research/auteur/katinka-jongkind"}}]}]},"complementaryZone":{"flexComponents":[{"componentType":"sectionTitle","title":"Ook interessant"},{"componentType":"cards","cards":[{"componentType":"productCard","cardType":"product","cardSize":"medium","title":"Klimaattransitie biedt distributeurs nieuwe verdienmogelijkheden","body":"6 mei 2024 - Veel groothandelsbedrijven zijn nog onvoldoende doordrongen van de mogelijkheden die de klimaattransitie hen biedt vanwege hun strategische positie in de keten.","image":{"transformBaseUrl":"https://assets.ing.com/transform/8faf8d61-c1ec-4f16-b472-746542e2201f/Loading-cargo-from-containers","type":"image","width":4608,"altTextEN":"\"\"","altTextNL":"\"\"","altTextFR":"\"\"","altTextDE":"\"\"","original":"https://assets.ing.com/m/421ff1ecb817da96/original/Loading-cargo-from-containers.jpg","extension":"jpg"},"link":{"url":"/zakelijk/sector/trade-retail/klimaattransitie-biedt-distributeurs-nieuwe-verdienmogelijkheden"}},{"componentType":"productCard","cardType":"product","cardSize":"medium","title":"Groothandel trekt stijgende lijn in 2026 door","body":"29 januari - De sector groeit in 2026 iets harder dan in 2025. De groeiende Europese en binnenlandse vraag compenseert de vraagdruk vanuit de VS","image":{"transformBaseUrl":"https://assets.ing.com/transform/3df74e1d-2d13-4da4-a800-f8d67c2205ec/human-control-3d-rendering-robot","type":"image","width":2508,"original":"https://assets.ing.com/m/6b7b5edc838478ba/original/human-control-3d-rendering-robot.jpg","extension":"jpg"},"link":{"url":"/zakelijk/sector/trade-retail/vooruitzicht-groothandel"}},{"componentType":"productCard","cardType":"product","cardSize":"small","title":"Meer over Trade & Retail","image":{"transformBaseUrl":"https://assets.ing.com/transform/011e1118-bfe6-483b-a129-c2ab2b348111/Icon-Trade-and-Retail","type":"image","width":236,"original":"https://assets.ing.com/m/3d25eb5d2f3b2004/original/Icon-Trade-and-Retail.svg","extension":"svg"},"link":{"url":"/zakelijk/sector/trade-retail"}}]},{"componentType":"sectionTitle","title":"Blijf op de hoogte"},{"componentType":"cards","cards":[{"componentType":"serviceCard","cardType":"service","cardSize":"small","title":"Onze publicaties in je mailbox","image":{"transformBaseUrl":"https://assets.ing.com/transform/ed278600-502d-4eab-b44c-b995dfb5f253/Icon-Envelope","type":"image","width":237,"original":"https://assets.ing.com/m/27711bd2f94a8e23/original/Icon-Envelope.svg","extension":"svg"},"link":{"url":"https://ingthink.slgnt.eu/optiext/optiextension.dll?ID=PbkPn7YpYhvjrFjvTUD8S3Vav52QmkvGQm7qSxkvuviMQZuzyw35feMmO6cH6bUlOBp%2BNWCyQFeoieEKV4"}},{"componentType":"productCard","cardType":"product","cardSize":"small","title":"Volg ons op X","image":{"transformBaseUrl":"https://assets.ing.com/transform/53b8855d-2f0c-4e52-8575-ca5457329002/Logo-X","type":"image","width":786,"original":"https://assets.ing.com/m/5d6498c19f531619/original/Logo-X.svg","extension":"svg"},"link":{"url":"https://twitter.com/ingnl_economie"}}]}]}}}