look-a-like

Waarom new business ‘op gevoel’ niet meer werkt

Big data zijn everywhere. Terecht, de mogelijkheden zijn ongekend. Nieuwe klanten bijvoorbeeld, vind je sneller met data dan met gutfeeling. Wedden? Om die overtuiging te bewijzen doen we je graag een aanbod. Maar eerst terug naar je new business.


door Dennis Groen

New Business

Jarenlang hebben we vertrouwd op onze gutfeeling: een beetje ondernemer weet prima wie zijn klanten zijn. Maar als je wilt groeien, heb je meer klanten nodig. De vraag is dan: van welke klanten wil je er meer? Dat is lastig op gevoel te bepalen. Is het de typische klant die het vaakst komt of juist die bijzondere klant waar veel tijd in gaat zitten? En als je het al weet, dan moet je ook weten of dat soort klanten bij je in de buurt zitten en hoe je ze moet benaderen.

Tot een jaar of tien geleden was het geen doen om op deze manier marketing te bedrijven. Elke vraag riep meer vragen op. Maar nu zijn er big data. En big data maken het heel eenvoudig om heel snel analyses te maken waardoor de ‘good old look-a-like’, oftewel de klant die beste bij je huidige portfolio past, ineens heel bereikbaar wordt. De data zijn er, het enige wat je moet doen is de structuur aanbrengen.

Structuur

Structuur, tsja…. Als er iets op big data van toepassing is, is het ‘door de bomen het bos niet meer zien’. Een enorme hoeveelheid data vertelt je niets, is onoverzichtelijk en zorgt er vaak voor dat er uiteindelijk niets mee gedaan wordt. Structuur aanbrengen is het devies. De grote hoeveelheden, dynamische data onderbrengen in modellen die uiteindelijk leiden tot meer winst. En ik weet het, dat klinkt simpel, maar zo eenvoudig is het niet. Daar gaat het in veel organisaties direct mis en het leidt ertoe dat data niet volledig, of zelfs helemaal niet, benut worden. Lukt het je niet om zelf structuur in je data aan te brengen? Schakel hulp in!

Datagedreven zonder data

Tot slot; zelfs als je geen data hebt kun je datagedreven werken. Want zelfs de persoonlijke kennis en kunde van accountmanagers is te vatten in data en variabelen. Bij ‘gebrek’ aan data is kennis namelijk het uitgangspunt. Hoe sorteert de accountmanagers zijn leads, zit daar logica in? Kijkt hij bijvoorbeeld op de website en spreken bepaalde termen hem positief aan? Dan kan dat de basis zijn om te starten, want klopt het dat die termen inderdaad vaker voorkomen op websites van klanten, dan zit daar al een correlatie. En welke accountmanager past het best bij welke organisatie? Ook dat kun je uitzoeken zonder op voorhand alle informatie te hebben.

Sowieso heb je altijd wel wat data. Want facturen moeten verstuurd worden dus adressen zijn aanwezig. En veel data is openbaar. Met die data kun je al een look-a-like in kaart brengen die beter scoort dan welke dataloze methode ook.

Aanbieding/uitdaging: gratis profielscan

Wij zijn overtuigd van de kracht van big data als het gaat om new business. En daarom hebben we een aanbieding voor je. Nou ja, uitdaging is wellicht een beter woord.

Laat ons een analyse doen van je klantenbestand: wedden dat je ideale klant er anders uit ziet dan je denkt?

Verrast de uitkomst je niet, is de scan gratis. Maar ik denk dat de uitslag data vs. gutfeeling nu al vast staat. Kijken wie het beter weet? Ik zie uit naar je reactie!

big data

MBA in BIG DATA (slot)

Door Brand Hop

De afgelopen tijd deed ik verslag van mijn opleiding MBA Big Data & Business Analytics. Wel, het is gelukt: ik ben een heuse MBA. De mastertitel zegt me niet zoveel hoor, veel meer popel ik om mijn kennis in de praktijk te brengen. Big-dataoplossingen voor relevante projecten waarbij voorspellingen nodig zijn of afbeeldingen en/of teksten geanalyseerd worden. Want er is ongelofelijk veel mogelijk en genoeg te doen. Ik geef wat voorbeelden en dan: daag me maar uit met jouw uitdaging.


Gegevensbeheer ziekenhuisbezoek

Als ik met mijn moeder in het ziekenhuis ben, vraagt een specialist naar de lijst met medicijnen die gebruikt worden. Die hebben we bij ons. De specialist begint met het overtypen van de lijst in de computer, duurt toch zeker vijf tot tien minuten. En dan denk je: dat is eenmalig. Maar nee, elke keer als we in het ziekenhuis komen wordt de lijst weer overgetypt. Dit is toch ongelofelijk inefficiënt en onnodig in deze tijd van automatisering.

Een oplossing: Laat de patiënt zelf zijn gegevens beheren, deze tijdelijk overhandigen aan de specialist op het moment dat hij in het ziekenhuis is. Voor oudere en niet digitaal vaardige patiënten is het beheren van de gegevens nog wel een uitdaging. En het privé houden van de gegevens ook. Ik moest gelijk denken aan blockchain, dat we net hadden behandeld. Dat is hier een ideale oplossing voor, waarbij transparantie en veiligheid centraal staan.

Tekst- en sentimentanalyse

Op de klantenservice komen veel gesprekken binnen, zowel via telefoon, via chat als via e-mail. Veel van de vragen zijn eenvoudig te beantwoorden. Zou het niet handig zijn als je een selectie kunt maken van de makkelijke en de moeilijke vragen? Dat kan dus. Met machine learning. De makkelijke vragen kunnen we afhandelen met een snel automatisch antwoord en de moeilijkere vragen krijgen meer aandacht.

Ook kunnen we in een live telefoongesprek of een chat het sentiment van de klant volgen. Is een klant boos, signaleert de computer dit direct en geeft gelijk een goede reactie voor de agent. Door het sentiment te volgen kunnen we ook vaststellen of de klant een bepaalde uitleg heeft begrepen. Zo niet, wordt dat gesignaleerd en kan de uitleg nogmaals en op een ander manier worden gegeven.

Oh, en laten we dan gelijk werken aan een tool waarin zowel als tekst en speech samen geanalyseerd worden, om klanten nog beter van dienst te zijn.

Beeldanalyse

Beeldanalyse is een tool waarmee we ongelofelijke resultaten behalen. In mijn thesis heb ik afbeeldingen geanalyseerd om te bepalen hoe deze scoren op de schalen introvert-extravert, ego-groep en cultuurbevestigend-cultuuraanvallend. Deze techniek is overal te gebruiken waar beeld een rol speelt. Twee voorbeelden.

  • Infrastructuur: we maken met een camera regelmatig beelden maken van wegen, waardoor we zien of er onvolkomenheden in de weg zitten die gerepareerd moeten worden.
  • Websites optimaliseren: dit is een combinatie van beeld en tekst. In de analyse bepalen we welke elementen bijdragen aan een goede website. Een analyse van afbeeldingen geeft inzicht of de juiste doelgroep wordt aangesproken.

Voorspellingen verder getrokken

Naast de voorspellingen die we al maken met afbeeldingen (past wel/niet bij de lezer), kunnen we voorspellingen ook verder trekken. Zo kunnen we voorspellen welk huis een bezoeker van een huizensite kiest als er meer huizen worden aangeboden. Voor consumenten is het ook erg prettig om op het juiste moment een aanbieding te krijgen van een nieuwe tv en niet als je er net een gekocht hebt. En het is helemaal ideaal als je zelf kunt aangeven als je open staat voor een goede aanbieding. Scheelt de consument ergernis en je data worden ook nog eens verrijkt.

Daag me uit

Ik zei het al: big data is een speelveld waarop ongelofelijk veel mogelijk is. En wat je uitdaging ook is: ik weet bijna zeker dat big data je verder kunnen helpen. Heb je een uitdaging en wil je deze delen? Bel of e-mail me en dan gaan we aan de slag.

data

De inklopstagiair en andere datafouten

Data biedt kansen voor vrijwel iedere organisatie. Toch haalt lang niet iedereen het maximale uit deze goudmijn. Vier veel voorkomende datafouten op een rijtje. En – belangrijker – wat je wel moet doen.


1. Er is geen overzicht

Data in je bezit hebben betekent niet perse dat je erover kunt beschikken. Bijvoorbeeld door silo-denken: elke afdeling zijn eigen eilandje. Verschillende systemen, verschillende bevoegdheden, gebrek aan communicatie. Het overzicht ontbreekt. En dus zie je geen kansen.

Een data-analist kan pas echt aan de slag als hij toegang heeft tot alle data. Dus 1) zorg dat er één persoon wordt aangesteld met het overzicht. Met 2) toegang tot alle data, over silo’s heen.

2. Wees niet perfectionistisch

Een andere veelgemaakte fout is perfectionisme. De data is niet compleet, dus wordt er niet gestart. Er moet eerst een stagiair aan de slag. Weken lang data inkloppen om het bestand compleet te maken. Zonde van de moeite. Niet alleen leert die stagiair niets – en rent waarschijnlijk gillend weg, maar dat terzijde – het is ook nog eens totaal onnodig.

Je hebt niet alle data nodig om tot inzichten te komen. Gatenkaas mag! De truc is om je data te koppelen en zo te verrijken. Dat is niet altijd even makkelijk, maar dat is onderdeel van datacreativiteit.

Een mooi voorbeeld zagen we bij een leverancier van horecakoelingen. Alles wat ze hadden waren een paar ‘excelletjes’. Maar door die excelletjes aan elkaar te koppelen konden we de klant definiëren. En dat was de basis voor een leadgeneration-model.

3. Durf te delen

En dan heb je nog de bedrijven die als een malle data gaan verzamelen. Ze willen alles zelf hebben, komen om in de bestanden en gegevens. Onnodig. Kijk eerst eens om je heen. Wat is er aan open data beschikbaar? En wat dacht je van data dating; het koppelen van bestanden van verschillende organisaties. Voor je gelijk begint over de AVG, maak je geen zorgen: dat koppelen doe je op geaggregeerd of anoniem niveau. Privacy komt absoluut niet in het gedrang.

Je ziet data dating al gebeuren bij grote organisaties. Een energiemaatschappij die data uitwisselt met een bank bijvoorbeeld. Data dating brengt nog een voordeel met zich mee. Er is namelijk geen mens die wiskunde-, data-, techniek- én domeinkennis heeft. Door je data te combineren met andere organisaties, deel je gelijk expertises. Kortom: durf te delen.

4. Je hoeft niet groot te zijn

Misschien is bovenstaande allemaal niet op jou van toepassing, maar werk je in een kleine organisatie. Daar zien we nogal eens het Calimero-effect. ‘Wij zijn veel te klein om met data aan de slag te gaan.’ Nee dus.

Er zijn zoveel data beschikbaar, dat er heel veel mogelijk is. Zelfs de kleinste bedrijven kunnen data-driven zijn. Een specialistisch trainingsbureau hielpen wij bijvoorbeeld met het vinden van nieuwe klanten door middel van data.


Maak geen valse start, data is de selling machine van nu. Doe je het goed, heb je goud in handen. Twijfel je hoe te beginnen, bel gerust. Met een gratis datascan laten we je zien waar jouw kansen in data liggen.

MBA in big data. 4) Exponentieel denken: de les van Silicon Valley.

Brand Hop reisde met een delegatie van de Universiteit van Amsterdam naar Silicon Valley. Hij leerde er drie dingen. Heb lef, wees niet bescheiden en vooral: denk exponentieel dus drie stappen vooruit. De les van Silicon Valley, deel 4 in de serie MBA in Big Data.


Het meest aansprekende onderdeel van de opleiding MBA Big Data & Business Analytics is een reis naar de thuisbasis van Apple, Google, Facebook, de universiteiten Berkeley en Stanford. Waar anders dan in Silicon Valley vind je zoveel zoveel durf, kapitaal en intellect.

Voor startups spreekt Silicon Valley tot de verbeelding, hier zit het grote geld, maar ook het talent om van een startup iets groots te maken. De masteropleiding van de UvA laat Nederlandse ondernemers en vakidioten die vibe aan den lijve voelen…

Startup denken

Om de beginstappen van een startup te ervaren is het programma erop gericht om een pitch te geven aan Amerikaanse investeerders. Voorafgaand aan de reis werd in groepen een idee uitgewerkt voor het starten van een innovatief bedrijf. Hier in Nederland werd het idee al onderzocht op de behoefte bij de doelgroep, het verdienmodel en het benodigde kapitaal.

De presentaties waren degelijk, onderbouwd en bescheiden: de meeste groepen dachten aan 40.000 euro startkapitaal voldoende te hebben om een minimum viable product te kunnen ontwikkelen. Op naar Amerika waar de investeerders zouden toehappen… dacht men.

De wereld veroveren

Eenmaal in Verenigde Staten bleek alles anders. De Amerikaanse investeerders wilden geen keurige Excelplannetjes zien, maar grootse ambities: ‘How do you think to conquer the world?’

De relatief kleine 40k startinvestering? Het maakte een volkomen verkeerde indruk. Bescheidenheid houden Amerikanen niet van: iets wat goedkoop is kan niet goed zijn.

Groter denken en vooral drie stappen vooruitdenken: welkom in de wereld van het exponential thinking.

Exponentieel denken

De ontwikkelingen gaan snel en om als bedrijf mee te kunnen gaan in deze snelle tijd moet je ervoor zorgen dat je exponentieel gaat denken, dus elke keer niet een klein beetje vooruit, maar elke keer twee tot tien keer vooruit.

Hiervoor is lef nodig om grote, wilde plannen te maken. Het bekende voorbeeld is van John F. Kennedy die in 1962 als doel stelde om voor 1970 naar de maan te gaan. Krankzinnig idee, maar het lukte ze wél.

Die typisch Amerikaanse gedachte, dat niets onmogelijk is, vormt de backbone van Silicon Valley.

Digitalisering

Exponentiele technieken zitten voornamelijk in de digitalisering. Voorbeelden hiervan zijn artificial intelligence (AI), augmented and virtual reality (AR, VR), data science, digital biology en biotech, medicine, nanotech en digital fabrication, networks en computing systems, robotics, and robocars.

Op al die gebieden barst het in de San Francisco Area van de initiatieven. Startups die er van overtuigd zijn dat ze de wereld gaan veroveren. En ook nog eens het liefst twee of meer van deze technieken gecombineerd gebruiken.

Terug naar onze wereld

De les van Silicon Valley is te focussen op exponentiele technieken en daarbij ook groter te gaan denken. Het is goed om te zien dat we bij SAMR al stappen zetten in deze richting met ons Design Lab en Data Creatives.

In onze wereld hebben we durf en visie nodig. Wil jij daar groot in worden?

Lees hier deel 3 uit de serie MBA in big data.


De MBA opleiding Big Data & Business Analytics aan de UvA begint in september en heeft nog enkele plaatsen vrij.


De ultieme BSR workshop heeft een vierkleuren publiek.

Organisaties gebruiken BSR™ om uit te vinden of hun doelgroep rood (vitaliteit), blauw (controle), groen (zekerheid) dan wel geel (harmonie) is. Het leert ze effectiever met hun publiek te communiceren. Tijdens een workshop leren ze de fijne kneepjes van BSR communicatie. So far so good. Maar consultant Diede van Delft ziet nog één verbeterpunt: deelnemers aan zo’n BSR workshop zijn bijna altijd uitsluitend rood of blauw en vormen vaak geen afspiegeling van het klantenbestand, noch van de organisatie zélf. Een pleidooi voor meer geel en groen aan tafel. Voor nog betere uitkomsten én: het groepsgevoel.


Veel organisaties zoeken naar manieren om effectiever te communiceren met burgers of klanten. Met BSR ‘kleuren’ wij het klantenbestand voor zo’n organisatie. En hebben we bepaald welke leefstijl/kleur hun doelgroep heeft? Dan gaan we door naar stap 2: communicatie. Oftewel de meest cruciale learning: hoe práát je dan tegen de mensen van die kleur? In de BSR sessies kom ik dan ook voornamelijk communicatieprofessionals (rood, creativiteit!) en salesmensen (blauw, resultaat!) tegen. Dat is even logisch als jammer…

Want als ik je vertel dat 58% van de Nederlanders juist geel dan wel groen is, waarom zorgen we er dan niet voor dat in de samenstelling van je BSR groep ook dat deel van je klantenbestand is vertegenwoordigd? Waarom rood en blauw zijn oververtegenwoordigd en wat geel en groen kunnen toevoegen leren we als we de kleuren nader bekijken.

Rood

Rode mensen zijn extravert en in voor nieuwe dingen. Vinden het leuk om iets nieuws te doen en zijn intrinsiek gemotiveerd om deel te nemen aan zo’n workshop. Zij vinden de BSR leefstijlen ook enorm interessant en willen graag weten hoe ze het kunnen toepassen. Als ze al kritisch zijn tijdens de workshop, dan is het vooral omdat ze het gevoel hebben dat ze in hokje geplaatst worden. Dat vinden ze niet fijn.

Blauw

Blauwe mensen zijn zakelijk, kritisch en houden graag controle. Zij willen wel deelnemen aan een workshop, maar willen gelijk weten hoe lang het duurt. En of ze ook halverwege kunnen aanhaken, want ze zijn zo druk. Het zijn ook vaak de mensen die op het laatste moment afhaken, want ‘er kwam een belangrijke vergadering tussen’. Tijdens de workshop willen blauwen bewijs zien. Harde onderbouwing. Heb je dat niet voor elkaar dan kom je een zeer kritische houding tegen.

Geel

Gele mensen houden van gezelligheid en doen mee als andere collega’s ook meedoen. Vooral de collega’s die zij leuk vinden. Zij vinden de afwisseling in hun dagelijkse werkzaamheden leuk. Gelen vinden de BSR informatie herkenbaar en soms ook grappig. Ze zijn zich zeer bewust van de verschillen tussen mensen in hun eigen omgeving, en herkennen daarom ook snel collega’s: ‘Oh, dan is Jan van finance hartstikke blauw!’. En ze houden tijdens de workshop in de gaten of iedereen nog wel te drinken heeft. Het moet tenslotte wel gezellig blijven….

Groen

Groene mensen zijn nuchter en terughoudend en het moeilijkst over te halen om aan een workshop deel te nemen. Zij zien niet direct de toegevoegde waarde voor hun eigen werkzaamheden. Is de workshop echter verplicht, zullen ze ook zondermeer komen. Ze tonen dan geen actieve weerstand, maar evenmin enthousiasme. Ze kijken de kat uit de boom. Tijdens de workshop hoor je ze het minst. Groenen lijken in eerste instantie wellicht wat sceptisch, maar zijn stabiele en betrouwbare krachten. Ze waaien niet met alle winden mee en nemen een afwachtende houding aan. Eerst maar eens zien of dit echt wat is.

Jouw BSR workshop beter

Vier kleuren, vier typen mensen. Wat zegt dit over jouw BSR workshop? Ten eerste dat het dus de moeite loont om niet alleen met een leefstijlblik naar je klanten, maar óók naar je medewerkers te kijken. Wie nodig je uit voor een BSR sessie? Laat je dat op z’n beloop, zul je een voornamelijk rode met een beetje blauwe groep krijgen. Dat kan mooi zijn, want dit zijn ook de mensen die enthousiast aan de slag zullen gaan met het geleerde.

Maar om de klantcommunicatie op kleur te toetsen (spreekt dit een geel/groen iemand aan?) loont het de moeite om ook collega’s uit dat leefstijlsegment uit te nodigen. Vraag mensen van verschillende afdelingen. De administratie, de buitendienst of de kantine. Afdelingen die vaak nét een ander leefstijlprofiel hebben. Zij kunnen je vertellen in hoeverre zij zich aangesproken voelen door je communicatieplannen.

De extra plus: het groepsgevoel

En dan wijs ik je graag ook nog op een bijkomend voordeel: een gemengde groep zorgt er ook voor dat je de hele organisatie in je nieuwe plannen meekrijgt. Vooral groene mensen zullen
eerder hun (gezonde) kat-uit-de-boom-kijken overboord zetten als ze zien dat er mensen van hun bloedgroep in het project zijn vertegenwoordigd.

Het is het BSR model ten voeten uit: als je weet hoe iemand is, weet je ook hoe je hem kunt bereiken.


Wist je dat ook millennials in het BSR model passen?