MBA in big data. 2) Je big data strategie

Hoe een Big Data strategie niet draait om data maar om een helder doel: welkom bij course 2 van de opleiding MBA Big Data & Business Analytics.


Een succesvolle Big Data strategie begint niet met data. Data zijn maar een middel om de doelstellingen van een bedrijf te realiseren. De belangrijkste stap is het definiëren van je doel: Waarmee ga je als bedrijf de grootste impact maken? Als je dit doel hebt vastgesteld kun je daaraan een invulling geven. Onderweg kom je allerlei afleidende doelen tegen die stuk voor stuk leuk en interessant, maar minder belangrijk. Als je je doel voor ogen houdt zul je zeker stappen in de goede richting zetten.

Ontwikkelen van de strategie

Net als bij de ontwikkeling van een normale bedrijfsstrategie is voor een Big Data strategie een aantal stappen nodig. Hier zijn er vier.

Stap 1  Onderzoek hoe het externe en interne speelveld er uit ziet. Extern hebben we het over klanten en concurrenten (wie zijn het, wat doen ze en wat willen ze?), intern kijk je naar de eigenschappen van je bedrijf (wat zijn je sterke en zwakke punten?).

Stap 2  In de tweede stap definieer je hoe je in dit speelveld gaat opereren en wat je winnende strategie zal zijn. In deze stap is het dus van belang om een goede visie te hebben op toekomstige ontwikkelingen: het sturen van brieven aan klanten is niet meer van deze tijd – of toch juist wel?

Stap 3  Hierin onderzoek je hoe je organisatie er uit moet zien om je winnende strategie uit te voeren. En er moet nagedacht worden hoe je jouw strategie gaat volhouden en volgen.

Stap 4  Als laatste ga je de hele strategie implementeren en uitvoeren.

Big Data strategieën

Afhankelijk van het type data dat beschikbaar is en het doel van de analyse is een viertal strategieën te onderscheiden:

  1. Managen van prestaties
  2. Data-exploratie
  3. Sociale analyses
  4. Analyses van het keuzeproces

Bij de eerste strategie gebruik je de data om de prestaties van het bedrijf te meten. Vaak worden daarvoor KPI’s opgesteld. Het gaat dan bijvoorbeeld om het meten van omzet en transacties, waarvoor je bepaalde normen opstelt. In een data-exploratie strategie zoek je in de data naar patronen en relaties die je nog niet eerder hebt bedacht of gevonden. Hier staat dus niet vooraf vast wat je zoekt. Door de grote hoeveelheid gegevens die beschikbaar komen via sociale media is dit een aparte strategie geworden. Uit deze gegevens haal je waardevolle informatie, zoals bereik en sentiment. Bij de strategie over het keuzeproces betrek je alle data die te maken hebben met de keuze van een consument voor een product.

Valkuilen

Big Data projecten mislukken regelmatig. Door verschillende oorzaken. Gelukkig kun je veel van die mislukkingen voorkomen met de volgende tips:

  • Zorg dat het management beslissingen neemt op basis van feiten uit data. Te vaak worden beslissingen nog op gevoel genomen.
  • Begin klein, maar zorg voor up-to-date technologie.
  • Stel de juiste vragen. Ken de business goed.
  • Zorg voor de juiste vaardigheden. Je hebt mensen nodig met kennis van data en de business, die kunnen de gegevens ook interpreteren.
  • Zorg dat de hele infrastructuur op orde is.
  • Zorg voor een duidelijk doel dat door iedereen begrepen en gevoeld wordt.
  • Zet alle data bij elkaar, breek de silo’s af.
  • Treed problemen tegemoet en los ze op.

[su_spoiler title=”Voorbeeld: de hoogste klanttevredenheid” style=”fancy”]Na een externe en interne analyse wil een zorgverzekeraar haar klanttevredenheid verhogen. Tevreden klanten is hun belangrijkste doel. Voor het meten van klanttevredenheid gebruikt dit bedrijf al jaren de NPS-score. Bij de laatste meting was de NPS-score 10. Concurrenten in deze markt hebben NPS-scores die variëren van -20 tot 45. De zorgverzekeraar wil nu het meest klantgerichte bedrijf worden in de markt. De ambitie is groot en daarom is daar ook een tijd aan gebonden. Bij de verkiezing van het Klantvriendelijkste Bedrijf van Nederland in 2017 wil zij de hoogste score behalen. Hiermee is de impact die men wil gaan maken duidelijk.

Over de klanten van de zorgverzekeraar zijn veel data beschikbaar. Wie het zijn, waar ze wonen en welke dekking en eigen risico ze hebben gekozen. Ook is bekend wat iedere klant aan zorg gebruikt, zowel het totaalbedrag als uitgesplitst naar zorgverlener. Soms hebben klanten contact met de zorgverzekeraar, zowel via de website en e-mail als via WhatsApp en telefoon. Deze gegevens worden ook opgeslagen.

Als deze gegevens opgeslagen zijn kan daarna geanalyseerd worden welke patronen in de data leiden tot een hoge of lage klantwaardering. Met die informatie kun je vervolgens acties plannen om de klanttevredenheid te verhogen.[/su_spoiler]

Aan de slag

Het is heel verhelderend om voor je eigen bedrijf te onderzoeken welke Big Data strategie gehanteerd wordt. Begin maar weer eens met stap 1: het interne en externe speelveld. Zoek op wat de directie op de laatste hei-dag hierover heeft gezegd en ga in gesprek. En wat vind je hier zelf van? Bedenk ook zelf wat een geschikte Big Data strategie is. Ga daarna kleine stappen zetten richting dat doel.

Het is niet alleen leuk om te doen, maar essentieel voor een succesvolle Big Data strategie.

 

Volg Brand op weg naar de MBA-titel Big Data & Business Analytics. Vorige maand: Je database. Volgende maand course 3.

Het zinloze gevecht.

Het is een gevecht dat in veel organisaties speelt. De datanerds moeten niets weten van het in hun ogen achterhaalde marktonderzoek. Marktonderzoekers verdedigen hun territorium met hand en tand. En dus staan ze lijnrecht tegenover elkaar. Zonde. Big data en onderzoek sámen hebben de toekomst. Want data laten zien dat klantkeuze meetbaar is, en onderzoek vertelt je de reden waarom klanten voor je kiezen. Gecombineerd vormen ze een machtig wapen. Een geval uit de verzekeringspraktijk.

 

De data scientist van de verzekeraar had de doelgroep van zijn organisatie tot in de kleinste details in kaart. Gezinnen met kinderen, met een koopwoning, HBO-opgeleid en voorzien van een auto van de zaak; alle socio-demografische variabelen had hij in beeld. Hij wist zelfs in welke leefwereld zijn klanten waren oververtegenwoordigd. Hij kende de klant en wist wat hij wilde. Toch zag hij zijn inspanningen niet beloond in een omzetstijging.

Een verdieping hoger zat de marktonderzoeker. Ook die had het goed voor elkaar. Hij had net een tevredenheidsonderzoek afgerond. De klant gaf een 7,8. Een mooi cijfer, zelfs iets hoger dan het jaar daarvoor. Maar toch steeg de omzet niet.

Hoe laat je omzet stijgen?

Het antwoord ligt in de samenwerking. De data scientist en marktonderzoeker zaten op hun eigen, keurig afgebakende eilandjes. Maar hun kennis wordt waardevol wanneer je het déélt, omdat ze beiden iets wezenlijks vertellen.

Big data laten zien dat een klantkeuze meetbaar is. Onderzoek geeft de reden áchter de keuze, leert je het consumentgedrag kennen. Zie je de verbanden, en weet je waaróm die verbanden er zijn, ben je in business. Want je maakt pas echt gevalideerde keuzes als a) de data het zeggen én b) je die uitkomsten daadwerkelijk begrijpt.

Terug naar de verzekeraar.

Op zoek naar relevante verbanden tussen de data en marktonderzoek, kwam er iets interessants aan de het licht. Wat bleek? Klanten die door de data scientist werden bestempeld als zeer kansrijk, kochten juist relatief weinig producten maar gaven niet zo’n hoge waardering. Klanten die een hoge waardering gaven, kochten vooral producten met een lage waarde.

Bingo. De productmanagers en marketeers wisten wat ze moesten doen. En ik kan je daar natuurlijk niets inhoudelijks over vertellen. Maar geloof mij dat er wezenlijke aanpassingen zijn gemaakt binnen een aantal segmenten. En dat de communicatie is aangepast op de verschillende doelgroepen. En ja, de eerste positieve signalen in de omzet zijn al zichtbaar.

Stop the fight

Hoe makkelijk vinden de datajongens en –meisjes en onderzoekers elkaar in jouw organisatie? Stop the fight en creëer kansen. Wie steun zoekt in dat gevecht, mag bellen.

Wat Coolblue deed, kun jij ook

Recent leidde ik een big data inspiratie-sessie voor studenten. Twintig jonge mensen, een paar databronnen en één opdracht: verzin een nieuw product. Binnen een kwartier – en dat overdrijf ik niet – hadden ze een potentieel wereldidee voor een intelligent reisbureau. Het geheim? Samenwerking en bovenal het lef om anders te denken. Het is de les die alle Coolblues van deze wereld ons leren: vergéét de dure dashboards, big data succes begint met creativiteit en lef.

 

We kijken allemaal wel eens jaloers naar de Amazons, de bol.coms en de Coolblues. Zij zijn groot en hebben enorme technische mogelijkheden om met big data aan de slag te gaan. Klopt, maar wat ze vooral gemeen hebben: ze durfden op hun bek te gaan. Ooit zijn ze ergens begonnen zonder precies te weten waar het zou eindigen. Maar ze zagen mogelijkheden, hadden het lef om aan de slag te gaan. En dáár begint big data succes, niet bij een stuk techniek, zoals hard- en software leveranciers ons willen doen geloven.

Op de Big Data Expo zie je het gebeuren: flitsende dashboards met de meest prachtige visualisaties vliegen je om de oren. En ze verkopen, omdat organisaties staan te springen van enthousiasme in hun ijver om data driven te worden. Het geeft aan dat het gros van de organisaties, ondanks al het gelul over big data, geen idéé heeft hoe te beginnen. Want zo’n flitsend dashboard ziet er overzichtelijk uit, maar je hebt er geen klap aan als je niet goed begínt.

Succes begint zo

Beginnen we met voorwaarde 1: de organisatie heeft de wil om met big data aan de slag te gaan. Voorwaarde 2: je hebt je data georganiseerd, zodat je een goed overzicht hebt van wat er beschikbaar is.  Done? Dan gaan we echt aan de slag en wordt het leuk.

Het sleutelwoord is: denk creatief én durf tijd en geld te investeren. Heb je geen analyse-skills in huis? Dan huur je die in. Inspirator en moderator nodig?  Huur die in. En dan ga je samen kijken. Welke data hebben we? Hoe kunnen we dat koppelen? Zijn er nog andere data die we kunnen gebruiken? Er zijn ontstellend veel bronnen beschikbaar. Open data, al dan niet commercieel. Het internet, een levensgrote data bron. En denk ook eens aan data van andere organisaties (data dating). Wees creatief, niets is te gek.

Denk verder dan de gebaande paden. Het hoeft niet altijd groots, realtime en gevarieerd te zijn. Beginnen met kleine databronnen kan ook. Door verschillende kleine databronnen te koppelen kom je ook tot de mooiste inzichten. (Willem Brethouwer schreef er al eens over).

Het idee

Heb je het idee te pakken? Iets, waarvan iedereen voelt dat het wel eens kansrijk zou kunnen zijn? Geweldig, niet aarzelen en voorál niet eerst-eens-voorzichtig-testen. Gewoon lanceren, bijsturen, optimaliseren en gaan. Ik beweer niet dat het direct allemaal goed gaat. Sterker nog, ik garandeer je dat je onderuit zult gaan. Maar dat is niet erg, daar leer je van. Je staat op en doet het vervolgens beter.

Coolblue werd geboren op een Rotterdamse studentenkamer. Twintig jonge mensen kwamen op een SAMR inspiratiesessie binnen een kwartier met een nieuw reisbureau. Die lef en creativiteit: dat moet binnen jouw organisatie toch ook kunnen?

Ebook ‘Big Data voor beginners’

Geen onderwerp zo hot als big data. Maar hoe begin je eraan?
Willem Brethouwer schreef het ebook ‘Big data voor beginners’ met praktische tips en inspirerende voorbeelden om zelf aan de slag te gaan met big data.

Vraag het gratis aan via onderstaand formulier.

MBA in big data. 1) Je database.

Base, oftewel bron. Het woord zegt het letterlijk,: databases zijn de bron van je big data-inzichten. En wat is het onbegrijpelijk dat veel bedrijven en organisaties aan dat eenvoudige feit voorbij gaan. Big Data begint bij organiseren van je database. Waarna al je analyses pas écht waardevol zijn. Organiseren, analyseren, rapporteren: welkom bij course 1 van de opleiding MBA Big Data & Business Analytics.

 

Eerst even terug. De term Big Data wordt te pas en te onpas gebruikt. Iedereen wil er iets mee of heeft er een mening over. Maar hoeveel er ook over gezegd en geschreven wordt, daadwerkelijk aan de slag met big data blijft lastig. Ik zie dit ook vaak bij klanten. Ze willen inzichten in de markt en hun klantbestand. Waar voorheen de nadruk op marktonderzoek lag, snappen ze nu dat de relevantie van gegevens uit diverse bronnen kansen biedt. Wel, als dát inzicht eenmaal is doorgedrongen, moet je beginnen bij stap 1: je database organiseren.

Organiseren

Te vaak wordt het organiseren van data overgeslagen of afgeraffeld. De bron is dus niet op orde, terwijl juist dáár een goede analyse mee staat of valt. Kijk eens goed naar wat je allemaal in huis hebt. Niet alleen bij marketing, kijk naar je héle organisatie.

Veel bedrijven hebben hun data geordend in verschillende systemen. Een systeem voor HRM, één voor financiën, één voor de productie en nog één voor marketing. Elke klant staat in systemen met verschillende gegevens. Logisch, want iedere afdeling heeft behoefte aan andere gegevens. Maar praktisch is anders. Het risico is dat mutaties niet in al die systemen doorgevoerd worden. Zo kan het gebeuren dat een klant na verhuizing een pakketje op het nieuwe adres ontvangt, maar de factuur op het oude. Dat moet beter. Dat kan als je alle data bij elkaar brengt. Klant blij, jij blij.

Analyseren

Groot bijkomend voordeel van het samenbrengen van alle gegevens is dat je verbanden vindt die anders verborgen waren gebleven. Helemaal als je ook externe data koppelt. Wat is de gemiddelde leeftijd van je klanten? Wonen ze vooral in Friesland of in de Randstad? Wat voor types zijn het, avonturiers of veiligheidszoekers? Lezen ze de Linda of de Libelle? Waardevolle informatie die je kunt gebruiken om de klant persoonlijker benaderen. Of om op zoek te gaan naar nieuwe klanten.

Rapporteren

Wie organiseert en analyseert krijgt veel rijkere rapportages.. Vroeger leverde een bureau keurig per onderzoeksvraag een apart bestand met data op. Verbanden met overige gegevens kwamen nauwelijks aan de orde. Medewerkerstevredenheidsresultaten bijvoorbeeld werden als op zichzelf staande feiten bekeken. Je kon nog net een uitsplitsing per afdeling krijgen, maar dan hield het op.

Juist het integreren van onderzoeksresultaten in de centrale database zorgt voor inzichten waar je echt iets aan hebt. Je kunt verbanden leggen met salaris, ziekteverzuim, werkzaamheden die men uitvoert, enzovoort. Dan zie je bijvoorbeeld dat de afdeling met die lage tevredenheid ook een hoog ziekteverzuim heeft en dat daar veel geautomatiseerde werkzaamheden worden uitgevoerd. Concrete inzichten waar je direct wat mee kunt. Ook kun je door de tijd meten en verbanden gaan leggen met gebeurtenissen in het bedrijf of op persoonlijk vlak. Hiermee krijg je een compleet beeld van je medewerker en kun je hem of haar optimaal motiveren.

En dit, dames en heren, is nog maar het begin. In de volgende course behandelen we stap 2: … De next step in die geweldige tijd waarin we nu leven. Je moet weten waar en hoe je kansen kunt vinden. Dan hoef je ze alleen maar te grijpen en er iets goeds mee doen.

 

Volg Brand op weg naar de MBA-titel Big Data & Business Analytics. Course 2: Je big data strategie