Hoe creëer je waarde uit big data?

Organisaties die keuzes baseren op big data presteren structureel beter, weet  Philippe Baecke van Vlerick Business School. HIj onderzocht hoe data science stapsgewijs kan bijdragen aan het verbeteren van klantenrelatiebeheer en optimalisatie van proces-efficiëntie. Een gefaseerde invoering blijkt het meest kansrijk en effectief.

De vraag naar big data-specialisten nam de afgelopen jaren sterk toe. Eind 2014 bleek al uit cijfers van Linkedin dat recruiters vooral op zoek waren naar dit soort specialisten. Lange tijd was big data vooral een kwestie van cijfertjes en analyse.

Steeds grotere kloof 

Op de markt ontstaat een steeds grotere kloof tussen het verzamelen en analyseren van de data en het daadwerkelijk omzetten hiervan in acties en resultaat. Dit laatste is voornamelijk te wijten aan een gebrek aan kennis van de mogelijkheden, ook bij big data management. McKinsey verwacht alleen al in de VS in 2018 een tekort van 1,5 miljoen managers die in staat zijn beslissingen te nemen op basis van analyse en interpretatie van big data. Daarnaast verwacht ment een tekort van 150.000 data scientists die hier dagelijks mee bezig zijn.

Sterker nog: de hogere lonen in de VS zorgen eerder voor een uitstroom van big data experts daar naartoe. Volgens de markt weet een goede data scientist verschillende competenties te combineren: data analytical skills, IT-literacy en business expertise. Vooral de combinatie van de IT- of analytische vaardigheden en zakelijk inzicht is, zeker bij net afgestudeerden, lastig te vinden.

Volgens recent onderzoek van Capgemini zijn projecten die door een chief operational officer (COO) of chief data officer (CDO) geleid worden twee keer zo vaak winstgevend als wanneer een chief information officer (CIO) projectmanager is. Toch zijn CIO’s op dit moment in de meeste gevallen verantwoordelijk voor big data (52 procent), gevolgd door COO’s (20 procent), chief technology officers (16 procent) en chief marketing officers (16 procent). Uit cijfers van Gartner blijkt dan ook dat de vraag naar de rol van CDO in de VS sterk groeit: van 400 in 2014 naar 1.000 in 2015.

MDOC: Modeling, Discovering, Operationalizing en Cultivating

De zoektocht naar de mogelijkheden van big data bevindt zich voor veel organisaties nog in een pril stadium. Een productieve benutting van big data is het beste gefaseerd in te voeren. Het is voor elke organisatie aan te raden minstens één strategisch belangrijk experiment te doen om na te gaan of de organisatie wel big data kan opdiepen, verwerken en toepassen. Veel organisaties besteden deze eerste kennismaking met big data uit. Als dit experiment goed verloopt, zijn niet alleen goede systemen, maar vooral de juiste menstypen nodig. Een organisatie die cijfergegevens wil omzetten in waarde moet leren datagedreven mensen de ruimte te geven.

Tegelijkertijd moet de leiding zorgen dat een bedrijf het toelaat meer datagestuurd te zijn. Managers spelen hierbij een cruciale rol, waarbij inzicht in de mogelijkheden en beperkingen van big data de basis vormen.

(Viaene, S. 2013. Data scientists aren’t domain experts. IEEE IT Professional. 15 (6): 12-17)

Professor Stijn Viaene van de Vlerick Business School ontwikkelde hiervoor een model, de benefit realisation model. Waardecreatie met big data komt in dit model tot stand aan de hand van vier essentiële dimensies : modeling, discovering, operationalizing en cultivating:

1. Modeling

Modeling is de fase waarbij inventarisatie en organisatie van de big data-implementatie centraal staan. Het resultaat van deze fase vormt het vertrekpunt voor de verdere strategie en aanpak. De eerste stap is het achterhalen van de doelstellingen binnen de organisatie. Belangrijk hierbij is dat deze doelstellingen zijn gelinkt aan de digitale strategie van de organisatie. Vervolgens wordt onderzocht hoe en welke data bij zouden kunnen dragen aan het realiseren van deze doelen. Op basis hiervan wordt een data driven roadmap opgesteld waarin specifieke projecten vorm krijgen.

Cruciaal voor het succes van deze dimensie is de samenwerking tussen businessmanagers, analisten en IT’ers. Deze samenwerking is nodig bij ieder big data-project.

2. Discovering

In een tweede dimensie ligt de nadruk op het omzetten van big data in nuttige inzichten. Hiervoor zijn verschillende analytische technieken beschikbaar, zoals descriptieve, diagnostische, predictieve en prescriptieve technieken. Bij het gebruik van descriptieve analytics worden grote hoeveelheden data omgezet in business relevante variabelen. Bij diagnostische analyse worden significante verbanden ontdekt tussen bepaalde descriptieve variabelen.

Deze verbanden kunnen vervolgens gebruikt worden om voorspellingen te doen met betrekking tot bepaalde business gerelateerde uitkomsten. Bij prescriptieve analyse worden de uitkomsten van voorgaande analyses gecombineerd met business rules of optimalisatiemodellen, met als doel bepaalde specifieke business-acties te bepalen. Afhankelijk van datagedreven maturiteit van de organisatie kunnen nieuwe big data-technologieën als netwerkanalyse, text mining en process mining worden ingezet om deze analytische technieken te verrijken. Al met de kleinste hoeveelheid eigen data kan ook het MKB aan de slag.

Denk hierbij aan website-analyse en socialemediavolgers en –activiteiten, maar ook verkoopdata en administratie. Inzichten in bezoekersaantallen op de website na het versturen van de nieuwsbrief of het plaatsen van een post op sociale media zijn al leerzaam.

Voor fabrikanten zijn inzichten zoals levensduur van bepaalde onderdelen relevant, of inzicht wanneer ze de meeste vraag of aanbesteding kunnen verwachten.

3. Operationalizing

Na het achterhalen van relevante informatie uit big data, zoals bepaald bij de modeling-fase, is het zaak deze inzichten om te zetten in acties. Bedrijven proberen hierbij vaak big data-modellen te creëren om bijvoorbeeld te achterhalen wie hun beste klanten zijn, welke klant de grootste kans heeft om een product te kopen, en welke klant juist niet. Deze inzichten leiden tot het implementeren van geautomatiseerde marketingactiviteiten, zoals het plaatsen van een sociale media post of online advertentie op een specifiek moment voor een bepaalde doelgroep. Op intern niveau kan dit bijvoorbeeld betekenen dat servicedeskmedewerkers voortaan digitaal gegenereerde berichten op de dashboards moeten ontvangen, omdat uit de data blijkt dat zij hierdoor een hogere beoordeling krijgen van de consumenten.

Ook op operationeel niveau helpen deze actiepunten: wanneer je als bioscoop zou kunnen voorspellen op welk moment de projectielamp van de videoprojector het zal begeven, kun je de gehele productieketen vragen hierop te anticiperen: wanneer zowel de fabrikant, distributeur en bioscoop zelf zich kan voorbereiden, scheelt dit in de gehele doorlooptijd - dus kosten - van dit proces.

4. Cultivating

De laatste stap is het veranderen van de mindset van de organisatie. Alleen met een sterk staaltje verandermanagement is het mogelijk een analytische, datagedreven organisatie te realiseren. Acceptatie en draagvlak zijn cruciaal voor een succesvolle implementatie. Alleen wanneer mensen bereid zijn deze nieuwe organisatie te omarmen, is het mogelijk waarde te creëren. Het is niet vreemd dat big data de nodige argwaan wekken. Veel mensen vermoeden dat data en algoritmen de menselijke keuze zullen vervangen. Maar juist bij het nemen van tactische en strategische beslissingen is het de combinatie van menselijke en computergestuurde informatie die tot optimale resultaten leidt.

Staat de organisatie niet open voor het gebruik van data om businessbeslissingen te ondersteunen, dan is het big data plan gedoemd te mislukken.

4 x méér met big data

Volgens Stijn Viaene van Vlerick Business School kunnen bedrijven op vier verschillende gebieden profiteren van big data:

1. Andere beslissingscultuur: beslissingen meer onderbouwen dankzij datagedreven analyses.

2. Businessmodelinnovatie: nieuwe en aparte waarden aanbieden dankzij de samenwerking met andere partijen.
3. Nieuwe kansen: op het vlak van service- en productverlening.
4. Intimiteit: groeien naar een hechte band met cliënten, in plaats van enkel een productservicerelatie.

3. Nieuwe kansen: op het vlak van service- en productverlening.

4. Intimiteit: groeien naar een hechte band met cliënten, in plaats van enkel een productservicerelatie.

4. Intimiteit: groeien naar een hechte band met cliënten, in plaats van enkel een productservicerelatie.

Rendement

De mogelijkheden van big data zijn buitengewoon, zoals bijvoorbeeld Netflix de wereld laat zien. Netflix benutte big data bij de ontwikkeling van de serie House of Cards: op basis van het kijkgedrag is gekozen voor de regisseur, de ontwikkeling van de serie en de specifieke acteurs, waarvan kon worden voorspeld dat zij succes zouden opleveren. Daarnaast werden data op operationeel niveau gebruikt in de personalisatie van de trailers van House of Cards. Afhankelijk van het consumentenprofiel werden trailers getoond die het best aansloten op dit specifieke profiel.

Met resultaat: de serie breekt diverse records en won onder andere twee Golden Globes. Organisaties profiteren van big data wanneer ze bereid zijn te veranderen en verbeteren met capabele mensen die de organisatie door dit proces helpen. Data en analytics blijken structureel de beste basis voor strategische en operationele keuzes op alle niveaus van de organisatie. Om deze redenen is de vraag naar de combinatie van technisch onderlegd analist en creatieve marketeer met zakelijk inzicht vandaag de dag groot.

Aan de slag met big data
Ga na of de organisatie en de medewerkers bereid zijn te veranderen.
In de ideale situatie is er minstens één data scientist en één persoon die beslissingen kan nemen op basis van big data aanwezig.
Voer minstens één strategisch experiment uit om na te gaan wat big data kunnen betekenen.
Ga uit van de gestelde (of te stellen) doelen van de organisatie, niet van de data die voorhanden zijn.
Zet inzichten om in acties die bijdragen aan de gestelde doelen.

Voer minstens één strategisch experiment uit om na te gaan wat big data kunnen betekenen.

Ga uit van de gestelde (of te stellen) doelen van de organisatie, niet van de data die voorhanden zijn.
Zet inzichten om in acties die bijdragen aan de gestelde doelen.

Zet inzichten om in acties die bijdragen aan de gestelde doelen.

Zet inzichten om in acties die bijdragen aan de gestelde doelen.

* Philippe Baecke is professor in business analytics & big data bij Vlerick Business School. In zijn doctoraatsverhandeling ‘Essays on data augmentation: the value of additional information’, onderzocht hij hoe nieuwe vormen van data kunnen worden toegevoegd aan traditionele bedrijfsdatabases, om zo de voorspellende kracht te verbeteren van de data mining modellen voor  optimalisatie van klantenrelatiebeheer (CRM). Momenteel ligt zijn onderzoeksfocus voornamelijk op de toegevoegde waarde van geografische-, netwerk- en text data om marketingacties te ondersteunen.

Dit artikel staat in Tijdschrift voor Marketing 7/8