Verslag van DDMA iLounge ‘Big data, big brother, big business’

Barrière tussen data en kennis
De ilounge wordt ingeleid door de voorzitter van de commissie iMarketing Guido Lieftink, waarna Sander Klous (KPMG) als eerste spreker het podium neemt. Voor KPMG werkte Sander bij CERN, ons bekend van de deeltjesversneller. Bij het vinden van de deeltjes werd 60 terabyte per seconde gegenereerd. Hier is zijn connectie met big data ontstaan.

Volgens Sander is er een barrière tussen beschikbare data en de toepassing van kennis die uit deze data gegenereerd kan worden. Als voorbeeld geeft hij aan dat er veel informatie is over het Midden Oosten maar dat er weinig mensen zijn die Afghanistan kunnen aanwijzen op de landkaart. Het is zijn missie om toepassing van kennis te maximaliseren.

Op de vraag wat hij vindt van het risico dat er verkeerde conclusies worden getrokken door foutieve data meldt hij dat de data meestal wel klopt, echter de analyse of de interpretatie niet. Evenals in de DDMA-clinic Cross-channel wordt ook door Sander bevestigd dat technologie een beperkende factor is voor organisaties met legacysystemen en -processen. Deze beperking gaat niet op bij relatief jonge bedrijven als BOL en Amazon.

De publieke opinie is vaak krachtiger dan wet- en regelgeving. Als het sentiment van het volk is dat iets niet zou moeten mogen dan gebeurt het niet. We kennen de voorbeelden van Equens en van TomTom die informatie wilde verkopen. Juridisch toegestaan maar toch gestopt.

Sander geeft diverse tot de verbeelding sprekende voorbeelden van toepassing van kennis en diverse databronnen te combineren. Zoals een vergelijking voor banken tussen hypotheekschulden en de hoogte van de vraagprijzen op Funda van de betreffende objecten. Hiermee kunnen risicoprofielen worden verrijkt. Door toepassing van pseudonimisatie was de informatie niet individueel herleidbaar.

Bekijk hier de presentatie van Sander Klous

Twittersentimenten
Het ‘actionable’ maken van social media-data is het thema van Rob Zomerdijk’s bijdrage (SDL software). Zijn betoog staat bol van de voorbeelden. Dat de aftersales minstens zo belangrijk is als sales blijkt uit tweets waar consumenten klagen of complimenten geven over een dienst tijdens of na het gebruik. Een voorbeeld is KLM die binnen drie minuten reageert op een tweet als de kofffers vermist zijn. Advies is om de ‘customer touchpoints’ in kaart te brengen te ‘mappen’ in rijen en kolommen en in verband te brengen met social conversaties. Ook de performance van de concurrentie kan in kaart gebracht worden (zie afbeelding).

Daarnaast gaf hij een voorbeeld van het bijstellen van promotiecampagnes op basis van Twittersentimenten en het nut van het maken van ‘persona’s’ achter de converstaties. Hieruit kan de effectiviteit van campagnes per groep via social media worden vastgesteld.

Sandjai Bhulai VU Amsterdam
De VU verzorgt opleidingen in data science. Sandjai begint met een aantal voorbeelden van toepassingen door enkele databronnen te combineren. Een voorbeeld is dat Twitter eerder dan de bank achterhaalt dat of er een probleem is met een pinautomaat.

Er zijn vijf misverstanden over big data:

1. Big data gaat over enorme data volumes
2. Big data is alleen voor social media feeds
3. Big data betekent ongestructeerde data
4. Big data betekent Hadoop
5. NoSQL betekent No SQL

Net als Sander geeft ook Sandjai aan dat het een vak is om informatie en toepassing te halen uit big data. Doorloop de volgende stappen:

1. Definieer goede requirements: begin bij het eind
2. Volume: maak een big data plan
3. Variety: tast meerdere databronnen af
4. Velocity: ontwerp voor agility
5. Value: big data ondersteunt beslissingen
6. The big data trap: klanten zijn mensen
7. Plan voor feedback: integreer analytics in processen

Bekijk hier de presentatie van Sanjai Bhulai

Privacyregels
De iLounge wordt afgesloten door Jitty van Doodewaerd, Compliance Officer van DDMA. De technische mogelijkheden met big data zijn eindeloos. Des te meer je als marketeer van iemand weet, des te minder je iemand stoort. Echter, er is een hele grote beperking. En dat is de huidige en toekomstige wet- en regelgeving.

De roep om strenge privacyregels neemt toe door:

1. Door gebrek aan transparantie, inzicht en kennis
2. Koppelen van databases en creëren van uitgebreide profielen
3. Toename van (schaal van) incidenten
Jitty geeft eerst aan wat de belangrijkste uitgangspunten van de huidige wet- en regelgeving zijn met voorbeelden van juist en fout gedrag.

Iedereen wil weten wat de Europese privacy verordening mogelijk kan gaan betekenen voor (big) data toepassingen:

1. Meer (big) data zijn persoonsgegevens. Dit gaat verder dan het huidige ‘herleidbaar tot een individu”
2. Opt-in regels voor DM, TM en derdenverstrekking. Het huidige ‘gerechtvaardigd belang’ wordt beperkt.
3. Profileren (doelgroepselecties maken) opt-in
4. Expliciete toestemming?
Technologie en privacyregels gaan botsen. Het wordt er juridisch niet eenvoudiger op terwijl de technologie juist snel ontwikkelt. De kosten en omzetderving zullen aanzienlijk zijn voor bepaalde organisaties. Het is nog onduidelijk in welke vorm en wanneer de Europese verordening van kracht zal worden. Ze sluit af met de volgende visie: