10 tips voor perfecte start met Big Data & Analytics

 

1. Begin!

 

Als je erover blijft nadenken, begint iemand anders er wel mee. Ik zou zeggen: ‘begint eer ge bezint’ in plaats van andersom. We hebben er genoeg over nagedacht, laten we nu eens wat gaan doen. Niet in het wilde weg, zonder enig plan, maar wel gewoon theorie om gaan zetten naar praktijk.

 

2. Houd het klein

 

Droom gerust groot, maar zet kleine stappen.  Accepteer dat 10 procent beter ook beter is. Als je eerst gaat nadenken over hoe je 100 procent beter kunt worden, heb je over twee jaar nog niks bereikt. Er zijn geweldige nieuwe mogelijkheden, maar je kunt niet van 0 naar 100. Ga op kleine schaal eens proberen om wat bescheiden verbeteringen met data te realiseren. Richt je op zichtbare en meetbare (tussen)resultaten. Financials kunnen hier goed bij helpen, want dat zijn nu juist professionals met een overkoepelend beeld, analytische vaardigheden én een onafhankelijke positie binnen de organisatie. Dat zijn drie belangrijke aspecten die van waarde kunnen zijn bij het benutten van big data binnen organisaties. Financials moeten dan wel bereid zijn de control-kant los te laten en de neiging onderdrukken om alles 100 procent perfect te willen hebben voor ze ergens aan beginnen.

 

3. Denk holistisch

 

De grootste winst van de nieuwe mogelijkheden van big data is dat je alles aan elkaar kunt verbinden; silo’s, systemen, producten, klanten enzovoort. Binnen de telecom hebben ze bijvoorbeeld het cost-to-serve-concept geïntroduceerd. Daarmee kunnen zij vanuit de daadwerkelijke operatie kijken wat voor touch points ze met de klant hebben; hoe vaak hij belt met de klantenservice; wat zijn betaalgedrag is; hoe hij zijn abonnement gebruikt; hoe hij is binnengekomen; hoe lang hij klant is; waar hij woont en werkt; welke telefoon hij gebruikt; et cetera. 

Wanneer je de data van al die invalshoeken bij elkaar brengt, krijg je opeens een hele andere kijk op de kosten en omzet van die klant. In die veelheid van gezichtspunten liggen mogelijkheden. Alleen al door data te integreren en in context te bekijken, krijg je gegarandeerd verrassende nieuwe inzichten. Waar bedrijven nu typisch naar kijken is de top 10 klanten die het meeste en minste bijdragen aan de omzet. Daar trekken ze dan een streep tussen. Dat is een zeer beperkte toepassing van de beschikbare data. Door de context te schetsen kun je wellicht acties bedenken waarmee je die onderste 10 kunt enthousiasmeren iets meer te doen. Of er alsnog afscheid van nemen, maar dan weloverwogen.

 

4. Houd een open blik

 

Bijna iedereen begint een rapportage-fase met de vraag: ‘Wat wil je weten?’ Alleen, als we goed zouden zijn in het bepalen van wat we willen weten, hadden we deze discussie niet gehad. Dat gaat bij voorbaat al fout. De echt interessante inzichten bedenk je niet van tevoren, die worden opeens duidelijk uit de verzamelde informatie. Iedereen lijkt bang voor een wereld waarin niets meer veilig is en iedereen gaat laten zien wat ze allemaal te weten kunnen komen. Dat angstbeeld lijkt me onterecht, want je bent er toch zelf bij? Je kunt toch bijsturen? Je moet nieuwsgierig zijn bij dit soort trajecten, anders moet je er überhaupt niet aan beginnen.

 

5. Werk iteratief

 

Durf fouten te maken, zorg alleen dat je snel van je fouten leert. Kies dus voor flexibiliteit, zowel in mensen als in tooling. Alhoewel deze tip misschien het simpelst klinkt is ie in de praktijk het lastigst vorm te geven. Bestaande structuren binnen organisaties, rondom projecten, budgetten, IT-aankopen, etc. werken in de praktijk recht tegen dit principe in. Een research en development cultuur binnen de organisatie, maar op zijn minst binnen het team dat met Big Data aan de slag gaat is noodzakelijk. 

 

 

 6. Automatiseer

 

Door meer context in je analyses mee te nemen, ben je in staat veel beter het verhaal achter de cijfers te vertellen. Door analyses op basis van wiskundige modellen en algoritmes geautomatiseerd tot stand te laten komen, hoeft dat niet zo veel tijd te kosten als vroeger. Dit biedt financials de kans om hun analytische vaardigheden beter in te zetten. Als je dan vervolgens op basis van die inzichten operationele zaken beter kunt inregelen, blijft er veel meer tijd over om je informatiehuishouding goed op poten te zetten.

 

7. Kies de juiste tools

 

Als je een tijdje aan het pionieren bent geweest, heb je een beter beeld van wat je voor jouw organisatie nodig hebt. Wees je ervan bewust dat wanneer je kiest voor een specifieke software-oplossing je voor een aantal mogelijkheden kiest en andere mogelijkheden juist uitsluit. Je kunt bijvoorbeeld een onderscheid maken tussen exploratieve analyses en concluderende analyses. Voor dat eerste type analyse wil je een datamining oplossing hebben waarmee je iedere vraag die je ter plekke bedenkt, kunt beantwoorden. Liefst op een visuele manier en in een bepaalde context. Als je concluderende analyses wilt, heb je juist een statistisch onderbouwende tool nodig. Denk er dus heel goed over na wat je wel en wat je niet wilt, en schaf dan pas een tool aan.

 

8. Kies de juiste mensen

 

Verzamel talent om je heen. Vind de mensen die over de kennis en kunde beschikken om je verder te helpen. Kijk goed wat je al in huis hebt en onderzoek wat je nog mist. Wees niet bang om met mensen samen te werken die heel anders kijken en denken. Al die verschillende gezichtspunten helpen juist bij het samenstellen van data en bij het bedenken van mogelijke invalshoeken voor de analyses.

 

9. Kijk niet alleen naar binnen

 

Staar je niet blind op je eigen organisatie, kijk ook eens verder. Vraag aan anderen met welke vragen zij zitten en wat voor oplossingen zij gevonden hebben. Doe inspiratie op bij andere organisaties en wees creatief. Mogelijk bestaat er een kant-en-klare oplossing. Je hoeft niet alles zelf te ontdekken. Wees niet alleen maar bang dat anderen er met je idee vandoor willen, maar deel inzichten en probeer juist als onderdeel van het netwerk te groeien. Met co-creatie en symbiose kun je een heel eind komen.

 

10. Neem de tijd om inzichten te absorberen

 

Wanneer je in de onderzoekende fase genoeg te weten bent gekomen kun je ook even stoppen. Er is niks zo vervelend als allerlei nieuwe inzichten hebben, maar niks kunnen aanpassen. Een voorbeeld hoorde ik laatst van een bedrijf gespecialiseerd in winkelvloerexecutie. Zij leveren onder andere stellingen voor specifieke producten aan supermarkten. Dit bedrijf had een analyse gedaan waarmee ze veel beter inzicht hadden gekregen in het assortiment dat ze bij verschillende supermarkten zouden moeten voeren om de omzet te optimaliseren. Toen kwamen ze erachter dat ze dat logistiek niet konden waarmaken.

Dit is een typisch voorbeeld van een analyse-traject dat door analisten alleen is gedaan. Voeg altijd iemand van logistiek en/of operatie aan het team toe, om de consequenties van de nieuwe inzichten in te kunnen schatten. Hier zie je dat agility ook een belangrijke rol speelt bij analyse-trajecten. Je moet je organisatie wel aan kunnen passen op basis van de ontdekkingen die je doet en wanneer je iets al honderd jaar op dezelfde manier doet is dat vaak niet eenvoudig. Daar moet je bij zulke trajecten heel goed over nadenken. Stel dat je alles te weten kunt komen, wat kun je dan aanpassen en hoe snel? Je hoort vaak dat real-time analytics nodig is, maar bij de meeste bedrijven is dat niet zo. Die hebben moeite zich binnen een jaar aan te passen, laat staan in een dag of sneller.