Beter plannen met Big Data!

 

Groeiende product portfolio, groeiende complexiteit

Onze 21e eeuw wordt steeds vaker het tijdperk van individualisering genoemd. Het huidige productaanbod van bedrijven sluit hier naadloos bij aan; was de keuze in de jaren 80-90 nog beperkt, sinds de jaren ´00 is de product diversiteit exponentieel gegroeid. 

 

Daarnaast zijn consumenten door de opkomst van sociale media veel mondiger geworden en eisen ze continue goede service. Een slechte recensie op websites als Yelp, Iens of TripAdvisor voor een restaurant, kan het einde betekenen. Voor veel bedrijven is dit een enorme uitdaging: de kostendruk blijft, eisen aan service stijgen, terwijl complexiteit is toegenomen. 

 

Gelukkig maakt de technologie het steeds meer mogelijk om hiermee om te gaan en bedrijfsplanning op basis van relevante drivers en data te sturen en te verbeteren. Bewust en onbewust genereren we veel data door sensoren om ons heen die verbonden zijn met het internet (‘the internet of things’) en door ons actief gebruik van sociale media.  

 

 

Deze data wordt populair ‘Big Data’ genoemd en zou door bedrijven gebruikt kunnen worden om gedetailleerd inzicht te krijgen in voorkeuren, gedragingen en trends in de wereld om hen heen. Big Data is een ware hype, waarvan de praktische toepasbaarheid en toegevoegde waarde in bedrijfsprocessen zich nog moet bewijzen. 

 

Gerenommeerde instituten zoals Gartner verwachten dat het nog zeker vijf tot tien jaar duurt voordat daadwerkelijk productiviteitsverbeteringen op grote schaal zichtbaar zullen zijn. Dat betekent echter niet dat we daar op moeten wachten. Twee concrete cases geven goed zicht op hoe ook nu al Big Data succesvol wordt ingezet in planningsprocessen.

 

 

Design en kleuren worden steeds vaker gebruikt om producten te differentiëren. Zo ook, bij een fabrikant van smartphones. Naast zwart en wit, kwamen er kleuren als blauw, rood en geel bij. ‘Late-stage customization’ door gebruik te maken van verwisselbare covers, zoals in de jaren ‘00 bij de Nokia 3310, bleek niet realiseerbaar. 

 

Het zogenaamde ‘unibody design’, zorgt voor een ‘premium-look & feel’; en staat niet toe dat er met verwisselbare covers wordt gewerkt. De uitdaging voor deze fabrikant is dan ook om een juiste inschatting van een toekomstige kleurenmix te maken. Historische data is er genoeg, bijvoorbeeld uit de eerste activatie van een smartphone. Kleuren zijn echter nieuw en historische data maakt het alleen mogelijk om het verleden te extrapoleren, met weinig kleur. De echte consumentenvoorkeur bleek te achterhalen door een slimme Facebook campagne op te zetten. 

 

 

Hiertoe is een app gebouwd binnen Facebook waarin deelnemers wordt gevraagd naar de favoriete eerste en tweede kleur en om gegevens over te nemen uit het Facebook profiel. Onder de deelnemers wordt een nieuw te introduceren smartphone in de voorkeurskleur verloot. De marketing afdeling kan precies specificeren hoe de doelgroep eruit ziet met profielen als ‘70% is man, woonachtig in de steden, bovenmodaal inkomen, interesse in gadgets, …’. 

 

Om alleen de juiste demografie voor het onderzoek te werven, werd gekozen voor de targetting in Facebook advertising. Hierdoor ontstond een betrouwbare panel dataset van potentiele kopers en hun kleurenvoorkeuren. De uitkomst: consumenten willen eigenlijk meer kleuren kopen, maar worden beperkt door beschikbaarheid in de verkoopkanalen. 

 

Kleuren werden simpelweg niet opgenomen in het assortiment om incourante voorraden te voorkomen; ten onrechte en ook jammer omdat gebruikers van gekleurde toestellen tevredener zijn en meer data benutten en dus omzet genereren. Consumentenpanels zijn niets nieuws. Al jaren worden deze door marketeers gebruikt om nieuwe producten te testen. Er is echter wel iets unieks aan hand. Sociale media maakt het eenvoudiger, beter te richten op de juiste doelgroep en breder bruikbaar.

 

 

Veel organisaties hebben moeite om een goede planning van hun afzet en omzet op de middellange termijn te maken. De korte termijn is vaak al een uitdaging, maar kan nog worden afgeleid van de status van bijvoorbeeld een orderportefeuille en de verkopen van de laatste maanden. Op langere termijn zijn het vaak externe factoren die het bedrijfsresultaat flink kunnen beïnvloeden. 

 

In dat geval is het niet voldoende om alleen eigen (interne) data als referentie voor planning te gebruiken. Steeds vaker proberen organisaties deze externe factoren (drivers) in kaart te brengen en mee te nemen als input voor hun interne planning en besluitvorming. De opkomst van Big Data biedt daarbij nieuwe mogelijkheden. Statistische (regressie) modellen kunnen externe databronnen meenemen om toekomstige vraag naar producten te voorspellen. Voorwaarde daarbij is echter wel dat er een sterke, consistentie correlatie is tussen deze externe drivers en de afzet van producten. 

 

Daarnaast moeten de externe data betrouwbaar en altijd ruim van te voren beschikbaar zijn. De kunst is om in de hooiberg van Big Data de juiste ‘leading’ externe drivers te identificeren. Geavanceerde analyse technieken, zoals datamining, kunnen helpen om de relevante relaties tussen data elementen te vinden. Er zijn al diverse voorbeelden bekend van organisaties die succesvol hun planning en besluitvorming hebben verbeterd door structureel gebruik te maken van externe data. 

 

Een producent van isolatiemateriaal, bijvoorbeeld, heeft op basis van statistisch onderzoek vastgesteld dat de vraag naar zijn producten sterk gecorreleerd is met de afgifte van bouwvergunningen en de algemene prijsontwikkeling in de markt vijf kwartalen eerder. Sindsdien gebruikt hij deze publieke kengetallen actief om afzet en omzet om middellange termijn te voorspellen.

 

 

Hoe Big Data kan worden ingezet om de kwaliteit en effectiviteit van het planningsproces te verbeteren, laten beide voorbeelden zien. De voordelen voor de organisatie zijn tastbaar: Een hogere plan betrouwbaarheid leidt tot een betere financiële forecast met minder verrassingen en ‘last minute’ correctieve acties. Daarnaast biedt het organisaties de mogelijkheid om proactief inzicht te krijgen in kansen en risico’s in de markt en hier tijdig op in te spelen en winstgevendheid te verhogen. Ook op het terrein van werkkapitaalbeheersing en het voorkomen van incourante voorraad is een significante verbetering te verwachten.

 

 

Het gebruik van social media en grote data sets zal voor veel organisaties in de komende jaren interessante mogelijkheden gaan bieden. Big Data is echter geen doel op zich. Er zijn tenminste drie voorwaarden om het gebruik ervan tot een succes te maken: 

 

1. Doelgericht inzetten. Alleen als de conventionele methoden en databronnen niet meer voldoen, kan een uitstapje naar Big Data lonend zijn. 

 

2. Weet welke data je gebruikt. Niet alle data is betrouwbaar. Zeker in het geval van internet is ook een toets op juistheid, compleetheid en waarheid van databronnen relevant. 

 

3. Juiste kennis en expertise. Statistieken kunnen misleidend zijn. Zelfs in random gegenereerde data kunnen ogenschijnlijke correlaties worden gevonden. Een verkeerde conclusie is snel getrokken; daarom is het gebruik van experts op het gebied van statistiek aan te raden. 

 

Ook zonder Big Data kan bedrijfsvoering en planning vaak al worden verbeterd. Gewoon, door meer en effectiever gebruik te maken van de ‘Little Data’ die al beschikbaar is. Data betrouwbaarheid en de juiste kennis en expertise, zijn ook dan essentieel.

 

 

 

____________________________________________________