Big Data & Analytics: What’s in it for you?

 

De belangstelling voor big data en de behoefte aan analytics voor dit soort data wordt onder meer ingegeven door (maatschappelijke) trends waarvan ik er enkele zal bespreken. Ten eerste is er een sterke behoefte aan real-time inzicht. Ik zie in de praktijk dat niet alleen IT-managers, maar ook marketing-, operationeel- en zeker ook financieel managers steeds meer beseffen dat de kwaliteit van hun werk afhankelijk is van de kwaliteit van hun data en de mogelijkheid daar snel inzetbare inzichten uit te halen. Er bestaat een sterke behoefte om real-time analytics op big (klant)data los te laten om direct een passende aanbieding te kunnen doen zoals bij online kredietverlening of ‘next best offers’. Als controller zou je dan willen weten welke financiële impact zo’n werkwijze heeft op de organisatie.

 

Daarnaast wil het management sneller diepere inzichten om met betere (stuur)informatie direct in te kunnen spelen op ontwikkelingen in de markt. Door analytics toe te passen op big data kan de financieel manager nauwkeuriger en sneller inzicht verkrijgen, scenario’s vergelijken en risico’s in schatten. Het verhoogt het voorspellend vermogen bij besluitvorming om te kunnen anticiperen op toekomstige gebeurtenissen. 

 

Dit is een wezenlijk verschil met de situatie waarin managers genoegen namen met rapportages over hoe de situatie gisteren was. Een andere trend is personalisatie. De klant laat op verschillende plaatsen bewust of onbewust data achter en verwacht onder meer op basis hiervan ook beter te worden bediend. Analytics maakt dit mogelijk, maar hier zie je ook dat de schoen wringt omdat privacy en security in het geding kunnen komen. Het is als organisatie cruciaal transparant te zijn in hoe je de data gebruikt, de klant hierover te informeren en hem hierover de controle te geven. Daarmee win je echt vertrouwen.

 

 

Ook technologische ontwikkelingen, zoals in-memory en parallel processing, bieden mogelijkheden om meer te doen met de beschikbare data. De hardware is goedkoper geworden en slimme software zorgt ervoor dat we grote hoeveelheden data in heel korte tijd kunnen verwerken. Met ‘event stream processing’ zelfs nog voordat deze wordt opgeslagen, om bijvoorbeeld financiële transacties direct op fraude te controleren. 

 

Daarnaast zijn er nieuwe ‘self service’ analytics-toepassingen waarmee je als financieel professional, zonder hulp van de IT-afdeling, zelf data kunt onderzoeken en nieuwe verbanden kunt ontdekken. Big data kan daarbij op een interactieve en visuele manier tot op detailniveau worden onderzocht. 

 

Deze mogelijkheden gaan vele malen verder dan de statische spreadsheets waarmee doorgaans wordt gewerkt. De mogelijkheden om met analytics inzichten en daarmee waarde te halen uit die big data zijn er volop. Dit verklaart ook de ‘sense of urgency’ die je bemerkt bij organisaties: ‘We moeten er iets mee’.

 

 

Je hebt analytics dus nodig om waarde uit big data te halen. Het grootste struikelblok om hiermee aan de slag te gaan is echter dat veel organisaties niet weten waar ze moeten beginnen. Er wordt al heel lang gesproken over data als een ‘asset’ of data als ‘het nieuwe goud’, maar in de praktijk gaat men op een heel ongestructureerde manier met data om, waardoor die asset nooit ten gelde wordt gemaakt. 

 

Ik hoor bijvoorbeeld mensen binnen organisaties zeggen: ‘Nu moet ik social media gaan uitlezen’, terwijl er intern vaak al zoveel data beschikbaar is die nog niet eens wordt gebruikt. En ‘hoe gaan we al die bronnen koppelen zodat we bedrijfsbrede inzichten krijgen?’

 

 

Een eerste stap is te bepalen wat het volwassenheidsniveau van jouw organisatie is op het gebied van data en analytics. Zet vervolgens op een rijtje welke data beschikbaar is en welke data wordt gebruikt in de bedrijfsprocessen. Bepaal welke informatievoorziening je structureel zou willen inrichten en welke mogelijkheden je wilt hebben voor ad-hoc analyses die kunnen ondersteunen bij eenmalige investeringsbeslissingen of afwegingen bij reorganisaties. 

 

 

Maak ook iemand verantwoordelijk voor de data. Een goede datastrategie vormt de basis om succes te behalen met big data en analytics. Het denkkader volgens het Datakwadrantenmodel van data-expert Ronald Damhof kan hierbij helpen (dit model staat onder meer toegelicht in de publicatie ‘Future Bright – A Driven Reality’.

 

 

Verder is belangrijk de vraag te stellen welke ambitie de organisatie nastreeft met analytics. Waar er met Business Intelligence vooral achteruit wordt gekeken, kijkt analytics vooruit om te anticiperen op toekomstige gebeurtenissen. Onderstaand model kan helpen om te bekijken welke groei hierin mogelijk is. 

 

Voor het optimaal inzetten van ‘Advanced Analytics’ is het aan te bevelen samen te werken met gespecialiseerde professionals zoals een data scientist. Dit is iemand die de business begrijpt én in staat is dit te vertalen naar geavanceerde analytische modellen zodat de financieel manager zijn adviesfunctie richting management optimaal kan invullen.

 

 

Zoals je merkt is het geen kwestie van grote slagen snel thuis als het gaat om big data en analytics. Daarom is het raadzaam groot te denken, maar klein te starten. Vraag jezelf eerst eens af wat je zou willen bereiken? Kosten verlagen, je klanten beter bedienen, processen stroomlijnen? Of wellicht alledrie? 

 

Bepaal dan waar je staat met je datastrategie en het volwassenheidsniveau van je organisatie op het gebied van analytics. Kijk vervolgens naar de organisatie van het geheel om tot een optimale structuur te komen. De kern is dat business, het management en IT samenwerken om tot een krachtig geheel te komen. Want buzzwords of niet; de organisaties die big data analytics het slimst weten in te zetten, realiseren een voorsprong die lastig zal zijn in te lopen.

 

 

 

 

De meningen zijn verdeeld over wat big data nou precies is. Gartner definieert big data vanuit de drie V’s Volume, Velocity en Variety. Het gaat dus om de hoeveelheid data, de snelheid waarmee de data verwerkt kan worden en de diversiteit van de data. Met dit laatste wordt bedoeld dat de data naast gestructureerde bronnen ook uit allerlei ongestructureerde bronnen zoals internet en social media kan komen, inclusief tekst, spraak en beeldmateriaal.

CASE: DIRECTPAY VERBETERT INCASSORESULTATEN EN RISICOMANAGEMENT MET ANALYTICS  

 

 

DirectPay richt zich op het efficiënt beheren en innen van vorderingen op debiteuren. De onderneming beschikt over een enorme hoeveelheid gegevens met betrekking tot betalingsgedrag, maar kon deze tot op heden onvoldoende effectief inzetten. ‘Onze cijfers zijn gebaseerd op een groot aantal debiteuren en je kunt die gegevens op veel manieren bekijken. Omdat weinig mensen trends kunnen lezen van een Excel-spreadsheet, hadden we software nodig om de beschikbare informatie te analyseren en vervolgens uitgebreide voorspellingen te kunnen doen’, vertelt Colin Nugteren, Chief Analytics Officer bij DirectPay.

 

‘We bedienen met onze analytics en rapportages drie groepen mensen. Operationele mensen bij ons eigen bedrijf, die vooral informatie willen hebben over onze eigen productie, de kansrijke en kansarme dossiers en de resultaten per klant. Onze klantmanagers die onze klanten kunnen vertellen wat de status is van hun debiteuren, wat de kwaliteit is van een portefeuille, of zij wel de juiste debiteuren hebben en wat de relevante trends zijn. De derde groep betreft het management. Bij hen gaat het om gegevens met betrekking tot betaalgedrag, omzet, risico’s en scores van portefeuilles. Sinds kort zijn we ook in staat om gevonden optimalisatiemogelijkheden snel en flexibel te realiseren. Bijvoorbeeld bij het bepalen van de prioriteit en succeskans bij de behandeling van vorderingen en het beïnvloeden van het betaalgedrag met gerichte communicatie.’

 

‘Door het toepassen van analytics op onze data hebben we onze eigen inschattingen, de realisaties ten aanzien van de risico’s en het terugbetaalpotentieel van vorderingen flink verbeterd. Veel acties zijn inmiddels geautomatiseerd, maar de ingewikkelde dossiers blijven mensenwerk. Wij zijn namelijk altijd op zoek naar de balans tussen automatisering en een persoonlijke benadering.’ Volgens Nugteren was het benutten van data een topprioriteit. ‘Het helpt ons onze inspanningen te optimaliseren en risico’s beter te beheersen dan onze concurrenten. Dit scheelt enorm in tijd, efficiëntie en uiteindelijk in de resultaten en tevredenheid van onze klanten.’

 

Zie ook: In 5 stappen naar SMART Big Data Analytics