De data-journey van FD Mediagroep

 

VLNR

Kevin Mottard, CFO Community Manager bij Alex van Groningen,

Matthijs Tetteroo, Manager Business Development & Intelligence bij FD Mediagroep &

Toon Borré, Business Unit Leader Data to Insight bij TriFinance

 

De media hebben het lastig, dat is niks nieuws. Maar de FD Mediagroep – vooral bekend van BNR en Het Financieele Dagblad – heeft strategisch een aantal grote voordelen; een trouwe, welstandige nichegroep en merken van een uniek signatuur. Wel is het zaak te blijven diversifiëren en Matthijs Tetteroo, verantwoordelijk voor Business Development & BI bij FD Mediagroep, is blij dat zijn onderneming daar al tijdig mee begonnen is. “Wij zijn al vroeg overgegaan op een model van unieke, hoogwaardige en ook betaalde content. Veel media maken nu pas deze stap. Zij moeten dus gelijktijdig hun bestaande verdienmodel vernieuwen en nieuwe activiteiten ontplooien. Dat is veel om tegelijk te doen.”

 

Naar het voorbeeld van grote internationale media-giganten als The Wall Street Journal, The Financial Times en The New York Times is de FD Mediagroep sinds anderhalf jaar bezig een volwaardige data science-functie op poten te zetten. “Wij kijken op twee manieren naar data”, legt Tetteroo uit. “De eerste is data als verdienmodel. Welke op data gebaseerde producten kunnen wij maken voor onze doelgroep de zakelijke beslissers? De tweede is data als grondstof om onze bestaande media business slimmer en beter te maken. Een voorbeeld van de eerste categorie is de overname van Company Info en Webservices (beide leveranciers in bedrijfsinformatie). Een voorbeeld van de tweede is het project waaraan we met TriFinance hebben samengewerkt; het neerzetten van een intelligente recommendation engine voor onze lezers. Ik houd me vooral met dat tweede stuk bezig.”

 

 

Matthijs Tetteroo: “Onze missie is data capability opbouwen. Dat begint bij het geloof dat we heel veel data hebben waarmee we betere producten kunnen maken en onze commerciële slagkracht kunnen vergroten. We zien het niet als project, maar als een capability die we gaan ontwikkelen. Het ontwikkelen van deze capaciteit is zowel offensief als defensief. De mediasector en advertentiemarkt staan onder druk. Wij hebben het goed als nichespeler, maar we mogen niet stilzitten.”

 

Toon Borré: “Dat is de goede insteek. Het is een moderne manier van zaken doen. Net zoals dat de lopende band voor het eerst in productie werd ingezet, geldt dat ook voor de inzet van data om betere beslissingen te nemen. Een prachtig voorbeeld vind ik nog altijd Netflix. Die zijn gaan voorspellen welke nog te ontwikkelen series populair zouden gaan worden. Op basis van data hebben ze besloten welke elementen ze gingen inzetten om een show te maken. Het meest frappante is: ze doen dat niet één keer, maar ze blijven het doen. Ik vind het ongelofelijk. De vraag is: waarom slagen zij, maar doen anderen het nog niet op die manier? Software, mindsets en gedachtenpatronen kun je allemaal kopiëren. Maar door de daar samengebrachte combinatie van intellect en creativiteit ontstaat er magie. Wat zij doen moet in organisaties op managementniveau gebeuren. In hoeverre gebeurt dat bij jullie?”

 

Matthijs Tetteroo: “Er wordt nauw samengewerkt door directie en Raad van Commissarissen en daar leeft het besef dat data ons als mediabedrijf enorme kansen biedt. In de uitvoering zijn we in bepaalde mate wel budgetgestuurd, maar er is zeker ruimte voor experimenteren. We moeten snel testen, en als iets perspectief biedt gaan we zo snel mogelijk slim doorontwikkelen en opschalen. Dat is een moeilijk spel, want je bent al snel geneigd om de stekker eruit te trekken, als iets niet doet wat je had verwacht. Je moet geduld hebben en soms dingen wat langer de tijd geven om tot wasdom te komen.”

 

Toon Borré: “Er verscheen laatst een interessant rapport van Forbes. Big data is dood, stellen zij. Zij gebruiken het woord ook niet meer. Het gaat eerder om ‘data-driven’, ‘data awareness’ en ‘data savviness’. Tussen verschillende sectoren zit nog wel veel verschil in de maturiteit. En wat je in de journalistiek sterk ziet, is de opkomst van robotisering. Dat werkt al prima bij sportverslaggeving of in de financiële journalistiek waar lezers al niet meer zien of een artikel door een mens of door journalistieke software is geschreven. Wat betekent dat voor jullie?”

 

Matthijs Tetteroo: “Het cijferseizoen is een morele verplichting voor ons als financieel nieuwsmedium, maar creatief werk is het niet. Het kan voor journalisten best interessant zijn als robots de basisdekking van dit nieuws overnemen. Dit biedt hen de ruimte voor meer diepgaande onderzoeksjournalistiek. Deze journey gaat dan ook over man én machine, niet man versus machine. Technologie kan de mensen toelaten op hun kracht in zetten.”

 

Toon Borré: “Hoe is de data-journey voor jullie begonnen?”

 

Matthijs Tetteroo: “Dat begon echt serieus circa anderhalf jaar geleden met het uitdenken van een groeiplan voor BI & analytics en het aantrekken van onze allereerste data scientist. In onze opvatting van wat een data scientist was waren we nog best naïef. De mogelijkheden zijn groot, maar op de eerste dag staan er niet ineens allemaal prachtige voorspellende modellen. Eerst moet het data-fundament – de architectuur – opgebouwd worden. Het was een project van negen maanden voor die basis er stond. En het blijft een continu proces. Om jezelf niet te verliezen in zo’n groot project is het belangrijk om wel wat toepassingen te creëren terwijl je het fundament verder opbouwt.”

 

Toon Borré: “Voor veel organisaties is de ICT-afdeling een struikelblok. ICT ziet dat organisaties een data science-afdeling gaan bouwen, en dat de verwachtingen enorm zijn, maar zelf krijgen zij daarin niets te doen.”

 

Matthijs Tetteroo: “Het grote voordeel is dat wij een relatief overzichtelijke organisatie zijn. Veel verantwoordelijkheden zijn cross-functioneel belegd. Dat geldt ook voor deze capability. Ook is onze Directeur Digitaal een extreem groot voorstander van data-gedreven werken. Omdat we niet heel groot zijn, weten we elkaar wel te vinden. We hebben onze data scientist in zijn introductie ook meteen aan ICT gekoppeld zodat de lijnen kort blijven.”

 

Toon Borré: “Jullie zijn begonnen met één data scientist. Dat zijn er nu twee. Een data scientist is echter een heel breed begrip. De ene vindt architectuur geweldig en de ander zit meer in ‘predictive modeling’ of ‘machine learning’. Kennis van de business is ook heel belangrijk, wordt dat vaak vergeten. Wij brengen altijd meerdere mensen naar binnen, want je hebt meerdere kwaliteiten nodig. Hebben jullie dat in de praktijk ook zo ervaren?”

 

Matthijs Tetteroo: “Zeker. In het begin dacht ik dat het iemand was die hele slimme modellen kan bouwen. Maar het gaat erom: In welke fase van de journey zit je en wat voor iemand heb je daar voor nodig? Bij de tweede data scientist hebben we dan ook gesteld; we zoeken nu iemand met een breed profiel. Daar moet iemand zich wel toe aangetrokken voelen.”

 

 

De case waar TriFinance samen met het FD-team aan heeft gewerkt is een recommendation engine, een model dat voorspelt welke artikelen interessant zijn voor een lezer op basis van zijn/haar profiel.

 

Toon Borré: “Ik vind het logisch dat jullie dit idee hebben gekozen uit de 50 voorstellen. Hiermee kun je meteen naar de directie en collega’s stappen en iets laten zien. Als je geen ‘snoepjes’ uitdeelt haken mensen af. Zeg dus niet: ‘We gaan er een project van twee jaar van maken.’ Veel klanten hebben nog moeite om de kraan open te zetten. Het is nog vaak de data scientist in het duister. Je moet het beest voeden. Concrete vooruitgang enthousiasmeert en helpt om de drive erin te houden.”

 

Matthijs Tetteroo: “Het leek ons heel zinvol om voor onze titels zo’n engine te creëren, maar we vroegen ons wel af of we een oplossing uit de markt moesten halen of het zelf doen. TriFinance heeft ons geholpen een denkpad te ontwikkelen over hoe we dit zelf zouden kunnen aanpakken en structureren.”

 

Toon Borré: “Bij het creëren van zo’n engine wil je voorkomen dat het te arbeidsintensief wordt, dus was de uitdaging een manier te vinden om automatisch tags aan elkaar te verbinden. Bovendien kan het belang van een onderwerp opeens veranderen. Neem David Bowie, niemand was met hem bezig, maar plots sterft hij en explodeert het internet. Dan moet je als mediabedrijf opeens op hele andere zoekelementen inspringen. Het gaat om meer dan alleen maar woorden aan elkaar koppelen. Het is een constant bewegend gegeven.”

 

Matthijs Tetteroo: “Wat erg interessant was aan jullie aanpak, was dat jullie ook voorstelden om door een slimme tekstanalyse van artikelen tot aanbevelingen te komen. Één van de grote voordelen daarvan is, is dat je iemand al een aanbeveling kunt doen bij het allereerste artikel dat iemand leest.”

 

Toon Borré: “Klopt, we kijken ernaar als continu veranderend web. Daarbij ga je kijken naar afstanden tussen woorden en links die er tussen bepaalde woorden bestaan. Hoe groter de dataset, hoe beter je kunt kijken naar hoe zaken aan elkaar gelinkt zijn. En er zijn gratis prachtige bronnen als Wikipedia beschikbaar. Op basis van zoveel data kun je steeds beter voorspellen wie welke pagina’s interessant zal vinden. Welk thema is nu belangrijk voor deze persoon?”

 

 

Kevin Mottard: “Binnen onze CFO Community zie je dat de finance functie robotiseert en automatiseert. En de finance professional denkt na over hoe zijn nieuwe rol eruit moeten komen te zien: business partner worden, nieuwe verdienmodellen uitdenken, enzovoorts. Data science is een gebied waar de meeste financials zich volop mee willen gaan bemoeien. Als ik hoor hoe dit proces loopt, en hoe die finance functie in elkaar zit, dan twijfel ik of dit de ideale match is. Hoe kijk jij daar tegenaan?”

 

Matthijs Tetteroo: “Ik vind dat een moeilijke discussie omdat voor elk van de verschillende opties wat valt te zeggen. In onze organisatie valt het onder de CFO en mijzelf, maar ICT was ook een logische keuze geweest. Het is een multidisciplinaire samenwerking tussen finance, IT, marketing en in ons geval redactie. Onder welke functie je het ook hangt, het heeft bij allemaal voor- en nadelen. Bij finance is het voordeel de onafhankelijke positie en een onafhankelijke blik op de data. Maar de afstand tot ICT is wel groter.”

 

Toon Borré: “Het is niet zwart-wit, maar niet elke CFO is een CDO (Chief Data Officer). Je kunt je dit niet toe-eigenen alleen maar omdat je CFO bent. De vraag is; ben jij de juiste persoon om dit te doen? Ben jij de meest data savvy persoon in de organisatie? Wie begrijpt het beste hoe het in de specifieke business past? Die persoon moet het gaan doen.”

 

Kevin Mottard: “Welke vraag zouden jullie aan een CFO stellen die hiermee gaat starten?”

 

Matthijs Tetteroo: “Vanuit onze ervaring, vraag jezelf eerst af of je scherp hebt waar je nu staat en wat je nog nodig hebt? Hoe is de data gestructureerd? Hoe data savvy zijn de mensen? Welke skills mis je nog? Je moet doordacht starten. Denk niet alleen aan de mogelijkheden, maar juist aan wat je niet hebt en hoe je de kloof gaat dichten.”

 

Toon Borré: “Dat zijn uitstekende vragen. Houd de CFO een spiegel voor.”

 

Kevin Mottard: “Wat zijn voor jullie de volgende stappen?”

 

Matthijs Tetteroo: “We gaan verder met het gefaseerd uitbouwen van de data science capability. De grote uitdaging waar we nu voor staan is hoe we de intelligentie continu gaan koppelen aan onze kanalen. We willen een productiemodel uitdenken en doorvoeren. Een tweede uitdaging is het goed prioriteren van de volgende stappen.”

 

Kevin Mottard: “Veel succes met de verdere journey.”

 

 

1. Beschouw data science niet als een project, maar als een nieuwe capability. Een nieuwe manier van zakendoen.

2. Begin met een paar heldere, concrete doelen.

3. Laat regelmatig kleine resultaten zien, houd presentaties, deel soms ‘snoepjes’ uit om de organisatie te blijven enthousiasmeren.

4. Zoek de balans tussen structuur en experiment.

5. Zet de ICT-afdeling niet buitenspel bij het ontwikkelen van data capaciteiten. Zet ze juist in hun kracht.

6. Wanneer iets goed blijkt te werken, schaal dan snel op en ontwikkel het verder.

7. Houd er rekening mee dat je in je data science team verschillende competenties nodig hebt. Die zijn zelden in één persoon verenigd. 

8. Zoek data wetenschappers die aansluiten bij de fase waarin je zit.

9. Je moet geduld hebben en soms dingen wat langer de tijd geven om tot wasdom te komen.

10. Denk niet alleen aan de mogelijkheden, maar juist aan waar je staat en in die fase nodig hebt.