In 5 stappen naar SMART Big Data Analytics

De wereld wordt steeds slimmer. Deze evolutie is zelfs zichtbaar in de meest traditionele industrieën, zoals de visserij. In plaats van – zoals vanouds – puur te vertrouwen op een kompas en ‘insider knowledge’ doorgegeven door generaties vissersfamilies, koppelt de hedendaagse visser sensoren aan vissen en worden scholen opgespoord met de meest geavanceerde GPS-systemen. Soortgelijke voorbeelden duiken op in de sport, de landbouw, de gezondheidszorg, de retail en zelfs in zoiets magisch als de liefde. Aan de basis van deze slimme revolutie staat Big Data. 

 

Big Data – of Smart Data – zoals Bernard Marr, auteur van het nieuwe praktische boek ‘Big Data: Using SMART Big Data Analytics To Make Better Decisions and Improve Performance’ – het liever noemt is de wereld aan het veranderen. De hoeveelheid data neemt exponentieel toe momenteel, maar de hoeveelheid is voor de meeste beslissers grotendeels irrelevant. Het gaat erom hoe je het inzet om te komen tot waardevolle inzichten.  

 

 

Marr legt volgens het SMART-model uit hoe bedrijven de vruchten kunnen plukken van data in hun processen en besluitvorming. Deze vijf stappen zijn:

 

1. Start met strategie

2. Meet de benodigde data

3. Analyseer die data

4. Rapporteer je bevindingen

5. Transformeer je business en besluitvorming

 

 

Het is gemakkelijk om overweldigd te raken door de wetenschap van data analyse. Zowel giganten als MKB-bedrijven moeten beginnen met strategie, en niet met het ruchtzichloos verzamelen en opslaan van data. De grote meerderheid van bedrijven zal nooit de middelen hebben om iets zinvols te gaan doen met al die opgeslagen data. Je moet eerst weten waar je naar op zoek bent. Natuurlijk, wanneer je al een grote hoeveelheid gedigitaliseerde data tot je beschikking hebt, is het wel slim om zo’n 10 procent van je analytics budget te alloceren naar data discovery. Maar verder geldt voor iedere onderneming: Start met strategie!

 

Het doel van stap 1 is om je strategische informatiebehoeften te bepalen. Bepaal voor de kerngebieden van je bedrijf – klanten, operaties, finance, risico’s en resources (IT, mensen, infrastructuur, leiderschap) – wat je onderneming tracht te bereiken. Bedenk daar vervolgens slimme vragen bij. Als je strategische doel bijvoorbeeld is je klantenbasis te vergroten, zouden je SMART-vragen kunnen zijn:

– Wie zijn nu onze klanten?

– Wat zijn de demografische kenmerken van onze meest waardevolle klanten?

– Wat is de gemiddelde lifetime value van onze klanten? 

– Welk service elementen waarderen onze klanten het meeste?

– Hoe kunnen we het beste nieuwe klanten identificeren?  

 

 

Een bedrijf dat de vruchten heeft geplukt van deze benadering is Google. De internet- en techgigant had nooit het geloof dat managers veel impact hadden, dus ging het analyticsteam aan de slag met de vraag: ‘Hebben managers eigenlijk een positieve impact bij Google?’ Hun analyse wees uit dat managers wel degelijk verschil maken en een positieve impact kunnen hebben bij Google. De volgende vraag was: ‘Wat maakt een geweldige manager bij Google?’ Dit resulteerde in 8 gedragingen van de beste managers en de 3 grootste valkuilen. Dit heeft geleid tot een zeer effectief training en feedback programma voor managers dat een hele positieve invloed heeft gehad op de performance van Google.  

 

 

De tweede stap is het verzamelen van de data die je nodig hebt om de SMART-vragen te beantwoorden. Er zijn verschillende vormen en soorten data beschikbaar: 

– Gestructureerde data (point of sales data, financiële data, klantendata)

– Ongestructureerde data (websites, social media posts, blogs, video’s)

– Interne data (klantenfeedback. verkoopdata, HR data, sensoren in machines)

– Externe data (weergegevens, overheidsdata, Google Trends) 

Kijk eerst wat intern beschikbaar is, want dit is het goedkoopste en gemakkelijkste om te analyseren. Kijk pas als laatste naar externe, ongestructureerde data. 

 

 

Marr werkte samen aan een data analytics project met een kleine mode retail onderneming die hun sales wilde verhogen. Ze hadden alleen geen data om dit doel te bereiken op de traditionele sales data na. Ze bedachten toen eerst een aantal SMART-vragen:

– Hoeveel mensen passeren onze winkels?

– Hoeveel stoppen er om in de etalage te kijken en voor hoe lang?

– Hoeveel komen vervolgens binnen?

– Hoeveel kopen dan iets? 

 

Vervolgens hebben ze een klein discreet apparaat achter het raam geplaatst dat het aantal passerende mobiele telefoons (en daarmee mensen) is gaan meten. Het apparaat legt ook vast hoeveel mensen voor de etalage blijven staan en voor hoe lang, en hoeveel er naar binnen komen. Sales data legt vervolgens vast wie wat kopen en voor hoeveel. De winkelketen kon vervolgens experimenteren met verschillende etalages om te testen welke het meest succesvol waren. Dit project heeft geleid tot fors meer omzet, en het sluiten van één filiaal waar onvoldoende mensen langs bleken te komen.  

 

 

In stap 2 heb je vastgesteld welke data je nodig hebt om je strategische vragen te beantwoorden. Het hebben van de benodigde data is echter niet genoeg. Analyses zijn nodig om de data om te zetten in waardevolle business inzichten. Er zijn verschillende vormen van analytics die je kunt toepassen, zoals text analytics, speech analytics en video analytics.

 

Een voorbeeld van text analytics is een advocatenfirma die hiermee duizenden documenten doorzoekt om zo snel de benodigde informatie te vinden ter voorbereiding van een nieuwe zaak. Een andere bekende toepassing van text analytics is de sentiment analyse. Hiermee kan een bedrijf snel vaststellen hoe het sentiment op social media is over het merk. Twitrratr is tool die tweets onderverdeeld is positief, neutraal en negatief. Als je weet dat 93 procent van koopbeslissingen wordt beinvloed door social media is het belangrijk om hier zicht op te hebben en actief op te sturen. 

 

Speech analytics worden bijvoorbeeld gebruikt in callcenters om vast te stellen wat de stemming van de beller is, zodat de medewerker hier zo goed mogelijk op kan anticiperen. De reden dat je standaard te horen krijgt: ‘dit gesprek kan worden opgenomen voor trainingsdoeleinden’ is dan ook bedoeld om er analytics op toe te passen. Video analytics wordt toegepast door bijvoorbeeld supermarkten. Ze analyseren hun camerabeelden om vast te stellen aan welke schappen en promoties klanten aandacht besteden en welke ze links laten liggen.    

 

 

Je kunt geweldige inzichten hebben, maar ze zijn pas waardevol als ze beslissers beinvloeden. Hier is effectieve rapportage voor nodig. Bij de NASA lancering van de Challenger Space Shuttle hadden de technici grote zorgen, maar hun cruciale inzichten werden door de beslissingnemers niet uit de veel te uitvoerige rapportages gehaald wat heeft geresulteerd in een tragisch ongeluk en zeven dode bemanningsleden. De les: begraaf je interessante inzichten niet in een vuistdik rapport dat niemand leest. 

 

Data visualisatie is een middel om de belangrijkste inzichten aan de juiste mensen over te dragen. Er zijn verschillende opties om de data te presenteren – trendlijnen, kaarten, infographics, bar grafieken (veel helderder dan taartgrafieken) en tag clouds. Het gaat erom dat de voorbereider van de informatie de vorm kiest die het beste het verhaal vertelt. Data visualisatie helpt mensen snel het grote plaatje te zien wat met tekst en cijfers veel langer zou duren om uit te leggen. 

 

Bron: 

 

Data visualisatie is het terrein van analisten en ontwerpers, maar (finance) executives moeten zich er wel voor interesseren en zorgen voor uniformiteit in de manier waarop data wordt gepresenteerd. Bij Procter & Gamble heeft men gekozen om data visualisatie te institutionaliseren als primaire tool voor het management middels een Information & Decision Solutions afdeling. Door een visuele taal te ontwikkelen die gemeengoed is, heeft P&G een radicale upgrade gerealiseerd in de manier waarop data wordt gebruikt om besluitvorming te informeren en acties te ondernemen. 

 

 

Big Data Analytics veranderen de wereld. Hoe ver je er in gaat is aan jou, maar er bestaan in ieder geval mogelijkheden om beter je doelgroep te begrijpen, processen te verbeteren en prestaties te sturen. Door aan de slag te gaan met SMART Big Data houd je het business model van je onderneming tegen het licht, en maak je aanpassingen waar nodig. Dit kan zelfs tot een complete transformatie van je business leiden. 

 

De Amerikaanse mega retailer Target weet bijvoorbeeld door een combinatie van 25 aankopen wanneer een vrouw zwanger is. Dat is één van de weinige perioden in een mensenleven waarin koopgedrag afwijkt van routines. Hier speelt Target slim op in met baby-gerelateerde aanbiedingen. Amazon is zo goed geworden in predictive analytics dat ze producten al naar naar je toe kunnen sturen voordat je ze gekocht hebt. Als het aan hun ligt, kun je je bestelling binnenkort middels een drone binnen 30 minuten bezorgd krijgen.

 

Processen veranderen ook door Big Data. Bijvoorbeeld inkoop. Walmart weet dat er meer ‘Pop Tarts’ verkocht worden bij een stormwaarschuwing. Ze weten niet waarom dat is, maar ze zorgen er wel voor dat ze voldoende voorraad hebben en de snacks een mooie plek in de winkel geven. Een ander proces waar data grote kansen biedt voor optimalisatie is de supply chain. Welke routes laat je chauffeurs rijden en in welke volgorde laat je ze bestellingen afleveren? Real-time weer- en verkeerdata zorgt voor bijsturing. 

 

Big Data als stuurmiddel voor prestaties is ook al volop in gebruik bij bedrijven. Denk aan een sportclub die het inzet om te bepalen welke spelers ze gaan kopen. Of een bank die gestopt is alleen talenten te recruiteren van topuniversiteiten omdat bleek dat kandidaten van minder prestigieuze universiteiten het beter deden. Of een verzekeringsmaatschappij die het gebruikt om fraude te detecteren. Enzovoorts. Enzovoorts. 

 

Conclusie, de Big Data revolutie maakt de wereld in rap tempo slimmer. Voor bedrijven is de uitdaging dat deze revolutie plaatsvindt naast de ‘business as usual’. Middels de bovenstaande vijf stappen kunnen bedrijven beginnen de vruchten te plukken van Big Data en de stress wegnemen van teveel data hebben en niet weten wat ze ermee aan moeten.