De vijf belangrijkste uitdagingen bij het aan de slag gaan met big data

Sander Beckers   •  18 januari 2016

Bedrijven beschikken tegenwoordig over veel data en beseffen ook dat ze iets met deze data moeten doen. De kans is groot dat dit ook voor jouw organisatie geldt. Maar de grote vraag is: hoe doe je dit? In het verleden zijn veel buzzwords opgekomen en weer ten onder gegaan door een gebrek aan tastbare, ‘actionable’ resultaten. Dit leed lijkt ‘big data’ bespaard te blijven, omdat de positieve impact van big data inmiddels al veelvuldig is vastgesteld (zie bijvoorbeeld Harvard Business Review). Desondanks hebben nog veel bedrijven moeite om actief met big data aan de slag te gaan.

De uitdagingen op het gebied van big data komen vooral voort uit de bekende drie V’s: volume, variëteit en velociteit (snelheid) van data nemen exponentieel toe. Of big data een revolutie betreft of een exponentiële voortzetting van een evolutie is minder van belang. Belangrijk is welke kansen big data bedrijven biedt en wat hen ervan weerhoudt om deze kansen te benutten. In deze blogpost zet ik de belangrijkste uitdagingen om met big data aan de slag te gaan op een rij. Volgende week, in een vervolg op deze blogpost, gaan we dieper in op de oplossingen voor deze uitdagingen.

Blog-2_visual2

Uitdaging 1: Big data ‘actionable’ maken
De belangrijkste en overkoepelende uitdaging bij big data is hoe je data actionable kunt maken. Er is veel data beschikbaar, en zelfs als je een antwoord hebt op de overige uitdagingen blijft het grootste probleem hoe je informatie omzet in concrete acties. Je wilt resultaten krijgen vanuit data die antwoord geven op de vraag: ‘Wat moeten wij anders gaan doen?’ Je hebt waarschijnlijk behoefte aan resultaten op de korte termijn. Een valkuil bij het omgaan met big data is om je direct te richten op een complete full scale data-driven oplossing in plaats van simpelweg te beginnen met de data die je momenteel beschikbaar hebt en kijken hoe je hier op korte termijn waarde uit kunt halen. Zoals bij de scrum-methode binnen softwareontwikkeling idealiter al na een eerste sprint een werkbaar product wordt opgeleverd, zo is het bij het omgaan met big data van belang dat er al na een eerste analyse een concrete actie ondernomen kan worden.

Uitdaging 2: KPI’s van de businesscase niet uit het oog verliezen
Een tweede uitdaging bij het aan de slag gaan met big data is om te voorkomen dat je je teveel door de mogelijkheden (of onmogelijkheden) van de beschikbare data laat sturen. Dit lijkt wellicht tegenstrijdig met de eerdere aanbeveling om te gaan experimenten en te beginnen met de data die je beschikbaar hebt, maar is het niet. Je dient te experimenteren op de gebieden die voor jou relevant zijn. Met andere woorden: het is van belang om die inzichten te verkrijgen die de meeste impact hebben op de KPI’s waar je je op focust. Je moet vanuit big data dus als het ware geen tank gaan bouwen, omdat je toevallig rupsbanden beschikbaar hebt, terwijl je eigenlijk behoefte hebt aan een snelle sportwagen. Het blijft daarom altijd van belang om je eigen businesscase leidend te laten zijn.

Uitdaging 3: De juiste analysemethoden inzetten
Zodra je de juiste vraag boven tafel hebt op basis van je eigen businesscase kun je je gaan toeleggen op het beantwoorden van die vraag. De volgende uitdaging is om te achterhalen wat de vereiste analysemethode is om de vraag vanuit data te kunnen beantwoorden. Dien je de customer journey in kaart te brengen? Of kun je beter klantwaarde onderzoeken met behulp van een CLV-analyse? Soms zijn ook geavanceerde methodes zoals conjoint of voorspellende modellen nodig. Hiervoor is kennis in huis nodig over welke vragen met welke analysemethoden te beantwoorden zijn. Ook is het van belang om (als de analyse het vereist) genoeg statistische kennis beschikbaar te hebben om de analyse te kunnen toepassen. Het beschikken over de benodigde tooling/software is hierbij een randvoorwaarde. Econometristen die met big data-analyses aan de slag kunnen, zijn echt schaars. In deze serie blogposts volgt later nog een bijdrage die geheel is toegespitst op big data analytics.

Blog-2_visual1

Uitdaging 4: Data beschikbaar hebben
Tot nog toe ben ik ervan uit gegaan dat je de benodigde data beschikbaar hebt. Dit is overigens beslist geen eenvoudige opgave. Vaak bevinden de benodigde databronnen (zoals klantdata uit een CRM-systeem of advertising-data) zich in losstaande silo’s binnen een organisatie. Het is van belang om deze losstaande databronnen samen te voegen om zo tot diepgaandere inzichten te komen. Tevens dient data zo realtime mogelijk beschikbaar zijn voor alle stakeholders binnen je organisatie. Een leidinggevende heeft bijvoorbeeld een vraag die met data te beantwoorden valt en wil het liefst direct antwoord. Een mogelijke vraag is hoe de gemiddelde orderwaarde zich ontwikkelt en welk marketingkanaal hierin beter of slechter presteert ten opzichte van vorig jaar. Hiervoor moet je data realtime beschikbaar zijn;  de ‘need for speed’ is groot. Uitdagingen die hierbij om de hoek komen kijken, zijn het kunnen ontsluiten van de data (kennis van techniek hebben en algoritmes kunnen schrijven) en het beschikken over voldoende opslagcapaciteit.

Uitdaging 5: Data opschonen
Met het beschikbaar hebben van de data en de juiste analysemethode kun je in principe meteen aan de slag. Er ontbreekt dan echter aandacht voor een cruciale stap in het analyseproces, namelijk het opschonen van de data. Voordat je aan de slag gaat, is het van belang om je data zorgvuldig te inspecteren om er zeker van te zijn dat je appels met appels aan het vergelijken bent. Je wilt graag weten waar de data vandaan komt en wat de data betekent. Bijvoorbeeld welke tijdsperiode de data beslaat. Als je je marketingplan in april hebt gewijzigd en wilt weten of je nieuwe plan succesvol is, dan heeft het geen zin om data van maart hiervoor te analyseren.

Tot slot
Veel bedrijven hebben data en weten dat ze hier iets mee moeten. Maar waar begin je? In deze blogpost heb ik de vijf grootste uitdagingen op dit gebied beschreven. Deze uitdagingen hebben voornamelijk betrekking op menselijk kapitaal. Technisch gezien is voldoende tooling beschikbaar; visionairs die hiermee kunnen omgaan en daarbij de bedrijfsdoelstellingen niet uit het oog verliezen, zijn echter zeldzaam. Het slechte nieuws is dat deze uitdagingen alleen maar groter worden zodra je met big data aan de slag bent gegaan. De behoefte aan realtime inzichten en acties, schaalbare oplossingen en complexere analysemethoden gaat steeds een stapje verder. Daarnaast worden op den duur limieten van de rekencapaciteit van computers bereikt. Het goede nieuws is dat wij volgende week in een volgende blogpost concrete oplossingen aandragen hoe je het beste met deze uitdagingen kunt omgaan.

Wil je meer leren over een data driven marketing aanpak voor jouw organisatie? Kom dan naar het data-driven commerce event. Lezers van deze blogpost geven we €100,00 korting op de inschrijving, met de kortingscode DNZ2016DDC (hoofdlettergevoelig).

Sander Beckers is Business Intelligence Specialist. Binnen De Nieuwe Zaak houdt hij zich bezig met het continu optimaliseren van resultaten op basis van data-analyse en bewezen klantinzichten.
Blijf op de hoogte

Meld u aan voor onze wekelijkse e-commerce nieuwsbrief en blijf op de hoogte van het laatste e-commerce nieuws!

© 2018 De Nieuwe Zaak