Begin 2017 publiceerde de Kamer van Koophandel (KvK) de resultaten van haar onderzoek naar ondernemen met (big) data door het MKB. De reden dat big tussen haakjes staat is omdat het onderzoek zich voornamelijk richtte op de manier waarop ondernemers data gebruiken als bron voor waarde creatie, dus niet per definitie big data, maar data in het algemeen.

De conclusie van het onderzoek is dat een groot deel van de ondernemers de kansen ziet van het ondernemen met (big) data, maar dat ze zich afwachtend opstellen. De ondernemers geven aan over onvoldoende tijd, geld, kennis en kunde te beschikken om zich erin te verdiepen.  1

Ondernemers, marketeers, managers en leidinggevenden die geen of weinig data (big of small) gebruiken binnen hun organisatie laten een hoop mogelijkheden liggen. Daarbij ligt het risico op de loer dat ze voorbijgestreefd zullen worden door concurrenten die wel data gedreven ondernemen. Na het lezen van dit artikel zul je beseffen dat data gedreven ondernemen niet alleen iets is voor de Google’s en Facebook’s van deze wereld, maar dat het iets is waar ook jij in de praktijk mee aan de slag kunt.

Hoe data waarde toevoegt voor je organisatie en haar klanten

Er komt steeds meer data beschikbaar en bedrijven als SAP, HP, Oracle, IBM en Microsoft ontwikkelen steeds meer producten die te maken hebben met big data. Op scholen worden momenteel verschillende big data- en datawetenschapsprogramma’s ontwikkeld en het zal niet lang meer duren voordat universiteiten tienduizenden gekwalificeerde studenten gaan afleveren. 2

Meer data, meer technologie en meer datawerkers zijn factoren die erop wijzen dat big data en de ermee samenhangende concepten en technologieën geen trendverschijnsel zijn, maar ons nog vele jaren zullen vergezellen. 3

PwC geeft aan dat de impact van de technologische vooruitgang en de dataontwikkelingen zorgen voor verhoogde omzet en winst doordat ondernemingen zich specifieker op klanten kunnen richten en passende oplossingen kunnen aanbieden. Daarnaast zorgt het voor verlaagde kosten en verbeterde productiviteit doordat meer automatisering het overneemt van menselijke besluitvorming.

De technologische vooruitgang en de dataontwikkelingen zorgen voor verminderd risico en betere kwaliteit doordat standaardisatie en automatisering de norm wordt. 4

De voordelen van ondernemen met data op een rijtje:

  • Gerichtere klantbenadering;
  • Beter passende oplossingen voor klanten;
  • Minder kosten;
  • Verbeterde productiviteit;
  • Minder risico;
  • Betere kwaliteit.

Thomas Davenport, hoogleraar informatietechnologie en management en senior-adviseur bij Deloitte Analytics, schreef in zijn boek ‘Big data aan het werk’ over het belang van big data voor organisaties: “Als organisaties deze ideeën willen negeren, kunnen ze net zo goed meteen ophouden zich te bekommeren om hoe ze geld kunnen besparen, hoe ze meer producten kunnen verkopen en hoe ze klanten blij kunnen maken – en dat zullen ze waarschijnlijk niet zo gauw doen.” 5

10 tips om valkuilen te vermijden bij het ondernemen met big data

Hoe kun je nu met data aan de slag gaan binnen je organisatie? Eerder schreef ik al over de 3 fases die organisaties doorlopen bij het ondernemen met big data en de valkuilen die daarbij horen. Nu beschrijf ik hoe je goed van start kunt gaan met big data om die valkuilen te vermijden.

De KvK geeft 10 tips voor een goede start met (big) data-analyse:

  1. Besef dat digitale data steeds belangrijker worden en dat uw omgeving verlangt dat uw eigen data digitaal zijn. (Big) data blijft. Maak uw huidige data daarom gereed voor de toekomst.
  2. Zorg dat u alle data op dezelfde manier verzamelt en digitaal opslaat. Scan papieren bestanden zoals contracten en productinformatie in en sla ze op als digitaal bestand.
  3. Sla data zo op dat u deze in de toekomst eenvoudig kunt exporteren naar andere systemen.
  4. Bekijk hoe uw website presteert met Google-Analytics. Daarmee krijgt u snel inzicht in kenmerken en gedrag van uw (potentiële) klanten.
  5. Houd in de gaten wat mensen op sociale media als Facebook en Twitter over uw bedrijf en product zeggen. Bijna alle sociale media hebben een eigen ‘analyseknop’.
  6. Voeg sensoren toe in processen waar dat mogelijk is. Zij leveren u snel een schat aan informatie. De techniek is relatief eenvoudig en goedkoop.
  7. Maak uw personeel ‘data-minded’. Betrek hen bij data-projecten. Organiseer bijvoorbeeld een brainstorm over de mogelijkheden die open databestanden bieden.
  8. Besef u dat data-analyse een investering vergt. Data verzamelen, beheren ordenen en analyseren kost tijd. Maar ook hier geldt: de kost gaat voor de baat uit.
  9. Werk samen binnen uw branche, uw regio of de keten. Voor uzelf is data-analyse misschien nog te kostbaar en ingewikkeld, maar door samenwerking wordt data-analyse eerder bereikbaar. U kunt dan ook data delen die interessante informatie oplevert voor alle deelnemers. Denk bijvoorbeeld aan een benchmarksysteem.
  10. Denk groot, start klein! Maak kennis met eenvoudige mogelijkheden van data-analyse. Dat maakt de stap naar meer geavanceerde analyses eenvoudiger. Schakel zo nodig een data-analist in of leg uw datavraag neer bij een kennisinstelling.
6

De tips van de KvK bieden richtlijnen om een data gedreven manier van denken binnen de organisatie te brengen. Om echte waarde met data te kunnen gaan scheppen, zul je er mee aan de slag moeten gaan.

Zelf data analyseren: In 6 stappen naar waardevolle inzichten

Dit stappenplan kan je helpen om op een gestructureerde manier waardevolle inzichten te halen uit data:

  1. Definieer het probleem; wat is het probleem? Wat is het doel van het project? Wat zou je doen als je alle data had?
  2. Verzamel de data; welke data is relevant? Zijn er problemen met privacy?
  3. Verken de data; breng de data in kaart. Zijn er patronen?
  4. Analyseer de data; maak een model. Pas het model aan. Valideer het model.
  5. Vertel een verhaal; visualisatie en communicatie. Zijn de resultaten logisch? Kunnen we een verhaal vertellen?
  6. Onderneem actie; maak beslissingen.
7

Laten we dit stappenplan eens doorlopen met een voorbeeld, het is hierbij niet mijn bedoeling om de diepte in te gaan. Het dient meer ter illustratie om te laten zien hoe het proces van data-analyse verloopt.

  1. Stel dat je een directielid zou zijn van NS, dan zou je waarschijnlijk graag het aantal vertragingen willen verminderen. Vertragingen zouden namelijk weleens kunnen leiden tot ontevreden reizigers en financiële schade. Je wilt in kaart brengen wat de meest voorkomende storingen zijn, hoelang die duren en waardoor ze veroorzaakt zijn.
  2. Relevant zijn de data van alle storingen en de tijdsduur van de storingen. De data zijn niet persoonsgevoelig en kunnen dus gebruikt worden voor analyse.
  3. Gezien je een directielid bent van NS, heb je alle data tot je beschikking (hoewel ook niet-directieleden beschikking hebben tot deze ‘open data’). In de dataset staan alle storingen met bijbehorende tijdsduur. Je hebt de data verkend in Excel en ziet dat de meeste storingen voortkomen uit technische defecten en dat vanaf 2015 de storing met defecte treinen meer voorkomt. Data analyse NS storingen
  4. Het lijkt de moeite te lonen om verder uit te zoeken waarom het aantal storingen met defecte treinen toeneemt. Rijden er sinds 2015 meer treinen? Worden de treinen intensiever gebruikt? Wordt er minder onderhoud aan gepleegd? Zijn het andere soorten treinen? Hiervoor zul je extra dataset(s) nodig hebben. Gebruik de verschillende datasets en combineer die met elkaar om er verbanden uit te halen.
  5. Heb je inzichten kunnen halen uit de data-analyses? Is er bijvoorbeeld een verband tussen onderhoud en defect? Visualiseer de inzichten om je mede-directieleden te overtuigen dat er geïnvesteerd moet worden in onderhoud. (Visualisaties zijn belangrijk omdat hersenen visuele informatie snel verwerken. Mensen kunnen patronen of trends ontdekken die in een platte structuur, zoals tabellen, niet zo voor de hand liggen. Data visualisatie is een techniek waarmee iedereen de analyse van de data kan zien en begrijpen. 8)
  6. Aan de hand van de analyses kun je besluiten om wel of niet te investeren in onderhoud.

Het is geen overbodige luxe om jezelf te gaan verdiepen in de mogelijkheden die data voor je organisatie kan betekenen. Na het lezen van dit artikel zou het duidelijk moeten zijn dat het vergaren van inzichten uit data niet de ver-van-mijn-bed-show is, maar dat het juist binnen handbereik ligt. Door nu al een (klein) deel van je tijd te investeren in het ondernemen met data, zul je steeds beter worden in het vergaren van inzichten uit data en ben je goed voorbereid op een maatschappij die naar alle waarschijnlijkheid steeds meer data gedreven zal worden.


Deel dit artikel: