-

De blik vooruit: digitaal transformeren met Big Data

Het ‘Big’ in Big Data staat voor velen alleen voor de grote hoeveelheden data die organisaties in huis hebben. Die data lijken in veel praktijkvoorbeelden vooral voedingsbodem voor aanscherping van verdienmodellen – zoals in de advertentie-industrie – of totale disruptie zoals de kentering die eHealth op dit moment veroorzaakt.

Een eenzijdig beeld misschien, want data leveren net zo goed inzichten voor interne procesverbetering of een betere klantbenadering met digitale oplossingen. Het gesprek over Big Data zou vooral moet gaan over de enorme potentie ervan: over de impact die de data kunnen hebben op bestaande producten en organisatievraagstukken en hoe die helpen bij een eerste stap richting digitale transformatie.

Big Data in de huidige praktijk

De praktijk leert dat er voor ieder bedrijf vier manieren zijn om data in te zetten. Terug naar het realisme in Big Data: de mogelijkheden, voorbeelden en natuurlijke grenzen.

Excellentie: onderzoek toont aan dat de manager die zich puur door zijn gevoel of intuïtie laat leiden, kwalitatief slechtere beslissingen neemt en dus aanstuurt op een minder goede dienst of experience. Door de harde feiten uit gecombineerde data te benutten, zijn bottlenecks in processen te herkennen en zelfs te voorspellen.

Zo kunnen Amerikaanse politiekorpsen sinds eind vorig jaar op basis van realtime data schatten waar misdrijven gepleegd zullen worden. Hoewel het al decennia gebruikelijk is om op willekeurige wijze door de stad te patrouilleren – de crimineel weet dan immers niet waar agenten zich bevinden en zou daardoor gehinderd worden – wordt die werkwijze nu losgelaten.

Het algoritme van de analyticsoplossing PredPol belooft aan de hand van plaats, tijd en soort criminaliteit te voorspellen waar agenten met hun aanwezigheid een misdrijf kunnen voorkomen. In de film Minority Report werd het nog weggezet als voorspelling voor het jaar 2054, nu blijkt dat excelleren met voorspellende data in 2015 al de normaalste zaak van de wereld is.

Video: De wetenschap achter Predpol

Om video’s van Youtube te kunnen tonen, dienen analytische cookies en tracking cookies geaccepteerd te worden.

Productleiderschap: niet ieder bedrijf hoeft het nieuwe Spotify of Airbnb te worden. Wel moet er rekening worden gehouden met de disruptieve kracht van deze spelers en hun verdienmodellen.

De leidende positie die Netflix heeft ingenomen heeft het bedrijf deels te danken aan het slimme gebruik van Big Data. De enorme hoeveelheid content die online beschikbaar is, maakt het mogelijk te grasduinen in films en series. Dat surf- en kijkgedrag vertaalt Netflix in dataprofielen waarmee het eigen product zichtbaar verbetert. De data resulteren in aanbevelingen die – voor de kijker – onverwachts bij iemand zijn smaak passen en waarmee het bedrijf je als klant verder bindt.

De video on demand-dienst staat er bij gebruikers inmiddels om bekend te weten wat de kijker boeit en is in staat je meer te laten afnemen dan je van plan bent. Met de data die het platform continu verbeteren, heeft Netflix de entertainmentindustrie en de groeiende markt van video op afroep opgeschud.

Het bedrijf heeft zelfs gezorgd voor het nieuwe fenomeen van binge watching, waarbij de kijker urenlang aan de hand van aanbevelingen van de ene aflevering in de andere wordt gezogen. De algoritmes die hiervoor zorgen zijn zo belangrijk dat Netflix een miljoen dollar belooft aan diegene die met een beter alternatief komt.

Intimiteit: meer te weten komen over de klant is misschien wel de bekendste kans van Big Data. Sociale media, online tracking via cookies en open databronnen maken dat iedere organisatie diensten op maat kan bieden: generieke homepages maken plaats voor met gebruikersdata gepersonaliseerd portals, de serviceverlening verbetert nu er op de juiste plekken in de organisatie een completer plaatje is van de klant.

Hoe ver die intimiteit gaat, bewijst Amazon. Het bedrijf zegt producten te kunnen bezorgen nog voor deze zijn besteld. Amazon kan op basis van locatie, eerdere bestellingen, zoekopdrachten, opgeslagen verlanglijsten en ander online gedrag voorspellen welke behoefte een klant heeft. De gegevens zouden al zo accuraat zijn dat het winkelbedrijf eerder weet welke producten daarvoor moeten worden besteld dan de klant zelf. Zo nauwkeurig kunnen data soms zijn.

Risicobeheersing: als data eindelijk goed worden ontgonnen en gecombineerd, maken ze duidelijk welke risico’s bedrijven realtime lopen. Met dank aan Big Data zijn audits sneller en doelgerichter in te zetten.

Schoolvoorbeeld daarin zijn financiële instellingen. De tienduizenden financiële transacties die deze bedrijven iedere seconde verwerken, genereren zoveel data dat door middel van patroonherkenning fraude snel kan worden opgespoord. Bestel je online een artikel waar bijvoorbeeld een ongebruikelijk prijskaartje aan hangt, rinkelt binnen no-time de telefoon om de transactie te verifiëren.

En hoewel het kostenbesparende aspect geen verdere toelichting behoeft, is een groot deel van de bedrijven onvoldoende voorbereid. Volgens wereldwijd onderzoek van EY erkent 72 procent van de bedrijven dat Big Data belangrijk zijn voor risicobeheersing, maar zegt 60 procent ook dat zij daarin nog belangrijke stappen moeten zetten.

De verzekeraar: Big Data als middel om te transformeren

Van uitlatingen op sociale media tot aan sociaal demografische gegevens, van eigen data over koopgedrag tot aan openbare data als temperatuurschommelingen: hoe rijker de data hoe scherper het inzicht. Wanneer er een organisatievraagstuk ligt, is de kans groot dat data een middel zijn om tot de benodigde transformatie te komen. Met de aanpak wordt daartoe een belangrijke stap gezet.

Detectie – Op basis van een Big Data-analyse kan er zicht ontstaan op eventuele behoeften onder de doelgroep. Bijvoorbeeld: Maakt een zorgverzekeraar een digitale transformatie door, dan is het raadzaam profielen van klanten uit een specifieke generatie met onderzoeksdata te verfijnen. Hoe begeven zij zich door de customer journey en welke digitale oplossingen verwachten zij gedurende een contactmoment?

Doel- en vraagstelling – Creëer potentiële scenario’s op basis van de data. Bijvoorbeeld: de jongste doelgroep van de verzekeraar groeit op in een stedelijke omgeving. Welk (mobiel) gedrag is specifiek voor deze groep en hoe beïnvloedt dit de de digitale oplossingen waar deze jongeren om vragen?

Bepaal waar de databronnen zich bevinden – welke interne en externe databronnen zijn benodigd voor beantwoording van de vragen? Denk daarbij aan interne klantprofielen, maar ook aan open data-projecten van de overheid. Sociale media – uitingen en connecties – in combinatie met demografische kenmerken en postcodegebieden verreiken de profielen. De gegevens vertellen meer over de voorkeuren en invloed die directe omgeving en online media hebben.

Controleer de data – Vergeet niet te kijken naar wet- en regelgeving en met name wat privacyregels verbieden. De Wet Bescherming Persoonsgegevens gaat behoorlijk ver: de wet is zelfs van toepassing op gegevens die je tijdelijk binnenhaalt ter verwerking.

Analyse – De data worden geïnterpreteerd door analisten. Zo wordt duidelijk dat er een aantoonbaar verband is tussen leeftijd, woonomgeving en gebruik van digitale oplossingen. Bijvoorbeeld: jonge stedelingen zijn digital native en willen een online portal met eHealth-oplossing. Hierin willen zij eigen Big Data uit apps kunnen koppelen voor een beter beeld van de gezondheid.

Verankering – Door klantprofielen te blijven monitoren wordt snel duidelijk of er toekomstig afwijkingen optreden. Indien nodig is de transformatie bij te sturen.

Grenzen aan Big Data

Het is vooral belangrijk te waken over realisme in het denken over Big Data. Want hoewel data veel antwoorden geven, zit er ook een grens aan de mogelijkheden. Zodra databronnen naast elkaar lopen, kan het zijn dat analyses elkaar beïnvloeden: uitkomsten die correleren blijken achteraf louter op toeval te berusten.

De mens blijft ook in de toekomst een belangrijke schakel in de kansen die Big Data bieden. Cruciale kennis moet op persoonsniveau behouden blijven, alleen de mens is in staat de juiste interpretatie te leveren. Wat te doen met inzichten is aan hen voorbehouden: een onverwachts dwarsverband kan aantonen dat een groep consumenten een verhoogt bedrijfsrisico oplevert. Wat te doen met deze inzichten als die een groep mensen stigmatiseren? De ethische grens moet altijd worden bewaakt.

In veel organisaties betekent de komst van data een ware cultuurverandering. Behalve dat managers te weten komen dát er iets verandert, weten zij door die data ook hoe en in welke  richting zich iets in de toekomst ontwikkelt. Met Big Data kan de blik weer vooruit.

Meer weten over de inzet van Big Data? Download dan het whitepaper ‘Altijd raak: sneller en beter beslissen met Big Data’.

Foto: Santiago Medem (cc)

Deel dit bericht

Plaats een reactie

Uw e-mailadres wordt niet op de site getoond