-

Wat je wil en wat je kan komen samen in een datastrategie

Data helpt om klanten beter te leren kennen en kan ook helpen om je dienstverlening te optimaliseren. Maar ga je in 2020 nu op een gestructureerde manier met data aan de slag? Precies een jaar geleden schreef ik een blog  over “iets met data doen”. Daarbij benadrukte ik het belang van groeien in data volwassenheid. Maar organisaties willen (en kunnen) vaak ook al waarde genereren binnen de huidige mogelijkheden.

In deze blog zal ik uitleggen dat waarde uit data halen begint bij wat je wil. Door dit vervolgens te combineren met wat je kan kom je tot een data strategie. Je data roadmap bevat vervolgens concrete activiteiten waarmee je balans moet houden tussen direct waarde genereren en stappen zetten in je data volwassenheid. Zo ga je in 2020 eindelijk écht iets met data doen!

Waarde uit data halen begint bij wat je wensen zijn

Om waarde uit data te halen is het essentieel dat je begint bij je visie, je marketingstrategie en je doelstellingen. Waar je als organisatie naartoe wil en wat je wil bereiken bepaalt namelijk waaraan data moet bijdragen, en daarmee de manier waarop je data gaat gebruiken.

“Een datastrategie begint bij waar je als organisatie naartoe wilt”

Alle organisaties willen graag groeien in omzet en winst. Als het goed is heb je hierbij ook een visie waar deze groei vandaan moet komen en hoe je deze groei gaat bereiken: ga je meer nieuwe klanten aantrekken? Of ga je de bestaande klanten beter behouden? En ga je klanten beter behouden door relevantere communicatie of door een breder assortiment? De keuzes die je als organisatie hierin maakt zijn bepalend voor de focuspunten van je data strategie.

Om het concreet te maken, hierbij een voorbeeld:

Om te groeien wil je bestaande klanten vaker laten bestellen. In je marketingstrategie heb je bepaald dat je dit wil doen door “altijd het juiste product aan te bieden”. Met andere woorden, je wil producten aanbieden die beter passen bij de voorkeuren van je klanten. Gezien je enorme e-mailbase is dat een belangrijk kanaal, en op dit moment verstuur je nog generieke e-mails naar de hele base. Een van de focuspunten voor je data strategie wordt dan ook data te gebruiken om ‘slimmere’ e-mails te verzenden.

Wat je wil bepaalt daarmee de focus van je data strategie. De balans tussen wat je direct kunt realiseren en de stappen die moet je zetten in je data volwassenheid hangt vervolgens echter af van wat je kan.

Wat je kan bepaalt de uitgangspunten voor je datastrategie

Als je besloten hebt wat je wil moet je in kaart brengen wat je kan. Met behulp van ons data maturity model kan je de randvoorwaarden om waarde uit data te halen in kaart brengen. Net als voor ons digital marketing maturity model kijkt het model hiervoor naar verschillende pijlers. Voor nu wil ik graag drie elementen uitlichten die de belangrijkste uitgangspunten voor je data strategie bepalen.

Resources – Functies en expertise

Uiteraard hangt wat je kan af van welke data functies er zijn binnen je organisatie, maar nog belangrijker is welke expertise de mensen die deze functies invullen hebben. Bijvoorbeeld, zijn je data analisten alleen bedreven in beschrijvende analyses of beheersen ze ook meer voorspellende analyses? En hoe flexibel is je data scientist in het uitvoeren van analyses in verschillende programma’s (SPSS, LatentGold) of talen (Python, R)? De afgelopen jaren zijn er enorm veel data analisten en data scientists bij gekomen. De kennis van de ene data scientist kan echter enorm verschillen van de kennis van de andere data scientist.

Architectuur – Beschikbare data en (marketing) tooling

Wat je kan hangt in grote mate af van je beschikbare data en (marketing) tooling. Om waarde uit data te halen is het essentieel om een overzicht van de huidige architectuur te hebben. Dat wil zeggen, welke data zit in welke systeem en op welke manier kan je die data benaderen? Maar ook: in welke (marketing) tooling wil je de inzichten uit data gaan gebruiken? Zeker als je data wil gaan gebruiken voor personalisatie moet je scherp hebben welke data op individueel niveau voorhanden is. Vergeet hierbij niet te checken dat je binnen je marketing tooling de juiste unieke identifier hebt. Bijvoorbeeld, als je online gedrag (identifier = cookie ID) wil gebruiken voor gepersonaliseerde mailings (identifier = e­‑mailadres) moet je het gedrag kunnen linken aan het e-mailadres.

Organisatie – Processen en verantwoordelijkheden

Ten slotte heeft je organisatie invloed op dat wat je kan met data. Wie is er verantwoordelijk voor de data (kwaliteit, toestemming, koppelingen, etc.)? Zitten je data analisten, data scientists en data engineers in een dedicated data team of vallen ze binnen een ander team, zoals marketing? Stel dat je een ander team nodig hebt om een koppeling tussen twee systemen te realiseren of een marketing selectie te maken dan heeft dat invloed op hoe je data kunt gebruiken. Daarmee vormen de processen en verantwoordelijkheden een belangrijk uitgangspunt voor je data strategie.

Uiteindelijk worden de uitgangspunten voor je data strategie bepaalt door dat wat je op dit moment kan. Bijvoorbeeld, hoewel je het online browse-gedrag van klanten niet heb gekoppeld aan een e-mailadres heb je alle orders wel gekoppeld. Een van je uitgangspunten is dan dat je voor segmentatie en personalisatie het beste kunt beginnen met marketing selecties op basis van ordergedrag. Als je de uitgangspunten voor je data strategie scherp hebt is de volgende stap om deze te verbinden met dat wat je wil.

Naar een datastrategie met focuspunten

Door dat wat je wil (doelstellingen) te combineren met dat wat je kan (uitgangspunten) kom je vervolgens tot een data strategie. In deze data strategie staan in de eerste plaats de focuspunten waarmee je het aankomende jaar waarde gaat genereren. Bijvoorbeeld, je wil het aankomende jaar relevanter gaan communiceren met je klanten (“altijd het juiste product aanbieden”). Aangezien e-mail je belangrijkste kanaal is, orderdata beschikbaar is binnen je ESP en je een data analist in dienst hebt die selecties kan maken wordt een van de focuspunten van je data strategie om ‘slimmer’ te gaan mailen. Meer specifiek houdt dit in dat je gesegmenteerd en gepersonaliseerd kan gaan mailen.

De focuspunten van je datastrategie kunnen erg uiteenlopen. Bijvoorbeeld, je zou data ook kunnen gebruiken om met slimme analyses je assortiment of je prijsstelling te optimaliseren. Uiteindelijk moet je data strategie maximaal vier tot vijf focuspunten beschrijven waar je het aankomende jaar aan wil gaan werken.

Naast de focuspunten waarmee je direct waarde kan genereren neem je binnen je data strategie mee hoe je gaat groeien in je data volwassenheid. Daarbij gaat het om dat wat je nu nog niet kan, maar wat je in de toekomst zou helpen om dat te bereiken wat je wil.

Een data roadmap bevat concreet uit te voeren activiteiten

De laatste stap is om een data roadmap voor het aankomende jaar op te stellen waarin je de algemene strategie omzet naar concreet uit te voeren activiteiten. Op die manier kan je de strategie ook direct tot uitvoer brengen. De roadmap bestaat uit user stories die direct bijdragen aan de focuspunten van je datastrategie. Voor de user stories gaat het om: wie wil er wat, wat wil die persoon en waarom wil die persoon dat?

Wie kan meer specifiek gaan over een kanaal specialist zoals een e-mailmarketeer, een product owner van een website maar ook over een category manager. Wat gaat vervolgens over datgene wat die persoon anders of beter wil gaan doen. Dat kan gaan over het sturen van een specifieke boodschap (“nieuwe model racefiets”) naar een specifieke doelgroep (“racefietsliefhebbers”) via een specifiek kanaal (“e-mail”) op een specifiek moment (“wekelijkse nieuwsbrief”). Het kan echter ook gaan over het verkrijgen van een specifiek inzicht (“klantwaarde per productcategorie”) met een specifieke frequentie (“continu”) op een specifieke manier (“dashboard”) die vervolgens gebruikt kan worden. Waarom geeft ten slotte aan wat je verwacht te bereiken, bijvoorbeeld een hoger conversiepercentage of een hogere klantwaarde, waarom je dat verwacht te bereiken en hoe het succes gemeten gaat worden.

“Door user stories kan je een data strategie omzetten naar concreet uit te voeren activiteiten”

Het is belangrijk dat de user stories aansluiten bij de focuspunten uit de datastrategie en daarmee de marketingstrategie. Voor specialisten is dit ook logisch, aangezien de marketingstrategie gebaseerd is op hun eigen plannen voor het aankomende jaar. User stories hebben het risico om vaag te blijven. Bijvoorbeeld, de doelgroep heeft geen specifieke onderscheidende kenmerken, het kanaal en het moment van versturen zijn niet gedefinieerd of het uiteindelijke doel blijft hangen bij omzet. Om user stories concreter te maken en iedereen binnen de organisatie op een meer datagedreven manier te laten werken kan je het beste een template gebruiken. Hieronder zie je een voorbeeld hoe een ingevulde template een user story concreet kan maken.

Naast de user stories bestaat de data roadmap uit stappen die je moet zetten om je data volwassenheid gedurende het jaar te verhogen. Dit kan bijvoorbeeld gaan over het uitzetten en invullen van vacatures, het koppelen van systemen of het selecteren van nieuwe tooling. Door zowel user stories die direct waarde genereren, als stappen voor data volwassenheid op te nemen, kan je balans aanbrengen in je korte en lange termijn focus.

Eindelijk écht aan de slag met data!

Heb jij ook zin om in 2020 eindelijk écht iets met data te gaan doen? Door bovenstaande stappen te volgen kom je tot een datastrategie die direct waarde genereert passend bij je huidige data volwassenheid. Je data roadmap bevat vervolgens concrete activiteiten waarmee je balans moet houden tussen direct waarde genereren en stappen zetten in je data volwassenheid. Als je binnen je organisatie niemand hebt zitten die een data strategie kan opzetten, dan helpen we je daar graag bij. Voorwaarde is echter wel dat iemand binnen de organisatie owner wordt van de datastrategie en roadmap. Op die manier wordt het geborgen binnen je organisatie zodat je echt stappen kunt gaan zetten.

Over de auteur: Frank Beke is data scientist bij De Nieuwe Zaak.

Deel dit bericht

Plaats een reactie

Uw e-mailadres wordt niet op de site getoond