Aan de slag met predictive analytics

Data niet alleen gebruiken om historische trends te signaleren, maar ook om de toekomst te voorspellen. Met predictive analytics kan dit. Lees hier hoe je slim start en deze vorm van machine learning in je marketingmix inpast.

1. Ben je bekend met het begrip predictive analytics?

Ja: Je gaat trends vaststellen op basis van historische data. Zo kan je trends in de toekomst zien en daar je beslissingen op aanpassen.

Nee: Wie de concurrentie voor wil blijven, heeft in- en externe data nodig voor de besturing en richting van de organisatie. Met machine learning en AI haal je uit al je datasets de juiste voorspelling. Dit helpt je betere, geïnformeerde beslissingen te maken. En kan met data die je al in huis hebt. Kijk vervolgens of jouw strategie op het toekomstbeeld aansluit. En stuur bij waar nodig. Lees ook dit.

2. Weet je wat je allemaal kan voorspellen?

Ja: Met de juiste data zou inderdaad alles te voorspellen moeten zijn. Belangrijk is dus dat je de juiste data weet te vinden.

Nee: Predictive analytics wordt regelmatig ingezet om processen te optimaliseren. Denk hierbij onder andere aan het bepalen van marketingbudgetten. Zo kan je inzicht krijgen welk mediakanaal goed past bij jouw strategie en welke mediamix leidt tot de meeste leads of conversies. Zo krijg je inzicht in de kosten en efficiëntie per lead. Maar je kan ook voorspellen welke producten het goed gaan doen bij welke doelgroep en op welk moment. Zo kan je gerichter inkopen.

3. Wat je als allereerste stap moet ondernemen?

Ja: Begin altijd met het formuleren van goede en scherpe buisnessvragen. Want zonder focus raak je in alle data de weg snel kwijt.

Nee: Begin met het formuleren van concrete vragen zoals: Op welk vlakken kunnen we beter? Welke processen hebben we te weinig zicht op? Waar denken we dat er marge wegvloeit? En hoe kunnen we ons marketingbudget beter inzetten? Nadat je de vraag hebt gedefinieerd stel je de waarom- en hoe-vragen om het probleem op te kunnen lossen. Na het formuleren van een heldere hypothese ga je dan op zoek naar de juiste data.

4. Waar je moet beginnen met het verzamelen van data?

Ja: Hoe secuurder je werkt met data, hoe beter het eindresultaat. Weet ook goed welke data je nodig hebt. Meer is niet altijd beter.

Nee: Als eerste stap selecteer je dus de juiste data voor jouw hypothese. Zoek data op in de tijd, en data die raakt aan hetgeen je wil onderzoeken. Breng ook in kaart welke data je mist en moet gaan verzamelen of simuleren. Vergeet ook niet vast te stellen wat je juist niet nodig hebt. Zorg er voor dat de data juist geformatteerd en schoon is, anders kan je deze niet goed inzetten.

5. Hoe je een begin maakt met machine learning?

Ja: Het bouwen van een eigen predictietoepassing is niet onmogelijk, maar het kost wel veel tijd en goede mensen. Daarna heb je wel alles in eigen hand.

Nee: Er is een enorme hoeveelheid aan oplossingen op de markt. En met deze bestaande pakketten kan je snel aan de slag. De meeste AI-platformen bieden je de mogelijkheid om kantdata te analyseren en eigen AI-modellen te ontwikkelen. Let bij het zoeken naar software erop dat deze kan werken met jouw databronnen, bijvoorbeeld historische service- en CRM-data. Lees hier meer over verschillende platformen.  Meer informatie over typen algoritmen vind je hier.

6. Hoe je weet of de resultaten kloppen?

Ja: Zorg er altijd voor dat je resultaten betrouwbaar zijn. Test grondig vooraf en blijf ook tijdens het werken met voorspellingen altijd kijken of ze kloppen.

Nee: Het evalueren van jouw voorspellingen is ontzettend belangrijk. Doe je dit niet goed, dan zul je verkeerde conclusies trekken. Evalueer dus constant de uitkomsten van je model. Zo test je de correctheid van je conclusies en kan je bijsturen. Gebruik pilots op oude data waarvan je uitkomsten al weet en waarop je vrij kan testen. Pas het daarna toe op toekomstige voorspelling. Meer weten of het evalueren van jouw algoritmes?

7. Weet je wat er mis kan gaan?

Ja: Het ontdekken van patronen en vertalen naar inzichten heeft tijd nodig  Je moet je eigen data gaan begrijpen. Daar is oefening en ervaring voor nodig.

Nee: Het gaat mis als je niet goed weet wat je wilt meten en wilt weten. Dan krijg je krijg immers verkeerde resultaten. Daarnaast moet je iedereen meenemen in het gedachtenproces. Dat vergt een mentale omslag. Het moet echt bij jouw bedrijf passen om te kijken wat je aan de data hebt en wat je daarmee wilt bereiken. Waak er dus voor dat je alleen instapt omdat het nu populair wordt. Daar heb je later niets aan.

8. Weet je genoeg om aan de slag te gaan?

Ja: Mooi! Je bent nu op de hoogte hoe je een hypothese stelt, hoe je goede voorspellingen maakt en je weet hoe dit is te herhalen.

Nee: Nog niet overtuigd? Met het doorlopen van deze stappen kan je met predictive analytics betere keuzes maken in jouw bedrijf en zo meer omzet draaien en meer leads genereren. Kijk dus goed naar de specifieke wensen van jouw bedrijf en ga aan de slag. Met je eigen data scientist of met bestaande pakketten. Inspiratie nodig? Lees dan deze praktijkcase over het behalen van vijftig procent meer omzet na toepassing van onderbouwde voorspellingen.

*) Dit artikel verscheen eerder in het septembernummer van Emerce magazine (#163).