Delph: slimme data-analyse als toekomstvoorspeller voor bedrijven

Belangrijke bedrijfsbeslissingen maken op gevoel? “Een grote fout”, zeggen de heren van Delph. “Harde data kunnen voorspellende waarde hebben bij besluitvorming in de marketing, campagne-voering, operationalisering en veel meer.” De start-up is pril, maar promising – oprichter Mark Verhagen vertelt waarom. 

Mark, hoe zou je Delph omschrijven in één tweet?

“De wereld is een domme plek. Delph gebruikt data om bedrijven, groot en klein, een spiegel voor te houden en ze aan de realiteit van hun eigen handelen bloot te stellen.”

Wat doet en kan het?

“Delph analyseert data binnen en buiten een bedrijf. Dat levert inzichten op waarmee bedrijven een weloverwogen beslissing kunnen nemen. Delph baseert zich op klantgedrag en oplossingen uit het verleden maar ook op kansberekening. Het kan in onze optiek ingezet worden bij alle organisaties die meer willen halen uit gegevens in en om hun heen. Van museum of corporate tot politieke partij: Delph geeft advies op basis van data-analyse dat waardevol is voor campagnes, marketing en strategische beslissingen.”

Welk probleem lost Delph hiermee op?

“Wat wij zien is dat onderbuikgevoelens en vooroordelen de leidraad zijn bij de besluitvorming in veel organisaties. Delph vindt data-analyse de beste manier om de realiteit een spiegel voor te houden. Wat gebeurt er al? Welke strategie werkte en welke niet? Op welke doelgroep kun je je het beste richten? In welke buurt is de meeste kans op een succesvolle campagne? We lossen specifieke knelpunten op of geven inzicht in hoe het beter kan.”

Waar komt de naam vandaan?

“Van het Orakel van Delphi waar de oude Grieken raad vroegen en van het delven van schatten.”

Wie zijn je klanten?

“We werken met allerlei soorten bedrijven, van universiteiten en corporates tot culturele instellingen of politieke partijen.”

Wat zit precies inbegrepen bij Delphs dienst?

“Momenteel data-analyse en advies – soms in de vorm van een rapport, maar we bieden de klant het liefst een tool waarmee ze intern zelf meteen aan de slag kunnen. Een dashboard bijvoorbeeld dat samenwerkt met het interne systeem en live data analyseert voor de laatste inzichten.”

Wat voor inzichten verkrijgen jullie zoal?

“We hebben bijvoorbeeld een project gedaan bij een reisbureau dat zich voornamelijk richtte op het type reizen dat je maar eens in je leven maakt. In de zomer werden ze overweldigd met aanvragen via de website, waardoor ze moesten beslissen welke offertes voorrang krijgen. Dat begint met het antwoord op de vraag: welke aanvraag heeft de meeste kans een boeking te worden?”

Hoe ben je toen te werk gegaan?

“Wij hebben hun data bekeken en een model gemaakt dat de kans berekent. Het probleem van het reisbureau komt veel voor op sales-afdelingen. Met eenzelfde tactiek kunnen we bijvoorbeeld een marketingcampagne via Facebook linken aan bepaalde klantkarakteristieken: welke klant koopt welk product? Zo kun je je social media-marketing richten op een heel concrete doelgroep.”

Kun je meer voorbeelden noemen?

“Samen met politieke partijen bekijken we waar hun potentiele stemmer zit. We gebruiken data van verkiezingen uit het verleden en demografische gegevens van het CBS om een voorspelling te doen over de verdeling van kiezers in verschillende stemdistricten. De partij kon op deze manier specifieke thema’s belichten in bepaalde buurten. Maar we helpen ook een silobedrijf in de haven met de operationalisering van productopslag en een hr-afdeling met de automatisering van hun sollicitatieproces.”

Ik kom als klant bij Delph: hoe gaat het in zijn werk?

“In projectvorm bespreken we het probleem van de klant. In de ontdekkingsfase nemen we een week de tijd om hun interne bronnen na te gaan op waardevolle gegevens. Daaruit komt een onderzoeksvraag voort. We modelleren de uitkomst of bouwen een tool waarmee de klant zelf aan de slag kan.”

Dus bedrijven leveren zelf de data?

“Ja, we gebruiken bestaande data binnen het bedrijf zelf, in combinatie met publieke data van instanties zoals het CBS. We werken op het moment aan tips voor gegevensverzameling voor bedrijven, bijvoorbeeld aan de hand van een gedegen enquête.”

Hoe werf je je klanten?

“Via ons netwerk raken we regelmatig in gesprek met geïnteresseerde bedrijven. Om een potentiële klant te overtuigen dat we goed werk leveren, bieden we een testfase aan. Wij nemen oude gegevens van het bedrijf en doen een voorspelling: als we het goed hebben, is dit een validatie van onze dienst. We kijken bijvoorbeeld naar vijftien jaar aan data van een bouwbedrijf en ‘voorspellen’ waar de vijf laatste projecten succesvol door de gemeenteraad zijn gekomen.”

Wat zijn de andere twee takken binnen Delph?

“Naast analyseprojecten voor klanten, werken we aan een manier om een code te generaliseren, waardoor we het model in de toekomst gemakkelijk kunnen herproduceren. Zo besparen we veel tijd met een goede basis. Daarnaast bieden we nog workshops en masterclasses aan, over onderwerpen als ‘big data’ en ‘machine learning’.”

Hoe ziet het verdienmodel eruit?

“Bij aanvang van een project stellen we een eenmalige factuur op aan de hand van een uurtarief van honderd euro. Het is voor ons geen vetpot, maar we zijn niet afhankelijk van investeerders en zijn flexibel in onze dienst. Met een computer en een pot koffie kunnen we al aan de slag.”

Wat is een knelpunt dat je tegenkomt bij klanten?

“Het allerliefst bedenken wij slimme oplossingen in de vorm van complexe modellen, maar we merken dat bedrijven vaak niet geavanceerd en bereid genoeg zijn om op die tour te gaan. Vaak moeten we een stap terugnemen en beginnen met kleine inzichten of een datastrategie voor de klant opzetten om een goed model te kunnen bouwen.”

Wat is een knelpunt dat je tegenkomt als start-up?

“Het gebrek aan structuur binnen ons bedrijf. We zijn pas één jaar oud en de helft van onze medewerkers studeert nog. Daarnaast is het moeilijk om meer capaciteit te bouwen, aangezien goede econometristen moeilijk te vinden zijn. We missen nog de vastigheid van een gevestigd bedrijf.”

Hoe ga je hiermee om?

“We willen in de zomer meer structuur brengen binnen het management van Delph. Daarnaast gebruiken we het gebrek aan een duidelijke richting in ons voordeel: we vinden het belangrijk dat onze medewerkers hun passie kunnen combineren met het collectief doel van het bedrijf – de wereld slimmer laten werken. We laten werkstudenten vaak zelf een sector kiezen naar hun interesse. Ik ben zelf bijvoorbeeld veel bezig met musea en culturele instellingen, aangezien ik een achtergrond in kunstgeschiedenis heb.”

En een knelpunt binnen de sector data-analyse?

“Je hebt veel bedrijven die zogenaamde data-analyse doen, maar die in werkelijkheid vooral bezig zijn met het visualiseren van data. Hun dienst is hierdoor erg oppervlakkig – ze laten bijvoorbeeld zien hoeveel procent van je klanten uit een bepaalde provincie komt. Maar data-analyse is veel complexer en zit hem in de combinatie van verschillende variabelen, waarmee je beargumenteerde voorspellingen kan doen.”

Wie zijn Delph’s concurrenten?

“MICompany. Zij hebben dezelfde visie over data-analyse als ons. Daarnaast zijn er dus veel marketingbedrijven die beweren data-analyses uit te voeren. Wij zien deze bedrijven niet echt als concurrentie, aangezien de inzichten veel oppervlakkiger blijven.”

Wat maakt Delph dan uniek?

“Vergeleken met concurrenten zijn we extreem goedkoop. Als je bijvoorbeeld bij MICompany aanklopt, vermoed ik dat je minstens twee, drie keer zo veel kwijt bent.  Daarnaast werken we met een creativiteit die uniek is in het bèta-landschap. Door de uiteenlopende achtergronden in ons team bieden we oplossingen voor een uitzonderlijk brede doelgroep.”

*) Dit is een artikel in de serie van de Accenture Innovation Awards dat ik schreef in samenwerking met Nikki Mennen. Bekijk hier de AIA-winnaars van 2016.