Big Data, middel of doel?

Wie de trends goed in de gaten houdt is het niet ontgaan: Big Data is de oplossing voor al onze problemen, gaat onze wereld veranderen en niet meedoen is hetzelfde als verliezen. Hoewel gechargeerd -en wellicht pas over enkele jaren volledig waar- is de opkomst van big data niet te ontkennen. Wie meteen aan boord wil springen, wil weten hoe hij het beste kan springen. Wie niet van plan is direct aan boord te springen, doet er goed aan zich in elk geval te verdiepen in het onderwerp om hype en happening van elkaar te onderscheiden.

Definitie big data: onbekend

Wat is Big Data? Een echte definitie bestaat nog niet, maar is zelden kort en bondig. Omdat de meeste bedrijven een stuk kleiner zijn dan de beroemde succescases uit de VS, is het technisch gesproken zelfs nog maar de vraag of er in Nederland al echte ‘Big’ data voorhanden is.

Avondsymposium Big Data

Heb je interesse in een diepere duik in de praktische mogelijkheden van big data? Tijdens het Big Data-avondsymposium dat Marketingfacts en de Nyenrode Marketing Society gezamenlijk organiseren op 27 september a.s., zal Arend in een presentatie dieper ingaan op deze materie. Naast hem zullen ook Jaap Bloem (VINT), Piet Daas (CBS) en Michiel Rozema (Microsoft) hun visie geven op de ontwikkelingen op dit vakgebied.

Zie voor meer informatie het volledige programma van de avond of schrijf je direct in. Tot de 27e!

Is big data eigenlijk wel het antwoord?

Hoe weet je als geïnteresseerde of Big Data is waar je behoefte aan hebt? Je zou natuurlijk onderstaande lijst met Big Data succes cases kunnen doorlezen en bepalen of een van deze één op één is door te vertalen naar je eigen organisatie.

Geïnteresseerden in Big Data kunnen veel beter éérst zichzelf een aantal vragen stellen. Er moet een noodzaak zijn, een behoefte, bij voorkeur één voor welke een business case is op te stellen.

Na het uitgebreid doornemen van deze en vele andere Big Data voorbeelden heb ik een aantal vragen bedacht, die de kansen voor Big Data analyses binnen je organisatie blootleggen. Het beantwoorden van deze vragen leidt direct tot Big Data ideeën en behoefte aan Big Data:

1. Wat als je individueel klantgedrag volledig zou kunnen inzien? Hoe zou jouw organisatie deze klanten dan beter kunnen gaan bedienen?

2. Wat als ik met data hard zou kunnen maken wat ik al tijden vermoed? (concurrentie, trends, klantgedrag, inefficiënte collega’s, etc…)

3. Wat als alle “ongestructureerde” informatie “op de hard disk” gestructureerd in één database/tabel zou zitten? (word documenten, evaluatie-rapporten, HR-voortgangsgesprekken, notulen, projectplanningen, jaarverslagen, etc..)

4. Wat als het belang van het gehele bedrijf leidend wordt over dat van afdelingen?

5. Wat als je geen data meer zou hoeven weggooien?

6. Wat als de analyses op tijd klaar zijn om iets met de uitkomsten te kunnen doen?

7. Wat als ik 200 stagières zou hebben om bestanden op het intranet en internet te lezen en samen te vatten?

8. Welke beschikbare data om processen, prijsstelling, producten en diensten te kunnen verbeteren gebruiken we nu te weinig?

Of de informatie-behoefte die hoort bij het antwoord deze vragen daadwerkelijk ‘Big’ data is, is eigenlijk niet interessant: Wil je de concurrentie verslaan, of volgende week op een borrel tegen een concurrent kunnen zeggen dat jij al aan Big Data doet?!

De Roland Garros fan experience

Er zijn inmiddels talloze voorbeelden van big data – sommige anekdotisch, andere gedetailleerd beschreven – die gebruikt kunnen worden als inspiratie bij het bedenken van Big Data toepassingen binnen de eigen organisatie. Eén inspirerend voorbeeld is de fan experience van tennistoernooi Roland Garros.

De fan experience is een zeer uitgebreide realtime wedstrijdstatistiekentool voor weergave onderaan het televisiescherm of je second screen tijdens de wedstrijd: de geboden statistieken, metrieken en kansen functioneren als aanvulling op de commentator/fan, die uit de fan-meter direct kan concluderen hóe cruciaal het ‘in’ slaan van de eerstvolgende service is voor de overwinningskansen van de kandidaten.

Tijdens de wedstrijd berekent de fan experience continu voor iedere speler de kans dat deze gaat winnen. Verandering van deze real-time winkans maakt toeschouwers direct duidelijk hoe belangrijk de afgelopen, huidige en volgende rally is voor het verloop van de wedstrijd. Voor het berekenen van deze informatie maakt het big data-algoritme knap gebruik van zeer uiteenlopende databronnen, o.a. op basis van historische wedstrijden tussen beide tegenstanders:

• service-percentage

• verloop van de wedstrijd

• aard van relevante beslissingsmomenten (dubbele fouten, tie-breaks, etc…)

• invloed van het weer (laagstaande zon, regen, regenpauze)

• invloed van type ondergrond (gravel, hardcourt, gras, etc…)

Finale

In de beginfase van afgelopen herenfinale Roland Garros stond Nadal lange tijd op voorsprong tegen zijn opponent Novak Djokovic. De fan experience-statistiekencomputer had op basis van historische data al aangegeven dat met het verstrijken van de tijd de kansen op overwinning van Nadal zienderogen aan het afnemen waren. Toen het ging regenen en de wedstrijd noodgedwongen gestaakt moest worden, gaf de fan experience-meter direct aan dat deze regenpauze in het nadeel was voor Nadal… die de wedstrijd uiteindelijk ook heeft verloren!

Van data naar big data

Hebben je eigen antwoorden op bovenstaande vragen en de praktijkvoorbeelden je overtuigd van het nut van Big Data voor jouw onderneming? Dan wil je natuurlijk morgen al beginnen met Big Data! Het voordeel is: vele knappe koppen hebben reeds uitgebreid onderzoek gedaan naar het ‘data-gedreven’ maken van organisaties, “Competing on Analytics”, het structureren en kwantificeren van verbeterprocessen – bijv. Six Sigma, DMAIC, Deming Cycle, etc…

Op basis van hun bevindingen hebben ze ieder een eigen variant van het oorspronkelijke Six Sigma Capacity Maturity Model ontworpen, de mij bekende in willekeurige volgorde:

• Gartner MM (pdf)

• Web analytics MM – Stéphane Hamel (pdf)

• eBusiness MM

Het enige dat ze nog niet in hun modellen hebben verwerkt, is het begrip “Big Data”. Waarom? Omdat dit begrip pas sinds 2005 (web 2.0) – 2008 (Big Data Computing) wordt gebruikt. De term wordt pas écht gelanceerd door een rapport McKinsey in 2011: “Big data: The next frontier for innovation, competition, and productivity.”

De weg naar big data

Een organisatie waarin big data kan worden bedreven en daadwerkelijk bijdraagt aan het bedrijfsresultaat ontstaat niet van vandaag op morgen. Voordat je als besluit een ‘level 5 data-driven organisatie te willen worden’, is het belangrijk je te realiseren dat een big data-cultuur botst met de manier waarop organisaties vandaag de dag georganiseerd zijn en opereren:

Data liegt niet

• Neem afscheid van intuïtie en onderbuikgevoel.

• Data werkt als een strategie-consultant: de waarheid van de werkvloer bereikt zichtbaar en gekwantificeerd de directiekamer.

Big Data optimaliseert globaal

• Big data reikt over afdelingen en silo’s heen.

• Afdelingsbelang wordt ondergeschikt aan bedrijfsbelang: waar ga je managers op belonen? Heb je nog managers nodig?

Big data = predictive analytics

• Als organisatie moet je er cultureel klaar voor zijn om je beslissingsbevoegdheid voor een deel over te dragen aan een ‘zelf-optimaliserend algoritme in een black-box’. Een auto-pilot voor bedrijven dus.

Om al deze redenen is big data een eindstadium dat vanzelf bereikt wordt met het stapsgewijs doorlopen van één van de vele Capacity Maturity Modellen, géén off the shelf softwareproduct dat vandaag besteld wordt en morgen geïnstalleerd!

Het beste advies voor organisaties die willen beginnen met big data is daarom:

• Begin klein.

• Investeer veel in mensen in plaats van in software.

• Maak snel (veel) fouten.

Succes!

Verder lezen

Interesse in meer informatie over de bedrijven die vooruit lopen in het analyseren van grote hoeveelheden (ongestructureerde) data? Hieronder vind je een lijst van 25 cases. Het gaat niet voor niets over big data!

• Amazon.com

• Google.com

• Memphis Police department

• Social Media sentimentanalyse iPhone

• Fraude-detectie banktransacties

• LinkedIn

• HR intranet

• FBTO

• TomTom ism Vodafone

• Tesco

• CERN

• Yunoo (Afas Personal)

• Vestas Wind energy

• FedEx

• Match.com

• (Dr.) Watson

• Rio de Janeiro

• Humanitarian aid

• Hertz car rental

• Walmart

• Target

• Oakland Athletics (MoneyBall)

• Oliewinning

• Norfolk Southern

• General Electric

Credits afbeelding: Rodrigo Moraes (CC)