Betere informatie, betere managementbeslissingen, beter ondernemingsresultaat

Welke waarde haal jij uit (big) data?

Dezer dagen kunnen data geïntegreerd worden in producten en diensten op een manier die hiervoor ondenkbaar was. Denk aan Nike+, dat het voor sporters mogelijk maakt om hun prestaties te meten en te delen. Of Miami-Date Transit, een OV-bedrijf dat het voor zijn klanten mogelijk maakt om het exploiatiesysteem te monitoren, zodat reizigers kunnen zien hoe laat de bus aankomt. Manchester City, een voetbalclub, die hun database heeft opengesteld in de hoop dat binnen de open-data-community patronen en trends worden gevonden die gebruikt kunnen worden om de fanbase te versterken. Of de Britse supermarktketen Tesco, die aan consumenten de mogelijkheid geeft om buiten de piekuren dezelfde producten goedkoper te bestellen. Dit zijn slechts enkele voorbeelden van wat data kunnen betekenen voor onder andere customer intimacy en customer service. Maar er is veel meer.

Dit artikel is geschreven door een Digital Power-collega van Bertwin Menninga.

Neem Target, een Amerikaanse retailgigant. Deze keten analyseert het klantgedrag zo grondig dat ze exact kon achterhalen wanneer klanten – waaronder een tienermeisje – zwanger raken, gebaseerd op hun aankooppatroon. In het geval van het tienermeisje was dat nog voordat ze het aan haar vader had verteld, die razend werd toen Target haar promoties met babyartikelen begon te sturen. Zowel het tienermeisje als haar vader waren niet heel erg te spreken over het feit dat een retailer hun gezin beter kent dat zij elkaar.

Target snapte het issue. Echter, de retailer stopte niet met het verzamelen en gebruiken van data met het klantgedrag. Wel werd de uitvoering iets subtieler: de promoties worden nu veralgemeniseerd voordat ze naar klanten worden verstuurd.

Dit soort voorbeelden zijn er genoeg en de technologische mogelijkheden lijken onbeperkt te zijn, maar welke keuzes kun je maken en welke bijdrage wordt er geleverd aan het ondernemingsresultaat?

Reisbranche

Op vliegvelden telt elke minuut en de informatie over de exacte aankomsttijden is cruciaal. Als een vliegtuig te vroeg landt, is het grondpersoneel er nog niet klaar voor en moeten de passagiers en het vliegtuigpersoneel wachten. Als een vliegtuig te laat landt, dan moet het grondpersoneel onnodig wachten. En wachttijden betekenen kosten. Toen een Amerikaanse vliegtuigmaatschappij er achter kwam dat bij 10% van haar vluchten 10 minuten verschil zat tussen de verwachte en daadwerkelijke aankomsttijd en bij 30% van de vluchten 5 minuten, was het tijd voor actie.

De vliegtuigmaatschappij schakelde PASSUR Aerospace in om de verwachte aankomsttijden uit te rekenen. PASSUR plaatste op elke vliegveld zenders om elke vliegtuig dat voorbij vloog te traceren en informatie van op te slaan. De data werden gecombineerd met andere gegevens, zoals het weer, de vluchtschema’s en nog vele andere gegevensbronnen. Dankzij het vinden van patronen werd er telkens geanalyseerd hoe laat een vliegtuig landde in combinatie met de overige factoren. Dit heeft de mogelijkheid gegeven om de aankomsttijden van vliegtuigen exact in te schatten. Daardoor was de vliegtuigmaatschappij in staat om jaarlijks een kleine 5,5 miljoen euro per vliegveld te besparen.

Retail

Het doel van verkopen is om de klant te helpen in te kopen. Dat kan o.a. met gepersonaliseerde acties en promoties. Immers, waarom moet een klant een heel boekwerk met weekpromoties ontvangen terwijl hij/zij slechts in een paar productcategorieën geïnteresseerd is? Om zijn klanten beter te targeten met promoties besloot Sears Holding, een Amerikaans conglomeraat met merken als Sears, Craftsman en Lands’ End, de beschikbare data beter in te zetten.

Dit bleek een grote uitdaging. Omdat elk merk een eigen datawarehouse had waar de informatie werd opgeslagen, duurde het 8 weken om de gepersonaliseerde promoties te genereren. Immers, het overhevelen en het combineren van gefragmenteerde data en het analyseren daarvan was zeer tijdrovend. Tegen de tijd dat de gepersonaliseerde promoties werden gemaakt, was het aanbod niet meer optimaal voor het bedrijf. Dit moest anders.

En dus heeft Sears Holdings een cluster gemaakt waar de data van alle merken naar toe werd geleid. Het verzamelen en het analyseren van data was gedaald van 8 weken naar 1 week en is nog steeds aan het dalen. De CTO van Sears Holdings gaf aan verrast te zijn hoe eenvoudig en feilloos de transitie naar datamanagement en high-performance analytics is verlopen. De transitie heeft tot nu toe tientallen miljoenen euro’s aan winst opgeleverd.

Gezondheidzorg

Hartpatiënten die na behandeling naar huis mogen, komen regelmatig terug omdat ze, bijvoorbeeld, gedurende het weekend te zout voedsel hebben gegeten. Velen belanden bij de intensive care waar ze (helaas niet iedereen) worden gestabiliseerd. Naast de dramatische immateriële gevolgen voor de patiënt en de nabestaanden heeft het ook financiële gevolgen voor de gezondheidszorg: de kosten overschrijden 10.000 euro per geval.

Om de terugval van de patiënten te voorkomen, heeft Microsoft Research een analyse ontwikkeld waarmee exact voorspeld kan worden of een bepaalde patiënt binnen 30 dagen een terugval kan verwachten. Vervolgens kunnen de juiste stappen in preventie (educatie en monitoring) worden genomen om zowel de immateriële als financiële schade te beperken. Het spreekt voor zich dat de economische impact van deze voorspellingen en de juiste preventiestappen enorm is.

Financieel management

Over de toepassing van data bij financiële instituties kan veel worden gezegd en geschreven, beginnend bij algoritmische trading en eindigend bij het uitrekenen van de levensverwachting van een mens door een verzekeraar of een pensioenfonds. Op Wall Street traceren datamining-programma’s de mogelijke investeringspotenties en brengen ze de patronen in kaart bij verschillende financiële instrumenten. Elke dag zijn hedgefunds miljoenen aan het investeren in diverse aandelen, gebaseerd op de in de data ontdekte relaties.

Dat het beschikken over de juiste data in winstgevende activiteiten kan resulteren, bleek ook uit de intentie van Google’s Sergey Brin om een eigen hedgefund te beginnen. Tenslotte, welk bedrijf op aarde heeft meer en sneller toegang tot belangrijke informatie? Uiteraard, de grootste en snelste zoekmachine ter wereld is in staat om terabytes en petabytes van investment intelligence te genereren. De hoofdeconoom van Google, Hal Varian, gebruikt inmiddels Google’s data om de economische toekomst van landen te voorspellen. Google Trends wordt steeds vaker gebruikt door analisten om de collective wisdom van de ‘googleaars’ om te zetten naar de succesvolle investeringsstrategieën. Echter, het idee van Sergey werd gekilled door CEO Eric Schmidt, die zei: “Sergey, tussen al jouw vele ideeën is dit de allerslechtste”. En ook al heeft Google geen eigen hedgefund, Google’s data worden door de institutionele investeerders regelmatig gebruikt voor situatie-analyses en risk management.

Het vierde paradigma

Cases zoals hierboven beschreven zijn er in overvloed. En niet alleen binnen de vier genoemde sectoren, maar ook in vele andere zoals defensie, de energiebranche en farmacie, zowel B2C als B2B. Met name aan de operationele kant zijn de mogelijkheden eindeloos. Bedrijven zijn tegenwoordig in staat om grondige analyses uit te voeren en patronen te vinden in prijs, klantgedrag, geografische ligging, inkomsten, GPS-locaties, sociale contacten en vele andere factoren. Inzicht in de juiste informatie heeft een positieve impact op de effectiviteit van advertenties, klant- en medewerkerretentie, klanttevredenheid en supply chain management.

Het verzamelen en inzetten van data, wat tegenwoordig Big Data genoemd wordt om het onderscheid met de oude beperkte data te benadrukken, is een stap richting betere managementbeslissingen en betere bedrijfsvoering. Big Data is meer dan een hype, een modewoord of de zoveelste loze belofte. Het staat aan de voet van het vierde paradigma waar de mensheid mee te maken krijgt.

Het eerste paradigma, Experimentatie, begon in het oude Griekenland en China, waar mensen hun observaties begonnen te verklaren door de natuurwetten en niet meer door het bovennatuurlijke. In de 17e eeuw hebben wetenschappers als Isaac Newton geprobeerd om fenomenen te voorspellen en hun hypotheses door experimenten te verklaren; dit zorgde voor het tweede paradigma verandering – De Theorie. Nadat in de tweede helft van de 20e eeuw computers werden ontwikkeld, heeft Nobelprijswinnaar Kenneth G. Wilson ontwikkelingen als het ontstaan van Rekenkracht en Simulatie het derde paradigma in onze vooruitgang genoemd. Het vierde paradigma is ook ontstaan dankzij krachtige computers: de wetenschappers gingen aan de slag met het bewerken van data – Data Mining – in essentie, het inzetten van software en de menselijke geest om verbanden te vinden.

Het doel van de Big Data uit het vierde paradigma is niet om de datamethodologieën uit de vorige drie paradigma’s te vervangen. Het vult de huidige kennis aan met een andere set van skills en zorgt dat wij als samenleving weer een stap in de ontwikkeling kunnen zetten.

Op weg naar de betere managementbeslissingen

Dankzij Big Data kunnen wij veel achter ons laten. Bijvoorbeeld dat we niet weten wie onze klanten zijn. Dat we niet weten waarom onze klanten naar onze concurrent zijn overgestapt. Dat we niet begrijpen waarom er geen vraag naar onze diensten is. Dat we niet weten wat de elasticiteit van de prijs is om de winstmaximalisatie te kunnen realiseren. Dat het niet mogelijk is om de kosten aanzienlijk te verlagen. Dat het niet mogelijk is om de klanttevredenheid te verhogen. En, eindelijk, dat de helft van onze marketingkosten weggegooid geld is.

Bronnen

• Big Data: The Management Revolution
• The Big Idea: The Next Scientific Revolution
• What If Google Had a Hedge Fund?

Big Data-event

Er zijn veel marketingverantwoordelijken die voortdurend op zoek zijn naar de manieren om binnen de eigen organisatie waarde te creëren. En er zijn struisvogels in het vak die hun kop in de zand steken en hun positie binnen de organisatie nog steeds weten te handhaven met excuses, zoals: Big Data is: ‘niet interessant’, ‘niet voor ons’, ‘te duur’, ‘onhaalbaar’.

Voor beide groepen marketeers – en alle andere – organiseert Marketingfacts samen met Nyenrode Marketing Society en VCV Marketingcommunicatiekring op woensdagavond 24 april het symposium ‘Big Data Driven Decisions’ met de volgende line-up:

• Bob Nieme (Adversitement)
• Tim Salimans PhD (Algoritmica)
• Sander Duivestein (Sogheti)
• Sander Klous PhD (KPMG)
• Mieke De Ketelaere PhD (SAS Institute)

Voor meer informatie en aanmelding ga naar de website van NyMaS.