Big Data: nog dichter op je klanten

Iedere dag creëren we met zijn allen 2,5 triljoen bytes aan data. Data van sensoren, social media berichten, digitale foto's en video's, e-mails en documenten, muziek en transactie records in financiele systemen, GPS logs en RSS feeds. En de aanwas van data versnelt. Uit onderzoek van IBM blijkt dat 90% van de data die vandaag bestaat, de afgelopen twee jaar is gecreëerd. Al deze data noemen we: Big Data.

De paradox van Big Data is dat het op zichzelf nutteloos is. Servers vol met nullen en éénen. Sterker nog, het kost veel geld. Opslag, back-up, onderhoud, beveiliging, zorgen voor compliance. Pas als je de data analyseert en op het juiste moment beschikbaar stelt aan de juiste personen binnen je organisatie, ontstaat er informatie. Dan komt de grote waarde, komen de ongekende mogelijkheden voor innovatie, efficiency en automatisering aan het licht.

Een paar voorbeelden:

12 terabyte aan tweets kunnen worden omgezet in product sentiment analyses
Data van honderdduizenden jaarlijkse meterstanden, kunnen gebruikt worden voor betere voorspelmodellen van stroomconsumptie
Een paar honderd dagelijkse telefoongesprekken analyseren op gebruikte woorden (bijvoorbeeld 'storing', 'derde keer') en intonatie, geven inzicht in welke klanten ontevreden zijn en mogelijk de dienstverlening willen stoppen
Miljoenen log files van een website helpen na analyse om de online kanalen te optimaliseren en zoveel mogelijk conversie te genereren

De meeste voorbeelden van Big Data hebben gemeen dat het voorspellen van gedrag centraal staat. In goed Nederlands: Predictive Analyses. Het voorspellen van consumptief gedrag, van klantprofielen die jouw diensten gaan afnemen, van medewerkers die het best passen binnen de organisatie, preventie van diefstal en fraude, van minder medische missers, etc.

Onderzoek van MIT's Sloan Management Review wijst uit dat bedrijven die een concurrentievoordeel weten te creëren door data analyse, meer dan tweemaal zoveel kans maken om structureel beter te presteren dan hun directe concurrenten. Anders gezegd: als jouw organisatie nieuwsgierig is naar Big Data en je concurrenten zijn niet alleen nieuwsgierig, maar investeren daadwerkelijk in analyses en het toepassen daarvan... dan heb je als organisatie een probleem.

Data analyse is een kritische succesfactor geworden in iedere organisatie

McKinsey: gebruik van digitale marketing mogelijkheden

Om de enorme hoeveelheden data door analyse om te zetten in bruikbare informatie, is meer en andere kennis nodig. Standaarden, definities, filters, technieken, metadata, zoektechnieken en identity management om te zorgen dat alleen de persoon met toestemming, toegang krijgt tot specifieke datasets.

Een studie van McKinsey concludeert dat 'data-driven' het dominante bedrijfsmodel wordt. Op de Amerikaanse arbeidsmarkt wordt hierdoor over 5 jaar een tekort van bijna 200.000 data-analysten voorspelt, en nog eens 1,5 miljoen managers die in staat zijn de analyses goed te interpreteren en hun besluitvorming hierop te baseren.

deze analysten gaan de Big Data te lijf om de bedrijfsresultaten te verbeteren op met name de volgende gebieden:

inzicht in klantgedrag, segmentatie en targeting;
budgetteren en plannen;
operatie, implementatie en supply chain management;
klantenservice;
performance management en transparantie in interne processen;
nieuwe productstrategieen en innovatie;
prijsbeleid;
automatisering van veel voorkomende besluiten.

Sollicitaties beoordeeld door een algoritme

Een intrigerend voorbeeld komt van Xerox, gepubliceerd in de Wall Street Journal. Voor het bemannen van de eigen call centers, keek Xerox vaak of de kandidaten al eerder gewerkt hadden als call center agent. Het bedrijf investeert veel in de opleiding van haar agents en liep tegen het probleem aan dat veel van de medewerkers het bedrijf weer verliet, voordat de investering in training was terugverdiend.

Door analyse van alle beschikbare data hieromtrent, bleek dat ervaring er niet toe doet. De analyse-software toonde aan dat persoonlijkheid een veel grotere rol speelt. Het bedrijf investeerde in het ontwikkelen van een algoritme dat, verwerkt in selectiesoftware en online tests, bepaalt of een kandidaat geschikt is voor de job of niet.

En zo is het beeld ontstaan van de ideale call center medewerker voor Xerox. Iemand die dichtbij het werk woont, betrouwbare transportmogelijkheden heeft, gebruik maakt van één of meerdere sociale netwerken, maar niet meer dan vier. Hij/zij is minder avontuurlijk of empathisch, maar juist wel creatief.

En wat levert deze Big Data predictive analyses op? Betere ROI op de trainingsinvestering, minder recruitmentkosten, gerichtere werving en betere klantenservice door trainingen af te stemmen op het profiel.

De rol van analyse in online marketing

Social media sentiment analyse

Als ik kijk naar het vakgebied van (online) marketing, dan is data-analyse en interpretatie al lang niet meer weg te denken. En waar de online marketing data reikt van het verkeer aantrekken, het gedrag op website en social media platform tot en met de transactie. Daar moet IT het stokje overnemen om alle volgende analyses van de online klanten verder te volgen.

Marketingprestaties zijn heel nauwkeurig te meten: inzicht in zoek-, surf- en koopgedrag online, trends, sentimenten, het op micro-niveau targeten van klanten op basis van behoeften.

Op welke manieren kan online marketing bijdragen met voorspellende analyses aan het verbeteren van bedrijfsresultaten?

Het optimaliseren van online verkeerskanalen die leiden naar de website, en het voorspellen van de beste kanalen per campagne/klantsegment/moment
Het analyseren van bezoekersgedrag op de webplatformen, om zo conversie naar transacties te vergroten
Het afstemmen van content op profielen, om zo de communicatievorm en inhoud zo relevant mogelijk te maken voor de (potentiele) klanten
Analyseren van sentimenten in sociale media en hierop inspelen voor lead generatie, klantenservice, PR en reputatiemanagement
Het verrijken van CRM gegevens binnen de organisatie met online gedrag en (social) klantprofiel informatie