Liever de Engelse versie? Lees de oorspronkelijke versie van dit artikel op Medium.
Mijn gebruikelijke onderwerp is datagedreven investeerders, maar voor dit stuk draai ik de rollen om. Stel dat ik oprichter was van een startup, hoe zou ik ervoor zorgen dat mijn team en bedrijf vanaf dag één datagedreven zijn?
Onlangs zat ik in een panel op LEVEL UP 2024 in Eindhoven – geweldig event trouwens! Daar merkte ik dat het lastig is om je strikt aan het onderwerp te houden en niet af te dwalen. Ook bij andere paneldiscussies gebeurde dat.
Die ervaring zette me aan het denken. Toen las ik ook nog eens de prikkelende blogpost van Jeroen Coelen, waarin hij het deprimerende adagium bestrijdt dat negen van de tien startups het niet redt.
Dus besloot ik mijn oorspronkelijke idee, over het bouwen van een datagedreven cultuur binnen vc-firma’s, te parkeren. In plaats daarvan wil ik het hebben over hoe startups data kunnen gebruiken om te groeien en succesvol te zijn. Hiervoor gebruik ik het model van data-analistenclub Gritd, dat de startupfases verdeelt in:
- customer validation
- problem-solution fit
- market entry
- product-market fit
- repeatable sales
- business model fit
Na deze fases begint het schalen en dat laat ik buiten beschouwing. Voor meer uitleg en definities verwijs ik naar de website van Gritd.
Per fase bespreek ik de verschillende datagedreven dimensies: business need, data scope, data infrastructure, data governance, data talent en data culture. Dat leidt tot deze matrix voor het bouwen van een datagedreven organisatie:
Klantvalidatie: luisteren voor je bouwt
In het begin is je belangrijkste taak ontdekken of er echt een markt is voor wat je aanbiedt. Wat je nodig hebt, is feedback van klanten – en veel ook.
Data in deze fase komt uit simpele, hands-on bronnen: interviews, enquêtes en directe gesprekken. Let op de patronen die je hoort: hoeveel klanten hebben hetzelfde probleem? Hoe dringend hebben ze behoefte aan een oplossing? Je verzamelt niet zomaar meningen; je verzamelt waardevolle inzichten om te valideren of je het juiste probleem oplost.
Je ‘datainfrastructuur’ is eenvoudig: spreadsheets, formulieren en notities. Je grootste uitdaging op het gebied van governance zijn privacykwesties. Neem dit serieus!
In deze fase ligt de datacultuur bij de oprichter(s). Dit is je kans om een data-gedreven cultuur vanaf het begin op te bouwen. Dat is stukken makkelijker dan het transformeren van een bestaande cultuur.
Problem-solution fit: los je het juiste probleem op?
Zodra je weet dat klanten een oplossing willen, is de volgende stap te bepalen of jouw oplossing werkt. Je datascope breidt iets uit. Nu zoek je naar feedback van je eerste gebruikers, degenen die bereid zijn om nieuwe oplossingen te proberen omdat ze het probleem het meest voelen.
Verzamel data over hoe goed je product of dienst aan hun behoeften voldoet via demo’s, gebruiksstatistieken en directe feedback. Het is nog steeds kleinschalig en kwalitatief, maar het helpt je om het product te verfijnen. Je hebt waarschijnlijk nog geen geavanceerde datatools nodig, maar zorg ervoor dat je alle feedback georganiseerd vastlegt, zodat je snel kunt itereren.
Markttoetreding: vind betalende klanten
Nu je de problem-solution fit hebt gevonden, is het tijd om je oplossing naar een breder publiek te brengen. In deze fase richt je je op het vinden van klanten die bereid zijn te betalen. Data wordt je bondgenoot om markttrends en klantgedrag te begrijpen.
Begin met het bijhouden van lead data: wie is geïnteresseerd? Welk percentage van je leads wordt betalende klant? Hier worden tools zoals simpele crm-systemen en webanalytics nuttig.
Denk er in deze fase aan om iemand aan te nemen (misschien een stagiair) om de data schoon en bruikbaar te houden. Mijn advies: neem eerst een data-engineer aan in plaats van een data-analist. De eerste datapersoon in jouw bedrijf zal vooral technische zaken moeten aanpakken.
Product-market fit: hou je klanten tevreden
Als je deze fase hebt bereikt: gefeliciteerd! Je bouwt iets waarvoor mensen willen betalen. Nu komt de echte test: houden ze ook van jouw product? Dit is de fase waarin je je richt op retentie.
Je datascope verschuift naar gebruiksstatistieken: hoe vaak gebruiken klanten je product? Raden ze jouw oplossing aan aan anderen? Data helpt je om problemen op te sporen voordat klanten vertrekken.
Hier heb je misschien een meer geavanceerde datainfrastructuur nodig, zoals relationele databases om interacties te volgen. Het belang van de juiste datamensen in jouw organisatie neemt toe.
Zodra je begint met de verkoop van je product, heb je waarschijnlijk al een team opgebouwd. Dit is het moment om op een meer gestructureerde manier na te denken over de datacultuur. Je hebt een gerichte wervingsstrategie nodig, maar het is ook belangrijk dat je team zelf kan omgaan met de data.
Ik raad aan om de juiste mensen toegang te geven tot de data die ze nodig hebben. Zo kunnen ze zelf informatie analyseren in plaats van elke keer een data-analist te moeten vragen. Dit is ook een manier om een datacultuur te creëren.
Repeatable sales: bouw een schaalbare machine
Naarmate je groeit, moet je je verkoop- en marketingprocessen systematiseren. Je hebt nu wat vaste klanten, en je uitdaging is om dat op te schalen zonder de kosten te veel te laten toenemen. Data kan je helpen je funnel te optimaliseren – begrijpen hoelang het duurt om een deal te sluiten, welk percentage leads een betalende klant wordt en hoe je de acquisitiekosten drukt.
Je hebt complexere datapijplijnen nodig om klantgedrag op schaal te volgen en bepaalde delen van je verkoopproces te automatiseren. Je doel is een machine te bouwen die efficiënt potentiële klanten kan converteren. In deze fase heb je mogelijk een apart team van data-analisten nodig om het klantgedrag grondig te begrijpen.
Business model fit: zorg voor winstgevendhei
Ten slotte verschuift de focus naar de financiële kant. Het draait niet alleen om klanten binnenhalen, maar om ervoor te zorgen dat je bedrijf winstgevend is. Statistieken zoals Customer Lifetime Value (CLTV) en Customer Acquisition Cost (CAC) worden hierbij cruciaal. Je wil zeker weten dat het geld dat je uitgeeft om een klant te werven, op de lange termijn de moeite waard is.
Datagovernance en datakwaliteit worden in deze fase belangrijker, omdat je met complexere financiële gegevens werkt. Zorg ervoor dat je databeleid solide is en dat je team beschikt over de juiste vaardigheden, zoals datawetenschappers, om efficiënt op te kunnen schalen.
Data belangrijker dan pitch deck
Dan nog een belangrijk punt over financiering, want die heb je op een gegeven moment misschien nodig. Ook daar neemt het belang van data toe. De vc-industrie gebruikt steeds meer datagedreven methodes om startups te selecteren. Daarom denk ik dat het traditionele pitch deck alleen niet meer voldoende is om de beste investeerders aan te trekken.
De invloed van AI en large language models (LLM’s) neemt toe bij het nemen van beslissingen. Daar moeten startups op inspelen. Het verhaal van een jong bedrijf gaat verder dan de slides in een deck, dat wordt ook weerspiegeld in de data die ze genereren op digitale platforms. Investeerders weten dat.
Vc’s kijken naar alternatieve datastromen – van transactiegegevens en webverkeer tot data over de oprichter(s) en openbaar beschikbare informatie over het product – om startups te vinden, te beoordelen en hun processen te automatiseren. Daardoor neemt ook de bias bij beoordelingen af.
Elk aspect van een startup wordt door investeerders door een ‘databril’ bekeken: van het beoordelen van de product-market fit tot het evalueren van teamdynamiek, financiële gezondheid en tractie in de markt.
Startups moeten dus verder kijken dan alleen het maken van een overtuigend pitch deck. Het gaat ook om de kwaliteit, uitvoerigheid en transparantie van openbaar beschikbare data. Startups die daar actief mee bezig zijn, vallen sneller op. Hoe vollediger en nauwkeuriger de data die je de wereld in stuurt, hoe beter je naar voren komt in de voorspellende modellen.
Tot slot: bouw een datagedreven cultuur
Datagedreven zijn draait niet alleen om de juiste tools; het gaat om het opbouwen van de juiste mindset. Moedig iedereen in je startup aan, van boven tot onder, om data te gebruiken bij hun dagelijkse beslissingen. Wanneer je cultuur datagedreven is, zet je als bedrijf sneller stappen, ben je flexibeler en groei je slimmer.
Dus, of je nu een pragmatische oprichter bent die werkt met spreadsheets, of een startup die opschaalt met een volgroeide datainfrastructuur, onthoud dit: data zijn de stem van je klanten, de hartslag van je product en de brandstof voor je toekomstige groei.
Het is makkelijk om de focus te verliezen als jong bedrijf. Er komen immers vele uitdagingen op je pad om verder te groeien. Hopelijk helpt deze beknopte gids en de overzichtstabel om gaandeweg de doelen om datagedreven te werken in het oog te houden.
In mijn volgende artikel zal ik focussen ik op een andere uitdaging: een startup opzetten binnen een groter bedrijf. Hoe maak je de organisatie datagedreven als er geen steun is vanuit het management?
