Geen producten in de winkelwagen.
De grootste uitdaging van big data is niet het vinden van voldoende informatie. Het gaat vooral om wat u met die informatie doet.
Aan data geen gebrek tegenwoordig. De moderne mens krijgt op een dag gemiddeld meer gegevens te verwerken dan onze voorouders in de prehistorie gedurende hun hele leven. De afgelopen drie jaar is er zelfs meer data geproduceerd dan in de hele geschiedenis van de mensheid tot 2013. Schrikt u daarvan? We ain’t see nothing yet! Nog voordat u deze zin uitgelezen hebt, is de databerg alweer flink gegroeid. Iedere seconde voeren we zo’n 40.000 zoekopdrachten uit op Google, goed voor een totaal van 3,5 miljard per dag. In 2020 zal de hoeveelheid data gegroeid zijn naar ongeveer 35 zetabyte (1 zetabyte is 1 miljard terabyte); 44 keer meer dan in 2009.
Data in plaats van steekproef
'Dat we nu in staat zijn om big data op grote schaal toe te passen, heeft vooral te maken met de toegenomen rekenkracht van computers', vertelde Jurjen Lengkeek van de Internet of Things Academy onlangs op de Week van de Ondernemer in Utrecht. 'We hoeven daardoor geen steekproeven meer te doen, maar kunnen alle beschikbare data opnemen voor een heldere analyse.' Veel bedrijven hebben de afgelopen jaren flink geïnvesteerd in het vinden van informatie. Toch is big data geen wedstrijdje terabytes verzamelen. Alleen organisaties die goed weten welk vraagstuk ze nu eigenlijk willen oplossen, verdienen er echt geld mee. Je kunt als bedrijf bijvoorbeeld perfect in kaart hebben gebracht hoe lang bezoekers op je website zijn ingelogd, als je daar vervolgens niks mee doet, dan heeft die informatie weinig meerwaarde.
Data als pijler van succes: Netflix
Netflix heeft het in ieder geval goed begrepen. Voor de Amerikaanse video-on-demand-service is big data één van de pijlers van het huidige succes. De analisten van het bedrijf kunnen precies achterhalen wat hun kijkers willen zien en – ook belangrijk – hoe ze dat graag krijgen voorgeschoteld.
Dat doen ze bijvoorbeeld door in kaart te brengen welke films en series iemand aanklikt. Ook houden ze precies bij hoe lang iemand blijft kijken en of diegene dus niet al na tien minuten afhaakt. Daardoor is het bedrijf in staat om voor iedere abonnee een menukaart samen te stellen op basis van zijn eigen smaak. Maar daarmee houdt het niet op. Het monitort ook de social mediakanalen en weet zo precies hoe vaak en met welk sentiment een programma of film wordt besproken.
Zo kwam Netflix er bijvoorbeeld achter dat films van David Fincher vaak in één keer werden afgekeken. Ook Kevin Spacey en de Britse versie van House of Cards vielen in de smaak bij de kijker. De directie wist genoeg. Dit was het bewijs dat een combinatie van die drie geheid een kaskraker zou worden. En dat werd het ook. Big data bleek hier de voorspellende waarde te hebben die veel nauwkeuriger was dan een marktonderzoek of gut feeling.
Think big, act small
Als u voor het eerst met zo’n bak ruwe data aan de slag gaat, doet u er goed aan om klein te beginnen. Kies een relatief eenvoudig target. Dat kan het ziekteverzuim op kantoor zijn, het voorraadbeheer of de snelheid waarmee facturen worden overgemaakt. Formuleer vervolgens een heldere doelstelling. Welke toegevoegde waarde streeft u na? Alleen zo kunt u achteraf bepalen of de aanpak succesvol was. Zo gebruikt KLM big data bijvoorbeeld om te achterhalen welke passagiers te laat komen en past hier de instapprocedure op aan. Voor een transportbedrijf kan het belangrijkste doel zijn om het brandstofverbruik van hun vrachtwagens te verminderen. Zo’n doelstelling geeft richting. Ruwe data kun je daarmee onderverdelen in 2 klassen: waardevol en nutteloos. En nutteloze data kunt u gerust links laten liggen.
Maandoverzichten
De beschikbare data binnen uw bedrijf gaat vaak niet over dezelfde dingen. Zo gaat het in het ene systeem bijvoorbeeld over werknemers, waar in het andere systeem wordt gerekend met fte’s. U doet er goed aan om die gegevens al in het begin van het proces gelijk te trekken, anders geven de uitkomsten een vertekend beeld van de werkelijkheid.
Daarnaast is het verstandig de data te groeperen. Dat biedt namelijk overzicht. Werk met afdelingen als u de productiviteit van mensen wilt achterhalen, met week- of maandoverzichten als u het ziekteverzuim in kaart wilt brengen en met productgroepen als uw actie erop gericht is om de voorraad zo klein mogelijk te houden. Zo wordt de analyse ook eenvoudiger.
Call to action
Zo’n analyse is eigenlijk niet klaar zonder conclusie. Daarom is het zaak dat u vantevoren de gewenste waarden aangeeft. Wanneer is een resultaat goed, wanneer matig of slecht? Zo geeft u richting aan de call to action. Het is overigens zeer aan te raden om die vervolgstappen met een zo breed mogelijk team te bespreken. Betrek diverse afdelingen en mensen met verschillende achtergronden bij het vraagstuk. De kans dat u zo op verrassende inzichten komt, neemt dan flink toe.
Dit artikel is onderdeel van het dossier 'Effectief ondernemen' op mt.nl. Dit dossier wordt mede mogelijk gemaakt door Ctac. Ctac combineert technologische expertise met diepgaande businesskennis van branches en bedrijfsprocessen.
