Ieder bedrijf heeft data: van de klant- en transactiegegevens bij de kapper op de hoek tot financiële gegevens en due diligence-rapportages van participatiemaatschappijen. Het is zonde om deze gegevens ongebruikt te laten, want elk bedrijf kan hier informatie uit destilleren om bedrijfsbeslissingen te nemen. Dat kan zelfs al zo simpel zijn als een restaurantketen die op basis van het klantenbestand besluit om te adverteren in een gebied waar de meeste klanten zitten.
Inhaalslag met realtime analytics
Bij realtime analytics denk je al snel aan grootzakelijke omgevingen met een eigen IT-afdeling. Maar ook voor kleinere tot middelgrote bedrijven is dit een relevante technologie om te onderzoeken en toe te passen. Hoe meer klantgegevens er worden verzameld, hoe sneller er gebruik wordt gemaakt van analytics om beslissingen te nemen.
Voor een eenmanszaak kom je al gauw uit bij bijvoorbeeld pintransacties of data van een online afsprakentool, voor grote bedrijven bij telemetrie van bezoekers, apparaten en gebruikers. In sectoren als assurantiën en telecommunicatie zijn er veel gedetailleerde gegevens beschikbaar, dus dat zijn ook koplopers in het gebruik van big data.
Lees ook: Zo maakt realtime data het verschil in klantenbinding
Detailhandel is traditioneel een van de achterlopers, maar veel ondernemingen hebben een inhaalslag doorgemaakt, mede ingegeven door de pandemie. Het belang van snelle, actuele beslissingen op het gebied van voorraadbeheer en klantgedrag is cruciaal gebleken in 2020.
Tijdige acties op basis van dynamische data betekenden het verschil tussen moeilijke beslissingen nemen over betalingsachterstanden bij toeleveranciers, zoals retailketen Action tijdens de eerste lockdown, en financieel nog gezond genoeg zijn om direct een click & collect-systeem op te kunnen tuigen bij de eerste versoepelingen.
Zo verdien je geld aan data
Iedereen heeft data, maar niet iedereen verdient eraan. Dat is zonde want er blijven in Nederland miljarden euro’s op tafel liggen. Hoe verdien je eigenlijk aan data? Dat lees je in het gratis uitgebreide research rapport. Download nu!
lees verder
Doel van big data analytics verschilt per sector
Het mkb gebruikt big data analytics vooral voor marketing en sales, zo bleek uit een onderzoek van ABN Amro enkele jaren geleden. Dat is logisch, want marketing is het eerste waar veel ondernemers aan denken in combinatie met klantgegevens. Voor inkoop werd het nut van analytics blijkens het rapport van de bank nog niet zo ingezien, maar dat is in minder dan drie jaar behoorlijk veranderd.
Nu geven retailers aan dat de pandemie een kantelpunt is gebleken omdat digitalisering van inkoop een noodzaak was om te overleven wanneer toeleveranciers uitvallen of klanten hun koopgedrag veranderen. In 2020 bleken bedrijven die hun inkoopbeleid realtime wisten aan te passen beter in staat grote verschuivingen te pareren.
Uit dat onderzoek van de Nederlandse bank blijkt ook dat het beoogde doel van het analyseren van data sterk verschilt per sector. In de industrie wordt bijvoorbeeld gekeken naar analytics om producten te verbeteren. In de groothandel draait het om informatie uit te wisselen in de keten.
In de detailhandel is het belangrijker om klantgedrag in kaart te brengen. In de zakelijke dienstverlening wordt data verzameld en geanalyseerd om gekwalificeerde gegevens door te verkopen. Voor alle sectoren is er één overkoepelend doel en dat is het vergroten van de efficiency.
Begin klein, denk groot
De overstap naar een technologische oplossing om een manueel proces te vervangen of aan te vullen kan heel intimiderend zijn. De voordelen zijn groot en het hoeft niet ingewikkeld te zijn om de eerste stappen te zetten op het pad naar analytics. Diverse bedrijven zetten een tool als Google Trends in om in te spelen op kleine of grote marktverschuivingen aan de hand van zoektrends.
Bijvoorbeeld een fietsenhandelaar die interesse in de regio naar brede banden ziet ontstaan, een telefoniezaak die merkt dat de zoekopdrachten naar een specifiek nieuw toestel stijgen of een speelgoedwinkel die een hype ziet ontstaan rond een product voordat het breed wordt opgepikt.
Als dat naar meer smaakt, is het tijd om de eigen databronnen eens te inventariseren. Wat hebben we eigenlijk? Denk verder dan alleen klantdata en pintransactiedata, maar ook aan telemetrie van bedrijfsapparaten, logfiles van online portals en zelfs tweets en Facebookposts. Welke gegevens relevant en beschikbaar zijn, hangt natuurlijk af van het soort bedrijf en de sector waarin je opereert.
Gebruik een dataplatform
Hoe dan ook, het wiel hoef je niet zelf uit te vinden. Een goed dataplatform kan al deze gegevensstromen importeren en voert de gewenste analytics uit. Bijvoorbeeld om klantsentiment te analyseren op basis van social media-activiteit, of fraude te detecteren als er verdachte transacties plaatsvinden.
Vooral voor dit soort use-cases is realtime erg belangrijk, fraudedetectie op historische data levert enkel reactie respons op en hoe klanten vorige week over een bedrijf dachten is minder zinvol dan de actuele stand van zaken.
De les is simpel: begin klein. En begin vandaag nog met het onderzoeken van de mogelijkheden. De concurrentie doet dat ook, waardoor stilstand onvermijdelijk achteruitgang betekent.
Lees ook: Verhoog brutowinst fors met realtime data analytics
Dit artikel wordt u aangeboden door
Snowflake
Duizenden klanten gebruiken het Snowflake Cloud Data Platform om inzichten uit alle gegevens van hun zakelijke gebruikers te halen. Snowflake voorziet organisaties van één geïntegreerd platform dat als enige datawarehouse voor iedere cloud is gebouwd. Daardoor heb je directe, veilige en beheerde toegang tot het hele datanetwerk en een kernarchitectuur om vele andere soorten datataken mogelijk te maken, zoals het ontwikkelen van moderne datatoepassingen.
Meer info
