Stap 1 – Het doel
Van bestellingen, de voorraad, het ziekteverzuim en de snelheid waarmee facturen worden overgemaakt, tot en met de klanttevredenheid en de marktomstandigheden. In een gemiddeld bedrijf hoef je niet ver te zoeken naar data. Die zijn vrijwel overal. Maar voordat je bergen werk gaat verzetten door allerlei gegevens te verzamelen en te analyseren, bedenk eerst eens waar je die nu eigenlijk voor nodig hebt.
Best leuk dat een accountantskantoor laat uitzoeken hoeveel telefoontjes een medewerker gemiddeld per week pleegt, maar die informatie is nutteloos als hij verder niks met die gegevens kan of doet. Stel met andere woorden eerst concrete doelen vast.
Stap 2 – Kleinschalig
Niet zozeer een stap, wel een belangrijke mededeling: begin vooral klein! Big data moet je nu eenmaal leren. En dan is het veel makkelijker om de peilstok niet zover te zetten, maar in kleine stapjes te werken. Beetje agile dus. Wees in eerste instantie dan ook niet te ambitieus met het verzamelen van gegevens en experimenteer met relatief eenvoudige doelen.
Stap 3 – Streefgetallen
Stel, nog vóór je gegevens verzamelen gaat, de gewenste waarden vast. Een ziekteverzuim van maximaal 5 procent bijvoorbeeld. Of een klanttevredenheidcijfer van 8. Een oordeel vellen over de informatie die je hebt gegenereerd kun je namelijk alleen doen als je ook weet waar je (uiteindelijk) naartoe wilt. Anders hebben de data betrekkelijk weinig waarde.
Stap 4 – Gegevens moeten matchen
Je moet geen appels met peren vergelijken. Vaak gehoord natuurlijk, die uitdrukking, maar in het geval van big data wel belangrijk om goed te beseffen. Data uit verschillende bronnen zijn vaak niet hetzelfde opgebouwd. Zo rekent bijvoorbeeld de ene bron met fte’s waar de ander uitgaat van medewerkers. Als je dat niet meteen gelijktrekt voor je gaat rekenen, kunnen de resultaten van je analyse linea recta de prullenbak in.
Stap 5 – Groepjes maken
Het kan zijn dat je honderden, misschien wel duizenden verschillende producten in de loods hebt liggen. Daar snel een analyse van maken (denk aan: hoe lang blijft iets liggen?) lukt alleen als je die eerst gaat categoriseren. In dit geval zullen dat dan productgroepen moeten worden. En in het geval van medewerkers kun je bijvoorbeeld weer denken aan afdelingen. Zo worden je data meteen een stuk overzichtelijker.
Stap 6 – Presenteren
Analyses krijgen pas waarde als je ze gaat delen met mensen die er iets mee moeten doen. Stel, de ondernemer stelt met behulp van big data vast dat het bedrijf gemiddeld pas tien dagen na een opdracht factureert. Dan moet die informatie natuurlijk niet in een la blijven liggen, maar rechtstreeks aan de administratie-afdeling worden gepresenteerd. Doe dat liever niet in een onoverzichtelijke spreadsheet trouwens; maak het liever een beetje visueel.
Stap 7 – Ongoing proces
Iedere dag die je onderneming draait, komt er nieuwe informatie beschikbaar. En ja, daar kunnen hele wezenlijke gegevens bijzitten die het mogelijk of zelfs noodzakelijk maken om snel weer aan de knoppen te draaien. We willen er maar mee zeggen: big data moet je blijven doen. Het is geen kwestie van één keer de thermometer in de organisatie steken, maar een proces dat eigenlijk nooit ophoudt.
