Zo hack je de performance van je bedrijf in 5 stappen met advanced analytics

13/02/2018

Big Data. Advanced analytics. Het heeft voor velen iets weg van bitcoins: iedereen heeft ervan gehoord en we kennen allemaal wel iemand die er jaloersmakend veel succes mee heeft gemaakt. Nog steeds ervaren organisaties het als te ver weg, te ingewikkeld of te laat om er nog in te stappen. Terwijl het juist nu bij uitstek tijd is om serieus aan de slag te gaan met de data die we tot onze beschikking hebben. En de eerste vijf stappen zijn zo gezet.

Dit is hoe je in 5 stappen de performance van je bedrijf kan hacken met behulp van de data die je nu al beschikbaar hebt:

Stap 1- verzamel data

De eerste, voor de hand liggende stap is het verzamelen van je data. Elk bedrijf, zeker van enige omvang, genereert gigantische hoeveelheden data in allerlei hoedanigheden, vaak zonder dat je zelf beseft dat deze datastroom wel eens bruikbaar zou kunnen zijn.

Er zijn kort gezegd twee manieren om nu meteen deze zogenaamde ‘dark data’ te vinden.

  • Ga bij de IT-afdeling na welke gegevens er nu echt beschikbaar zijn. Steeds weer blijkt er daar iemand te zitten die in no-time allerlei soorten data uit de systemen kan toveren.
  • Op een kleinschaliger niveau kan je ook vanachter je eigen werkplek op verkenning gaan. Wat voor data bevindt zich in de meest gebruikte softwaresystemen? Als je denkt aan alle programma’s die je met dagelijkse regelmaat gebruikt, kun je je indenken: daar zit een aardig dataspoor. En bijna elk van deze programma’s heeft wel een mogelijkheid om data te exporteren.Een goed voorbeeld is je email. Er zit een functie in Outlook waarmee je je emaildata kunt exporteren en aan de slag kunt gaan.

Stap 2 – Descriptive analysis: wat gebeurt er?

Hierna is het zaak om deze data te vertalen naar inzichten. Probeer aan de hand van de data te snappen: wat is er hier precies aan de hand? Welke concrete informatie kan ik uit de cijfers halen?

Als bijvoorbeeld 80% van je email intern is, zegt dat iets over je bedrijfscultuur en hoe mensen werken en onderling communiceren. Maar je kunt op basis van data uit je workflow-systemen bijvoorbeeld ook inzicht krijgen in voorraden en doorlooptijden.

Stap 3 – Diagnostic Analysis: waarom is dat zo?

Vervolgens stel je jezelf de vraag: waarom? Waarom gebeurt het dat 80% van de email intern is? Welke werkprocessen zorgen ervoor dat dit zo gebeurt?

Ēen van de antwoorden zou kunnen zijn dat intern elke beslissing aan een bepaald team voorgelegd moet worden. Door dieper in de data te duiken, kun je onderzoeken waarom iets gebeurt. Het is slim om te starten met een aantal hypotheses en die vervolgens te staven met een diagnostische analyse van de data.

Vaak is er een duidelijk spoor te vinden dat je leidt naar het antwoord op je ‘waarom’-vragen, maar ook weer naar nieuwe vragen.

Stap 4 – Predictive analysis: wat gaat er gebeuren?

De vierde stap is zo ongeveer de heilige graal van de data-analyse van dit moment: op basis van je data kun je voorspellingen maken voor de toekomst. Als je de data van Outlook gebruikt, zou je hypothetisch kunnen voorspellen hoe druk je het komende week qua emails gaat krijgen. Bij een klant van House of Performance bleek dat het bijvoorbeeld technisch mogelijk is om met behulp van slimme algoritmes te voorspellen wat een klant die naar de klantenservice belt wil vragen, zelfs voordat je hem of haar daadwerkelijk aan de lijn krijgt. Imagine the possibilities.

Om de technische complexiteit de baas te kunnen is het verstandig om van te voren te bedenken wat je met je data zou willen voorspellen en waarom. Daarna zal je in het klein moeten onderzoeken of dit inderdaad voorspelbaar is. Voer pilots uit, experimenteer. Begin vanuit de doelen van jouw organisatie en stel jezelf ook de vraag: als ik dit weet, wat kan ik er dan mee?

Je zult hier moeten samenwerken met mensen die de juiste competentie hebben om met jouw ‘predictive challenge’ om te kunnen gaan. Veel organisaties hebben deze competenties al in huis, en anders zijn er veel start-ups die laagdrempelig willen samenwerken.

Stap 5 – Prescriptive analysis: Wat moeten we gaan doen?

Als je op basis van je data voorspellingen kan doen, steek je al met kop en schouders uit boven de rest. Wat jammer is dat we in de praktijk zien dat veel bedrijven vervolgens toch de kans laten liggen om met deze voorspellingen aan de slag te gaan. Vaak omdat ze niet precies weten wat ze ermee aan moeten, of omdat ze de implementatie uit de weg gaan.

Met prescriptieve analyse wordt een deel van die hindernis weggenomen doordat je de software zelf een actievoorstel laat doen (de ‘decision support’-functie) of zelfs de actie al in werking stelt (de ‘decision automation’- functie).

Denk bijvoorbeeld aan de algoritmes van Netflix of Youtube, die niet alleen data verzamelen om te voorspellen waar je graag naar wil kijken, maar ook op basis van je profiel de volgende video voorstelt (support) of zelfs al voor je begint te spelen (automation). Of Google’s NEST, dat automatisch je thermostaatinstellingen aanpast op basis van je gedrag.

Met het voorbeeld van je email zou je algoritme kunnen voorspellen dat het volgende week druk wordt in je inbox, en voorstellen om 4 uur te reserveren om je mail te beantwoorden. Of je zou het zelfs kunnen automatiseren door het algoritme uit zichzelf tijd te laten blokkeren in je agenda.

Voor deze oplossingen is een echte samenwerking tussen de business-teams en de data-teams nodig om bij elkaar te brengen wat er technisch mogelijk is en waar de organisatie behoefte aan heeft.

Aan de slag dus

Zodra je aan de slag gaat met je data, zijn de mogelijkheden voor je organisatie eindeloos. En zoals je ziet is het lang niet zo ingewikkeld als je misschien denkt.

Een belangrijke stap is dat datateams goed kijken naar wat toegevoegde waarde heeft voor de organisatie, maar ook dat businessteams meer en meer leren ‘data-denken’.

Met de bovenstaande stappen kun je al relatief gemakkelijk de eerste stappen zetten om je bedrijf data-proficient te maken en samen met je datateam aan de slag te gaan om de performance in je bedrijf te verbeteren. En als je dit echt snel en met souplesse in de praktijk wilt brengen, kun je altijd eens een afspraak met ons maken om te onderzoeken wat voor jouw organisatie de mogelijkheden zijn. We helpen je met alle plezier op weg.

Het kan beter

Wat kan er volgens jou beter? We vernemen het graag van je!

reCAPTCHA is required.
mike

Over de auteur

Prestaties verbeteren is zoals ondernemen: ontwikkelen van betrokken mensen, loyale klanten en goed rendement. En dat betekent kunnen sleutelen aan leiderschap, gedrag, (big) data, processen, klanttevredenheid en (digitale) innovatie.

Naar Mike Bakker
Geef een reactie hier...

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *