Er is veel hype rondom data analyse met overlappende termen als big data en business intelligence. De aandacht rondom dit onderwerp is terecht. Data analyse zal alleen maar toenemen in de komende jaren [1]. Informatie is het nieuwe goud en het is cruciaal in een steeds meer data gedreven wereld. Echter zijn er maar weinig bedrijven die goede data analyse toepassen. Zeker binnen het MKB en zeker ook in Nederland zo blijkt uit het rapport van Capgemini en EMC [2]. Daarom gaat deze blog jou helpen om een voorsprong te creëren.
Je kan makkelijk door deze blog heen gaan door op een van de items hieronder te klikken:
Wat is data analyse
Data analyse kan zo simpel zijn als een Excel spreadsheet die inzicht geeft aan welke klanten je het beste je tijd kan besteden om zo rendabel mogelijk te zijn. Het gaat om het ontdekken van relevante verbanden in data, betreffend:
- Genomen beslissingen
- Resultaten
- En oorzaken achter die resultaten
Een simpele definitie van data analyse zou zijn: Het behalen van waarde uit verschillende databronnen op een economische wijze. Dat laatste is belangrijk. De data analyse mag immers niet meer kosten dan de opbrengst, alhoewel de business case hard maken lastig kan zijn voor disciplines zoals marketing.
Het nut van data analyse
De toegevoegde waarde van data analyse verschilt per branche. Zo is binnen het verzekeringswezen, reclame en telecommunicatie, data analyse een curciaal onderdeel. Maar ook de organisatie doelen zijn bepalend. Als jouw strategische doelstellingen gericht zijn op persoonlijk contact, dan zal data analyse moeten bijdragen aan jouw service niveau en minder belangrijk zijn. Terwijl wanneer jouw strategische doel is om het beste technische product op de markt te zetten dan is data analyse een integraal onderdeel van jouw bedrijfsproces en moet alles optimaal werken. Dat zeggende de meeste organisaties zullen data analyse in ieder geval gebruiken in sales/marketing, administratie en bestuurlijke taken. Basale vragen waar data analyse in ondersteunt zijn:
Sales/marketing:
- Welke klanten kan ik het beste aanspreken?
- Aan welke klanten kan ik het beste tijd besteden?
- Hoe behoudt ik mijn klanten?
- Welke klanten gaan er weglopen?
- Hoe benader ik welke doelgroep het beste benaderen?
- Welke marketingstrategie is effectief?
- Op welke relevante trends gaan we inspelen in de komende jaren?
- Hoe verbeteren we onze conversie online en offline?
Administratie:
Hoe kunnen we:
- kosten verminderen middels verbeterde kosten-baten analyse?
- fraude beter voorkomen?
- optimaliseren voor onze boekhouding?
- het verschil tussen echt geld en nominaal geld optimaliseren?
- nieuwe investeringen in kaart brengen die aantrekkelijk zijn voor onze organisatie?
- verbeteren in onze financiële dienstverlening?
- optimaliseren in onze begroting en financiële analyses?
Bestuurlijke taken
- Welke concurrent strategieën zijn effectief?
- Hoe leiden onze resultaten tot betere beslissingen?
- Welke business units stoten we af en welke behouden in de komende 5 jaar?
- Welke samenwerkingsvormen met andere bedrijven zijn interessant?
- Hoe reageren we proactief i.p.v. reactief op veranderingen?
- Waar kunnen het beste focus op leggen om te groeien als organisatie?
Als mensen begrijpen we losse cijfers niet echt. We kunnen lastig verbanden zien. Daarom zetten we data om naar grafieken, zodat het begrijpelijker is. Met behulp van psychologische inzichten creëren we een beter beeld van de echte situatie. En hierdoor maken we betere keuzes. Data analyse is geen wondermiddel. Inzicht en expertise tellen net zo hard mee als data inzichten. Dat blijkt al jaren uit wetenschappelijk onderzoek [3]. Het voordeel aan data analyse is dat je invulling geeft en mogelijke gaten in onze logica opvangt.
Het DELTA model voor Data Analyse
Het DELTA model van Davenport hecht aandacht aan de management kant van data analyse [4] (Nederlands: DOLDA model). Het is geen model waarin alle factoren staan omschreven die leiden tot goede data analyse. Maar het zijn factoren waar het meeste aandacht aan moet worden besteed. Het model is erkend door diverse wetenschappers en wordt door verschillende bedrijven (bv HIMSS, IIAnalytics, Accenture).
Data kwaliteit
70% van de tijd zijn data analisten kwijt aan het opschonen en het gereed maken van data. Goede data kwaliteit is dus een belangrijke factoor voor het succes van data analyse. Data kwaliteit kan je opsplitsen in een aantal belangrijke elementen:
- Structuur: Is de data ongestructureerd of gestructureerd? Filmpjes en afbeeldingen zijn nog steeds lastiger om te verwerken. Wil je het meenemen in data analyse dan kost dit ontzettend veel tijd.
- Uniekheid: Hoe unieker en specifieker jouw data is, hoe beter. De data uit een klantonderzoek is veel relevanter dan de data van een externe bron over jouw diensten.
- Integratie: Is het mogelijk om de data die je hebt te integreren in andere systemen. Kan je het naar de cloud brengen en is het te integreren in Tableau, PowerBI of Excel?
- Kwaliteit: Hoe betrouwbaar is jouw informatie? Zit er consistentie in en kan het antwoord geven op de vragen die je hebt?
- Beschikbaarheid: Sommige data zit achter slot en grendel, zeker wanneer het bedrijfsgevoelige informatie betreft. Houdt er rekening dat niet ieder systeem welwillend is om data te exporteren met goede redenen. Gelijktijdig hoeft niet alle informatie van jouw organisatie op straat te komen. Dus denk goed na voordat je in de cloud bestanden doorstuurt.
- Privacy: De AVG heeft impact op data analyse. Is er goedkeuring geweest op deze manier van data verzamelen. Laat je goed informeren voordat je hierin over de grens heen gaat.
- Data controle: Zeker bij veel data is data beheersing belangrijk en dat gaat sneller dan je denkt. Wie hebben er rechten op de data en hebben zij meer of minder rechten dan noodzakelijk?
Organisatiebrede adoptie
Een van de grootste gevaren van data analyse is dat alles op eilandjes gebeurt. De marketing afdeling heeft bijvoorbeeld inzichten waar op strategisch niveau niks mee gebeurd. Binnen het MKB zullen deze problemen wat minder voorkomen, maar bij het middenbedrijf kan hier zeker al spraken van zijn. Zowel op technisch vlak als op afdelingsniveau is dit een uitdaging. Voor het kleinbedrijf is de uitdaging meer op het technisch vlak. Een server die alle databronnen beheerd is een prijzige oplossing. Alleen digital natives zullen dit vanaf kleinbedrijf oppakken. Doordat hun business model hiervan afhankelijk is. We schrijven hier nog wel een keer een goede blog over als daar interesse over is.
Leiderschap
Is management overtuigd van data analyse? Je kan niet managen wat je niet meet. Data gedreven beslissingen leiden tot 5% meer productieve organisaties en 6% meer winstgevende organisaties [5]. Deze stijging gebeurt alleen wanneer het leiderschap weet dat alleen hun onderbuikgevoel niet afdoende is. Data gedreven beslissingen zijn cruciaal voor het voortbestaan van de organisatie op de lange termijn.
Doelen
73% van de organisaties investeert in data analyse, maar slecht 49% geeft aan er waarde uit te halen [6]. Niet iedere organisatie weet hoe ze toegevoegde waarde uit data analyse haalt. De beste adoptie van data analyse is beginnen met kleine projecten die veel impact hebben en langzaam opgroeien naar meer analyse. Wanneer je stappen over slaat dan kost het meer geld dan je er uit haalt. Het is dus belangrijk om eerlijk te zijn van waar je nu staat en langzaam omhoog te werken naar waar je heen moet.
Analytisch denken
Analytisch denken omvat 3 verschillende aspecten:
- Technische expertise: Inzichten uit verschillende databronnen kunnen samenbrengen en visueel weergeven
- Organisatiekennis: De visualisatie kunnen vertalen naar de organisatie en ontdekken dat sommige initiatieven niet de moeite waard zijn
- Relationeel: De capaciteit om effectiviteit te communiceren en conclusies uit analytische projecten te presenteren en over te brengen
Samen brengen ze het analytisch denken wat nodig is voor effectieve data analyse.
Conclusie
Data analyse heeft een sneeuwbal effect. Hoe meer inzichten je verkrijgt hoe gemakkelijker het is om meer inzichten daar aan vast te plakken. Organisaties die hier succesvol in zijn hebben niet alleen in de toekomst maar ook nu al een grote voorsprong. Zij zijn effectiever in het zakendoen. Wil je meer weten hoe ook jij deze sprong kan maken? Kijk dan wat wij voor jou kunnen betekenen.
