[Dokter Data] In drie stappen naar een naar een data-driven organisatie

Dokter Data van 4Orange duikt elke maand in de wereld van data en gegevensonderzoek. Dit keer lees je hoe je in drie stappen transformeert van statische data naar een data-drive organisatie.

Bijna ieder bedrijf wil inmiddels meer doen met data. Maar wat dan precies? En vooral: hoe? De bestaande systemen bieden niet genoeg mogelijkheden en integreren niet goed genoeg, dus heb je nieuwe systemen en een nieuwe manier van kijken nodig.

Je gaat niet zomaar van statische procesdata naar een flexibele, data-driven organisatie. Zo’n traject verloopt in drie fasen.

Fase 1: alles op één plek

Wat ik statische data noem, zijn de data die standaard in je bedrijfsprocessen zitten. Je CRM, je backoffice, Dynamics, SalesForce, je eigen data warehouse. Dit zijn de data die vrijwel ieder bedrijf produceert en ook vrij intensief gebruikt. Sommige bedrijven laten het daarbij, maar bij de meeste bedrijven voelt iedereen de urgentie in zijn onderbuik: we leven in een nieuwe wereld, met heel veel data. We hebben innovatie nodig. We moeten meer met onze data doen!

In deze eerste fase richt je je erop om data uit je kernsystemen te halen, te verzamelen en met een data-analyse-bril te bekijken. Deze stap is soms lastig. Er zijn meerdere factoren die daarbij een rol spelen. De eerste is de techniek.

De makers van ERP-, CRM- en marketingsystemen hebben je bij de verkoop meestal verteld dat op het gebied van integratie en dataverzameling alles mogelijk is. In de praktijk valt dat meestal tegen. Het aantal automatische koppelingen dat een systeem kan maken valt tegen en API-functionaliteit blijkt beperkt. Het toevoegen van velden of een databron is binnen de bestaande structuur vaak lastig. Wil je breder aan de slag met het verzamelen, integreren, opslaan en analyseren van data, dan heb je nieuwe technische oplossingen nodig.

Er zijn ook organisatorische factoren die deze stap lastig maken. De oude garde binnen het bedrijf vindt het vaak lastig om voorbij hun huidige manier van werken, over silo’s heen te kijken. Veel implementaties en migraties lopen daarop vast. Je hebt meestal mensen nodig, die met een frisse blik naar je organisatie en je data kijken en die niet zijn opgevoed in het regime van een bepaalde afdeling. Mensen die verder kijken dan het dagelijks bedrijfsproces en verbanden en mogelijkheden zien (heb je die mensen zelf niet of niet genoeg? Dan is 4oranges dienst Data Science as a Service misschien iets voor jou).

Naast mensen met een flexibele geest, heb je ook flexibele techniek nodig. Probeer daarom niet om bestaande systemen allemaal aan elkaar te koppelen, maar verzamel de data apart in een data lake. Je systemen beschouw je daarbij gewoon als databronnen. E-mail, ESP-data, marketing automation, website-data, alles wat je hebt over de customer journey, churn- en retentiedata, klanttevredenheidsmetingen: verzamel alles op één centrale plek. Dan pas kun je echt over systemen heen optimaliseren.

Een concreet voorbeeld: zolang klanttevredenheidsdata en ordergegevens in verschillende systemen zitten, is het moeilijk die twee te combineren. Haal je die gegevens uit de bronsystemen en voeg je ze samen, dan kun je een proces inrichten waarbij je alleen tevreden klanten om een online review vraagt. Dit helpt dan weer enorm met je conversie.

Fase 2: een bredere blik

Meer met data doen, gaat verder dan je bestaande data op andere manieren gebruiken. Er is ook een behoefte aan andere data. Langzaamaan begint het besef bij iedereen door te dringen dat je sales-, marketing- en andere processen niet optimaliseert met alleen maar de data uit dat specifieke proces. In de tweede fase ga je dus op zoek naar data van buiten je kernprocessen, die je bij de bestaande data voegt.

Zo krijg je een veel bredere kijk op klanten en producten. Welke data voor jou relevant zijn? Dat hangt helemaal af van je branche en je businessmodel. Waarschijnlijk is het in ieder geval interessant om online gedrag van prospects en klanten te koppelen aan CRM-data. Als je weet wat voor producten ze online bekeken hebben, kun je dat toevoegen aan je klantprofiel en daar je aanbod op afstemmen.

De voorbeelden die je kunt bedenken, zijn eindeloos. Een verzekeraar kan de hoeveelheid schademeldingen voorspellen op basis van weerdata en daar de planning op aanpassen. Online gedrag kan voorspellen wie de beste leads zijn en zo bepalen wie er een telefoontje van Sales krijgen en welke producten worden aangeboden. Gedrag in een app of mijn-omgeving kan input zijn voor gepersonaliseerde mails.

Fase 3: data als deel van het product

In de volgende stap zijn niet je processen leidend, maar de data zelf. Deze fase is goed te vergelijken met de opstartfase van techbedrijven als Facebook en Google. Begonnen als, respectievelijk, sociaal netwerk en zoekmachine, verzamelden ze heel veel data over het gedrag van hun gebruikers waar ze zelf niet zo heel veel mee deden. Beide bedrijven beseften al snel dat deze data buiten die processen wél waarde hadden en ontwikkelden het advertentiemodel waar ze nu zoveel geld mee verdienen. Data wordt dus onderdeel van het product.

“Wat kun jij met data maken?”

Wat kun jij met data maken? Heb je Internet of Things-data over locatie, onderhoud en kosten waar je iets mee kunt? Wat draagt bij aan jouw succes, en aan dat van je klanten? Zo kun je niet alleen processen optimaliseren, maar ook productinnovaties bedenken en totaal nieuwe marketinginitiatieven lanceren.

Een leasemaatschappij ziet zichzelf misschien niet als aanbieder van restaurantcheques, maar zo’n bedrijf heeft wel heel veel locatiedata van hun auto’s. Het zou dus niet vreemd zijn als je een keer een mail krijgt die meldt: “Hier, een kortingsbon voor koffie bij dat tentje waar je iedere ochtend langsrijdt.”

Kindertijdschriften en koffie-vouchers

Recent werkte ik met een uitgever, die tot de coronacrisis vooral tijdschriften verkocht via fysieke winkels. Daar was weinig controle over het verkoopproces, dus was er ook weinig kennis van dat proces. Door corona daalde de winkelverkoop en kwam er noodgedwongen meer aandacht voor de online kanalen. Vooral upsell en cross-sell bleken daar lastiger dan gedacht. Waar mensen in een winkel vaak meerdere tijdschriften meenemen, gebeurde dat online vaak niet.

Upsell en cross-sell gebeuren namelijk niet automatisch. Mensen die een tijdschrift voor zichzelf kopen, willen vaak ook iets kopen voor hun kinderen. Maar dan moeten ze dat wel te zien krijgen in de webwinkel. Toen we eenmaal bedacht hadden dat we dat moesten inbouwen in de webwinkel, vertelden de data ons welke matches het meest waarschijnlijk waren. Zo ging de online orderwaarde omhoog. Door zo naar data te kijken, kun je je conversie optimaliseren en zet je stappen naar grotere online omzet. Bovendien verzamel je ook weer nieuwe marketingdata.

Ook leasemaatschappijen moeten iets met de coronacrisis. Doordat er massaal thuis gewerkt werd, nam het aantal gereden kilometers dramatisch af en werden er ook veel minder contracten afgesloten. Veel bedrijven spelen inmiddels ook met het idee om de leaseauto te vervangen door een ruimhartige thuiswerkregeling en zo de kosten te drukken en tegelijk voor een betere werk-privébalans te zorgen. Voor leasemaatschappijen een goede reden om na te gaan denken over nieuwe producten.

Concrete stappen

Wil je meer met data gaan doen? Dan zijn dit de concrete stappen die je moet zetten:

Laat een slimme, ervaren dataconsultant naar jouw situatie kijken. Het inhuren van zo iemand kost geld, maar dat verdien je later terug omdat je veel minder kans hebt dat je de verkeerde richting inslaat en dus ook de verkeerde mensen in dienst neemt.
Neem daarna je eigen analisten aan. Mensen met een ruimere blik dan de BI-specialisten die je al hebt. Laat deze mensen uitgebreid in al je data grasduinen. Zorg dat ze vragen stellen als: wat hebben we? Hoe kunnen we het gebruiken? Wat missen we? Wat is relevant? Waar komen de meeste nieuwe klanten vandaan? Kunnen we externe databronnen gebruiken, zoals weerdata of BKR?
Richt een nieuwe omgeving in, onafhankelijk van je kernsystemen. CRM, ERP, administratie en marketingsystemen gebruik je als databronnen, waarbij je de data combineert met andere databronnen in een nieuw data lake.

Richard van Meurs, Data Creative bij 4orange

richard.vanmeurs@4orange.nl

4orange ondersteunt bedrijven met ambitie naar de next level in data maturity!

www.4orange.nl