In het vorige blog over big data zijn de zes gouden regels behandeld. In dit blog gaan we in op de mogelijkheden van big data.
Al een hele tijd is big data een hot topic. Zonder meer gaat dit over de vele mogelijkheden die het te bieden heeft, maar er bestaat ook een hoop commotie over de privacy die er mee geschonden zou worden. Mensen voelen zich ineens bekeken en hebben al vele malen hun zorgen geuit over dit opkomende fenomeen. Echter, het grote gros van de mensen heeft geen flauw benul van wat bedrijven in essentie met de data kunnen. Wat doen bedrijven allemaal met de blootgestelde gegevens, die de privacy zouden schenden? Wat valt er precies te analyseren en waarom is het interessant voor organisaties? Tuurlijk zijn KPI’s als conversie, traffic en bounce rates boeiend en relevant om te meten en bij te houden, maar big data biedt veel en veel meer dan dat. Naast de ‘gewone burger’ bestaan er ook nog steeds managers die niet inzien wat voor enorm perspectief Big data biedt voor hun bedrijf. Hieronder een toelichting wat zij er zoal mee kunnen doen.
Verbanden en invloeden
De basis van alle analyses met big data komt neer op verbanden (correlaties), invloeden (regressies) en kansberekeningen. Een simpel voorbeeld is dat u kunt ontdekken dat de aankoop van meubilair grotendeels afhangt van bijvoorbeeld de leeftijd van de klant, of juist dat 65+’ers het minst gevoelig zijn voor promoties. Ook kunnen zeer geavanceerde kansberekeningen gemaakt worden. Welke klanten hebben de grootste kans om hun rekening niet te betalen, wie heeft de grootste kans om te reageren op een promotie, welke klanten hebben de grootste kans om naar de concurrent te gaan en u kunt zelfs berekenen wannéér ze dat doen. Het klinkt misschien gek maar onbewust worden we bij grote online retailers in groepen in gedeeld. Voor bedrijven die het bijvoorbeeld mogelijk maken om te betalen in termijnen is het handig om te kunnen bepalen welke klanten een grote kans maken in de toekomst nalatig te zijn in het betalen van de rekening. Ook grote financiële instellingen als verzekeringsmaatschappijen en partijen die leningen aanbieden hebben hier veel baat bij, zij kunnen met behulp van big data beter risico inschattingen maken. Daarnaast kunt u ook bepaalde risicogroepen, bijvoorbeeld klanten die kunnen overlopen naar de concurrent, aantrekkelijke voorstellen doen om ze als klant te behouden. De mogelijkheden zijn zo goed als eindeloos.
Clusters
Aan de hand van de cluster analyse kunt u uw klanten, die met betrekking tot een specifiek aspect op elkaar lijken ofwel intern homogeen zijn, clusteren of groeperen. Met de nadruk op een specifiek aspect, want ieder persoon is uniek en groepen die in alle aspecten op elkaar lijken bestaan simpelweg niet, of de groepen zijn te klein, wat niet interessant is binnen big data. Met cluster analyses worden mogelijke patronen zichtbaar. Zo kunt u bijvoorbeeld een cluster ‘big-spenders’ aanmaken, ‘koopjesjagers’ of ‘laat mij met rust klanten’ die ongevoelig zijn voor onder andere e-mail marketing (en dus niet interessant om daarmee te benaderen). Clusters maken het mogelijk om je doelgroepen in segmenten op te delen en de marketing erop af te stemmen, wat een hoop tijd, moeite en geld bespaart en tegelijkertijd de effectiviteit doet toenemen!
Factor analyses
Wat willen klanten eigenlijk, wat vinden zij belangrijk? Dit is lastiger om vast te stellen dan het in eerste instantie lijkt, want klanten weten soms zelf niet eens wat ze willen. Een mooi voorbeeld is de auto, als je ruim 100 jaar terug gevraagd had wat de mensen zouden willen dan hadden ze waarschijnlijk geantwoord “een sneller paard”. De mogelijkheid om een auto te wensen, was bij deze mensen nog niet doorgedrongen. Hoe kan de factor analyse u helpen om te weten wat uw klanten willen? Veel geobserveerde statistieken worden veroorzaakt door achterliggende variabelen. Deze worden factoren genoemd, zij verklaren veel variatie en zijn dan ook belangrijk om te identificeren. Zo kunnen de uitkomsten van een factor analyse gebruikt worden voor product ontwikkeling of bijvoorbeeld om te checken of uw innovatie potentie heeft waardoor u beter kunt inspelen op de (soms nog onbewuste) wensen van de klant. Deze analyse kan tevens gebruikt worden om clusters op te maken, zo zijn er heel veel mensen die aspecten als prijs, korting en promoties zeer belangrijk vinden, maar andere mensen gaan weer af op de geboden kwaliteit en service. U kunt dan vervolgens verschillende segmenten maken bestaande uit prijsbewuste, kwaliteitsgerichte of spontane consumenten.
Voorspellingen
Wie had ooit gedacht dat we in de toekomst konden kijken, wellicht een wazige blik maar big data stelt ons in staat om aan de hand van modellen voorspellingen te doen. Nee, er is geen glazen bol voor nodig. Big data en een analist zijn genoeg om tot interessante inzichten te komen. Zo is het onder andere mogelijk om een model te bouwen die de sales voorspelt. Nu is dit een enkel voorbeeld, maar alleen al het voorspellen van sales maakt een betere afstemming tussen vraag en aanbod mogelijk en zo kunt dus ook de voorraad optimaliseren.
Kanttekening
In het gevecht om de klant, gaan bedrijven ver. Nieuwe klanten werven is duurder dan de huidige behouden, doe er dus uw voordeel mee want big data biedt vele mogelijkheden. Zo zijn we nog altijd menselijk gedrag aan het analyseren met modellen. Modellen zijn een simpele representatie van de werkelijkheid, bovendien wordt er gebruik gemaakt van zogeheten significantie niveaus wat simpelweg een soort bewijskracht aanduidt voor de uitkomst op basis van een steekproef. Veel van deze analyses worden steekproefsgewijs verricht en individuele gegevens worden dan niet eens gebruikt. De conclusie voor een gehele groep wordt in zo’n geval getrokken uit de gegevens van een kleine groep (sample). Deze modellen en analyses bieden dan ook géén garantie om de psyche volledig te begrijpen en te voorspellen. Het klinkt voor veel mensen misschien eng dat bedrijven zoveel van hun (persoonlijke) gegevens verzamelen. Wellicht zien ze toch de voordelen als ze zich bedenken dat dit bedrijven in staat stelt om gepaste korting te sturen, relevante content aan te bieden en de bedrijven te behoeden voor het sturen van promoties waar de klant toch niet in geïnteresseerd is. Alles wordt persoonlijker en dat kan in ieders voordeel zijn.