‘Zorgen dat de klant niet slecht gehumeurd wordt als hij uiteindelijk zijn eindfactuur krijgt.’ Dat was het opzet van het Big Dataproject bij Essent. Elke klant kreeg een gepersonaliseerd filmpje in de mailbox, twee dagen voor zijn eindfactuur arriveerde. Een simpel idee, maar een behoorlijk Big Dataproject dat ook lessen voor andere ondernemers bevat.
‘Data is de nieuwe olie’, zo wordt wel eens beweerd. En er zijn ondertussen al talloze voorbeelden van sectoren, zoals de auto-industrie, retail en de publieke sector, die mede door het belang en de verwerking van digitale data grondig veranderen. Toch is er één verschil. Waar olie meer en meer een schaars goed wordt, stijgt de hoeveelheid data in bedrijven behoorlijk. ‘Hoe groot die toename is, valt moeilijk te zeggen’, vertelt Sven Schoenaerts, managing director Benelux bij Netapp, dat zich specialiseert in de opslag van data voor kmo’s. ‘Voor een doorsnee kmo situeert dit gemiddeld gesproken rond de 10 à 15 procent aan jaarlijkse groei in opgeslagen digitale data.Bij zogenoemde e-tailers, die bijvoorbeeld het surfgedrag van hun klanten bijhouden, kan de jaarlijkse hoeveelheid zelfs verdubbelen’, aldus Sven Schoenaerts. ‘En er worden in bedrijven ook weinig gegevens verwijderd.’
Het komt er op aan om die hoeveelheden data in de organisatie efficiënt te ontginnen. ‘We merken dat steeds meer kmo’s hier ook wel aandacht voor hebben. Ze willen ook effectief iets doen met al die data’, aldus Schoenaerts. ‘Want zelfs bij een kleine kmo zijn ettelijke terabytes aan data geen uitzondering.’
Filmpje voor klanten
Bedrijven kunnen data nuttig gebruiken door ze te analyseren om betere beslissingen te nemen. Om kosten te doen dalen of om klanten tevreden te stellen. Een voorbeeld van de analyse van grote hoeveelheden data vinden we bij energieleverancier Essent, een bedrijf dat in ons land met 150 medewerkers gas en elektriciteit aanbiedt.
‘Het idee? Als onze klantendienst op voorhand wist wie er zou bellen, konden we hen op voorhand ook de antwoorden geven’, vertelt Els Descheemaeker, innovation manager bij Essent. En zo werkte het bedrijf het project finaal ook uit. Klanten kregen, enkele dagen vooraleer de factuur in de brievenbus zou vallen, een gepersonaliseerde e-mail met informatie over hun verbruik. De meeste klanten klikten de mail open en lazen de informatie die op hun eigen energiegedrag was afgestemd. ‘Op die manier waren ze al op voorhand geïnformeerd, wat ze apprecieerden. Bovendien moesten ze niet meer naar onze klantendienst bellen op het moment dat de eigenlijke factuur in de bus viel’, vertelt Descheemaeker.
Het voorbeeld van Essent lijkt erg eenvoudig, maar werkte wel. ‘Het initiatief wordt nu ook in de andere vestigingen van de groep geïmplementeerd’, stelt Descheemaeker. Maar wat van buitenaf simpel lijkt, is dat in de praktijk vaak niet. Bij Big Dataprojecten komen heel veel zaken kijken die zowel voor grote als kleine bedrijven van tel zijn. We overlopen de belangrijkste.
1. Big Data heeft diverse gezichten
Bij Essent werden de data eerst verzameld en gecheckt op kwaliteit. Vervolgens werden ze geanalyseerd en werd er een klantenprofiel opgesteld. Ten derde werden de data ‘actionable’ gemaakt: op basis van de voorgaande analyses werden de klanten benaderd.
Het voorbereidende werk valt niet te onderschatten. Sommige data bevinden zich in gesloten systemen, sommige data bewaren bedrijven op een externe locatie. Bepaalde vormen van databanktoepassingen zijn ook niet altijd even compatibel met elkaar.
Technisch heeft dit alles een behoorlijke impact. ‘Iedereen denkt dat alle data beschikbaar zijn en overal en altijd meteen gedetecteerd en verzameld kunnen worden. Dat is in de praktijk niet zo’, oppert Descheemaeker. Bovendien moeten de gegevens ook gekoppeld worden. Zo moeten de data gekoppeld aan facturatiegegevens of klantendata bij elkaar worden gevoegd.
2. Werk samen
Het verhaal heeft ook een menselijke kant. ‘Iedereen wil in een bedrijf eigenaar zijn en blijven van zijn eigen data’, stelt Descheemaeker. ‘Op die manier zit iedereen ook een beetje op zijn eigen goudberg. Een marketeer geeft zijn klantendata niet graag vrij, net zoals een financieel directeur dat liever niet doet met zijn financiële data’, weet ze. ‘Maar net door al die profielen te betrekken, kun je zoveel meer bereiken.’ Bij Essent moesten data van het verbruik gecombineerd worden met de klantendata.
Data situeren zich op diverse afdelingen in een bedrijf. Het beheer van data zit bij een IT-afdeling. De analyse gebeurt door specialisten in business intelligence of data-analyse. En het uiteindelijke contact met de klant behoort tot het takenpakket van de marketeer. Uiteindelijk hebben alle analyses pas resultaat als je ook tot actie overgaat. ‘Elk onderdeel van de ketting is van tel’, bevestigt Descheemaeker. Maar diverse afdelingen plukken ook de vruchten van het eindresultaat. Het Big Dataproject bij Essent was een zaak voor de marketingafdeling, omdat de klantentevredenheid verbeterde, én voor het callcenter, waar minder telefonische oproepen binnenkwamen.
3. Laat ruimte voor innovatie
‘Big Data-initiatieven verschillen van andere projecten omdat ze over innovatie gaan. Je moet de platgetreden paden verlaten, zeker in het begin’, aldus Descheemaeker. ‘In het begin wisten wij bijvoorbeeld niet dat het om een filmpje voor klanten zou gaan. We zochten gewoon een manier om de kosten voor de klantenondersteuning te beperken en de klantentevredenheid te verhogen.’
4. Doe niet alles zelf
Het probleem van veel dataprojecten is dat ze niet de verantwoordelijkheid zijn van een of andere afdeling. Het is vaak iets extra. ‘Mensen hebben er gewoon geen tijd voor’, vertelt Descheemaeker. Daarom deed Essent een beroep op de diensten van de specialist NGData. ‘Je hebt snelheid nodig, want om interne betrokkenheid te creëren moet je heel snel iets laten zien’, weet Descheemaeker. De interne mensen behielden wel het overzicht. ‘Al is het maar om de data-analyses te interpreteren. Bovendien mag je hen niet het gevoel geven dat hun job overbodig wordt. Want dat is niet zo. Je moet gewoon snel kunnen schakelen.’
5. Visualiseer
‘Big Data zit heel vaak in een soort van technologische context. Het gaat over toepassingen als Hadoop of statistische begrippen als regressieanalyse. En dan wordt het al snel abstract.’ Daarom liet het nutsbedrijf vrij snel het gewenste eindproduct zien: het filmpje voor de klanten, en hoe het er zou moeten uitzien. ‘In onze organisatie maakte het een groot verschil zodra we de data ook echt visualiseerden’, stelt Descheemaeker.