Big data: de route in initiatie- en volwassen fase

Big data zou de grondstof zijn voor het toekomstig commercieel succes van retailers. Reden om in het kader van Shopping 2020 te onderzoeken wat retailers met big data kunnen. Dit artikel is gebaseerd op het hoofdstuk ‘Analytics & Big Data’ uit het boek Shopping Tomorrow en gaat vooral in op het uitzetten van een roadmap.

Tekst: Expertgroep Analytics & Big Data / Beeld: Twinkle/BBP Media

Big data zijn niets meer dan grote datasets van alle informatie die de retailer verzamelt omtrent (het gedrag van) zijn klanten. Het wordt pas interessant als je weet wat je met die data kunt, analytics dus. Big data analytics is het verzamelen, organiseren en analyseren van grote datasets om patronen te ontdekken en andere nuttige informatie te verkrijgen. Big data analytics helpt om informatie uit de data te begrijpen, maar helpt ook om te identificeren welke data het belangrijkst zijn voor de business en voor toekomstige beslissingen.

Relevante trends
Als we kijken naar hoe consumenten winkelen in 2020, dan zijn er diverse trends te onderscheiden die relevant zijn voor big data. In de eerste plaats hebben consumenten een hoog verwachtingspatroon als het gaat om de manier waarop bedrijven het winkelen faciliteren en hoe ze inspelen op de individuele consument. Daarnaast zijn consumenten zich in toenemende mate bewust van privacy en maken ze voortdurend (bewust of onbewust) een afweging tussen privacy en gemak. Bovendien laten ze steeds meer datasporen achter die bewaard blijven. Een andere trend is de opkomst van Internet of Things, wat voor een explosie aan data zorgt. Tot slot bieden de technische ontwikkelingen van opslag en analyse mogelijkheden om met grote hoeveelheden data aan de slag gaan.

Deze trends hebben impact op retailers:
- zij worden zich steeds meer bewust van de mogelijkheden van data en verliezen hun ‘koudwatervrees’
- zij ontwikkelen zich naar data-driven organisaties waarbij data impact hebben op de gehele (commerciële) bedrijfsvoering
- zij moeten gaan investeren in kennis en vaardigheden om deze slag te kunnen maken en moeten kiezen hoe ze dit willen organiseren, inkopen of partneren
- steeds meer beslissingen van retailers zijn gebaseerd op feiten en worden in real-time en automatisch uitgevoerd.

Strategische keuze
De rol van analytics & big data wordt bepaald door de strategische keuze die een retailer maakt. We onderscheiden vier drivers:
- capability-driven: analytics & big data worden door de retailer beschouwd als competenties die iedereen in huis wil hebben, zonder hier direct verdienmodellen aan te koppelen
- competition-driven: analytics & big data spelen een belangrijke rol bij het behalen van concurrentievoordeel, waarbij de retailer kiest welke markten hij op welke wijze wil bedienen
- cash flow-driven: analytics & big data worden gebruikt als verdienmodel door het realiseren van nieuwe en innovatieve producten en diensten, gebruikmakend van klantdata
- community-driven: het verdienmodel ligt in de creatie van een ecosysteem van partners op het gebied van producten en/of services, waarbij data van en voor partners gedeeld worden.

Een voorbeeld van een community-driven retailer is Bol.com. Dit bedrijf hanteert een platformstrategie waarbij het andere retailers toegang geeft tot zijn platform om producten te verkopen. Door het delen van data van en met deze retailers creëert Bol.com een ecosysteem, waardoor er meer grip gekregen kan worden op consumentengedrag in specifieke productcategorieën en de partijen hier gezamenlijk slim op in kunnen spelen.

Vier fases
Op gebied van analytics & big data bevinden retailers in Nederland zich in verschillende fases. We onderscheiden er vier:

1. de retailer zet op ad hoc basis analytics & big data in. Er is geen beleid. Het is bovendien niet geworteld in de cultuur van het bedrijf en de kennis en ervaring is beperkt

2. de retailer maakt een professionaliseringsslag. Op basis van de eerste ervaringen ziet het bedrijf de voordelen en gaat hierin investeren. De believers krijgen de organisatie mee op basis van feiten en resultaten

3. de retailer maakt structureel gebruik van analytics & big data. Dit betekent zichtbaarheid in de organisatie, middelen die beschikbaar worden gesteld en werkwijzen die worden aangepast

4. de retailer maakt gebruik van analytics & big data om zich te kunnen onderscheiden in de markt. In alle facetten van de onderneming wordt hiervan gebruikgemaakt, niet alleen voor commercie, maar bijvoorbeeld ook op gebied van HR.

In welke fase een retailer zit, wordt door verschillende zaken bepaald. Zo kan er onderscheid worden gemaakt tussen retailers die oorspronkelijk uit de bricks komen en retailers die gestart zijn in de clicks. Daarnaast zijn er retailers die beschouwd kunnen worden als grootzakelijk en mkb-retailers. Een grootzakelijke clicks-retailer mag het vaakst verwacht worden in fase 4, maar een bricks-retailer uit het mkb in fase 1.

Roadmap voor big data.

Big data roadmap
Hoe start een retailer met analytics & big data? Hoewel er brede consensus in de markt is over de waarde van big data, is er geen gestandaardiseerde aanpak voor ‘hoe te beginnen’. Het spreekt voor zich dat elke bedrijfssituatie verschilt in bijvoorbeeld beschikbare data, volwassenheid in commerciële bedrijfsvoering en de interne cultuur. De marsroute om big data succesvol in te zetten verschilt per definitie per retailer.

Toch zijn er rode draden te trekken, waarbij het grootste verschil zit in de mate van volwassenheid van de dataorganisatie. We hanteren twee cycli die doorlopen kunnen worden: de initiatie fase waarbij een onderneming echt aan het begin van haar datareis staat, en de volwassen fase waarin de toegevoegde waarde van data is erkend.

1. Verken de commerciële mogelijkheden
Hoewel de verleiding groot is om snel in de technologie te duiken, is het verstandig eerst een duidelijk beeld te krijgen van de commerciële (on)mogelijkheden van big data. De mogelijkheden voor het inzetten van big data variëren immers sterk. Ervaring leert dat retailers de meeste waarde halen uit big data-projecten als zij starten met een inventarisatie van de uitdagingen die zij ervaren en de doelstellingen die ze hebben, en deze vervolgens prioriteren op basis van de commerciële impact.

Zowel in de initiatie fase als in de volwassen fase moet een big data-initiatief in de strategische context van een onderneming passen. Bovendien is de acceptatie een cruciaal issue. Om dit bereiken is een antwoord op de volgende vier vragen belangrijk:

- Wat zijn de ondernemingsdoelstellingen en op welke manier kunnen data deze doelstellingen ondersteunen?
- Wat zijn de grootste obstakels om daar te komen?
- Wat is de perceptie van big data? Hoe kan het sentiment worden verbeterd?
- Wie zijn de stakeholders en welk big data-initiatief willen zij als eerste oppakken?

Deze vragen vormen een fundament voor het verkennen van de mogelijkheden.

2. Stel scope, doelstelling & business case vast
- Specificeer de doelstelling in meetbare indicatoren
- Identificeer alle businessvragen zo specifiek en gedetailleerd als mogelijk
- Stel vast welke andere randvoorwaarden aanwezig zijn
- Stel vast welk level of maturity geambieerd wordt (volwassen fase) of welk initiatief (proof of concept) in de initiatie fase uitgevoerd wordt
- Definieer wanneer big data en de implementatie een succes is.

3. Definieer de ‘gap’ en ‘change’
Wat is de gap en change tussen de huidige situatie en de ambitie (alleen voor volwassen fase)? Om big data succesvol te kunnen implementeren moet er een duidelijk beeld zijn van de migratie die binnen de organisatie gemaakt dient te worden op zowel de harde als de zachte factoren van de zes enablers (zie afbeelding).

Een assessment moet over de hele linie uitgevoerd worden, waarbij de vorige paragraaf uiteraard als handvat gebruikt kan worden. Naarmate een bedrijf meer data-volwassen wordt, moet er meer aandacht aan deze stap besteed worden.

4. Richt de (project)organisatie in
De volgende stap is om een multidisciplinair team bij elkaar te roepen, met professionals vanuit alle belangrijke afdelingen binnen de onderneming. Identificeer vervolgens wie binnen de onderneming de sponsor van het project wil zijn. Dit is een sleutelpersoon in de organisatie die bij voorkeur in staat is om de obstakels weg te ruimen, zo nodig budgetten aan te spreken, en de organisatie meekrijgt in het enthousiasme voor big data.

5. Proof of concept (initiatie fase) / Integratie (volwassen fase)
Hoewel de gedachtegang ook voor de volwassen fase opgeld doet, is het voornaamste advies: begin kleinschalig, simpel en schaalbaar. Het grote voordeel van eerst een kleinschalige big data-omgeving ontwikkelen, zoals een Hadoop-cluster in de cloud, is dat ermee geëxperimenteerd kan worden. Dit geldt uiteraard ook voor minder geavanceerde data- en analysevraagstukken.

De ervaring leert dat het creëren van enkele gecontroleerde experimenten al zeer veel waardevolle inzichten voor een onderneming kan opleveren. Hierbij dient wel opgemerkt te worden dat een onderneming niet bang moet zijn om fouten te maken, maar zo snel mogelijk hiervan moet leren. Door de kennis en problematiek eigen te maken leert een organisatie om te gaan met big data.

De afweging om competenties en systemen zelf te ontwikkelen of uit te besteden verschilt per onderneming. De algemene stelregel is dat naarmate big data van strategisch belang is, de noodzaak om het zelf te doen stijgt.

6. Deel ervaringen en verbeter
In de communicatie naar de organisatie dient duidelijk gecommuniceerd te worden wat er gaande is, welke successen er geboekt worden en wat dit voor de onderneming kan betekenen. Vaak lenen de bestaande interne communicatiemiddelen van de onderneming zich prima voor een aankondiging, maar dit volstaat niet. Het initiatief is immers niet het zoveelste in een lange rij, maar is feitelijk een innovatie die op termijn een organisatiebrede cultuuromslag met zich meebrengt.

Het committeren van sleutelpersonen binnen een onderneming vereist een doordachte aanpak, waarbij de posities van deze personen duidelijk meegewogen dienen te worden. Hier raakt u uiteraard de bedrijfscultuur; dus hoe de dialoog wordt ingezet, verschilt sterk per onderneming. Dat de dialoog gevoerd dient te worden staat echter buiten kijf.

7. Schaal op
Nadat de proof of concept succesvol is afgerond, kan er opgeschaald worden. Het big data-team kan worden uitgebreid en door de opgedane ervaring is het eenvoudiger het rendement van het big data-initiatief te bepalen.

8. Verbeter continu
Big data is geen eenmalige exercitie. Het vereist een voortdurende aanpak met veel incrementele verbeteringen. Zeker gezien de snelheid waarmee nieuwe ontwikkelingen, data en technologieën zich aankondigen, kan een onderneming het zich niet veroorloven om stil te staan. Bestaande data-initiatieven die zich in de onderneming bewezen hebben, moeten regelmatig tegen het licht worden gehouden en verrijkt worden met nieuwe data, betere data of betere, meer verfijnde analysetechnieken. Dit alles vanuit de gedachte dat big data de motor is van toekomstig commercieel succes.

--------------------------------------------------------
Wat zijn big data?
We hanteren hier de volgende definitie: er wordt gesproken over big data als u met één of meer datasets werkt die te groot zijn om met reguliere database-managementsystemen onderhouden te worden. Volgens bureau Gartner gaat het in elk geval om drie factoren: de hoeveelheid data (volume), de snelheid waarmee de data binnenkomt en opgevraagd wordt (velocity) en de diversiteit van de data (variety). Daarnaast speelt ook de mogelijkheid tot statistische analyses een belangrijke rol. Het gaat hierbij om grote volumes van zowel gestructureerde en ongestructureerde data.
--------------------------------------------------------

Lees verder op Shoppingtomorrow.nl.

Dit artikel verscheen eerder in Twinkle 3-2015.