Wie geen terrein wil verliezen tegenover de concurrentie, moet aan de slag met big data. De noodzaak om slim gebruik te gaan maken van data is intussen doorgedrongen tot de hoogste niveaus binnen bedrijven. Ceo’s, cfo’s, cmo’s en cio’s zijn haastig bezig om te zorgen dat ze gebruik maken van deze nieuwe mogelijkheden. Dat bedrijven die voorlopen op dit gebied er voordeel uit halen is geen nieuws meer. Mocht er nog twijfel zijn, raad ik het rapport ‘Fostering a data-driven culture’ van The Economist aan. Het besef van de waarde van (big) data is er, nu alleen nog maar ‘even’ er aan beginnen.
Aan tools, platformen, programma’s, accelerators, evenementen, leveranciers en big data guru’s geen gebrek. Waarom is het dan zo lastig voor bedrijven om er mee te beginnen? Want laten we het er over eens zijn dat enkele experimenten met bijvoorbeeld Hadoop niet volstaan.
Ten eerste spoor ik iedereen aan de nieuwe technologische innovaties in dit kennisdomein te bestuderen. Met open source tools kan je al aan de slag zonder investeringskosten; betaalde tools en platformen bieden vaak een gratis versie aan, waarmee je alvast de mogelijkheden kan verkennen. Maar er is meer nodig, wil je het niet bij verkennen houden en een volgende stap kunnen zetten.
Hoe word je net als de Walmarts, Verizons en Netflixen van deze wereld? Hoe word je een data driven-onderneming die de nieuwe technieken wat betreft big data in zijn voordeel gebruikt? Er zijn twee vuistregels die ik hier steeds zie terugkomen bij succesvolle exploitatie van data door een bedrijf: ‘visie en cultuur zijn belangrijker dan de techniek’ en ‘think big, start small, scale fast’. Dit klinkt misschien niet als rocket science, maar ze worden consequent toegepast door bedrijven die big data als geen andere weten te benutten.
Visie en cultuur boven de techniek
Hoewel de hype rondom big data een duidelijke push heeft gekregen door alle technologische ontwikkelingen, blijft technologie ondergeschikt aan het doel waarvoor je data verzamelt. Hiermee bedoel ik niet de directe toepassing die je voor bepaalde data zoekt, maar het hogere doel: welke rol speelt data in jouw organisatie? Deze visie, en de cultuur die daar onlosmakelijk bij hoort, moet duidelijk zijn en gestimuleerd worden, wil je als organisatie volledig gebruik kunnen maken van de ontwikkelingen op technisch vlak.
Het belang van een visie voor een maximale exploitatie van de data-infrastructuur zit in het feit dat het uiteindelijk individuen zijn die de data zullen omzetten in waarde voor de onderneming. Dit zijn individuen die zich laten sturen door data, die daarvoor over de juiste vaardigheden beschikken en die begrijpen wat de onderneming wil bereiken.
Nemen we het voorbeeld van winkelketen X. Winkelketen X wil dé favoriete (online & offline) plek voor schoenen te zijn. ‘Favoriet’ is een kernbegrip in de marketing van X. Daarom zijn veel data analyses er op gericht een zodanige propositie te kunnen formuleren dat X en ‘favoriet’ met elkaar in verband worden gebracht in de beleving van de klant. Wanneer winkelketen X bijvoorbeeld experimenteert met nieuwe saleskanalen of productgroepen, proberen ze te achterhalen of en welke klanttypes hier positief op reageren, ongeacht de financiële balans van de acties. Deze inzichten helpen om de betreffende klanten beter te bedienen zodat de service als ‘favoriet’ wordt ervaren. Om deze inzichten uit de data te kunnen halen, zitten er bepaalde eisen aan je infrastructuur. Bijvoorbeeld welke type analyses je wil uitvoeren, op wat voor type data, en welke vaardigheden de eindgebruikers daarvoor moeten hebben.
Een goede visie op de rol van data, de cultuur en de mensen die deze visie helpen toepassen, zullen het verschil maken tussen succes of falen bij de groei richting een meer data-driven organisatie. Zonder deze reflectie is het onmogelijk een goede keuze op technisch gebied te maken en te vermijden dat een beslissing vandaag je in de toekomst gaat beperken. Veel bedrijven realiseren zich immers te weinig dat de keuze die je nu maakt voor een bepaald platform of technologie een enorme impact heeft op je toekomstige architectuur. Een successvol experiment groeit vaak snel uit tot een vast onderdeel van je architectuur, of je dat wilt of niet. Zorg dus voor een goede kennis van alle opties in de markt, en bepaal pas welke infrastructuur economisch en qua functionaliteit het beste bij je past zodra je visie helder is. Techniek is een enabler, geen visie op zich.
Think big, start small, scale fast
Veel bedrijven willen doorgroeien naar een meer data gedreven organisatie. De stap naar het niveau van Ebay of Netflix lijkt enorm en, heel eerlijk, dat is het ook. Maar ook zij zijn daar niet van de ene op de andere dag gekomen. Dat is een lang proces volgens het principe ‘Think big, start small, scale fast’. Dat is de aanpak waarmee de meest succesvolle big data-projecten zijn gestart en doorgegroeid.
Begin klein. Je visie heb je helder, dit is het ‘think big’ gedeelte. Zoek nu een eenvoudige maar sterke use case die de aanschaf van nieuwe technologie verantwoordt en maak dit een succes. Heb je de data eenmaal op het meest geschikte platform, dan kun je verder zoeken naar nieuwe toepassingen. De waarde van de data zit vaak niet in het volume, maar in het combineren van verschillende data. Hou daarom het project (en keuze van technologie) naar data instroom voldoende flexibel zodat combinaties van data mogelijk blijft. Deze eis zou al uit je visie naar voren moeten komen, en dus ook een impact moeten hebben op je keuzes op technisch vlak. Gelukkig is deze eis steeds makkelijker te realiseren door alle nieuwe tools en platformen.
Een mooi voorbeeld is een trend bij veel telecommaatschappijen waarbij de bss- (business support system) en oss- (operations support system)data gecombineerd worden. Deze twee werelden waren tot voor kort nog volledig van elkaar gescheiden. Een redenen hiervoor is onder andere het volume van de data. De bss-data is qua volume al enorm; de oss-data is nog een factor tien tot honderd groter. Maar door de ontwikkelingen op technisch gebied wordt het economisch steeds interessanter om deze data te gaan combineren. Door een deel van de oss-data, bijvoorbeeld alleen 2G of 3G data, met de bss-data te combineren kun je al een bepaalde use case uitwerken. Nu je de data hebt kun je naast je originele doel op zoek gaan naar andere mogelijk waardevolle use cases. Je kunt met andere woorden op zoek naar ‘the unknowns unknowns’.
De flexibiliteit van je infrastructuur zal dan bepalen hoe snel en hoe makkelijk je de nieuwe use cases kunt uitrollen. Als je nieuwe waardevolle inzichten uit de data weet te halen wil je deze zo snel mogelijk maximaal kunnen benutten: scale fast. Vergeet bij je keuze voor de techniek niet te onderzoeken hoe je door kan groeien wanneer je succesvol bent, want aan succes moet je blijven werken.
Zorg dat je deze principes goed hebt staan. Dan begin je verstandig met big data.
Tobias Temmink, business development manager bij Teradata
