Hoofdstuk 1
Marketingdirecteuren beschouwen big data als een grote uitdaging voor het bedrijfsleven.
De explosieve groei van gegevens is te danken aan de toenemende digitalisering van de
maatschappij, het zakenleven en de marketing. Marketing is één van de bedrijfsdisciplines
waarop deze groei het sterkst van invloed is. Dit heeft gezorgd tot de toename van:
Beschikbare opslagcapaciteit
De toename van analytische capaciteit
Toename van het gebruik van online diensten
Meer specifiek geformuleerd we zien de opkomst van Customer Relationship
Management (= CRM, klantrelatiebeheer). Deze opkomst bracht uitdagingen voor marketing
met zich mee:
Het leidde tot problemen bij de manier van analyseren en beschikbare klantgegevens
De manier waarop je met deze gegevens loyale en waardevolle klanten creëert
Uit een recente studie blijkt dat marketing worstelt met de toenemende hoeveelheid
beschikbare gegevens voor het verkrijgen van inzichten in de klant. Verklaring hiervoor is het
gebrek aan kennis en vaardigheden om gegevens succesvol te analyseren en waarde uit te
creëren.
Explosieve gegevensgroei
De opkomst van internet en sociale media heeft geleid tot een verdere explosieve
gegevensgroei. Veel bedrijven hebben nu data dagelijks of zelfs in real time tot hun
beschikking. Het idee heerst dat creëren van waarde uit deze gegevens een motor is van
groei en dus de komende jaren waardevol is voor economieën.
Online zijn C2C-markten steeds belangrijker geworden i.v.m. B2B- en B2C markten.
Sociale media zorgen voor een enorme toename in klantinzicht. Klanten zoeken contact
met elkaar op platformen, waarop ze reageren op elkaar en de producten en diensten die
men gebruikt. Het toenemend gebruik van online media stelt bedrijven ook in staat om het
aankoopproces van klanten te volgen.
Kanttekeningen bij big data
Big data zijn de norm geworden en bedrijven zien in dat ze betere concurrentiepositie
bemachtigen door deze gegevens te analyseren.
Bedrijven worstelen met het creëren van waarde uit deze gegevens
Bedrijven raken teleurgesteld in data wanneer er geen successen uit behaald zijn.
Ontwikkelingen in big data hebben ook tot privacy discussies geleid.
,De problemen van het creëren van waarde uit big data zijn het gevolg van een gebrek aan
kennis en vaardigheden over de analyse en het gebruik. Bedrijven moeten zich eerst richten
op een goede analyse van bestaande gegevens en hoe deze kunnen bijdragen aan
verbeteren van de bedrijfsresultaten.
Onze aanpak
Bedrijven die merk georiënteerd (Unilever en Philips) zijn, zijn net zo geïnteresseerd in big
data als bedrijven waarin gegevens op individueel klantenniveau beschikbaar zijn (Amazon
& ING).
Daarbij komt dat big data mogelijkheden bieden voor de integratie van data en voor
inzichten gebaseerd op data vanuit verschillende niveaus
Ook combineren we wetenschappelijke en praktische aspecten van big data en
klantanalyses
Marketingwetenschap legt de nadruk op klant- en marktanalyses. Daarom hebben we de
beschikking over uitgebreide kennis over theoretische CRM-concepten, zoals Customer
Lifetime Value (= klantlevensduurwaarde).
,Hoofdstuk 2
Introductie
Bedrijven investeren in big data oplossingen en organisatorische eenheden om deze
gegevens te analyseren en ervan te leren. Bedrijven zijn ervan overtuigd dat de analyse van
big data leidt tot een concurrentievoordeel en nieuwe zakelijke klanten creëert.
Tegelijkertijd waarschuwen deskundigen voor te hoge verwachtingen. Bedrijven die aan de
slag gaan met big data doorlopen vaak 3 stappen:
1. Dataenthousiasme – investeringsfase
Ondernemingen geloven in de voordelen van een nieuwe technologie
2. Datateleurstelling – de frustratie- of desinvesteringsfase
Na een aantal jaren hebben de explosieve data-investeringen en -initiatieven
voornamelijk teleurstellende resultaten en zijn veel projecten mislukt
3. Datarealisme – herinvesteringsfase
Deze heroverweging van strategieën leidt een volgende fase in met realistische
ambities en een sterke focus op de waarde creërende kracht van op data gebaseerde
initiatieven en het rendement van investeringen
Big data waardecreatiemodel
Het big data waardecreatiemodel is ontwikkeld om te zien hoe waarde creatie plaatsvindt.
Dit model heeft vier elementen:
1. Big data activa
Activa zijn hulpbronnen, deze zijn materieel (gebouwen) of immaterieel (merken en
klantenrelaties). Voorheen beschouwden bedrijven klantendatabases als belangrijke
activa. Big data gaat verder dan dit.
Klantendatabase = een sterke relatie met klanten creëren, grotere loyaliteit te
bewerkstellingen en efficiëntere en effectievere verkooptechnieken te realiseren.
2. Big data competenties
De competenties van big data betreffen:
a. Mensen
Big data experts zijn van groot belang om de data juist te analyseren en waarde
uit te creëren. Experts zijn lastig te vinden en daarom trainen bedrijven soms in-
house hun personeel.
b. Systemen
Met betrekking tot systemen zijn twee elementen van belang:
Data-integratie
Het verzorgen van een geïntegreerd datasysteem, waarmee een bedrijf
gegevens uit meerdere bronnen kan analyseren
, c. Processen
Processen in slimme big data analyse hebben betrekking op:
Hoe bedrijven gegevensinvoer en -opslag organiseren en de
toegankelijkheid van gegevens voor analytische teams
Deze processen zijn relevant voor een soepele en realtime
toegankelijkheid van de gegevens. Hoe gaan bedrijven om met privacy,
gegevensbeveiligingsproblemen en juridische kwesties. Privacy en
veiligheid zijn voor bedrijven topprioriteit geworden. Hackers en
onzorgvuldige werknemers zorgen voor problemen.
Communicatie tussen analytische teams en management
Dit proces loopt twee kanten op. Marketing moet duidelijk de problemen
en uitdagingen waarmee ze geconfronteerd worden aan het management
communiceren en de oplossing ervan. Aan de andere kant moeten
analytische teams in staat zijn hun bevindingen effectief te
communiceren, met inzichtelijke verslagen en marketing dashboards.
d. Organisatie
Bedrijven moeten beschikken over goede mensen, maar ook aandacht hebben
voor de manier waarop big data analyses intern georganiseerd zijn. Soms kiezen
bedrijven ervoor om de marketing/salesafdeling en de onderzoeksafdeling te
integreren. De nadelen:
De analytische afdeling wordt minder onafhankelijk, dit heeft negatieve
gevolgen, zoals gebrek aan innovatief vermogen en onvoldoende
doordachte analyses.
De organisatie benut de analytische kennis niet optimaal. Voorheen
vertrouwde marketing vooral op menselijke intuïtie.
3. Big data analytics
Analytics richten zich op het verkrijgen van inzichten en ontwikkelen van modellen
om de besluitvorming te verbeteren.
Big-data-inzichten
= Relevante, vaak beschrijvende bevindingen, die voortvloeien uit big-data analyses
en gebruikt worden als input bij strategische en tactische marketingbeslissingen
De ontwikkelde inzichten en modellen creëren op drie manieren waarde:
a. Input / support voor strategische en tactische marketingbeslissingen
Met het behulp van de ontwikkelde inzichten en modellen nemen bedrijven beter
geïnformeerde beslissingen over de allocatie van hun marketingbudgetten. Er zijn
twee modellen voor het nemen van deze beslissingen:
Idiosyncratische modellen = geavanceerde modellen die zijn ontwikkeld
voor het aanpakken van specifieke marketingproblemen
Gestandaardiseerde modellen = belangrijke instrumenten voor het
verbeteren van de kwaliteit van tactische marketingbeslissingen
Marketingdirecteuren beschouwen big data als een grote uitdaging voor het bedrijfsleven.
De explosieve groei van gegevens is te danken aan de toenemende digitalisering van de
maatschappij, het zakenleven en de marketing. Marketing is één van de bedrijfsdisciplines
waarop deze groei het sterkst van invloed is. Dit heeft gezorgd tot de toename van:
Beschikbare opslagcapaciteit
De toename van analytische capaciteit
Toename van het gebruik van online diensten
Meer specifiek geformuleerd we zien de opkomst van Customer Relationship
Management (= CRM, klantrelatiebeheer). Deze opkomst bracht uitdagingen voor marketing
met zich mee:
Het leidde tot problemen bij de manier van analyseren en beschikbare klantgegevens
De manier waarop je met deze gegevens loyale en waardevolle klanten creëert
Uit een recente studie blijkt dat marketing worstelt met de toenemende hoeveelheid
beschikbare gegevens voor het verkrijgen van inzichten in de klant. Verklaring hiervoor is het
gebrek aan kennis en vaardigheden om gegevens succesvol te analyseren en waarde uit te
creëren.
Explosieve gegevensgroei
De opkomst van internet en sociale media heeft geleid tot een verdere explosieve
gegevensgroei. Veel bedrijven hebben nu data dagelijks of zelfs in real time tot hun
beschikking. Het idee heerst dat creëren van waarde uit deze gegevens een motor is van
groei en dus de komende jaren waardevol is voor economieën.
Online zijn C2C-markten steeds belangrijker geworden i.v.m. B2B- en B2C markten.
Sociale media zorgen voor een enorme toename in klantinzicht. Klanten zoeken contact
met elkaar op platformen, waarop ze reageren op elkaar en de producten en diensten die
men gebruikt. Het toenemend gebruik van online media stelt bedrijven ook in staat om het
aankoopproces van klanten te volgen.
Kanttekeningen bij big data
Big data zijn de norm geworden en bedrijven zien in dat ze betere concurrentiepositie
bemachtigen door deze gegevens te analyseren.
Bedrijven worstelen met het creëren van waarde uit deze gegevens
Bedrijven raken teleurgesteld in data wanneer er geen successen uit behaald zijn.
Ontwikkelingen in big data hebben ook tot privacy discussies geleid.
,De problemen van het creëren van waarde uit big data zijn het gevolg van een gebrek aan
kennis en vaardigheden over de analyse en het gebruik. Bedrijven moeten zich eerst richten
op een goede analyse van bestaande gegevens en hoe deze kunnen bijdragen aan
verbeteren van de bedrijfsresultaten.
Onze aanpak
Bedrijven die merk georiënteerd (Unilever en Philips) zijn, zijn net zo geïnteresseerd in big
data als bedrijven waarin gegevens op individueel klantenniveau beschikbaar zijn (Amazon
& ING).
Daarbij komt dat big data mogelijkheden bieden voor de integratie van data en voor
inzichten gebaseerd op data vanuit verschillende niveaus
Ook combineren we wetenschappelijke en praktische aspecten van big data en
klantanalyses
Marketingwetenschap legt de nadruk op klant- en marktanalyses. Daarom hebben we de
beschikking over uitgebreide kennis over theoretische CRM-concepten, zoals Customer
Lifetime Value (= klantlevensduurwaarde).
,Hoofdstuk 2
Introductie
Bedrijven investeren in big data oplossingen en organisatorische eenheden om deze
gegevens te analyseren en ervan te leren. Bedrijven zijn ervan overtuigd dat de analyse van
big data leidt tot een concurrentievoordeel en nieuwe zakelijke klanten creëert.
Tegelijkertijd waarschuwen deskundigen voor te hoge verwachtingen. Bedrijven die aan de
slag gaan met big data doorlopen vaak 3 stappen:
1. Dataenthousiasme – investeringsfase
Ondernemingen geloven in de voordelen van een nieuwe technologie
2. Datateleurstelling – de frustratie- of desinvesteringsfase
Na een aantal jaren hebben de explosieve data-investeringen en -initiatieven
voornamelijk teleurstellende resultaten en zijn veel projecten mislukt
3. Datarealisme – herinvesteringsfase
Deze heroverweging van strategieën leidt een volgende fase in met realistische
ambities en een sterke focus op de waarde creërende kracht van op data gebaseerde
initiatieven en het rendement van investeringen
Big data waardecreatiemodel
Het big data waardecreatiemodel is ontwikkeld om te zien hoe waarde creatie plaatsvindt.
Dit model heeft vier elementen:
1. Big data activa
Activa zijn hulpbronnen, deze zijn materieel (gebouwen) of immaterieel (merken en
klantenrelaties). Voorheen beschouwden bedrijven klantendatabases als belangrijke
activa. Big data gaat verder dan dit.
Klantendatabase = een sterke relatie met klanten creëren, grotere loyaliteit te
bewerkstellingen en efficiëntere en effectievere verkooptechnieken te realiseren.
2. Big data competenties
De competenties van big data betreffen:
a. Mensen
Big data experts zijn van groot belang om de data juist te analyseren en waarde
uit te creëren. Experts zijn lastig te vinden en daarom trainen bedrijven soms in-
house hun personeel.
b. Systemen
Met betrekking tot systemen zijn twee elementen van belang:
Data-integratie
Het verzorgen van een geïntegreerd datasysteem, waarmee een bedrijf
gegevens uit meerdere bronnen kan analyseren
, c. Processen
Processen in slimme big data analyse hebben betrekking op:
Hoe bedrijven gegevensinvoer en -opslag organiseren en de
toegankelijkheid van gegevens voor analytische teams
Deze processen zijn relevant voor een soepele en realtime
toegankelijkheid van de gegevens. Hoe gaan bedrijven om met privacy,
gegevensbeveiligingsproblemen en juridische kwesties. Privacy en
veiligheid zijn voor bedrijven topprioriteit geworden. Hackers en
onzorgvuldige werknemers zorgen voor problemen.
Communicatie tussen analytische teams en management
Dit proces loopt twee kanten op. Marketing moet duidelijk de problemen
en uitdagingen waarmee ze geconfronteerd worden aan het management
communiceren en de oplossing ervan. Aan de andere kant moeten
analytische teams in staat zijn hun bevindingen effectief te
communiceren, met inzichtelijke verslagen en marketing dashboards.
d. Organisatie
Bedrijven moeten beschikken over goede mensen, maar ook aandacht hebben
voor de manier waarop big data analyses intern georganiseerd zijn. Soms kiezen
bedrijven ervoor om de marketing/salesafdeling en de onderzoeksafdeling te
integreren. De nadelen:
De analytische afdeling wordt minder onafhankelijk, dit heeft negatieve
gevolgen, zoals gebrek aan innovatief vermogen en onvoldoende
doordachte analyses.
De organisatie benut de analytische kennis niet optimaal. Voorheen
vertrouwde marketing vooral op menselijke intuïtie.
3. Big data analytics
Analytics richten zich op het verkrijgen van inzichten en ontwikkelen van modellen
om de besluitvorming te verbeteren.
Big-data-inzichten
= Relevante, vaak beschrijvende bevindingen, die voortvloeien uit big-data analyses
en gebruikt worden als input bij strategische en tactische marketingbeslissingen
De ontwikkelde inzichten en modellen creëren op drie manieren waarde:
a. Input / support voor strategische en tactische marketingbeslissingen
Met het behulp van de ontwikkelde inzichten en modellen nemen bedrijven beter
geïnformeerde beslissingen over de allocatie van hun marketingbudgetten. Er zijn
twee modellen voor het nemen van deze beslissingen:
Idiosyncratische modellen = geavanceerde modellen die zijn ontwikkeld
voor het aanpakken van specifieke marketingproblemen
Gestandaardiseerde modellen = belangrijke instrumenten voor het
verbeteren van de kwaliteit van tactische marketingbeslissingen
