5 vragen om aan je data analist te stellen

Als je normaal gesproken bij alles wat riekt naar p-waardes en µ’s direct in je hoofd je weekboodschappen gaat doornemen, helpt deze top vijf je uit de brand.

6 december 2022, 07:00 2565 x gelezen

In de NIMA lunchbreak-webinar op 1 november stipte ik al aan dat er nog steeds veel meer dialoog nodig is tussen business en data. Voor de nerds in dataland is het vaak even wennen welke inzichten nou wel of niet actionable zijn. Dat elkaar beter begrijpen gaat twee kanten op, maar gelukkig zijn er ook manieren om een analytics vraagstuk te ontleden zonder direct in code en statistiek te duiken. Als je normaal bij alles wat riekt naar p-waardes en µ’s direct in je hoofd je weekboodschappen gaat doornemen, helpt deze top vijf je uit de brand.

De lijst is niet uitputtend (en behandelt bijvoorbeeld niet The Cost of Being Wrong, waarover je hier meer vindt) maar kan wel een mooie verdiepingsslag opleveren de eerste keer dat je een presentatie of rapport van een analyse tot je neemt.

1 Welke aanvullende data had je graag willen hebben?

Hoewel dit klinkt als een verspilling van tijd – de analyse is tenslotte al klaar – gaat het niet zozeer om een ‘what if’. De vraag dwingt jou en de analist/data scientist namelijk na te denken over de blinde vlekken die je nu wellicht te gemakkelijk accepteert. De antwoorden hierop bieden inspiratie voor nieuwe dataverzameling in de toekomst of laten je zien wat je níet weet. Niemand weet alles over diens klant, en het is goed dat soms concreet te maken.

2 Hoe houdbaar zijn deze resultaten?

Of het nu gaat om een veranderende markt, veranderende propositie of misschien zelfs het weer: een analyse is niet voor altijd geldig. Segmenten veranderen, churn-indicatoren blijken achterhaald en klantwaarde kan door een life event zomaar omhoog schieten. Waarschijnlijk krijg je op deze vraag geen concreet antwoord, maar wel signalen waarop je moet letten.

3 Waar heb je zelf het meeste moeten interpreteren?

Dit kan van alles opleveren en is juist daarom een goede vraag. Wellicht een bepaalde bias waarvan jullie niet wisten dat jullie die hadden, tot miscommunicatie tussen business en data om wat er nu echt gevraagd werd, tot problemen in de datakwaliteit. Zonder dat dit een lekker uurtje klagen moet worden, biedt dit wel een kans om te horen waar nog onzekerheden zitten in het project.

4 Welke bevinding heb je niet mooi kunnen visualiseren/presenteren?

Niet alles past mooi in een Powerpoint. Da’s vaak niet erg, maar het kan zijn dat er nuances verloren gaan. Wellicht zijn bevindingen die oninteressant of te complex leken, juist een eye opener voor de business. Dat is voor jou een onontdekte kans en voor de datamensen een leermoment hoe iets wél verteld kan worden zonder dat de business in slaap valt…

5 Welke struikelblokken zie je om dit in productie te brengen?

Er is een wereld van verschil tussen een eenmalige analyse/voorspelling doen met een bakje koffie in de hand en vervolgens een proces bouwen om dit ‘live’ te gaan doen. Zelfs als het ‘maar’ gaat om een maandelijkse rapportage, kan dit nog best wat ontwikkelwerk opleveren. Prima natuurlijk als de business case dat ondersteunt, maar probeer met deze vraag vooraf een indruk te krijgen waar de pijnpunten kunnen zitten. Dat kan gaan om wanneer of van waar de benodigde data ‘live’ beschikbaar moet komen of wie er uiteindelijk nog een ‘go’ moet geven, of zelfs hoe je bij kan sturen op fouten die in je voorspellingen sluipen. Wellicht zijn er ergens nog bestanden die nu met de hand uitgedraaid worden door de vriendelijke stagiair. Allemaal zaken die je beter in dit verkennende stadium boven tafel krijgt.

Natuurlijk zijn er nog talloze andere aspecten om rekening mee te houden. Een onbewust onbekwame dataspecialist kan je ook zomaar met een rookgordijn de verkeerde kant op sturen; andersom is er altijd het risico dat een té genuanceerd verhaal de aandacht niet trekt en in een bureaulade belandt op de communicatieafdeling. De vijf vragen hierboven geven je wel de kans een bredere kijk op een analyse aan te kaarten. Als dat de kans vergroot dat je data-initiatief wél gaat renderen, is dat zeker de moeite waard.

Kevin van Kalkeren
Manager Product Management & Data Science | Oprichter | Docent Marketing Analytics bij OnMarc | Connaisseur | Hogeschool Utrecht

Categorie

Marketingfacts. Elke dag vers. Mis niks!