Een solide datastrategie: van begin tot oneindig

Data is king! Big data verandert de wereld! Het zijn zomaar wat kreten die je de afgelopen jaren opeens overal hoort. Data vormen de basis voor de digitale transitie die bij veel organisaties gaande is. Met de beschikbaarheid van steeds meer data komen er ook veel keuzes, kansen en gevaren op je af. Kortom: het is tijd om je datastrategie te bepalen.

Tije Vlam schreef in het Marketingfacts Jaarboek het hoofdstuk over analytics. Benieuwd? www.marketingfactsjaarboek.nl

Strategie bepalen: durf te vragen

Wat voor strategie je ook wilt bepalen, in de praktijk betekent het vooral dat je heel veel vragen moet zien te beantwoorden. Zoals Constantinos C. Markides, professor of Strategic Leadership aan de London Business School, zegt:

“Designing a winning strategy is the art of asking questions, experimenting and then constantly renewing the thinking process by questioning the answers. No matter how good today’s strategy is, you must always keep reinventing it.”

Digital marketing kan niet zonder data. En ook binnen de digital marketing – mijn vak – is er één trend die boven alle trends uitspringt in omvang en snelheid: data. Niet omdat er steeds meer data zijn, maar vooral omdat deze data steeds makkelijker (beter) beschikbaar en toegankelijk worden. Digital marketing is ook (als je het mij vraagt misschien wel op de eerste plaats) een manier om data te verzamelen: de prijzen van keywords geven je inzicht in de vraag en de concurrentie, je CTR leert je iets over de effectiviteit van je propositie, je conversieratio vertelt je of je de doelgroep aanspreekt, over het gebruiksgemak en het succes van je website.

Welke data verzamelt jouw bedrijf al allemaal? Of welke data heb je al eerder of elders verzameld? Waar en hoe lang sla je al die data op en wie mag (en kan) ermee werken? Het is goed om hierover na te denken en dit vast te leggen en de uitkomsten van al dit denkwerk binnen je bedrijf te delen.

Waarom een datastrategie?

Met alle nieuwe data die we dagelijks verzamelen, wordt het goed omgaan met data steeds belangrijker. Als je als organisatie (of team) echt data-driven wilt worden, is een solide datastrategie cruciaal. De komst van nieuwe wetgeving zoals de GDPR, vereist goede omgang met data. Onder een goede omgang met data verstaan we onder andere het goed verzamelen, bewaren, bewerken, analyseren en interpreteren van de verzamelde data. Het is belangrijk om je af te vragen hoe je analyse en interpretatie kunt vertalen naar concrete inzichten en acties en onder welke voorwaarde (in welke context) je dit doet. Want hoe doe je dit eigenlijk en vooral: waarom?

Wanneer is een datastrategie nodig? Het kort-door-de-bocht antwoord op deze vraag is – en natuurlijk praat ik voor eigen parochie – altijd. Hoe ver je als bedrijf ook bent op het gebied van data, het is altijd goed om na te denken hoe je als organisatie met data omgaat en wat het doel is. Een datastrategie is natuurlijk ook niet voor eeuwig. Sterker nog: het is heel logisch (en hopelijk zelfs fijn) als je datastrategie een update nodig heeft.

Een solide datastrategie

Een datastrategie bestaat uit verschillende onderdelen: punten die elke organisatie zou moeten opnemen in de strategie:

• Organisatiedoelstellingen
• Datadoelstellingen
• Datawensen en -eisen
• Dataverzameling
• Databewerking
• Data-opslag en veiligheid
• Datarelaties
• Data-analyse

Organisatiedoelstellingen

Elke strategie zou opgesteld moeten worden vanuit doelstellingen. Immers, als je inspanning niet bijdraagt aan het behalen van deze doelstellingen, dan kun je de inspanning beter niet doen. Het verzamelen, bewerken en analyseren van data is in nooit een doel an sich. Data kunnen van zichzelf waarde hebben, maar zelfs dan zijn data puur een middel om een doel (verkoop of omzet) te behalen. De vraag is dus: wat wil je organisatie bereiken? Wat zijn de lange termijndoelen? En welke korte termijndoelen hangen hieronder?

“De datadoelstellingen hebben een duidelijke link met de organisatiedoelstellingen”

Als e-commercebedrijf kun je bijvoorbeeld de lange termijndoelstelling hebben om de grootste online retailer in een bepaalde branche te worden. Daar zouden dan korte termijndoelstellingen bij kunnen horen die gericht zijn op het vergroten van de omzet en het uitbreiden van het bestaande klantenbestand.

Datadoelstellingen

Nu we de doelstellingen van de organisatie helder hebben, is het belangrijk om deze te vertalen naar datadoelstellingen. Hierin leg je vast wat het doel is op het gebied van data. Er zou een duidelijke link met de organisatiedoelstellingen moeten zijn. Als je als e-commercebedrijf bijvoorbeeld de doelstelling hebt om de grootste online retailer in een bepaalde branche te worden, dan zouden daar onder andere de volgende datadoelstellingen bij kunnen horen:

• Het meest complete beeld creëren van de doelgroep en het klantenbestand
• De volledige customer journey in kaart brengen
• (Real-time) inzicht in de acquisitie

Er zijn natuurlijk bij de genoemde organisatiedoelstellingen (korte en lange termijn) ontzettend veel datadoelstellingen te bedenken. Wees gerust, het staat je vrij om er zoveel vast te leggen als je wilt. Maar pas op dat je niet een roadmap aan het formuleren bent in je strategiedocument. Probeer je altijd te richten op strategische keuzes en algemene doelen.

Datawensen en -eisen

Vanuit de vorige strategische stappen is het nu zaak om praktischer te worden en meer details in te vullen. Ga altijd uit van de gewenste situatie: welke data zou je beschikbaar moeten hebben om je doelstellingen (zowel data- als organisatiedoelstellingen) te behalen? Als je dat op een rij hebt, kun je deze lijst aanvullen met welke data je zou willen hebben. Vanuit je doelstellingen maar ook vanuit bijvoorbeeld marketing-oogpunt. Probeer in eerste instantie je gedachten niet vorm te geven vanuit de databronnen waar je al mee werkt. Vaak zorgt dat er namelijk alleen maar voor dat je denkt vanuit ingeschatte mogelijkheden, en dat beperkt je. Het doel van je datastrategie is om vorm te geven waar je heen wilt en hoe je dat wilt bereiken, ongeacht de huidige situatie.

Het opstellen van datawensen is de uitgelezen kans om goed na te denken over welke data nu specifiek voor jouw business interessant zijn. Zijn er bepaalde metrieken en dimensies branchespecifiek belangrijk? Of bedrijfsspecifiek? In welke data zit echte meerwaarde voor jouw organisatie? Of voor de klanten? Zit er in bepaalde data extra commerciële waarde?

“In welke data zit echte meerwaarde voor jouw organisatie?”

Als je al je datawensen bij elkaar hebt, is het noodzakelijk om ook nog de data-eisen vast te leggen. Hiermee bedoel ik niet dat je vastlegt welke data je moet hebben, maar waar je data aan moeten voldoen. Denk bijvoorbeeld aan de cookie- en privacywetgeving (GDPR/AVG). Wat mag je wettelijk wel en niet opslaan? En wat strookt niet met de integriteit en waarden van je organisatie? De opslag van bepaalde data vereist bijvoorbeeld dat deze worden geanonimiseerd. Het kan zijn dat de data-eisen die je opstelt ervoor zorgen dat je een aantal data-wensen moet laten vallen. Of dat je je datasets voor verschillende doelen moet splitsen.

Dataverzameling

In de datatverzameling leg je onder andere vast hoe je de gewenste data in lijn met de vastgelegde eisen gaat verzamelen. Waar komen deze data vandaan (uit welke bronnen) en in welke vorm sla je het op? Je kunt hierbij vastleggen wie, of welke afdeling, verantwoordelijk is voor het verzamelen van de verschillende gegevens.

Leg ook vast wie de eigenaar is van welke data en welke impact dit heeft op de data en het werken met deze data. Vanuit de vernieuwde privacywetgeving is dit zelfs verplicht. De keuze voor bepaalde tools (of licenties) kan betekenen dat je niet (alleen) eigenaar bent van de hiermee verzamelde data. Als je gebruik maakt van externe tools en/of systemen is het vanuit de GDPR ook verplicht om hiervoor bewerkersovereenkomsten te sluiten. Het is ook aan te raden om slechts een beperkt aantal personen admin rechten te geven tot je dataverzamelingssystemen (bijvoorbeeld Google Analytics en Google Tag Manager). Een overvloed aan mensen met toegang, brengt meer risico op dataverlies of kwaliteitsverlies met zich mee.

Databewerking

Veel data die je verzamelt vereisen bepaalde verwerkingen, zowel voor als na opslag. Voorafgaand aan opslag kan het bijvoorbeeld zijn dat je data wilt filteren (om input van medewerkers buiten beschouwing te laten), anonimiseren (in lijn met bijvoorbeeld wetgeving) of uitbreiden (bijvoorbeeld running totals toevoegen of combineren met een andere set).

Na de initiële opslag kan het zijn dat je data alvast wilt aggregeren voor bijvoorbeeld monitoring, dashboarding en reporting. Geaggregeerde data sla je altijd apart op. Het kan dus logisch zijn om inzicht te geven in de hele keten van dataverwerking waarbij je data heen weer gaan tussen verwerking en opslag.

Leg in dit onderdeel niet alleen vast welke data welke bewerking ondergaan, maar ook wie of wat hiervoor verantwoordelijk is en hoe dit gebeurt. Voorkom hierbij wederom een te hoog detailniveau, maar dit is het moment om je keten goed vast te leggen. En ja, dat mag best veranderen over een langere periode.

Data-opslag en veiligheid

Het is belangrijk om goed na te denken over waar je welke data bewaart. Aan deze keuze ligt een aantal overwegingen ten grondslag. Denk hierbij onder andere aan de gevoeligheid van de data, hoe snel en hoe vaak deze geraadpleegd gaan worden, door wie (en waar vandaan) deze geraadpleegd gaan worden. Als je privacygevoelige informatie opslaat, heb je een grotere morele verplichting op het gebied van veiligheid dan wanneer het data betreft die niemand kunnen schaden.

De keuze voor een bepaalde opslaglocatie kan impact hebben op het eigenaarschap. Als dit zo is, leg dit dan ook vast.

Een ander vraagstuk is: hoe lang bewaar je opgeslagen data? Blijf je deze altijd opslaan, of bijvoorbeeld vijf jaar. Veel problemen worden ontdekt of opgelost door jaar over jaar-vergelijkingen. Als je met predictive analytics en machine learning aan de slag wilt, is het goed om veel historische data te hebben, waar de algoritmes van kunnen leren en patronen in kunnen ontdekken. Ook de opslagtermijn dien je overigens vanuit de GDPR officieel vast te leggen, in onder andere de privacystatement.

Datarelaties

Waarschijnlijk heb je bij het onderdeel Dataverzameling verschillende bronnen van herkomst vastgelegd. Een groot probleem van veel bedrijven is dat data uit verschillende bronnen in verschillende zogenaamde silo’s terechtkomen. En dat terwijl juist de relatie tussen verschillende databronnen belangrijk is, omdat daar vaak veel meerwaarde in schuilt.

Als stelregel geldt: hoe rijker de data, hoe nuttiger ze zijn. Wanneer je bijvoorbeeld CRM-data weet te koppelen aan je Google Analytics (web)data, wordt het inzicht in de gehele customer journey in één klap veel groter en wordt het makkelijker om de meer waardevolle klanten beter te benutten en op zoek te gaan naar meer waardevolle klanten.

“Hoe rijker de data, hoe nuttiger ze zijn”

Leg de relaties tussen je datasets en hoe ze te combineren zijn vast. Gaat het hierbij om relaties die in één richting te maken zijn of in beide richtingen? En welke gedeelde sleutel of sleutels (denk aan UUID, datum, et cetera) maken het combineren van datasets mogelijk? Zorg dat je deze altijd al opneemt in je datawensen en -eisen. Ook als je twee sets (of bronnen) nu nog niet per se wilt koppelen, kan het zijn dat je dit later wel wilt. Creëer deze mogelijkheid altijd zo vroeg mogelijk.

Data-analyse

Ten slotte is het goed om vast te leggen wat de context is van de data-analyse. Wie of wat werken hieraan en volgens welke spelregels? Denk hierbij bijvoorbeeld aan de vragen: mogen bepaalde data wel gebruikt worden of niet? En mogen al deze data ook gedeeld worden in verslaglegging en rapportage? Hoe kun je reproductie van analyse garanderen? Mogende originele data aangepast worden tijdens de analyse?

Ook kun je hier ingaan op de betrouwbaarheid van je data. Zijn alle verzamelde data even betrouwbaar? En hoe ga je hiermee om? Google Analytics-data zijn in de regel minder betrouwbaar (want minder volledig) dan bijvoorbeeld data van je eigen kassa-systeem of CRM.

Eventueel kun je ook vastleggen welke tools en middelen gebruikt kunnen worden. Maar er zijn een boel situaties waarin je je hiermee niet wilt beperken. Het kan natuurlijk ook zijn dat bepaalde restricties alleen voor bepaalde mensen of groepen gelden.

Stappenplan

Samenvattend geef ik je graag een stappenplan dat het beste werkt als het in de voorgestelde volgorde afgewerkt wordt, omdat je daarmee vanuit de hoogste doelstellingen naar beneden werkt.

1. Leg je lange termijndoelen vast
2. Verbind korte termijndoelen aan deze lange termijn doelen
3. Leg vast welke data je nodig hebt om deze doelen te bereiken
4. Leg vast waar deze data vandaan moeten komen en hoe je deze gaat verzamelen
5. Leg vast hoe je deze data verwerkt en bewerkt
6. Leg vast waar, hoe en hoe lang je deze data gaat opslaan
7. Leg de relaties tussen de verschillende databronnen vast
8. Leg de context van data-analyses vast

Er is een datastrategie. En nu?

Dan rest nog één belangrijke vraag: wie gaat wat nu precies doen? Als het moment is gekomen dat je het antwoord op die vraag moet gaan geven, betekent het dat je een solide datastrategie hebt. En dus ben je klaar om deze te vertalen naar tactieken.

Afhankelijk van hoe ver je organisatie al is op het gebied van data, zijn er verschillende acties gewenst. Een goed beginpunt bij het concretiseren van je strategie naar acties, is om je nieuwe strategie naast je huidige setup te leggen. Het is altijd een goed idee om een eerlijke momentopname te maken: werk je al volgens de gewenste afspraken? Verzamel je alle gewenste data al? Spreek je alle beschikbare databronnen al aan? Zijn deze databronnen waar mogelijk al gekoppeld? Is de context duidelijk?

De antwoorden op die vragen geven je direct richting: is de benodigde expertise in huis? Wat heeft prioriteit? En is dit bij alle betrokkenen bekend?