Stop met het ‘data-loket’
Het verzamelen van data is voor veel bedrijven allang het probleem niet meer. Veel lastiger blijkt vaak het omzetten van die data in waarde. Waarde halen uit data – deel 2.
Het verzamelen van data is voor veel bedrijven allang het probleem niet meer. Veel lastiger blijkt vaak het omzetten van die data in waarde. In het vierluik “Waarde halen uit data” beschrijven we een aantal trends en tips die daar mee te maken hebben. Deze tweede editie, Waarde halen uit data – deel 2 gaan we dieper in op: hoe gebruik je data om bruggen te bouwen?
In het vorige artikel gaven we een pleidooi voor het omarmen van meer gedetailleerde data om échte Customer Journey Analytics te gaan bedrijven. Tegen het einde stipten we daar ook even het probleem aan je door al die data wel eens het overzicht kunt kwijtraken. Dit onderwerp verdient op zichzelf nog wel even wat meer aandacht.
T-shaped wie?
Eén van de grotere problemen die organisaties momenteel bezighoudt, is de vertaling tussen techniek en business. Marketingfacts kwam ook tot deze conclusie en bevestigde wat wij ook in onze eigen Datadriven Scope zagen: T-shaped professionals zijn steeds harder nodig voor deze vertaling, maar zijn erg schaars.
En moeten we deze T-shaped professionals halen uit de marketeers zelf, zoals Colin Lewis bepleit op Marketingweek, of juist meer uit rollen als Analytics Translators? Feit blijft dat je op zoek moet naar een brede skillset. Analytisch denker, communicatief, beetje creatief, leergierig: dat leer je ook niet uit een enkel boekje.
Samen data verkennen helpt
Zelfs de opkomst van multidisciplinaire methoden als Scrum heeft het niet helemaal kunnen oplossen: het data-loket. De business heeft een vraag, stuurt een briefing naar een analist en wacht vervolgens tot ze op de backlog komen. Tot slot volgt er uiteindelijk een presentatie met de antwoorden.
Vervolgvragen
Los van het feit dat het funest is voor het momentum als die antwoorden pas weken later komen, is de presentatie zelden zo alomvattend dat de business er direct mee aan de slag kan. Vaker ontstaan er vervolgvragen (en gelukkig maar, het is een teken van betrokkenheid) en begint het hele circus opnieuw. Nummertje trekken, achteraan aansluiten.
Nog slimmer
Begin eens met samen in de data graven. Uiteraard moet de analist vooraf wat dataprep kunnen doen, iets van een kader krijgen. Maar ter plekke samen met de business inzoomen op klanten en hun interacties, levert meer inzicht én meer draagvlak op. Dit vergt enig zelfvertrouwen van de analist om ter plekke inzichten naar boven te toveren en wat geduld van de business.
Meer begrip
Door deze vervolgvragen dírect samen op te kunnen lossen – en te ervaren hoeveel werk dat soms kost – creëer je voor beiden kanten meer begrip.
Voorbeelden:
Clustering
Bij OnMarc hebben we ervaren dat clustering hier een goed voorbeeld van kan zijn. Door met machine learning via een bottom-up benadering persona’s uit de klantdata te halen en die vervolgens te presenteren aan de business, heb je dírect een gespreksopener.
Tastbare inzichten wekken direct vragen op: “maar als we dit weten van persona X, hoe zit dat dan bij persona Y?”. Met de juiste data onder de arm, zijn het gros van die vervolgvragen ook zo opgelost. Acties vastleggen en door: weg data-loket.
Trivia
Een andere manier om de brug te bouwen met data, is bijvoorbeeld het inzetten van ‘dataweetjes’. Zeker bij grote projecten, waarbij het einddoel soms abstract kan worden, geeft het nieuwe energie bij tussentijdse bijeenkomsten even tijd te nemen voor gerelateerde trivia. “Bij de laatste mailing, lazen vooral de mobiele gebruikers het artikel van Susan over besparingstips”. Het maakt de klant tastbaar en bouwt over tijd toch best een aardige encyclopedie aan weetjes op die uiteindelijk ergens een keer van pas komen.
Iedereen betrokken
Bovenstaande voorbeelden gaan allemaal over één ding: het gaat niet alleen om vertaling, maar ook over iedereen deelgenoot maken van klant inzichten. Het data-loket maakt het eindresultaat troebel en het des te makkelijker om te hete aardappel door te geven.
Natuurlijk hangt het van je organisatie af of self-service rapportage iets voor je is of juist toch dataspecialisten laten aanschuiven bij de business, maar in alle gevallen: De meeste waarde haal je samen uit de data.