Samenvatting Waarde creëren met big data analytics
Hoofdstuk 1 Uitdagingen van big data
1.2 Explosieve gegevensgroei
Veel bedrijven hebben nu data dagelijks of zelfs in realtime gegevens tot hun beschikking.
Het idee heerst dat creëren van waarde uit deze gegevens een motor is van groei en dus de
komende jaren waardevol voor economieën.
Online zijn consumer-to-consumer markten (C2C) steeds belangrijker geworden in
vergelijking met B2C en B2B markten.
Bedrijven investeren steeds meer in sociale media. Sociale media zorgen voor enorme
toename in klantinzicht. Blogs, productbeoordelingen, discussiegroepen, productscores
enzovoort zijn nieuwe en belangrijke bronnen van informatie, waarin consumenten reageren
op elkaar en op de producten en diensten die ze gebruiken. Het toenemend gebruik van
online media, waaronder mobiele telefoons, stelt bedrijven ook in staat om het
aankoopproces van klanten te volgen.
1.3 Kanttekeningen bij big data
Big data zijn inmiddels de norm geworden en bedrijven zien in dat ze een betere
concurrentiepositie bemachtigen door deze gegevens te analyseren.
Bedrijven worstelen met waarde creëren uit deze gegevens raken gemakkelijk
teleurgesteld wanneer ze na alle moeite geen succes behalen. Eerder voorgekomen ook bij
datarevoluties zoals CRM. Verder hebben ontwikkelingen in big data geleid tot levendige
discussies, die de publieke onrust over privacy hebben aangewakkerd.
1.5 Onze aanpak
Customer life-time value (CLV)= klantlevensduurwaarde.
Hoofdstuk 2 Waarde creëren met big data analytics
2.1 Introductie
Tijdens zo’n periode als de CRM-revolutie, doorlopen bedrijven doorgaans drie fasen:
1. Dataenthousiasme – investeringsfase
Ondernemingen geloven in de voordelen van nieuwe technologie.
2. Datateleurstelling – frustratie- of deinvesteringsfase
Na paar jaar hebben explosieve data-investeringen en –initiatieven voornamelijk
teleurstellende resultaten en zijn veel projecten mislukt. desinvesteren en
gegevensstrategieën heroverwegen.
3. Datarealisme – herinvesteringsfase
Heroverweging strategieën leidt een volgende fase in met relistischere ambitites en
een sterkere focus op de waardecreërende kracht van op data gebaseerde
initiatieven en het rendement van investeringen.
2.2 Big-datawaardecreatiemodel
Figuur 2.1 – Pagina 23
1. Big-data-activa
Activa zijn hulpbronnen die een bedrijf in de loop van de tijd vergaart.
Materiële activa; gebouwen & Immateriële activa; merken, klantrelaties.
Data gebruiken om sterkere relaties met klanten, grotere loyaliteit, efficiëntere en
effectieve verkooptechnieken realiseren.
2. Big-datacompetenties
Waarde creëren met big data.
1
,Competenties van big-data betreffen:
1. Mensen
Exploiteren big-data personeel ervaren big-dataexperts.
2. Systemen
Data-integratie & verzorgen van een geïntegreerd data-systeem, waarmee een
bedrijf uit meerdere bronnen kan analyseren. Data-integratie vereist specifieke
datamanagementvaardigheden en –software.
3. Processen
Processen in slimme big-data-analyse hebben betrekking op;
a. Hoe bedrijven de gevensinvoer en –opslag organiseren
b. De toegankelijkheid van gegevens voor analytische teams
c. De communicatie tussen analytische teams en (marketing) management
Privacy en veiligheid zijn voor bedrijven een topprioriteit geworden.
Gegevensveiligheid is een gloeiend probleem
Data compliance, zorgen voor een goed en veilig gegevensbeheer, is een belangrijk
onderdeel van big-dataprocessen.
4. Organisaties
Onderzoeksafdelingen voorziet marketing en verkoop van uitkomsten van
analyses.
Bedrijfscultuur zorgt vaak voor problemen bij het exploiteren van big data.
Toenemende trend van vertrouwen op data driven of fact based besluitvorming.
3. Big data analytics
Analytics zijn van wezenlijk belang voor een optimaal gebruik van de mogelijkheden
die big data bieden. Zij richten zich op het verkrijgen van inzichten en ontwikkelen
van modellen om de besluitvorming te verbeteren. De ontwikkelde inzichten en
modellen creëren op drie manieren waarde voor bedrijven:
1 Input/support voor strategische en tactische marketingbeslissingen
Er zijn 2 modellen voor het nemen van marketingbeslissingen:
- Idiosyncratische modellen; geavanceerde modellen die zijn ontwikkeld voor eht
aanpakken van specifieke marketingproblemen.
- Gestandaardiseerde modellen; belangrijke instrumenten voor het verbeteren van
de kwaliteit van tactische marketingbeslissingen.
2 Verbeterde acties en campagnes
Relevant binnen CRM-omgeving.
Wie te targeten, wanneer en wat voor boodschap.
Effectieve selectie van klanten verbetert de ROI van campagnes.
Gedragsmatig targeten (kan als opdringerig worden opgevat)
3 Op informatie gebaseerde producten en oplossingen
Relatief nieuwe ontwikkeling in dit tijdperk van big data = resultaten van analyses en
modellen gebruiken om op informatie gebaseerde producten en oplossingen te
ontwikkelen die specifiek op klanten gericht zijn waarde creatie.
Strategieën voor het analyseren van big data
Big data gegevens doorspitten om informatie te verkrijgen.
Probleemgedreven aanpak wordt aanbevolen i.p.v. verkennende exploratieve
aanpak.
Big data veranderen analytics
Specifieke kenmerken: 3 V’s vormen specifieke uitdagingen voor onderzoekers en
managers. Aan de drie V’s zijn er later nog 2 toegevoegd (5 V’s van big data):
2
, 1. Volume
Zeer grote databases
2. Velociteit (snelheid)
Gegevens komen steeds sneller bedrijven binnen.
3. Variatie
Gegevens worden complexer
4. Veraciteit (betrouwbaarheid)
Steeds meer gegevens beschikbaar, gegevenskwaliteit kan laag zijn zoals
klantenreviews die worden gemanipuleerd.
5. Value
Waarde creatie met big data.
Hoe big data de marketing analytics veranderen, is minder duidelijke
Marketingwetenschappers beweren hierover:
- Grote datavolumes impliceren een behoefte aan modellen die schaalbaar zijn.
- Hoge snelheid biedt kansen voor realtimemarketingbesluitvorming die al dan niet
geautomatiseerd is.
- Nieuwe methodologieën uit andere disciplines, zoals computerwetenschap en
taalkunde, moeten worden geïntegreerd.
Visualisatie van gegevens
Diagrammen en grafieken etc. betere inzichten verkrijgen.
4. Big-datawaarde
3 methoden waarmee big-data-analyses waarde creëren voor klanten en bedrijven:
1 Nieuwe inzichten creëren
Marketingbeslissingsproces verbeteren
Marketingbudget effectiever gebruiken
2 Effectievere marketingcampagnes
Effectieve targetingcampagnes
3 Ontwikkelen klantoplossingen
Verbetering service-ervaring
Waardecreatieconcepten
Waardecreatie moet het ultieme doel van elke big-datastrategie zijn.
Waarde voor de klant en waarde voor het bedrijf.
Beide waardes heten respectievelijk value to customer (V2C) en value to firm (V2F).
Hoge kwaliteit, aantrekkelijke merkaanbiedingen en streven naar passende relatie, in ruil
voor deze waardecreatie ontvangen bedrijven waarde van klanten Value Delivery en Value
Extraction. Waarde extractie treedt op door betaalde prijspremies, hogere loyaliteitsratio’s
(=lagere churn, overstap naar concurrenten), hogere omzet en sterkere
klantbelangenbehartiging.
De balans tussen V2F en V2C
Bedrijven classificeer je op basis van 2 waardedimensies.
Fatal attraction Win/win
Hoge waarde levering, lage waarde extractie Hoge waarde levering, hoge waarde
extractie
Doomed to fail Enjoy while it lasts
Lage waarde levering, lage waarde extractie Lage waarde levering, hoge waarde
extractie
3
Hoofdstuk 1 Uitdagingen van big data
1.2 Explosieve gegevensgroei
Veel bedrijven hebben nu data dagelijks of zelfs in realtime gegevens tot hun beschikking.
Het idee heerst dat creëren van waarde uit deze gegevens een motor is van groei en dus de
komende jaren waardevol voor economieën.
Online zijn consumer-to-consumer markten (C2C) steeds belangrijker geworden in
vergelijking met B2C en B2B markten.
Bedrijven investeren steeds meer in sociale media. Sociale media zorgen voor enorme
toename in klantinzicht. Blogs, productbeoordelingen, discussiegroepen, productscores
enzovoort zijn nieuwe en belangrijke bronnen van informatie, waarin consumenten reageren
op elkaar en op de producten en diensten die ze gebruiken. Het toenemend gebruik van
online media, waaronder mobiele telefoons, stelt bedrijven ook in staat om het
aankoopproces van klanten te volgen.
1.3 Kanttekeningen bij big data
Big data zijn inmiddels de norm geworden en bedrijven zien in dat ze een betere
concurrentiepositie bemachtigen door deze gegevens te analyseren.
Bedrijven worstelen met waarde creëren uit deze gegevens raken gemakkelijk
teleurgesteld wanneer ze na alle moeite geen succes behalen. Eerder voorgekomen ook bij
datarevoluties zoals CRM. Verder hebben ontwikkelingen in big data geleid tot levendige
discussies, die de publieke onrust over privacy hebben aangewakkerd.
1.5 Onze aanpak
Customer life-time value (CLV)= klantlevensduurwaarde.
Hoofdstuk 2 Waarde creëren met big data analytics
2.1 Introductie
Tijdens zo’n periode als de CRM-revolutie, doorlopen bedrijven doorgaans drie fasen:
1. Dataenthousiasme – investeringsfase
Ondernemingen geloven in de voordelen van nieuwe technologie.
2. Datateleurstelling – frustratie- of deinvesteringsfase
Na paar jaar hebben explosieve data-investeringen en –initiatieven voornamelijk
teleurstellende resultaten en zijn veel projecten mislukt. desinvesteren en
gegevensstrategieën heroverwegen.
3. Datarealisme – herinvesteringsfase
Heroverweging strategieën leidt een volgende fase in met relistischere ambitites en
een sterkere focus op de waardecreërende kracht van op data gebaseerde
initiatieven en het rendement van investeringen.
2.2 Big-datawaardecreatiemodel
Figuur 2.1 – Pagina 23
1. Big-data-activa
Activa zijn hulpbronnen die een bedrijf in de loop van de tijd vergaart.
Materiële activa; gebouwen & Immateriële activa; merken, klantrelaties.
Data gebruiken om sterkere relaties met klanten, grotere loyaliteit, efficiëntere en
effectieve verkooptechnieken realiseren.
2. Big-datacompetenties
Waarde creëren met big data.
1
,Competenties van big-data betreffen:
1. Mensen
Exploiteren big-data personeel ervaren big-dataexperts.
2. Systemen
Data-integratie & verzorgen van een geïntegreerd data-systeem, waarmee een
bedrijf uit meerdere bronnen kan analyseren. Data-integratie vereist specifieke
datamanagementvaardigheden en –software.
3. Processen
Processen in slimme big-data-analyse hebben betrekking op;
a. Hoe bedrijven de gevensinvoer en –opslag organiseren
b. De toegankelijkheid van gegevens voor analytische teams
c. De communicatie tussen analytische teams en (marketing) management
Privacy en veiligheid zijn voor bedrijven een topprioriteit geworden.
Gegevensveiligheid is een gloeiend probleem
Data compliance, zorgen voor een goed en veilig gegevensbeheer, is een belangrijk
onderdeel van big-dataprocessen.
4. Organisaties
Onderzoeksafdelingen voorziet marketing en verkoop van uitkomsten van
analyses.
Bedrijfscultuur zorgt vaak voor problemen bij het exploiteren van big data.
Toenemende trend van vertrouwen op data driven of fact based besluitvorming.
3. Big data analytics
Analytics zijn van wezenlijk belang voor een optimaal gebruik van de mogelijkheden
die big data bieden. Zij richten zich op het verkrijgen van inzichten en ontwikkelen
van modellen om de besluitvorming te verbeteren. De ontwikkelde inzichten en
modellen creëren op drie manieren waarde voor bedrijven:
1 Input/support voor strategische en tactische marketingbeslissingen
Er zijn 2 modellen voor het nemen van marketingbeslissingen:
- Idiosyncratische modellen; geavanceerde modellen die zijn ontwikkeld voor eht
aanpakken van specifieke marketingproblemen.
- Gestandaardiseerde modellen; belangrijke instrumenten voor het verbeteren van
de kwaliteit van tactische marketingbeslissingen.
2 Verbeterde acties en campagnes
Relevant binnen CRM-omgeving.
Wie te targeten, wanneer en wat voor boodschap.
Effectieve selectie van klanten verbetert de ROI van campagnes.
Gedragsmatig targeten (kan als opdringerig worden opgevat)
3 Op informatie gebaseerde producten en oplossingen
Relatief nieuwe ontwikkeling in dit tijdperk van big data = resultaten van analyses en
modellen gebruiken om op informatie gebaseerde producten en oplossingen te
ontwikkelen die specifiek op klanten gericht zijn waarde creatie.
Strategieën voor het analyseren van big data
Big data gegevens doorspitten om informatie te verkrijgen.
Probleemgedreven aanpak wordt aanbevolen i.p.v. verkennende exploratieve
aanpak.
Big data veranderen analytics
Specifieke kenmerken: 3 V’s vormen specifieke uitdagingen voor onderzoekers en
managers. Aan de drie V’s zijn er later nog 2 toegevoegd (5 V’s van big data):
2
, 1. Volume
Zeer grote databases
2. Velociteit (snelheid)
Gegevens komen steeds sneller bedrijven binnen.
3. Variatie
Gegevens worden complexer
4. Veraciteit (betrouwbaarheid)
Steeds meer gegevens beschikbaar, gegevenskwaliteit kan laag zijn zoals
klantenreviews die worden gemanipuleerd.
5. Value
Waarde creatie met big data.
Hoe big data de marketing analytics veranderen, is minder duidelijke
Marketingwetenschappers beweren hierover:
- Grote datavolumes impliceren een behoefte aan modellen die schaalbaar zijn.
- Hoge snelheid biedt kansen voor realtimemarketingbesluitvorming die al dan niet
geautomatiseerd is.
- Nieuwe methodologieën uit andere disciplines, zoals computerwetenschap en
taalkunde, moeten worden geïntegreerd.
Visualisatie van gegevens
Diagrammen en grafieken etc. betere inzichten verkrijgen.
4. Big-datawaarde
3 methoden waarmee big-data-analyses waarde creëren voor klanten en bedrijven:
1 Nieuwe inzichten creëren
Marketingbeslissingsproces verbeteren
Marketingbudget effectiever gebruiken
2 Effectievere marketingcampagnes
Effectieve targetingcampagnes
3 Ontwikkelen klantoplossingen
Verbetering service-ervaring
Waardecreatieconcepten
Waardecreatie moet het ultieme doel van elke big-datastrategie zijn.
Waarde voor de klant en waarde voor het bedrijf.
Beide waardes heten respectievelijk value to customer (V2C) en value to firm (V2F).
Hoge kwaliteit, aantrekkelijke merkaanbiedingen en streven naar passende relatie, in ruil
voor deze waardecreatie ontvangen bedrijven waarde van klanten Value Delivery en Value
Extraction. Waarde extractie treedt op door betaalde prijspremies, hogere loyaliteitsratio’s
(=lagere churn, overstap naar concurrenten), hogere omzet en sterkere
klantbelangenbehartiging.
De balans tussen V2F en V2C
Bedrijven classificeer je op basis van 2 waardedimensies.
Fatal attraction Win/win
Hoge waarde levering, lage waarde extractie Hoge waarde levering, hoge waarde
extractie
Doomed to fail Enjoy while it lasts
Lage waarde levering, lage waarde extractie Lage waarde levering, hoge waarde
extractie
3
