BUSINESS INTELLIGENCE
PROF. L. LEMEIRE, E. CLARYSSE & G. MAES
ACADEMIEJAAR 2022-2023
1
,1.1 DATA-ANALYTICAL THINKING
WAAROM?
Verschillende redenen om na te denken over data-analytical thinking & data science:
1. Data opportunities: verschillende opportuniteiten door data
2. Compliance to regulations: belangrijk voor bedrijven om te bewijzen dat ze aan bepaalde regelgeving voldoen
3. Possible applications: allerlei applicaties beschikbaar die ingezet kunnen worden in bedrijven
Data gebruikt om een competitive advantage (concurrentievoordeel) te verkrijgen!
DATA OPPORTUNITIES
Oorzaken beschikbaarheid data:
1. Amounts of data
2. Variety of data: data vanuit verschillende bronnen vb. internet, vanuit een bedrijf
3. Technological advances
• Computer strength: computers worden krachtiger (kunnen complexere berekeningen uitvoeren)
• Networks to connect databases
• Good algorithms (stelt ons in staat data op een juiste manier te analyseren, handmatige analyse overtroffen)
Van Big Data 1.0 (vandaag nog) naar Big Data 2.0:
o Web 1.0 vb. bedrijven hebben website (internettechnologie)
• Basic internet technologies
• Create online presence
• Build electronic commerce capability
o Big Data 1.0
• Processing large data
• Improving efficiency
o Web 2.0
• Integration of social-networking components: end-user content vb. social media
o Big Data 2.0
• We can process big data now => What can this data do for us?
2
,COMPLIANCE TO REGULATIONS
2 belangrijke regelgevingen waarbij de instanties gebruik kunnen maken van een analyse van hun data
o Basel II: bank moet risicomodel kunnen opbouwen voor 3 credit, market & operational
o Solvency II: verzekeringsmaatschappijen moeten kunnen bewijzen dat ze in staat zijn om de polissen die ze dekken ook
effectief uit te betalen
POSSIBLE APPLICATIONS
Verschillende applicaties op verschillende departementen
o Marketing
• Targeted marketing: op voorhand bepalen welke doelgroep je wilt bereiken
• Online advertising: o.a. gericht adverteren
• Recommendations for cross selling vb. personen die product X kochten, waren ook geïnteresseerd in product Y & Z =>
op die manier kan je ze overtuigen de andere producten te bekijken & eventueel aan te kopen
o Customer relationship management: zorgen dat de relatie naar de klant toe verbetert door op de juiste manier data te
analyseren
• Analyzing customer behavior
• Manage attrition/churn
• Maximize expected customer value
o Finance vb. datamining gebruiken om beursspeculaties te sturen
• Credit scoring
• Trading
o Operations management
• Fraud detection
• Workforce management
o Corporate performance management: de manier waarop bedrijven zichzelf in de mark gepositioneerd hebben of mate
waarin bedrijf in staat is om zijn doelstellingen waar te maken
o Market
• Mergers
• Globalization
Þ Kunnen enkel gebeuren als we zouden beschikken over nog meer data, uit nog meer verschillende bronnen
(heterogeneous sources) + tegelijkertijd moeten we in staat zijn om die data nog sneller te doen evolueren
VOORBEELDEN
o Hurricane Frances – Walmart (anlyzing customer behavior + targeted marketing)
• Orkaan die op het punt stond aan land te gaan in de VS
• Walmart beschikte over veel data van klanten via de getrouwheidskaart
• Konden zien welke producten populair waren op dat moment (sommige voor de hand liggend vb. zaklampen,
andere minder vb. poptarts, bier (best sold))
• Al vooraf inspelen op ongebruikelijke vraag gepaard met die gebeurtenis, zorgen dat er voldoende stock is
3
, o Pregnancy prediction – Target (anlyzing customer behavior + targeted marketing)
• Voorspellen wanneer een koppel zwanger is, om gericht special offers uit te sturen
• Wanneer men kinderen krijgt verandert het aankoopgedrag: ‘Daar waar klanten pampers kopen, zullen ze ook
de rest van hun producten kopen’ (want minder tijd)
• Ze vergeleken aankopen in periode van zwangerschap (9 maand voor eerste pamper) met periode voor
zwangerschap
• Konden effectief vanaf de 3e of 4e maand aantonen of koppels al dan niet zwanger waren
o Churn prediction – MegaTelco (anlyzing customer behavior + targeted marketing + manage churn + maximize expected customer
value + corporate performance management)
• Churn prediction = overstappen van klanten naar ander bedrijf/concurrentie na afloop van hun contract
• Standpunt = ‘de markt is min of meer verzadigd’
• Idee: iedereen heeft toegang tot mobiele telefoons dus de enige manier om nieuwe klanten te verwerven, is
door ze weg te nemen bij de concurrentie
• Voorspellen welke klant potentieel naar de concurrentie zou gaan & deze met gerichte marketing proberen
binden aan een verlenging van het contract (het overtuigen van bestaande klanten kost minder dan het
aanwerven van nieuwe)
o Signet Bank
• Kleine regionale bank in VS
• Capital One = grootste verstrekker van creditkaarten wereldwijd
• Ontdekking: bij het toekennen van credits is er maar een beperkte groep waarop grote winsten gemaakt
worden à Als je deze groep betere voorwaarden van creditverstrekking zou geven, dan kan je al die klanten
winnen & op die manier grote winsten maken
• Probleem: men beschikte niet over de juiste data om deze analyse uit te voeren
• Oplossing: men ging random voorwaardes toekennen aan mensen om een dataset op te stellen voor analyse
• Maar: zeer duur want sommige kregen gunstigere voorwaarden, wat ze niet waard waren (eerste jaren veel
verlies) à Signet was de enige die risico waagde & is daardoor uitgegroeid tot Capital One
o Amazon: rankings & aanbevelingen
o Herrah’s Casino’s: was een kleine speler maar verzamelde data over gokkers & kon zo enkele jaren geleden Caesars
Palace kopen (1 van de grootste casino’s)
o The valuation of Facebook and Twitter
Þ Geen hypothese-test! We gaan modellen opstellen die vertrekken vanuit de vraag ‘Zouden we dit probleem kunnen
oplossen a.d.h.v. data?’ (Hypothese-test = je geformuleerde hypothese a.d.h.v. bepaalde data controleren)
WAT (DATA-ANALYTICAL THINKING) à HEFBOOMWERKING
Data-analytical thinking probeert antwoord te geven op een aantal vragen
o Zullen data helpen bij het oplossen van een bedrijfsprobleem?
o Hoe doe je dat systematisch?
o Venture capitalists die willen investeren: gebruiken om mensen te overtuigen te investeren?
4
PROF. L. LEMEIRE, E. CLARYSSE & G. MAES
ACADEMIEJAAR 2022-2023
1
,1.1 DATA-ANALYTICAL THINKING
WAAROM?
Verschillende redenen om na te denken over data-analytical thinking & data science:
1. Data opportunities: verschillende opportuniteiten door data
2. Compliance to regulations: belangrijk voor bedrijven om te bewijzen dat ze aan bepaalde regelgeving voldoen
3. Possible applications: allerlei applicaties beschikbaar die ingezet kunnen worden in bedrijven
Data gebruikt om een competitive advantage (concurrentievoordeel) te verkrijgen!
DATA OPPORTUNITIES
Oorzaken beschikbaarheid data:
1. Amounts of data
2. Variety of data: data vanuit verschillende bronnen vb. internet, vanuit een bedrijf
3. Technological advances
• Computer strength: computers worden krachtiger (kunnen complexere berekeningen uitvoeren)
• Networks to connect databases
• Good algorithms (stelt ons in staat data op een juiste manier te analyseren, handmatige analyse overtroffen)
Van Big Data 1.0 (vandaag nog) naar Big Data 2.0:
o Web 1.0 vb. bedrijven hebben website (internettechnologie)
• Basic internet technologies
• Create online presence
• Build electronic commerce capability
o Big Data 1.0
• Processing large data
• Improving efficiency
o Web 2.0
• Integration of social-networking components: end-user content vb. social media
o Big Data 2.0
• We can process big data now => What can this data do for us?
2
,COMPLIANCE TO REGULATIONS
2 belangrijke regelgevingen waarbij de instanties gebruik kunnen maken van een analyse van hun data
o Basel II: bank moet risicomodel kunnen opbouwen voor 3 credit, market & operational
o Solvency II: verzekeringsmaatschappijen moeten kunnen bewijzen dat ze in staat zijn om de polissen die ze dekken ook
effectief uit te betalen
POSSIBLE APPLICATIONS
Verschillende applicaties op verschillende departementen
o Marketing
• Targeted marketing: op voorhand bepalen welke doelgroep je wilt bereiken
• Online advertising: o.a. gericht adverteren
• Recommendations for cross selling vb. personen die product X kochten, waren ook geïnteresseerd in product Y & Z =>
op die manier kan je ze overtuigen de andere producten te bekijken & eventueel aan te kopen
o Customer relationship management: zorgen dat de relatie naar de klant toe verbetert door op de juiste manier data te
analyseren
• Analyzing customer behavior
• Manage attrition/churn
• Maximize expected customer value
o Finance vb. datamining gebruiken om beursspeculaties te sturen
• Credit scoring
• Trading
o Operations management
• Fraud detection
• Workforce management
o Corporate performance management: de manier waarop bedrijven zichzelf in de mark gepositioneerd hebben of mate
waarin bedrijf in staat is om zijn doelstellingen waar te maken
o Market
• Mergers
• Globalization
Þ Kunnen enkel gebeuren als we zouden beschikken over nog meer data, uit nog meer verschillende bronnen
(heterogeneous sources) + tegelijkertijd moeten we in staat zijn om die data nog sneller te doen evolueren
VOORBEELDEN
o Hurricane Frances – Walmart (anlyzing customer behavior + targeted marketing)
• Orkaan die op het punt stond aan land te gaan in de VS
• Walmart beschikte over veel data van klanten via de getrouwheidskaart
• Konden zien welke producten populair waren op dat moment (sommige voor de hand liggend vb. zaklampen,
andere minder vb. poptarts, bier (best sold))
• Al vooraf inspelen op ongebruikelijke vraag gepaard met die gebeurtenis, zorgen dat er voldoende stock is
3
, o Pregnancy prediction – Target (anlyzing customer behavior + targeted marketing)
• Voorspellen wanneer een koppel zwanger is, om gericht special offers uit te sturen
• Wanneer men kinderen krijgt verandert het aankoopgedrag: ‘Daar waar klanten pampers kopen, zullen ze ook
de rest van hun producten kopen’ (want minder tijd)
• Ze vergeleken aankopen in periode van zwangerschap (9 maand voor eerste pamper) met periode voor
zwangerschap
• Konden effectief vanaf de 3e of 4e maand aantonen of koppels al dan niet zwanger waren
o Churn prediction – MegaTelco (anlyzing customer behavior + targeted marketing + manage churn + maximize expected customer
value + corporate performance management)
• Churn prediction = overstappen van klanten naar ander bedrijf/concurrentie na afloop van hun contract
• Standpunt = ‘de markt is min of meer verzadigd’
• Idee: iedereen heeft toegang tot mobiele telefoons dus de enige manier om nieuwe klanten te verwerven, is
door ze weg te nemen bij de concurrentie
• Voorspellen welke klant potentieel naar de concurrentie zou gaan & deze met gerichte marketing proberen
binden aan een verlenging van het contract (het overtuigen van bestaande klanten kost minder dan het
aanwerven van nieuwe)
o Signet Bank
• Kleine regionale bank in VS
• Capital One = grootste verstrekker van creditkaarten wereldwijd
• Ontdekking: bij het toekennen van credits is er maar een beperkte groep waarop grote winsten gemaakt
worden à Als je deze groep betere voorwaarden van creditverstrekking zou geven, dan kan je al die klanten
winnen & op die manier grote winsten maken
• Probleem: men beschikte niet over de juiste data om deze analyse uit te voeren
• Oplossing: men ging random voorwaardes toekennen aan mensen om een dataset op te stellen voor analyse
• Maar: zeer duur want sommige kregen gunstigere voorwaarden, wat ze niet waard waren (eerste jaren veel
verlies) à Signet was de enige die risico waagde & is daardoor uitgegroeid tot Capital One
o Amazon: rankings & aanbevelingen
o Herrah’s Casino’s: was een kleine speler maar verzamelde data over gokkers & kon zo enkele jaren geleden Caesars
Palace kopen (1 van de grootste casino’s)
o The valuation of Facebook and Twitter
Þ Geen hypothese-test! We gaan modellen opstellen die vertrekken vanuit de vraag ‘Zouden we dit probleem kunnen
oplossen a.d.h.v. data?’ (Hypothese-test = je geformuleerde hypothese a.d.h.v. bepaalde data controleren)
WAT (DATA-ANALYTICAL THINKING) à HEFBOOMWERKING
Data-analytical thinking probeert antwoord te geven op een aantal vragen
o Zullen data helpen bij het oplossen van een bedrijfsprobleem?
o Hoe doe je dat systematisch?
o Venture capitalists die willen investeren: gebruiken om mensen te overtuigen te investeren?
4
