Mits je natuurlijk weet waarom je zoveel data hebt en wat je
er mee wil doen. Als je dat niet weet, dan is small data waarschijnlijk al te
veel. Vergelijk het met ballen in de lucht gooien. Als je net 2 ballen i n de
lucht kunt houden, waarom dan met 6
ballen beginnen?
Toch slaan we steeds meer data op. Deze keuze
voor “big data” is tweeledig:
1.) Data opslag wordt steeds goedkoper;
2.) Het
aantal verschillende kanalen om te communiceren wordt steeds groter.
Door de technologische ontwikkelingen, kun je data steeds
beter zonder dure investeringen in serversystemen opslaan. Denk maar aan Cloud
oplossingen als DropBox en Box.com. Beiden bieden voor relatief weinig geld veel ruimte om data op te slaan.
Daarnaast is het aantal kanalen waar data uit voort komt enorm groot. Hadden we vroeger 2 of 3 kanalen, tegenwoordig ziet
het landschap er zo uit:
En al deze kanalen hebben hun eigen datasets &
programma’s die bijna allemaal afzonderlijk beheerd moeten worden. De hoeveel informatie
die hier uit voort komt, is simpelweg niet meer bij te houden.
Over dit onderwerp heb ik al met veel ondernemers mogen en
kunnen praten. Zij ervaren de hoeveelheid als teveel en haken af. De prioriteit
die ze stellen om het hoofd boven water te houden weegt op dat moment zwaarder
dan de energie en tijd die ze in goed databeheer en datagebruik zouden moeten
steken.
Gelukkig vond ik onlangs een heel eenvoudig model van Hans-Peter Luhn die eind
jaren vijftig de problematiek rondom big data al onderkende! Hans-Peter had
eind jaren vijftig Business Intelligence al op zijn agenda gezet!
Zijn business intelligence model bevat 3 eenvoudige vragen:
1.) Wie
moet iets weten?
2.) Wie
weet wat?
3.) Wat is bekend?
En dan zou ik Maslow aan willen halen, “als je alleen maar
een hamer hebt, dan is alles een spijker”. Begin dus met de data die je dan
over hebt en start met 1 campagne en 1 kanaal. Evalueer dit en start een tweede
campagne op met een grotere dataset. Enz.
Bijvoorbeeld: als je zeker weet dat je de juiste
emailadressen van de juiste klanten hebt (= 2 of 3 datavelden) en je wil van
hen weten wat ze belangrijk vinden (= 1 extra dataveld), start een mailcampagne
met deze selecte groep. De rest van de datavelden sla je over en bewaar je voor
later. Als je de response gemeten en geƫvalueerd hebt, dan start je met een
tweede dataset. NOOT: ook hier is de ABC-analyse van toepassing.
En uiteindelijk heb je de grote brij “big data”
uiteengerafeld in kleine bruikbare “small data”. En dat klopt met mijn
stelregel “big data is alleen interessant als je het kunt gebruiken om
profielen te maken en patronen te ontdekken van (bijvoorbeeld) je klanten. Wie
zijn ze? Wat willen ze? En waarom hebben ze het nodig?” Bekende vragen? Ja, dit
zijn de vragen van Hans Peter.
MORAAL VAN HET VERHAAL
Hoe meer data, hoe meer je kunt. Met big data kun je
voldoende kennis verwerven om je totale bestand te begrijpen. Maar dat is
kostbaar, simpelweg omdat je technische oplossingen moet vinden voor de
crossings en om de data te analyseren. Of je het nu koopt of zelf doet. Start
daarom met small data en leer & evalueer. Als je dit doet, dan schaal je
op. En zo evolueer je naar big data.
Big data en small data, het gaat uiteindelijk om het
begrijpen wat je klant wil en zo net je concurrent een stap voor zijn. Alleen
dan peel je adequaat en merkbaar op zijn (koop)behoefte in.
Meer weten over performance management, business intelligence en slimmer werken? Bezoek dan ook eens mijn persoonlijke website: www.patricknelissen.nl