X-com

Meten is weten, toch?

Binnen de digitale wereld wordt data steeds belangrijker. Niet geheel verrassend aangezien het vele malen makkelijker is om online data te verzamelen en op te slaan dan dat dit binnen de traditionele offline media mogelijk is. Daarnaast kunnen er veel sneller analyses worden gedaan en kunnen resultaten (near)real-time worden gemonitord en worden bijgestuurd.

Daarbij, elke organisatie heeft een bulk aan data beschikbaar en de hoeveelheid beschikbare data groeit iedere dag. Data die bewust – en onbewust- wordt opgeslagen. Data in het klantsysteem, data in het ERP systeem, transactie data, noem ze maar op.

De gevaren van data

Maar data is niks meer dan een grote bak aan cijfers en letters. Pas wanneer de data geanalyseerd wordt, kan deze tot waardevolle inzichten leiden. Binnen bestaande systemen wordt dit bij de meeste organisaties natuurlijk al gedaan. Het aantal bestellingen per week, de gemiddelde omzet, de best bezochte pagina`s van de website. Enkele voorbeelden van KPI`s (Key Performance Indicators) die standaard op een dashboard staan en daarmee al voor inzichten kunnen zorgen.
 
Handig, interessant maar ook gevaarlijk. Doordat vaak gebruik wordt gemaakt van slechts 1 geïsoleerde dataset kunnen deze eenvoudige data analyses onvolledig zijn en teveel ruimte overlaten voor interpretatie. En dat is juist niet de bedoeling. Bij data analyse willen we er juist voor zorgen dat de analyse zo compleet en accuraat mogelijk is, zodat de data de waarheid spreekt en er weinig tot geen ruimte overblijft voor interpretatie.

Without data you`re just another person with an opinion

W.Edwards Deming

Het volgende voorbeeld illustreert de gevaren: Bedrijf X, actief in de fitnessbranche, haalt uit de wekelijkse rapportage dat er in week 28 bijna 200 abonnementen zijn verkocht. Dit is net boven gemiddeld, echter ten opzichte van dezelfde week vorig jaar, een verdubbeling.  De meest eenvoudig conclusie zou kunnen zijn dat ze een fantastische week hebben gedraaid. 

Als we nu echter dieper de data induiken en er een vervolg analyse op loslaten, zien we dat de zomervakantie van grote invloed is op de verkopen. Gemiddeld worden er namelijk tijdens de zomervakantie maar 100 abonnementen per week verkocht.  De zomervakantie begon vorig jaar in week 27. Week 28 van twee jaren met elkaar vergelijken is dus geen eerlijk vergelijk. Althans niet zonder de kennis en het gebruik van de additionele data en informatie.

Data strategie

In veel gevallen is het daarom gebruikelijk om bij een uitgebreide data analyse verschillende databronnen te combineren en zelfs externe databronnen te koppelen.  Van groot belang is dan wel dat de data(bron) betrouwbaar is. Daarom is het goed om vooraf al na te denken over een data strategie. Wat wil je meten (en weten)  en waaruit kan ik deze datapunten halen?  En wellicht nog belangrijker; hoe kan ik deze datapunten met elkaar combineren, zodat ze voldoende verrijkt kunnen worden. Vanuit daar kun je namelijk actionable insights genereren – oftewel actiegericht je marketing gaan optimaliseren.

Dat data analyse een steeds belangrijker onderdeel wordt om slimmer online marketing toe te passen betekent ook dat hierin geïnvesteerd moet worden. Een eenvoudige Excel- sheet is niet meer toereikend om deze uitgebreide analyse te doen. Daarnaast geven de resultaten van een data analyse vaak de mogelijkheid om zeer uitgebreide segmentatie en personalisatie te doen. Hierdoor komt ook Marketing Automation om de hoek kijken. In plaats van handmatig data te segmenteren, gebruik je een systeem om dit automatisch en real-time uit te voeren. Zodoende informeer je je klanten weer op een persoonlijk niveau en bouw je aan een volledige 1-op-1 relatie door content te genereren die relevant is voor die specifieke bezoeker/klant.

Waar te beginnen

Wil je als organisatie aan de slag met al die informatie die je hebt verzameld, maar zie je door de bomen het bos niet meer? Waar moet ik beginnen? Het antwoord is simpel. We beginnen aan het eind. We gaan namelijk eerst definiëren wat we willen weten. Als dit namelijk duidelijk is, kunnen we gaan uitzoeken uit welke databronnen we deze informatie kunnen gaan halen en deze op een efficiënte manier gaan ontsluiten.

Zoals al eerder aangehaald is het ook hier van groot belang dat je met zuivere datasets werkt om met name te voorkomen dat de uitkomst vervuild wordt. Bepaal daarom vooraf hoe “zuiver” je data is. Mocht deze vervuild zijn, zorg er dan eerst voor dat je data set schoon wordt. Dat is vaak makkelijker gezegd dan gedaan en kan in veel gevallen ook veel tijd kosten. Echter is dit een investering die je in de loop van het traject terugverdiend.

Meten is weten. Maar zo simpel als de stelling is, is het in de praktijk dus niet. Ga je aan slag met je data, begin dan aan de tekentafel en zorg ervoor dat data leidend wordt binnen je organisatie voor het nemen van een beslissing.

Spreekt dit project je aan?

Neem dan contact met ons op.

Mail ons: info@x-com.nl