Het is een heel praktisch boek geworden dat ook begrepen kan worden door leken. Waarom was het nodig om zo’n boek te schrijven?
Ik werkte natuurlijk op het gebied van big data bij eBay en Marktplaats en later werd ik freelancer voor Coolblue en adidas. Dan doe je veel praktijkervaring op en die ervaring wil ik doorgeven om bedrijven beter te maken. Verder vind ik het heel interessant om alles uit te leggen op het gebied van artificial intelligence en big data.
Kwam de opzet er als vanzelf uitgerold?
Zeker, het eerste gedeelte is bedoeld als een introductie in het vakgebied. Ik vertel iets over de basis van het onderwerp; waarom is big data een belangrijk onderwerp, hoe is artificial intelligence mainstream geworden en wat is cloud computing? In het tweede gedeelte ga ik dieper in op hoe je echt waarde kan toevoegen aan het bedrijf als je big data and data science gaat gebruiken. Hoe bedenk je een strategie, hoe kies je tussen de verschillende mogelijkheden een goede techniek en hoe huur je de goede mensen om het werk te doen? Het gaat me er echt om dat mensen ermee aan de slag gaan.
Dat laatste heb ik nog niet zo vaak gezien in andere boeken, vaak is het vrij abstract allemaal. Het is een soort handboek geworden en daar werd u ook voor geprezen in de media toen de Engelse versie uitkwam in februari van dit jaar.
Dat was de bedoeling, de persoon bij Adidas die verantwoordelijk was voor big data, zei tegen me: als ik dit boek had gelezen toen ik met het formeren van een big data strategy begon dan had het mij negen maanden werk gescheeld.
Onderschat het bedrijfsleven de mogelijkheden van big data?
Mensen realiseren door bedrijven als Google en Amazon dat big data veel potentie heeft dus de uitdaging is niet de onderschatting overwinnen. Er is voldoende bereidheid bij grote bedrijven om te investeren in big data, maar vaak weten ze niet precies wat ze ermee moeten doen. En het grote gevaar is dat als je niet weet waar je moet beginnen dat je een geweldig duur systeem koopt waar je vervolgens helemaal niets mee kan. Dan laat je je door verkopers verleiden in plaats van wat nodig is.
U gebruikt veel cases. Welke case heeft het meeste indruk gemaakt?
Ik vind de case van de Duitse webshop Otto wel een goed voorbeeld van de manier waarop de business analyses en de analyse van big data bij elkaar komen. Het begon met de probleemstelling dat het bedrijf veel geld verloor als gevolg van de grote hoeveelheid producten die retour gingen. De data leerde hen dat veel van die producten terugkwamen omdat het meerdere dagen duurde voordat ze er waren en daarna kochten consumenten het ergens anders. De oplossing was dat big data werden gebruikt om de productvraag beter te voorspellen zodat ze voorraad veel nauwer aansluit op de vraag. Er werden echt miljoenen data gebruikt van oude transacties om dit vast te stellen. Uiteindelijk kwam er een tool waarmee ze met 90 procent zekerheid 30 dagen verkoop kunnen voorspellen, ook op basis van zaken als het weer of de feestdagen. Door deze actie nam het aantal retouren af met een vijfde.
Wat kunnen we daarvan leren?
Dat voor een succesvolle inzet niet alleen een goed big data systeem nodig is, maar dat je moet beginnen met goed inzicht van jouw business. Je moet heel goed snappen hoe mensen jouw product kopen en waar eventueel nog winst te behalen is. Otto heeft zich niet gestort op big data omdat iedereen het doet, maar ze zijn begonnen met het probleem en daar zijn ze steeds dieper op ingegaan waardoor ze het ook konden oplossen.
U bespreekt ook een big data case waarbij het misging. IBM ging in 2013 samenwerken met het Anderson Cancer Center van de Universiteit van Texas. Zij zouden patiënten koppelen aan archieven met medische onderzoeken. Eind 2016 werd het project gestopt en de 62 miljoen dollar had heel weinig opgeleverd. Wat ging er mis?
Er waren simpelweg te weinig goede onderzoeken voorhanden om sterke conclusies te trekken, vaak moeten medici kiezen tussen verschillende behandelmethodes die nog helemaal niet onderzocht zijn. Uiteindelijk kun je stellen dat er vooraf een te hoog ambitieniveau is neergelegd waar de data nog niet aan toe was. Je kunt beter eerst aan de slag gaan in relatieve stilte en dan steeds meer je conclusies trekken. Daarom heb je flexibiliteit nodig in je team. Natuurlijk moet je een goede probleemstelling hebben, maar die moet je ook kunnen aanpassen als dat te hoog gegrepen is.
Kunt u vertellen hoe een succesvol big-datateam is samengesteld?
Het is belangrijk om echte inhoudelijke ‘big data scientists’ te hebben natuurlijk, maar het is net zo belangrijk dat je goede ‘business analists’ in je team hebt. Het gaat vaak mis omdat je te veel technische mensen hebt die de data niet kunnen toepassen op de business. Ikzelf begin altijd met de bedrijfsanalyse, maar je moet daarna wel snel je team gaan samenstellen hoor. Het is namelijk heel lastig om goede mensen te krijgen dus het is verstandig om te starten met wat goede externe mensen en dan kun je later opschalen met interne mensen. Het mooie aan deze tijd is dat je snel je hypotheses kan testen om slimmer te worden.
Wat is het grootste probleem waar bedrijven tegenaanlopen als ze een big data systeem gaan implementeren?
Het is in de praktijk vooral heel lastig om echt een verbetering in de business uit de analyse van de big data te halen. Je moet daarvoor echt een senior level hebben en dat niveau is in beperkte mate aanwezig. Zij moeten een visie, technische kennis en verstand van communicatie hebben en dat is heel vaak niet voorhanden. Het is mijn werkwijze om die datatechniek en de bedrijfsanalytische kant echt samen te brengen.
Is het makkelijker om een goed big data systeem te introduceren bij techbedrijven zoals Coolblue of bol.com dan bij traditionele bedrijven?
Techbedrijven staan er wat meer voor open, maar er zijn ook steeds meer banken en verzekeraars die de mogelijkheden van big data ontdekken. Grote bedrijven beseffen wel dat ze daar iets mee moeten, maar wat ik zei: ze weten niet hoe ze het moeten aanpakken.
Dus er is nog genoeg te doen voor u?
Zeker. Ik werk vaak een paar maanden in een bedrijf waarbij ik het systeem ga implementeren. Dat moet wel want elk bedrijf heeft specifieke eisen. Wat ik vaak doe, is helpen met het inhuren van goede mensen zodat ze aan de slag kunnen. Dat is namelijk iets waarmee directies geen ervaring hebben. Het probleem is dat er veel juniormensen zijn van rond de 20, maar mensen met wat meer ervaring zijn schaars. Je hebt echt meer leiders nodig.
Over Bas Hakker
Bas Hakker studeerde marketingcommunicatie en schreef daarna als journalist veel over media en marketing voor Adformatie, MarketingTribune, AD, NRC en Managementboek. Vandaag de dag is hij hoofdredacteur van marketingwebsite Candid.news. Met zijn bedrijf ‘Kleedkamer4’ helpt hij kleine ondernemers met het opbouwen van een klantenbestand.
