[branded content] Podcast: ontdek meer over data science

Data science: een enorm interessant maar ook complex onderwerp. In deze podcast van Studio Beeckestijn gaat Bart Meerdink in gesprek met Kees Groenewoud, CEO van Cmotions. Kees vertelt over datakwaliteit, verschillende methodes en tooling die je kunt gebruiken en er wordt een praktijkcase besproken.

Business understanding v.s. data understanding

Het begrijpen van data is onder te verdelen in twee aparte fases: business understanding en data understanding. Business understanding gaat vooral over het begrijpen van het bedrijfsproces en op organisatieniveau. Data understanding gaat om het begrijpen van de data zelf. Als je de data begrijpt, krijg je al vrij snel een beeld van de kwaliteit. Je begrijpt dan niet alleen of de date valide en integer is, maar je kunt vooral begrijpen of de data passend is voor het doel wat jij voor ogen hebt.

Wat is datagedreven?

‘We willen datagedreven worden’. Die uitspraak heb je vast wel eens gehoord, of zelf gedaan. Maar wat is datagedreven voor jou? Datagedreven wil niet zeggen dat je zoveel mogelijk data hebt en de meest exotische analyses kunt maken. Het betekent voor elke organisaties iets anders. Bijvoorbeeld het in kaart brengen wie wanneer welk dak met welke materialen heeft gekocht? Het draait hierbij dus (nog) niet om tooling.

Ons beperkte menselijk brein

Ons menselijk brein kan veel, maar er zitten ook beperkingen aan. In een Excelsheet kunnen we bijvoorbeeld patronen herkennen van een beperkt aantal kolommen en rijen. Als het te veel wordt, dan snappen we het niet meer en hebben we algoritmes nodig. Het mooie van automatisering is dat je het menselijk brein daarmee al heel snel overtreft. Als je bezig gaat met het analyseren van features en variabelen ga je dus al snel kijken of je het kunt automatiseren. Dan kom je uit op een algoritme, wat je meerdere keren kunt toepassen. En dan begin je met de vraag: wat wil je analyseren?

Statistische methoden

Als je datagedreven wil werken, zijn er genoeg technieken en tools om die datakwaliteit op orde te krijgen.

Statistische methoden en technieken zijn een commodity geworden. Je kunt heel snel tot inzichten komen, wat een mooie ontwikkeling op het gebied van data science is. Neem bijvoorbeeld een factor-analyse. Dat is een statistische analysetechniek om voor een groot aantal variabelen kleinere achterliggende variabelen te identificeren, om het aantal variabelen te verminderen tot een beperkt aantal. Het is een oude methode, maar toch veel mensen beheersten dat. Je ziet deze methode veel meer terugkomen op marketingafdelingen. Dan kom je ook al snel uit bij de term feature analysis: wat voorspelt wat en welke variabele heeft invloed op welke andere? Dit alles heeft veel meer waarde dan een enorme bak met data waar je verder niets mee doet.

Durf klein te beginnen

Eén van de kernelementen van datagedreven worden is: durf klein te beginnen. De focus ligt bij de meeste bedrijven op tooling. Die tooling belooft een 360 graden klantbeeld en dat wil je, toch? Voor alles wordt gedacht aan tooling, terwijl veel processen daardoor juist chaotisch worden. Een 360 graden klantbeeld is volgens Kees onrealistisch. Je kunt de wereld niet regeren vanuit één plek. Er zijn waanzinnige tools en systemen, maar die geven niet de oplossing voor de vraag: wat moet ik weten van mijn klanten om effectieve marketing te bedrijven?

De juiste tooling kan je enorm helpen, maar het begint met het stellen van de juiste vragen. Begin klein en bouw dat langzaam uit. Kijk ook naar je onderscheidend vermogen. Welke inzichten heb je nodig om je te blijven onderscheiden? Hoe bouw je dat uit?

Data governance

Data governance is een term voor gegevensbeheer. Het is een pakket van afspraken en gekozen standaarden die gezamenlijk zijn vastgelegd op welke manier het bedrijf met de data omgaat. Wat doen wij om onze data goed te besturen? Welke verantwoordelijkheden heb je? Wie mag wat met de data? Klinkt simpel, maar dit is best wel een complex organisatievraagstuk.

Het is belangrijk om te regelen waar de verantwoordelijkheden liggen binnen je organisatie bij het omgaan met data. Voornamelijk grotere bedrijven richten op data governance, vooral in de financiële branche, omdat er toezichthouders zijn. De omvang van het bedrijf mag geen belemmering zijn om na te denken over de data verantwoordelijkheid binnen de organisatie. Of je nou bestaat uit 20 medewerkers of 2000, de vraag en de risico’s zijn hetzelfde. Financieel is er wellicht wat verschil als je een groot en klein bedrijf vergelijkt, maar de aard van het risico blijft hetzelfde.

Belangrijkste data trend

De grootste data science trend die Kees ziet is: op welke manier kom je tot welk inzicht? Je kunt data science heel statistisch en complex maken. Dat is prima, maar als je die complexiteit blootlegt – en dus transparantie creëert in hetgeen wat je doet – haal je de mystiek weg, evenals de angst voor mensen binnen de organisatie die vinden dat je van alles niet mag doen. Met blootleggen bedoelt Kees: hoe stroomt het? Wat wordt geanalyseerd? Hoe werkt het algoritme? Dat is wat Kees betreft aandachtspunt nummer één.

Luister de podcast voor nieuwe kennis, voorbeelden & tips op het gebied van data science!

Beluisteren

Make impact

Werk verandert continu en dat vraagt om de juiste kennis en skills. Beeckestijn Business School helpt hiermee. Met compacte en praktische programma’s binnen digital, marketing, cx, data en communicatie door 100% vakexperts. Op zoek naar gratis kennis en inspiratie? Woon een online clinic bij of download een van de whitepapers. #kennisdelen