Gegevens kunnen een verhaal vertellen. Maar een cijfer vertelt pas een begrijpelijk verhaal als helder is hoe je het moet interpreteren. Om een getal goed te kunnen interpreteren, heb je meer nodig dan de wetenschap dat het om een proefwerk, het inflatiecijfer of het niveau van je bloedsuiker gaat. Je moet ook weten hoe het opgebouwd is. En het is goed om te weten hoe dat getal tot stand gekomen is. Laat me je uitleggen wat ik bedoel.

Definities zorgen voor context

Dashboards behoren inmiddels tot het standaard gereedschap in het bedrijfsleven. Iedereen kijkt naar mooi vormgegeven cijfers en staatjes. Toch zie je vaak dat ook die cijfers zonder context gepresenteerd worden. Neem een verzuimberekening. Wat zegt zo’n getal als je niet weet hoe dat getal opgebouwd is? Het maakt bijvoorbeeld veel uit of zwangerschapsverlof meegenomen wordt in de berekening. Wanneer je een fors verzuim constateert op een bepaalde afdeling, is het goed om te weten dat twee mensen elk drie maanden met zwangerschapsverlof zijn. Anders trek je misschien een verkeerde conclusie. Dat hoge verzuimcijfer zegt immers niets over de gezondheid van de mensen op de afdeling, de kwaliteiten van de manager of de werkdruk op de vloer. Je kunt alleen goed reflecteren op een cijfer wanneer je weet hoe het berekend wordt.

Historie zorgt voor context

Naast de definitie van het getal, is er nóg een element dat voor context zorgt: de proceshistorie. Wat is er allemaal gebeurd voor een getal als ‘Days Payable Outstanding’ op een dashboard verscheen? Welke stappen zijn doorlopen en wat was bijvoorbeeld de doorlooptijd van iedere stap? Door naar dit soort procesdata te kijken, zie je wat allemaal gebeurd is. Zo krijgt je getal context. En op basis van die context kun je je proces optimaliseren, bijvoorbeeld wanneer blijkt dat bepaalde stappen bottlenecks vormen. En misschien valt er nog veel meer te destilleren uit de historie van zo’n getal.

Kijk dus bij voorkeur niet alleen naar het getal, maar ook naar de totstandkoming ervan.

Dit geldt helemáál wanneer je met Machine Learning en Artificial Intelligence aan de slag gaat. Wanneer je jouw slimme, zelflerende systemen alleen voedt met een eenvoudige dump uit je bedrijfssysteem, verlies je namelijk alle zakelijke context. Er bestaat dan geen link meer tussen de data en de wijze waarop die gegevens tot stand zijn gekomen. Het betekent uiteindelijk dat jij en je collega’s (of de systemen zelf) beslissingen nemen op basis van onvolledige data.

Goed nieuws: je beschikt over alle context die je nodig hebt

Gelukkig is het helemaal niet zo moeilijk om data in de juiste context te plaatsen. In de bedrijfssystemen kun je het historische verloop van orders bijvoorbeeld helemaal terughalen. En dat niet alleen: jouw systemen bewaren de totstandkoming en metadata (data óver de data) van álle gegevens. En jij kan daar slim gebruik van maken.

Ontdek op 1 november hoe je data in de juiste context zet

Vind je dit interessante materie? Ben je benieuwd naar de manieren waarop je context geeft aan data? En wil je weten wat dit op kan leveren? Dan ben je van harte welkom op de die we organiseren op donderdag 1 november in ’s-Hertogenbosch. We verwelkomen verschillende boeiende klantsprekers. Je ontdekt bijvoorbeeld hoe ASML waarde haalt uit haar data. Verder gaan Â鶹ԭ´´ experts in op Machine Learning, Extended Planning & Analytics en Cloud Data Warehousing. of . Deelname is kosteloos.

The post Waarom data zonder context geen waarde heeft (en wat je daaraan kunt doen) appeared first on Â鶹ԭ´´ Nederland Blogs & Nieuws.

Waar haal jij je boodschappen? Ga je naar de Albert Heijn, Jumbo, Plus of Lidl? Of laat je jouw boodschappen bezorgen? Wanneer je jouw boodschappen haalt, dan kies je waarschijnlijk voor een supermarkt die in de buurt zit. Als je kiest voor bezorgen zijn er andere redenen waarom je voor de ene of de andere aanbieder kiest. Dan zijn het gemak van de app of de gebruiksvriendelijkheid van de webshop bepalend voor jouw keuze. Op dit moment worden de meeste boodschappen nog fysiek gedaan. Het aantal boodschappen dat online wordt besteld, schommelt tussen de 5 en 7 procent. Dat betekent dat nabijheid nog steeds de belangrijkste factor is.  De meeste mensen kunnen door die verzadiging kiezen uit meerdere supermarkten.

Ik kan in het dorp kiezen uit Albert Heijn, Jumbo en Lidl. Deze drie supermarkten bevinden zich allemaal op vergelijkbare afstand van mijn huis. Voor mij is afstand dus geen factor als ik boodschappen ga doen. Emotioneel kies ik vaak voor Albert Heijn omdat mijn zoon daar de vakken vult, maar ik kies ook vaak voor Jumbo vanwege het gevoel dat ik daar goedkoper uit ben. Maar mijn Perlenbacher Weizen haal ik bij de Lidl. Je hebt zelf vast ook een bepaalde voorkeur. Misschien ga je voor het uitgebreide assortiment en de prijswinnende groenteafdeling. Misschien vind je prijs belangrijk en dan vooral de laagste. Of misschien vind je het juist belangrijk dat jouw supermarkt waarde hecht aan sustainability.

Emotionele binding creëren en data vergaren

Het is heel interessant om te onderzoeken hoe supermarkten die emotionele binding met hun klanten kunnen sturen. Veel grootgrutters gebruiken hiervoor hun eigen app. Albert Heijn bijvoorbeeld heeft een praktische app met allerlei handige functies voor boodschappenlijstjes en sparen. Je kan zelfs een premium abonnement afsluiten waarmee je extra korting krijgt op biologische artikelen, sneller spaart en gepersonaliseerde aanbiedingen ontvangt. Dat is mooi en handig voor jou. Maar het is nóg mooier voor de supermarkt. Want jij geeft de supermarkt beschikking over álle data die jij genereert. Informatie die de supermarkt kan gebruiken om het assortiment, de services, de prijzen, de inrichting en de algehele beleving te optimaliseren. Dat vergt heel wat dataprocessing. Enerzijds om de app kloppend te houden en alle orders en inkomende informatie soepel te verwerken. Anderzijds om te zorgen dat er ook daadwerkelijk iets gebeurt met al die informatie en er daadwerkelijk van te leren. Wat was de impact op de omzet van al die persoonlijke aanbiedingen? Hoe kunnen we het de volgende keer nóg beter doen?

Nieuwe samenwerkingen en belevingen

Nog niet zo heel lang geleden was big data vooral een hobbyproject van een aantal data scientists met een Hadoop cluster op de twaalfde verdieping van het hoofdkantoor die patronen in grote datasets probeerden te vinden. Tegenwoordig zie je data (we noemen het niet eens meer ‘big’) integraal wordt toegepast binnen de belangrijkste core business processen. Datagedreven werken is van doorslaggevend belang geworden om de slag om de consument te winnen.

Ze moeten wel. De supermarktdekking in Nederland is behoorlijk verzadigd. Dat ik zelfs in mijn relatief kleine dorp op een paar minuten rijden van drie supermarkten woon, zegt genoeg. Voor een vierde supermarkt is geen ruimte meer. De oude strategie – zoveel mogelijk winkels openen – werkt niet meer. Wat wél werkt, is de introductie van nieuwe samenwerkingen en het creëren van nieuwe contactmomenten en belevingen. Denk bijvoorbeeld aan de slimme samenwerkingen tussen Esso en Spar of Albert Heijn en BP waarbij benzinestations zich ontwikkelen tot servicestations waar je ook terecht kunt om boodschappen te doen of op te pikken. Ook hier is data van doorslaggevend belang. Wil het concept winstgevend zijn dan moet je zorgen voor het juiste assortiment en de juiste bevoorrading. Data kan je hierbij helpen.

Je gaat ervanuit dat dit onder controle is. Maar hoe kan het dan toch zo zijn dat het in de aanloop naar Pasen bij mijn lokale supermarkt net leek alsof hun bevoorrading gebaseerd was op het gedrag tijdens de coronalockdown van een jaar geleden? Er lag onder andere een enorme hoeveelheid gourmetschotels die allemaal in de aanbieding moesten om er maar vanaf te komen. Alsof de algoritmes zich baseerden op het gedrag van de consumenten in de lente van 2020 en 2021, toen iedereen de paasdagen thuis vierde.

Gelden de oude patronen niet meer?

Dat brengt me echter bij een interessante vraag. Uit bovenstaand voorbeeld blijkt historische data niet zaligmakend is. Je mag gerust zeggen dat de wereld de afgelopen drie jaar behoorlijk veranderd is. De pandemie zorgde voor een enorme verschuiving in de bestedingspatronen van consumenten. De pandemie met daarna het vastlopen van de Ever Given in het Suezkanaal veroorzaakte bovendien een wereldwijde logistieke crisis waar we nog steeds last van hebben. Het importeren van goederen is veel duurder geworden omdat het huren van zeecontainers drie keer zo duur geworden is. Het valt me ook op dat er veel supermarkten meer lokale producten promoten.

Na de lockdowns volgde de oorlog in Oekraïne die ook een behoorlijke impact heeft op de prijsstelling van producten in de supermarkt en de beschikbaarheid van artikelen, onder meer omdat de gasprijs enorm gestegen is, wat weer van invloed is op de productiekosten van goederen in de supermarkt. Het landschap waarin supermarkten opereren is enorm veranderd. Dat is ook van invloed op consumentengedrag, zij zien natuurlijk ook dat de prijs van de inhoud van het boodschappenmandje enorm is gestegen.

Oude patronen gelden niet meer. Ik ben zelf ook anders boodschappen gaan doen. De onzekere situatie werkt door in de hele keten en zal het aankoopgedrag van consumenten enorm gaan beïnvloeden. Hoe? Dat weet niemand. Ook de data niet.

Korter op de bal

Om datagedreven te werken in een sterk veranderde markt moet je kort op de bal spelen. Met Pasen het gemiddelde van drie jaar inkopen, werkt niet meer. Je data scientists moeten voortdurend speuren naar trends en ontwikkelingen. Het is zaak dat je precies weet wat er aan de hand is. Om vervolgens in te spelen op die bewegingen. Welke artikelen worden geraakt door aankomende stijging van importkosten, gasprijs of vogelgriep? Hoe moeten we hiermee omgaan? Moeten we hogere voorraden aanhouden of vervangende producten aanbieden?

hoe je data vorm kan geven en je strategie daarop aan kan passen met behulp van Â鶹ԭ´´ Business Technology Platform.

Dat vraagt in mijn ogen om drie dingen. Ten eerste vraagt het om het verzamelen van alle denkbare data uit je organisatie, maar zeker ook daarbuiten. Zowel kassa-informatie over afgerekende winkelmandjes en gegevens uit de app, als ook maatschappelijke trends en mondiale ontwikkelingen. Denk aan klimaatverandering, nieuwe of terugkomende ziektes, financiële crises die impact kunnen hebben op het assortiment. Het vraagt om nieuwe, geavanceerde technologie die je helpt om die gegevens supersnel te verwerken en te analyseren. En het vraagt om mensen die de juiste vragen kunnen stellen en weten hoe ze die uit al die ruwe data de juiste kennis kunnen destilleren. Ook moet deze nieuwe kennis teruggebracht kunnen worden naar de core retailprocessen in de hele retailketen, zoals merchandise-planning, supplychain, category management en natuurlijk de reclame-uitingen. Pas dán ben je in staat om te sturen op basis van realtime inzichten. En dan ben je bovendien in staat om de loyaliteit van je klant te verdienen. Op basis van de data van gisteren. En niet op de verouderde kennis van Pasen vorig jaar. Pas dán wordt data-driven retail de sleutel tot groei en misschien nog belangrijker, tot overleven.

The post Hoe data supermarkten helpt in hun groeistrategie appeared first on Â鶹ԭ´´ Nederland Blogs & Nieuws.