Zoeken, peinzen, nog een keer kijken: data-analyse gaat niet altijd van A naar B

26-02-2021

Als data-analisten zijn we heel vaak heel gefocust op zoek naar antwoorden op businessvragen. Altijd onder tijdsdruk op zoek naar de kortste weg van A naar B. De quick-win. De killer app die ervoor zorgt dat voorspelmodellen enorme efficiency- of omzetwinsten gaan opleveren. Maar zo werkt het lang niet altijd.

Voor de jaarlijkse update van Infobase verzamelde ik data over te koop staande huizen. Deze data leveren ons een gedetailleerd inzicht op in huizenprijzen. Maar terwijl ik de data bekeek kreeg ik een heel ander idee over het gebruik ervan. De adressen die ik vond waren adressen van huizen die binnenkort verkocht gingen worden. Adressen dus, waar over een paar weken of een paar maanden nieuwe mensen zouden komen wonen…

Relevant zijn met data

Wat is marketing eigenlijk? Marketing is het bij elkaar brengen van een product (of een ideologische boodschap) en een consument. Dat is de reden dat we data-analyses doen: om uit te vinden wat mensen bezighoudt, wat ze nodig hebben en hoe en wanneer ze benaderd willen worden. Je gebruikt data dus om relevant te zijn en mensen je product of boodschap aan te bieden als ze daar behoefte aan hebben. Een verhuizing is een belangrijke gebeurtenis in een mensenleven. En een gebeurtenis waarbij je nogal wat dingen nodig hebt. Je moet misschien nieuwe abonnementen afsluiten voor energie en internet. Je hebt misschien meubels nodig, of bouwmaterialen. Allemaal kansen voor bedrijven, mijn klanten, om op die adressen die ik vond relevante aanbiedingen te doen.

Wat kunnen we hiermee?

Heel veel datatoepassingen komen niet voort uit businessvragen waarop data-analisten braaf het antwoord zijn gaan zoeken. Het gebeurt veel vaker dat je toepassingen vindt waar de data helemaal niet voor bedoeld waren. Of, om Isaac Asimov te citeren, ontdekking gaat niet over ‘Eureka!’ maar over ‘Hé, da’s grappig…’. Als ik met data bezig ben vraag ik me dus altijd af: Wat kunnen we hiermee? Kunnen we duurzaamheid en inkomen met elkaar linken door te kijken naar het aantal kringloopwinkels in een wijk? Heeft de kwaliteit van de koffie invloed op klanttrouw bij binnenspeeltuinen? Kunnen we huizenprijzen combineren met satellietbeelden om de meest kansrijke adressen te vinden voor het aanbieden van zonnepanelen?

Nieuwe perspectieven door visualisatie

Ook als je data mooi presenteert, levert dat weer nieuwe ideeën op. Daarom werken datamensen ook vaak aan het visualiseren van data op verschillende manieren. Iedere visualisatie is een unieke manier om naar de data te kijken en een nieuwe visualisatie kan dus het begin zijn van een nieuwe ontdekking. Een legendarisch voorbeeld is het moment dat Hans Rosling door het maken van ‘bubble charts’ ontdekte dat het wereldbeeld dat mensen hadden, waarin het ‘rijke Westen’ tegenover een arme ‘derde wereld’ stond, helemaal niet klopte.

Zoeken, peinzen, nog een keer kijken

Data analyseren is zoeken, peinzen, kijken en nog een keer kijken. Het is niet zo dat je ergens een dataset aanschaft en dat je dan klaar bent. Er zijn vaak geen quick-wins. En ook als ze er wel zijn, loont het de moeite om daarna verder te zoeken. Als data-analist heb je de verantwoordelijkheid om altijd verder te kijken en door te denken. Een dataset is nooit perfect toegesneden op het beantwoorden van één specifieke vraag. En zo’n dataset is dus ook altijd voor iets anders te gebruiken. Door met een open mind naar data te blijven kijken vind je altijd weer nieuwe manieren om er waarde uit te halen.

Wil je meer weten? Neem dan contact op met Richard van Meurs, Marketing/Business Analist bij ons zusterbedrijf 4orange via richard.vanmeurs@4orange.nl of 06 15 834 886.