Waarom kwalitatieve data broodnodig is

Groeien met data (blog 2 van 6)

Een ambachtelijke bakker die twee volkoren broden op de toonbank legt als hij een vaste klant ziet binnenkomen, scoort ongetwijfeld uitstekend op betrokkenheid en service. Maar als een nieuwe zaterdaghulp deze klant bedient, blijft er weinig over van die score. Zo’n bakker zit nog op level 1 (van 5) van datavolwassenheid. Op dit niveau is er doorgaans iets aan de hand met de data:

• Onvoldoende data
  Data die beschikbaar zouden kunnen zijn, zijn er in de praktijk niet. Zo heeft de bakker uit het voorbeeld gegevens niet digitaal vastgelegd, waardoor de zaterdaghulp ze niet kan gebruiken. Ook kunnen gegevens ontbreken omdat ze nooit zijn opgevraagd. Denk bijvoorbeeld aan e-mailadressen. Hierdoor zijn de gegevens van (bepaalde) klanten incompleet, of ontbreken gegevens van een deel van alle klanten.
• Onvoldoende datakwaliteit
  De beschikbare gegevens kloppen niet altijd. Data zijn bijvoorbeeld niet gestandaardiseerd, metingen zijn niet consequent of op dezelfde manier gedaan, samengevoegde data zijn niet goed te splitsen en/of er zijn veel opschoonacties nodig.

De kans is groot dat deze bakker op level 1 qua administratie ‘alleen doet wat moet’, en dat hij hooguit van Facebook of Instagram gebruikmaakt voor een incidentele kortingsactie. Daardoor is zijn bedrijfsmodel niet lang houdbaar.

Waarom zou je groeien met data?

Wil je je concurrenten een stap voor blijven, dan moet je minstens zo datavolwassen zijn als zij. Dat geldt voor elk bedrijf: van de bakker op de hoek tot een groot techbedrijf. Het maakt niet uit in welke branche je opereert, hoe groot of klein je organisatie is, of hoe sterk je nu al focust op data.

Als je achterop raakt met data, werken andere organisaties efficiënter dan jij. Het gat met je concurrenten kan dan al gauw zo groot worden dat je het niet meer kunt dichten. Om dat te voorkomen, moet je dus op een bepaald niveau aan data-analyse doen.

Kwalitatieve data

Groeien met data begint met: zorgen voor kwalitatieve data. Op level 1 begint dat eenvoudig, bijvoorbeeld met het bijhouden van klantvoorkeuren in een systeem of het opzetten van een e-mailnieuwsbrief. Die data kun je dan weer (her)gebruiken.

Datacultuur

Hierdoor groeit bij de ondernemer en zijn personeel iets heel belangrijks: de data-mindset. Optimaal gebruikmaken van data lukt namelijk alleen bij bedrijven met een datacultuur. Zo’n cultuur is er niet van de ene op de andere dag. Dat begint klein, met proberen en experimenteren, met het delen van successen én mislukkingen. Daardoor ga je anders kijken naar je business, en dat is noodzakelijk om verder te groeien met data. Zo kan de bakker die iets met data doet, uiteindelijk doorgroeien tot een bakker die efficiënter brood bakt en meer verkoopt met data.

Aandacht voor data(kwaliteit) blijft

Welk level van datavolwassenheid je ook bereikt, je moet altijd aandacht blijven besteden aan je data(kwaliteit). Maar op level 1 kunnen organisaties nog eenvoudig zelf grote stappen zetten.

• Weinig of te weinig data betekent: starten met verzamelen.
• Is de datakwaliteit onvoldoende? Standaardiseren en opschonen scheelt een hoop.
• Hoe klein projecten ook zijn, wie begint met experimenteren blijft leren.