Waarom? Waarom? Waarom?
Groeien met data (blog 4 van 6)
‘We halen veel nieuwe klanten binnen, halen onze salestargets, maar waarom stijgt onze omzet niet?’ Met dit soort waarom-vragen ga je aan de slag op level 3 van datavolwassenheid. Wat er bij dit bedrijf aan de hand was, en wat het verschil is tussen ‘efficiënter werken met data’ en ‘datagedreven werken’, lees je in dit vierde blog over datavolwassenheid.
Groeien met data (blog 4 van 6)
Een grote B2B-dienstverlener in Nederland wilde verder groeien, en had daarom heldere targets geformuleerd. De salesmanagers werden beoordeeld op het binnenhalen van nieuwe klanten, en de managers van de verschillende vestigingen op hun omzet. Aan nieuwe klanten (en bijbehorende omzet) geen gebrek. Toch steeg de omzet niet mee. Wat was er aan de hand?
We hielpen dit bedrijf om dat te onderzoeken.
Klantgroepen vergelijken
Het vermoeden was dat bestaande klanten te weinig aandacht kregen. Samen met het management formuleerden we een businesscase om dat te onderbouwen. Onze data-experts koppelden de contractdata per klant aan de omzet per klant. Zo was de omzet van nieuwe en bestaande klanten goed te vergelijken.
Wat bleek? Behoorlijk wat nieuwe klanten zegden hun contract na een tijdje weer op. Terwijl investeren in nieuwe klanten duurder is dan investeren in bestaande klanten. Kortom: vooral nieuwe klanten die het bedrijf behoudt, zijn waardevol
Weg met het salestarget
Uiteindelijk wilde het management natuurlijk weten: waar moeten we op focussen om de omzet te laten groeien? We zochten daarom naar patronen in de data, simuleerden alternatieve scenario’s en analyseerden verschillende oplossingsrichtingen. We kwamen uit op het getal R. Met een R boven de nul is de lost business groter dan de new business. Dat werd de nieuwe KPI. Ook het oude salestarget – nieuwe klanten binnenhalen – kon overboord. Voortaan ligt de focus binnen dit bedrijf op de combinatie van sales en klantbehoud.
Terugkijken en waarom-vragen stellen
Dit bedrijf heeft een cruciale waarom-vraag beantwoord aan de hand van data uit het verleden. Dat is kenmerkend voor level 3 van datavolwassenheid. De tijd van experimenteren (level 2) is voorbij; je zoekt nu gericht naar oorzaken. Daarbij kijk je op level 3 nog vooral terug, terwijl je op level 4 ook vooruit gaat kijken. Dan ga je meer voorspellen en automatiseren. We halen het voorbeeld van de bakker er nog eens bij om dat uit te leggen.
Van efficiënt naar datagedreven
Waar de bakker op level 3 nog efficiënt inkoopt omdat hij goed weet welk brood hij gaat verkopen, heeft hij op level 4 een proces ingericht om ingrediënten automatisch te bestellen op basis van de verwachte verkoop. De bakker die efficiënter brood bakt met data, wordt op level 4 dus een bakker die datagedreven werkt.
Belangrijkste verschillen tussen level 3 en 4
Zo groei je richting level 4 van datavolwassenheid
Komt uit onze datascan dat je op level 3 van datavolwassenheid zit? En wil je doorgroeien naar het volgende level? Dan moet je investeren in alle pijlers van het DELTA-model. Bouw aan een datawarehouse, je datacultuur en leiderschap binnen je organisatie. Stel strategische targets op, en haal medewerkers met analyse-skills binnen. Dan kun je steeds vaker de vraag beantwoorden: ‘Wat gaat er gebeuren?’ Zo groei je over de waarom-fase heen.
Doe de datascan
Wil je weten welk level van datavolwassenheid jouw organisatie heeft, en wat je moet doen om verder te groeien? Doe dan eerst onze datascan.
- ✔ Invullen kost enkele minuten
- ✔ Je krijgt per e-mail een gratis rapport met toelichting
- ✔ Binnen twee dagen weet je waar je staat