Beschrijven

Dashboards gebruik je om je data te analyseren. In het voorbeeld hierboven is je rijgedrag de data. Bedrijven genereren ook data en gebruiken ook dashboards. De kilometerteller wordt in veel dashboards zelfs vaak letterlijk verwerkt. Je kent hem misschien wel, de zogeheten Gauge. De visual toont bijvoorbeeld hoe je omzet het doet t.o.v. je target. In een coronadashboard zou deze gebruikt kunnen worden voor het aantonen van het getal R, dus de mate waarin het coronavirus zich verspreid. Wanneer R te groot wordt, kom je in de oranje of rode ‘zone’ terecht en moet je op de rem trappen.

Gauge visual

Wat je op dat moment aan het doen bent, is op een beschrijvende manier naar je data kijken: wat is er in het verleden gebeurd en waar staan we op dit moment? Wat voor impact heeft het virus gehad op de offertes die onze salesafdeling uitstuurt vergeleken met dezelfde periode vorig jaar? Hoe vochtig is het op dit moment in ons kantoorpand ten opzichte van een uur geleden? Al dit soort vragen kunnen beantwoord worden met beschrijvende analyses.

Voorspellen

Wanneer je de data van je organisatie op een goede manier gestructureerd hebt en er beschrijvende  inzichten uithaalt, kan het ook tijd worden om de volgende stap te zetten: je gaat de toekomst voorspellen. Aan de hand van je historische leads, kun je bijvoorbeeld voorspellen hoe groot de kans op succes is zodra een nieuwe lead de salestrechter binnenstroomt. Of je gaat in kaart brengen hoeveel mensen zich in het centrum van je stad gaan bevinden op zaterdagmiddag om 3 uur. Zulke voorspellingen zullen voor de nabije toekomst vrij precies zijn, maar hoe verder weg je gaat kijken, hoe minder accuraat het wordt (denk maar aan de weersvoorspelling). Die voorspelmodellen kunnen zichzelf ook continu blijven verbeteren. Op dat moment kom je terecht bij Machine Learning.

voorspellen

Voorspelmodellen zijn een mooie toevoeging op een beschrijvend dashboard. Een tool als Power BI ondersteunt de toepassing van R en Python scripts, zodat je je eigen modellen kunt gebruiken. Dit kan dus gaan over het voorspellen van de af- of toename van het aantal corona besmettingen, over het voorspellen van je toekomstige omzet, maar ook over het clusteren van klanten in verschillende segmenten en het voorspellen binnen welk segment een nieuwe klant zich bevindt. Doe je bovenstaande al en ben je dus al voorspellend bezig? Vergeet dan niet de volgende stap.

Voorschrijven

Je kunt al beantwoorden wat er is gebeurd en wat er in de toekomst gaat gebeuren, maar je moet deze gegevens vervolgens nog zelf interpreteren om te bepalen wat de “next best action” is. Dit kun je ook door een algoritme laten doen. Geavanceerde algoritmes kunnen voorschrijvende inzichten geven, gebaseerd op je historische data en voorspelmodellen. Als het ware voorspelt een machine alle stappen die je mogelijk kunt nemen, en bepaalt welke stap de beste uitkomst heeft. Eigenlijk net als een arts die jou een medicijn voorschrijft. In de praktijk kan dit bijvoorbeeld een pop-up zijn die hotelreceptionisten te zien krijgen wanneer je incheckt. In die pop-up staat een persoonlijk aanbod dat afgestemd is op jouw eigenschappen, waardoor de kans erg groot is dat je het aanbod accepteert (en het hotel dus wat meer verdient aan jouw verblijf). Wanneer de receptionist je dit aanbod doet, is het dus misschien wel de ideale toevoeging aan je verblijf. Accepteer je het aanbod niet? Dan geeft de receptionist dit aan in de pop-up, waardoor het model zichzelf verbetert.

Weg voorspellen

De waarde

Hoe heeft dit nu waarde? Op zichzelf staand heeft data niet per se waarde. Alleen maar op je dashboard vertrouwen tijdens het rijden heeft ook geen zin. Dan knal je snel genoeg ergens tegenaan. Het is juist de combinatie van je rijvaardigheid en de hulpmiddelen op het dashboard, waardoor je zo snel en efficiënt mogelijk op je bestemming komt. Ga je een keer iets te snel? Dan geeft je dashboard aan dat je moet remmen om een boete (kosten) te besparen. Op die manier creëer je dus waarde.

Ieder bedrijf genereert data, bewust of onbewust. Als je die data links laat liggen gebeurt er niets. Wanneer je je bedrijfsdata gaat gebruiken om beter te worden, dan creëer je waarde voor je bedrijf. Zorg ervoor dat je werknemers het nut inzien van je data en dat ze alle data met elkaar delen. Centraliseer al je data en creëer één versie van de waarheid. Zo kun  je al vrij snel stappen gaan zetten in het meer voorspellend en zelfs voorschrijvend omgaan met de inzichten uit je data, in plaats van “alleen maar” in de achteruitkijkspiegel te kijken. Als je alleen daarop vertrouwt, weet je niet wanneer je op de rem moet trappen of juist gas moet geven.

Ben je klaar om de stap te zetten van beschrijvend naar voorspellend, of wil je meer weten over het laten werken van data voor jouw organisatie? Neem gerust contact op met een van onze experts.