Meten is weten. Dit simpele principe geldt voor vrijwel alle zaken waarin je zekerheid wilt hebben. Volgens Peter Drucker en W. Edwards Deming vormt dit principe tevens de theorie achter big data-analyses. Om je bedrijf succesvol te kunnen runnen, dien je inzichten te creëren vanuit de data die jouw bedrijf verzamelt. Maar wat betekent big data nou eigenlijk?
In 2013 werd de term big data voor het eerst opgenomen in woordenboeken. Vandaag de dag lijkt de term een rage te vormen onder marketeers en data analisten. Je zou jezelf kunnen afvragen of big data slechts een mooie naam voor analytics is. Hoewel beiden op elkaar lijken, in de zin dat big data tracht inzichten te creëren uit data en deze in het voordeel van een bedrijf te gebruiken, zijn er drie sleutelverschillen tussen beide termen. Deze drie verschillen weten zich uit te drukken in volume, variëteit en snelheid.
1. Volume
Big data bestaat uit big volume. Er wordt geschat dat er maar liefst 110,3 exabytes data per maand gecreëerd wordt in 2016, in vergelijking tot grofweg 75 exabytes per maand in 2012. Per seconde kruist meer informatie het internet dan het gehele internet omvatte 20 jaar geleden.
De voordelen die worden verkregen uit de mogelijkheid met een dergelijke grote hoeveelheid informatie te werken, zijn duidelijk: het ramingsvermogen van een bedrijf is effectiever wanneer dit voorspeld wordt op basis van 3.000 datasets in plaats van 30. Terwijl de database verder groeit, dienen de applicaties en architectuur die benodigd zijn om de data te ondersteunen opnieuw onderzocht en geëvalueerd te worden. Vaak kan dezelfde data vanuit verschillende hoeken benaderd worden, waarbij nieuwe methoden nieuwe inzichten bieden.
2. Variëteit
Een ander belangrijk kenmerk van big data is de diversiteit binnen de soorten gegevens die verzameld worden. Big data kan verzameld worden in de vorm van berichten, updates en berichten die worden geplaatst op sociale netwerken; gps-signalen van telefoons; ruwe beelden van sensoren, en meer. Hoewel het brede scala aan databronnen een al even indrukwekkende reeks conclusies geeft, betekent dit tegelijkertijd dat de data nauwelijks in keurige of sorteerbare genres valt en klaar is om verwerkt of geïntegreerd te worden in een applicatie.
Parallel daaraan zijn de voornaamste bronnen van deze data zelf relatief nieuw. Facebook dateert uit 2004, Twitter uit 2006. Hetzelfde geldt voor smartphones en andere mobiele apparaten die deze data verstrekken: ze zijn zo alomtegenwoordig, dat het moeilijk te geloven is dat de iPhone pas in 2007 geïntroduceerd is in de markt. De databases die doorgaans gebruikt worden om deze informatie van de laatste paar jaar in op te slaan, zijn ongeschikt en verouderd. De tegelijkertijd gestaag dalende kosten die gepaard gaan met computers (geheugen, opslag, verwerking, etc.) betekenen dat data-intensieve benaderingen steeds economischer worden.
3. Snelheid
De snelheid waarmee data verzameld en geanalyseerd wordt, is vaak belangrijker dan het volume. Real-time of bijna real-time informatie kan het verschil maken voor het behalen van een voorsprong op de concurrentie. Het tijdperk van het internet en de mobiel betekent dat de manier waarop wij leveren en consumeren in toenemende mate geïnstrumenteerd wordt, waardoor feedback aan de leverancier gestuurd wordt. Degenen die in staat zijn om die informatie snel te gebruiken, online of via toegang tot de geografische locaties van de mobiele telefoon van de klant, kan daar concurrentievoordeel mee behalen – met name in de e-commerce.
Het is van vitaal belang om op te merken dat de inzichten die worden opgedaan uit de set even belangrijk zijn als de hoeveelheid informatie die toegankelijk is. Voor e-commerce zijn de vier belangrijkste toepassingen van big data bijvoorbeeld:
Verhogen van efficiëntie:
Verhoog de efficiëntie door jezelf ervan te vergewissen welke verkooptechnieken niet effectief zijn en welke producten niet lekker lopen. Bijvoorbeeld: je hebt een shirt in vijf kleuren, maar slechts twee kleuren worden verkocht.
Verhogen van conversies:
Verhoog conversies door succesvolle verkooptransacties op te sporen en te analyseren.
Verhogen van aantal items:
Verhoog de hoeveelheid verkochte artikelen door vergelijkbare en complementaire producten voor te stellen aan de klant, in real-time.
Voorraadbeheer:
Beheer je inventaris efficiënter door gemakkelijker te ontdekken en elimineren welke producten niet verkopen en de voorraad van items die uit de schappen vliegen te verhogen.
Conclusie
De ingrijpende aard van big data-analyse zorgt ervoor dat het zowel chaotisch als specifiek is. Houd in gedachten dat ondanks dat je alle instrumenten tot je beschikking hebt, je zonder vraag of probleem niet veel wijzer zult worden en zult eindigen met een grote hoeveelheid willekeurige informatie. Kies eerst een echt bedrijfsprobleem uit en gebruik dan de analytics om jouw implementatie te begeleiden. Alleen wanneer je een richting hebt bepaald, kun je de big data nauwkeurig benutten.
