Vier manieren waarop je team data science kan benutten

Aangedreven door de wens om het ongrijpbare doel van datagedreven werken te bereiken, verzamelen organisaties al jaren gegevens, bouwen ze infrastructuur en trekken ze hooggekwalificeerd talent aan. Gezien data vaak wordt gepresenteerd als het wondermiddel voor talloze problemen, zijn deze organisaties op de goede weg.

Maar alleen de juiste tools en het juiste talent hebben, maakt een bedrijf nog niet automatisch datagedreven. Het grootste obstakel is het bouwen van een datacultuur, waarin iedereen data science ziet als een methodologie om bedrijfsproblemen op te lossen. Elke organisatie die datagedreven wil worden, moet eerst die cultuur koesteren door organisatiebrede datafluency te stimuleren en iedereen uit te rusten met de vaardigheden om de datataken uit te voeren die nodig zijn voor hun rol. Zo’n fundamentele omslag in mindset is een flinke uitdaging op weg naar datagedreven werken. Volgens de Gartner Chief Data Officer Survey 2018 gelooft 35% van de CDO’s zelfs dat lage datafluency de grootste uitdaging is om op schaal waarde uit data te halen.

De voordelen van datagedreven werken en data science op schaal benutten zijn talrijk en goed gedocumenteerd. Hier volgt een overzicht van vier gebieden binnen data science die organisaties snel kunnen invoeren om waarde uit hun data te halen, geïllustreerd met specifieke usecases.

1. Breng complexe inzichten snel en helder over met datavisualisatie

Interactieve datadashboards zijn steeds alomtegenwoordiger, omdat ze stakeholders eenvoudig toegang geven tot actuele informatie.

Dashboards zijn ongelooflijk veelzijdig. Ze kunnen dienen als telescoop voor de langetermijn-north-star-metrics van een bedrijf, of als microscoop die zich scherp richt op operationele details op de korte termijn. In beide gevallen helpen ze organisaties hun datagedreven besluitvorming op te schalen. Veel no-code business intelligence-tools zoals Tableau en Power BI bieden intuïtieve drag-and-dropinterfaces om krachtige dashboards te bouwen. Open-sourcepakketten op populaire programmeertalen, zoals plotly voor Python en Shiny voor R, verlagen de drempel om zeer aanpasbare interactieve visualisaties te maken.

2. Neem betere beslissingen door historische data te analyseren

Een datagedreven bedrijf beschrijft, vat samen en begrijpt zijn historische prestaties en gebruikt die inzichten om beslissingen te sturen, zodat het kan inzetten op wat werkt en bijsturen waar dat nodig is. Een onderzoek van Deloitte laat zien dat ongeveer de helft van de bedrijven stelt dat het grootste voordeel van analytics is dat het betere datagedreven besluitvorming mogelijk maakt. Ook gaf 62% van de bedrijven aan dat data belangrijk is om de bedrijfsstrategie te bepalen. Het is duidelijk dat data een onmisbaar instrument in de bedrijfstoolbox wordt.

Datagedreven besluitvorming kan het concurrentievoordeel van een organisatie behouden en versterken. Zo kan market-basketanalyse fysieke retailers helpen hun winkelruimte beter te optimaliseren en klanten een betere shopervaring te bieden. Marketeers kunnen historische click-throughrates van e-mails analyseren om het succes van e-mailcampagnes te evalueren. Financiële analisten kunnen tijdreeksanalyse toepassen op historische gegevens om budgetplanning te optimaliseren.

Dit soort analyses van historische data kan efficiënt in spreadsheettools zoals Microsoft Excel en Google Sheets wanneer de dataset klein is. Naarmate de data groeit, zijn open-source programmeertalen zoals R en Python het meest effectief voor analytics.

3. Vul je domeinkennis aan met statistisch denken

Met statistiek kun je grote hoeveelheden data beknopt samenvatten. De basis wordt gevormd door samenvattende statistieken die gemiddelden (zoals mean, modus en mediaan) en afwijkingen van het gemiddelde (zoals standaarddeviatie en variantie) weergeven. Deze kengetallen zijn de bouwstenen van hulpmiddelen zoals de boxplot en metrics zoals de correlatiecoëfficiënt (een maat voor de sterkte van de relatie tussen twee variabelen). Zo kunnen retailers de correlatie tussen de aankoop van producten berekenen om cross-sellingcampagnes te optimaliseren. Marktonderzoekers kunnen conjointanalyse gebruiken om de ideale mix van klantvoorkeuren te bepalen voordat ze een nieuwe productfunctie lanceren of een prijs aanpassen.

Gecontroleerde experimenten helpen bedrijven het effect van een verandering te isoleren, een duidelijke oorzaak-gevolgrelatie tussen twee metrics vast te stellen en betere beslissingen te nemen. Met wortels in de statistiek bieden gecontroleerde experimenten een relatief eenvoudige maar rigoureuze manier om het onderbuikgevoel van experts te bevestigen of te weerleggen. Een eenvoudig voorbeeld is A/B-testen van e-mailonderwerpen en vervolgens kiezen voor de variant met de hoogste click-throughrate. Bij AirBnB werd een wijziging pas uitgerold nadat een experiment overtuigend aantoonde dat een aanpassing van het maximale prijsfilter de conversieratio verhoogde. Bij Shutterstock werd het idee om watermerken op zoekpagina-afbeeldingen te verwijderen afgewezen, omdat experimenten sterk bewijs leverden dat deze wijziging de conversie verlaagde.

4. Doe voorspellingen en ontdek nieuwe kennis met machine learning

Bedrijven kunnen historische data gebruiken om voorspellingen te doen over de toekomst met machine learning. Met supervised learning, een techniek waarbij algoritmen worden getraind om data te classificeren of uitkomsten te voorspellen op basis van gelabelde data, kan elke organisatie bijvoorbeeld voorspellen welke klanten het meest waarschijnlijk zullen churnen op basis van hun historische activiteit. Een handelsfirma kan historische koersen van een aandeel gebruiken om toekomstige prijzen te voorspellen in financieel modelleren.

In tegenstelling tot supervised learning is unsupervised learning een techniek die een bedrijf kan gebruiken om ruwe data te verkennen, zelfs als het nog niet weet waarnaar het zoekt. Clustering is een voorbeeld van een unsupervised learning-algoritme dat data indeelt in niet-voorgedefinieerde categorieën. Een telecombedrijf met waardevolle klantdata dat nog geen manier heeft gevonden om zijn klanten te segmenteren, kan bijvoorbeeld unsupervised learning gebruiken om klantclusters met onderscheidende kenmerken te identificeren.

Unsupervised learning is ook uitstekend in het vinden van associaties. In e-commerce zijn productaanbevelingen in de vorm van ‘mensen die product X leuk vinden, vinden ook product Y leuk’ vaak het resultaat van unsupervised learning-technieken die zulke verborgen verbanden aan het licht brengen. Zulke aanbevelingen kunnen de ruggengraat vormen van een effectieve cross-sellingstrategie.

Een datagedreven organisatie bouwen

Het is duidelijk dat stappen zetten richting datagedreven werken veel potentiële voordelen voor een organisatie ontsluit. Er zijn genoeg laagdrempelige datatoepassingen die teams samen kunnen oppakken, mits ze de benodigde vaardigheden in huis hebben om te starten. Daarom biedt DataCamp for Business een interactief leerplatform voor bedrijven die hun mensen willen up- en reskillen op datavaardigheden. Met onderwerpen variërend van data literacy en data science tot data engineering en machine learning vertrouwen meer dan 1.600 bedrijven op DataCamp for Business om hun talent te ontwikkelen.