CREATIEF MET DATA. Patrick Swart Michel Blaauw. 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 1

Maat: px
Weergave met pagina beginnen:

Download "CREATIEF MET DATA. Patrick Swart Michel Blaauw. 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 1"

Transcriptie

1 CREATIEF MET DATA Patrick Swart Michel Blaauw 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 1

2 Hoe big data het zakelijke landschap verandert Agenda - Over GEA DATA - Een data analyse van onszelf - Rondvraag: hoe data driven ben je al? - Wat is big data eigenlijk: het speelveld en de data maturity index - Cases. Case 1: Ja, data science kan een best seller voorspellen. Case 2: Ja, data science zorgt voor meer contractverlengingen - De data driven organisatie: een team samenstellen en starten - Interactief/discussie. Welke positie neem je in op de data maturity index? 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 2

3 Hoe big data het zakelijke landschap verandert Wie is GEA? 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 3

4 Hoe big data het zakelijke landschap verandert GEADATA portfolio 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 4

5 Hoe big data het zakelijke landschap verandert Wie ben ik? 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 5

6 Hoe big data het zakelijke landschap verandert Wie ben ik? 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 6

7 Hoe big data het zakelijke landschap verandert Data self assesment 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 7

8 Hoe big data het zakelijke landschap verandert Data self assesment 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 8

9 Hoe big data het zakelijke landschap verandert Data self assesment 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 9

10 Hoe big data het zakelijke landschap verandert Data self assesment 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 10

11 Hoe big data het zakelijke landschap verandert Data self assesment 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 11

12 Hoe big data het zakelijke landschap verandert Data mining you 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 12

13 Hoe data driven zijn jullie eigenlijk? 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 13

14 Hoe data driven zijn jullie? Hoe data driven vind je jouw organisatie? Welke stappen hebben jullie o.h.g.b. data analyse en data science al gezet? 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 14

15 Wat is big data eigenlijk? Het speelveld & de data maturity index 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 15

16 Big data is eigenlijk de verkeerde term 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 16

17 Het verbindende vakgebied heet data science Data science Big Data Data mining Econometrie Machine Learning Artificial Intelligence Text analytics/ NLP Programming Visualisation Wiskunde/ statistiek 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 17

18 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 18

19 Het doel is het creëren van actionable insights en het worden van een data gedreven organisatie 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 19

20 Hoe ziet deze ontwikkeling er van een afstand uit? 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 20

21 Met big data een bestseller Case 1: kun je een bestseller voorspellen? 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 21

22 Met big data een bestseller 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 22

23 Met big data een bestseller Bestsellers en badsellers OMZET 1000K 800K 600K 400K 200K 0K 100K 200K 300K 400K 500K 600K 700K 800K 900K 1000K KOSTEN 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 23

24 language detection similarity descriptive analysis readability lexicon diversity sentiment analysis keyword analysis named entity extraction tags # sequals j/n statistics readability reference books books from same author demografic data spychografic data ONLINE RETAILERS BOL.com Amazon.com Goodreads Crimezone Boekenliefde etc... page views visitor data Wat we weten van ratings comments GOOGLE search history metadata royalties creation costs marcom costs production costs distribution costs storage costs een boek value chain costs cost allocations order history touchpoints audience classifications delivery data online sales user profiles media mentions sentiment analysis weight measures publisher (house) title additional ISBN code ISBN codes (versions) author NUR code (classification) pages languages translations y/n prices prices print prices e-book line spacings fontsize lay-out typifications amount of words Mb/Kb book returns (reversed logistics) sales per day_week_month turn-over per day_week_month Retail cash register data cash conversions per day frequence blogs reviews newsgroups influencers hard cover folded y/n pocket 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 24

25 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 25

26 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 26

27 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 27

28 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 28

29 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 29

30 Met big data een bestseller Resumé: wat kunnen we er dan mee? - om de voorspelbaarheid van succes te verbeteren - om het risico op badsellers te reduceren - een duidelijke portfolio strategie te kiezen - het creeren van een recept voor marketing en sales inspanningen - de werklast voorspelbaar te maken - timing van de uitgeefactiviteiten optimaliseren - productie- en distributiekosten te synchroniseren met de actuele behoefte - kwaliteitstoetsing op generieke kenmerken - benchmarks: hoe presteer ik zelf t.o.v. de concurrentie? - besparen van tijd en geld en een betere besteding - reduceren royalty kosten en voorschotten - minder waste (meer marge) 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 30

31 Met big data een bestseller Bestsellers en badsellers: 3 strategieën 1. Bestseller uitgeverij: acquireert een beperkt aantal titels, zeer kapitaalintensief focus op bepaalde thema s en een zeer sterk promotieapparaat om succes af te dwingen (vergelijk artiesten management/voetbal makelaar) 2. Midden uitgeverij wordt veel geïnvesteerd in acquisitie en promotie (met lagere budgetten) in een beperkt aantal titels, zonder self-publish opdracht van auteurs. Bij het bereiken van een bepaalde afzetdrempel kan een titel worden overgeheveld naar de bestseller uitgeverij en komt die strategie in werking 3. Doe-het-zelf uitgeverij: auteurs betalen services of doen veel zelf, nadruk op online. De nadruk ligt in het schaalbaar maken van dienstverlening en daar geld mee te verdienen (de 0 te houden). Scouting is een belangrijke rol: bij bepaalde afzetten kan een titel transfereren naar Midden uitgeverij of zelfs Bestseller uitgeverij 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 31

32 Met big data een bestseller Was 50 tinten grijs te voorspellen? 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 32

33 Met big data churn minimaliseren Case 2: contract opzeggen ja/nee 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 33

34 Van Sense & Respond naar Predict & Act oktober 2015 Xplor Enterprise Information Management - Zaltbommel 34

35 Welke stappen maken we? Centralisatie van alle relevante data Het voorspellen van klantgedrag Het optimaliseren van klant retentie en voorkomen van churn Het A/B testen van features van digitale producten Het automatisch redigeren van nieuws pagina's op basis van algoritmes Het automatisch produceren van bedrijfs- en financiële nieuws artikelen (machine writing) 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 35

36 Het optimaliseren van klant retentie en voorkomen van churn 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 36

37 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 37

38 Welke stappen Verzamelen van alle historische abonnement data Hieraan gekoppeld wordt alle data die mogelijk relevant is voor de keuze die de klant maakt (zeg op/blijf) Pas een logistieke regressie (of een ander algoritme) toe op deze data set. Dit kwantificeert welke variabele hoeveel invloed heeft op de kans dat een klant blijft of opzegt Stop deze logica in een model en pas dit toe op het klantenbestand. Alle klanten krijgen nu een score tussen de 0 (blijft) en de 1 (gaat weg). Elke maand wordt de top 2000 van de klanten die mogelijk weggaan gebeld met vier verschillende interventies waar ze uit kunnen kiezen als ze minimaal een jaar blijven. 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 38

39 Resultaat (na 6 maanden) Oude situatie Ongeveer 20% churn Callcenter conversie: 17-25% Nieuwe situatie 8% churn Callcenter conversie: 84-92% Door het aanbieden van vier interventies, verkrijgen we meer data over de voorkeuren/smaken van de klant. Waardoor we in de toekomst nog meer grip op het gedrag van de klant krijgen. 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 39

40 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 40

41 Naar een data gedreven organisatie Zomaar wat nieuwe functies: Data Scientist Data Engineer Machine Learning Scientist Business Analytics Specialist Data Visualiser Data architect Data change agent Data Modelers Statistician Data steward Alles draait om creativiteit en domein expertise 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 41

42 Naar een data gedreven organisatie Focus komt volledig te liggen op hetgeen de organisatie uniek maakt. Een data gedreven organisatie bestaat niet uit een grote hoeveelheid data werkers. Vooral strategische functies zijn van belang voor een data gedreven organisatie: - Borgen domein expertise is essentieel - Multi-disciplinaire teams (juiste balans) - Creativiteit wordt steeds meer een key-asset - Strategische denkers en voortrekkers (regie) Uitwisselbare functies worden ingekocht (of ingericht op minimale capaciteitsbehoefte) - Dus ook de data analisten en specialisten op verschillende data gebieden (machine learning, algoritme specialisten, data visualisatie experts, etc ) 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 42

43 Hoe ziet een core data team er dan uit? creatieve strateeg aanjager data scientist data analist data visualiser Data engineer veel domeinkennis verbinder opereert met mandaat van directie linking-pin business lead data scientist data strategie linking pin technologie stuurt eventueel andere analisten aan verzamelt data voert analyses uit presentaties vormgeving dashboards soms code kloppen borgt performance opslag vraagstukken ontsluiting data strategische functie strategische functie minimaal 1 inrichten op minimale capaciteit in huis inrichten op minimale capaciteit in huis inrichten op minimale capaciteit in huis 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 43

44 Enkele uitgangspunten - Het mag geen ICT of Business Intelligence feestje zijn - Het is echt multi-disciplinair, dus ook de data science projecten - Je hebt een core-team met een flexibele schil - Data science projecten zijn altijd business case gedreven: waarom doe je het ook alweer - De business is daarom altijd nauw betrokken (business betaald en bepaald) - Een top down benadering is noodzakelijk (data science is van strategische waarde, het heeft altijd bedrijfsbrede impact) - Je moet doorgaans allianties sluiten (want je beschikbare data is vrijwel nooit volledig/compleet) - Continue leercurve (steeds nieuwe inzichten, oplossingen en methodieken) - Het combineren van interne met externe bronnen geeft nieuwe inzichten en nieuwe context aan de vraagstelling 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 44

45 onomkeerbaar proces welk effect heeft het op jouw business? 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 45

46 De essentie van elke transitie Visie + Vaardigheden + Prikkels + Middelen + Plan van aanpak = Transitie Vaardigheden + Prikkels + Middelen + Plan van aanpak = Verwarring Visie + Prikkels + Middelen + Plan van aanpak = Ongerustheid Visie + Vaardigheden + Middelen + Plan van aanpak = Weerstand Visie + Vaardigheden + Prikkels Plan van aanpak + = Frustratie Visie + Vaardigheden + Prikkels + Middelen = Tredmolen 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 46

47 Maturity index van de data driven organisatie 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 47

48 Positie op de maturity index - Waar staat je organisatie Sense & Respond Predict & Act WHAT HAPPENED WHY DID IT HAPPEN WHAT WILL HAPPEN WHAT IS THE BEST THAT COULD HAPPEN - Welke te nemen stappen zie je - Wat ga je morgen al op de agenda zetten, wat neem je mee naar huis? 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 48

49 Any further or data related questions? 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 49

50 GEADATA aanbod Accelerator workshop creatief met data Voor meer info over de inhoud en opzet: Patrick Swart of kijk op geadata.nl (vanaf 1 november) 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 50