De 5 grootste uitdagingen van big data analytics

Waar lopen gerenommeerde bedrijven tegen aan als het gaat om big data analytics? Welke groeistuipen ondervinden ze in hun ontwikkeling naar een datagedreven organisatie?

Tijdens een rondetafelsessie deelden achttien marketingprofessionals van o.a. Philips, PNO, UPC Business, LeasePlan, Capgemini en Camelot hun successen, uitdagingen en visie op de toekomst.

De weg naar een datagedreven organisatie is bezaaid met klemmen en voetangels. Om het in moderne managementtaal te zeggen: er valt het nodige te challengen. Uiteraard verschilt dat per bedrijf. De vijf grootste uitdagingen die tijdens de sessie ter tafel kwamen zijn voor u op een rij gezet.

Chapter 1

#1 Draagvlak

Onder de aanwezigen waren enkele marketeers die hun eerste stappen nog moesten zetten. Zij waren overtuigd van de noodzaak en de voordelen die big data analytics hen te bieden heeft. Alleen is dat besef nog niet doorgedrongen tot de directiekamer. Laat staan dat andere afdelingen ready to go zijn. Als een ware big data evangelist zult u dus eerst intern campagne moeten voeren en met overtuigend bewijs moeten komen waaruit blijkt dat data analytics zichzelf dubbel en dwars terugverdient.

Philips, een van de aanwezige bedrijven, had dat bewijs. Met ‘predictive modeling’ kunnen ze bijvoorbeeld marktaandeel en marktomvang drie maanden vooruit voorspellen. Sales en demand management hebben hier direct baat bij.

Chapter 1

#2 Techniek

Een andere uitdaging heeft te maken met systeemtechnische aspecten. Zo waren er tijdens de rondetafelsessie bedrijven die een nieuw CRM-systeem hoog op de verlanglijst hebben staan. Anderen, wiens wens in vervulling is gegaan, zagen het als grootste uitdaging om het nieuwe CRM-systeem te implementeren en te integreren met andere systemen, zoals marketing automation. Uiteindelijk is het doel om alle databronnen aan elkaar te koppelen en onder te brengen in één datawarehouse.

Chapter 1

#3 Insights

Het grote voordeel van data-integratie en –fusie is dat het geheel meer oplevert dan de som der delen. Met andere woorden: dat u nieuwe inzichten krijgt door gegevens bij elkaar te brengen. Met kennis over bijvoorbeeld de informatiebehoefte in elke fase van de klantreis, kunt u gerichter campagne voeren. Real time en responsive. De uitdaging is om die inzichten boven water te krijgen, toegankelijk te maken en ervoor te zorgen dat er acties uit voortkomen die leiden tot optimalisatie en innovatie.

Chapter 1

#4 Ownership

Naarmate de organisatie zich ontwikkelt naar een datagedreven organisatie, rijst de vraag wie verantwoordelijk is voor de kwaliteit van de data. Voor de updates, de validatie en optimalisatie. Het is zaak de taken en verantwoordelijkheden over de afdelingen heen helder te krijgen. Antwoord te krijgen op vragen als: wie is budgethouder en wat wordt de nieuwe way of working? Een uitdaging die meerdere mensen en afdelingen binnen de organisatie raakt. Die nieuwe eisen stelt aan de manier waar verschillende afdelingen met elkaar samenwerken.

Voor marketing de uitdaging om de data beschikbaar te maken voor de executives. Marketing zal de leiding moeten nemen in de evolutie naar een datagedreven organisatie.

Chapter 1

#5 Skills

Een state-of-the-art datawarehouse, high-tech customized dashboards, big data integratie, insights, het is niets waard als marketeers niet weten wat ze ermee kunnen. Voor degenen die de kar trekken, houdt het dan ook niet op bij de implementatie van nieuwe systemen en tools. Het is pas het begin. Ze moeten weten hoe ze big data analytics in hun voordeel kunnen gebruiken om efficiënter en doeltreffender te werken

De kunst is om degenen die ermee moeten werken de juiste skills mee te geven. Om de analytische competentie te vergroten. Wie van zijn marketeers datagedreven marketeers wil maken, zal moeten investeren in selectie, opleiding en training.

Chapter 1

Datadriven Maturity Model helpt u op de weg naar volwassenheid

Als u data analytics hoog op de agenda heeft staan, herkent u zich vast in een van bovenstaande uitdagingen. Deze en andere uitdagingen zijn we bij GraydonCreditsafe ook tegengekomen in gesprekken met klanten en andere organisaties die de weg naar een datagedreven aanpak zijn ingeslagen.

Op basis daarvan, en op basis van eigen kennis en inzichten hebben we het Marketing Data Maturity Model ontwikkeld. Dit model laat de vier ontwikkelingsstadia zien van een datagedreven organisatie. Elk stadium heeft zijn eigen uitdagingen en karakteristieken. Het model verdeelt deze onder in organisatie, tactics, cultuur, technologie en gouvernance. Aan de hand van het model ziet u waar u staat en ontdekt u wat u kunt doen om een stap verder te komen. Meer over dit model leest u in het whitepaper Het Maturity Model voor Data Driven Marketing.

Whitepapers

De laatste best practices in credit, risk en data management.

B2B e-commerce gamechanger

Mis geen omzet meer in het weekend en in de avonduren.

Stappenplan leadgeneratie

Big data omzetten naar smart data voor leadgeneratie doeleinde.

Gerelateerde blogartikelen

De laatste trends in credit, risk en data management.