Het staat al jaren in de top 10 van alle executives: big data en analytics. Ze zijn relevant voor alle bedrijven. En als die er nog niet klaar voor zijn, zijn de consumenten dat wel. Kortom, tijd om in actie te komen. De volwassenheid met het thema dekt het hele spectrum af: van bedrijven die al van de concrete resultaten mogen genieten, tot diegene die net aan hun reis zijn begonnen, en andere die nog vastzitten in de technologisch complexiteit, dan wel moeite hebben om een solide businesscase te formuleren. Vaak ontbreekt de juiste data.

In een markt die in toenemende mate kantelt van productgericht naar klantgericht, wordt het duidelijk dat we ondanks de overdaad aan beschikbare data niet per se de juiste data hebben. Het ontbreekt ons vooral aan gegevens die een goed beeld geven van de context om de analytische resultaten juist te kunnen interpreteren.

De kwalitatieve research en data die inzicht geven in de menselijke kant van het verhaal noemen we thick data. Thick data wordt verkregen door het observeren van gedrag en onderliggende motivaties door de inzet van sociologen, etnografen, psychologen, et cetera.

Op basis van deze onderzoeken worden vervolgens hypotheses ontwikkeld over wat mensen doen en waarom zij dat doen. Deze data heeft door het arbeidsintensieve karakter van dit werk een geringere omvang, maar is veel rijker aan inzichten.

Twee datasets

Neem als voorbeeld de twee datasets hiernaast. De eerste is een typische big-dataset die vooral inzicht geeft in gebeurtenissen en acties. De tweede dataset, een thick-dataset, geeft inzicht in wat er daadwerkelijk gebeurt, de betekenis en context van de gebeurtenissen.

In beide scenario’s gaat het om een groep vrienden die er in een mooi weekend op uit is gegaan om een natuurgebied te verkennen. De big-dataset is in beide gevallen hetzelfde. Maar de betekenis, die we afleiden uit de thick data, is geheel anders. Het schetst een compleet ander beeld van de ervaringen van de groep vrienden.

Thick data heeft een geringere omvang, maar is veel rijker aan inzichten

De kunst om tot waardevolle inzichten te komen ligt in het combineren van data-science met mens- en neurowetenschappen. Op de snijvlakken van deze disciplines worden de beste resultaten geboekt.

Juiste context

Zo was, ondanks de grote hoeveelheden creditcarddata, het succes van het bestrijden van creditcardfraude slechts gering. Pas toen men een studie deed naar de manier waarop creditcardfraudeurs opereren en zich gedragen – onder meer door enkelen van hen te observeren en te interviewen – werd de juiste context verkregen.

Door deze contextuele data te koppelen aan de grote berg big data was men uiteindelijk in staat om in de big-dataset (die continu ververst) de juiste patronen te identificeren. De fraudeurs bleken zichzelf te zien als mensen die hun best deden te overleven in plaats van snel-rijk-worden-types. De langdurigheid van hun ‘businessmodel’ had te maken met de snelheid waarmee ze gebruikmaakten van de creditcards en van het uitgeven van kleine sommen geld. Door deze combinatie blijven ze makkelijker onder de radar.

Figuur 1. Op het snijvlak van disciplines worden de beste resultaten geboekt

Door het belichten van het menselijke perspectief kunnen banken hun fraude-detectie-algoritmes aanscherpen. Ze weten beter naar wat voor soort gedrag en transacties ze moeten zoeken.

Verder kunnen ze het werk voor de fraudeurs arbeidsintensiever en dus onaantrekkelijker maken. Door bijvoorbeeld de transactiedata te correleren met data over leegstaande huizen, die graag gebruikt worden als drop-point voor de met creditcards bestelde goederen, wordt het afleveren een veel groter risico voor de fraudeur. Het zekerstellen van ‘safe’ drop-points gaat daardoor met meer moeite gepaard wat de ‘winst’ reduceert.

Correleren

Het verkrijgen van thick data is een kostbare zaak in vergelijking met big data. Naar alle waarschijnlijkheid zal het niet of maar deels onderdeel zijn van het uiteindelijke product dan wel de uiteindelijke dienstverlening. Bij onderzoek naar vermoeidheid van chauffeurs kunnen verschillende sensoren, microfoons en camera’s in de auto aangebracht worden die allemaal big data verzamelen.

Thick data kunnen we verzamelen door de chauffeurs vitaliteitsmeters, bijvoorbeeld hartslagmeters, aan te doen, ze EEG-headsets op te zetten die de hersenenactiviteit meten, en door ze te laten observeren door iemand die naast hen zit. Misschien dat men in de toekomst iedere chauffeur een vitaliteitsmeter kan aandoen. Maar een EEG-headset opzetten of iedere chauffeur laten observeren zal niet gebeuren.

Zo kunnen we niet alleen een technisch goed, maar ook een geliefd product in de markt zetten

Het is dus zaak om tijdens de productontwikkeling de human-dataset, neurodataset, en de big data zodanig te correleren dat men uiteindelijk eenduidige patronen in de big data weet te identificeren. Deze patronen kunnen vervolgens in het uiteindelijke product of de dienstverlening verwerkt worden.

Geliefd product

Als we deze patronen gevonden hebben, hebben we een technische oplossing voor het probleem. Nu moeten we nog een horde nemen, voordat we een succesvol product in de markt kunnen zetten. De resultaten van de analyses moeten zodanig geïntegreerd worden dat de uiteindelijke gebruiker het product of de dienst ook optimaal kan inzetten.

Dat betekent dat we tijdens de fieldtest ook data moeten verzamelen, waarmee de ervaring met het product in kaart kan worden gebracht, en de verschillende manieren om het relevant in te zetten met elkaar kunnen worden vergeleken. Zo kunnen we continu leren en uiteindelijk niet alleen een technisch goed product maar ook een geliefd product in de markt zetten.

Succesformule

Het product zal ook alle mogelijke dataverzamelingstechnieken aan boord moeten hebben om het gebruik en de verandering in het gebruik te kunnen blijven meten, zodat de analisten regelmatig input kunnen geven aan de productontwikkelingsteams – als ze daar al niet onderdeel van zijn – over mogelijke verbeteringen aan het product of knelpunten die opgelost moeten worden. Alleen zo is succes bij de gebruikers verzekerd, die niet alleen de techniek, maar ook de ervaring en de continue verbeteringen zullen waarderen.

Niet alleen zijn de menselijke aspecten mooi en fascinerend, maar naar het blijkt onontbeerlijk om op basis van big data en analytics waarde voor de consumenten, klanten, en daarmee het eigen bedrijf te realiseren. Het correleren van thick data en big data is een succesformule. De uitdaging is dus niet zozeer de overdaad aan beschikbare data, maar veel meer het gebrek aan de juiste thick data.

Door Gwellyn Daandels, senior director AI and Analytics bij Cognizant Digital Business.

Cognizant (NASDAQ: CTSH) is een vooraanstaande dienstverlener in digital, consultancy, IT outsourcing en BPO services. Met het hoofdkantoor gevestigd in Teaneck, New Jersey (US) werkt Cognizant in nauw partnerschap met ’s werelds grootste organisaties om hun concurrentiepositie te versterken door middel van efficiency en innovatie in hun bedrijfsoperatie. Cognizant heeft wereldwijd meer dan 100 ontwikkel & delivery centers en opereert met ruim 260.000 werknemers. De organisatie heeft een NASDAQ-100 en S&P 500-notering en is verder genoteerd in de Forbes Global 2000 en Fortune 500 (#205). Cognizant behoort hiermee tot de best presterende en snelst groeiende bedrijven in de wereld.

LAAT EEN REACTIE ACHTER

Laat alsjeblieft een reactie achter!
Laat hier je naam achter