Hoogleraar Arjan van den Born: ‘Investeren in slimme jongens en meisjes is een must’

Wat zijn de succes- en faalfactoren als je aan de slag gaat met datagedreven werken? Hoogleraar Arjan van den Born: ‘Veel data hebben, wil niet per definitie zeggen dat je er iets mee kunt.’

Leestijd

7 min

Maturity

Beginner

Thema

De mens en cultuur, De middelen

Doel

‘Met nulletjes en eentjes kun je coole dingen doen’, zegt Arjan van den Born, hoogleraar digitaal ondernemerschap aan Tilburg University. ‘We doen steeds meer online: spullen kopen, gamen, lesgeven, je eigen gezondheid in de gaten houden. We zijn datagedreven in alle beslissingen die we nemen.’ Welke boeken we willen lezen, wordt door Bol.com op basis van algoritmen bepaald. Bedrijven zetten data in: door de prestaties van eerdere medewerkers te meten, kunnen ze criteria bepalen om nieuw personeel te vinden.

Data wordt steeds meer een verdienmodel, aldus de hoogleraar. ‘Al gaan sociale ondernemingen daar anders mee om dan dotcom-bedrijven. Die grote ondernemingen zien data als doel. Google zette Android in de markt, puur en alleen om data te verkrijgen. Met de gegevens via mobiele telefoons, maken ze Google Maps. Dat is creepy hoor. Mensen weten vaak niet dat ze waarde toevoegen aan een bedrijf ten koste van hun eigen privacy. Social enterprises zullen dat anders aanpakken. Als je goed wilt doen, moet het verkrijgen van data geen doel zijn, maar een nieuw middel om mensen te helpen.’

Intelligent ondernemen

In de praktijk is werken met data niet zo makkelijk. ‘We zijn met zijn allen onbewust onbekwaam. We kunnen sneller meten, we weten dingen sneller. Maar dat wil nog niet zeggen dat je altijd iets met die gegevens kunt. Het draait om intelligent ondernemen. Daarmee bedoel ik dat je gebruikt maakt van data, en daarin onderscheid maakt tussen data waar je iets mee kan, en data waar je niets aan hebt.’

‘Dat is het lastige deel: waar willen toekomstige klanten voor betalen?’

Hoe je dat onderscheid maakt? ‘Houd altijd je doel voor ogen en focus je op data die jou helpen dat doel te bereiken. Stel dat je als sociale onderneming mensen wil helpen hun geld beter te beheren. Dan moet je weten hoeveel ze uitgeven, waaraan, maar ook: wat ze mogelijk nog méér willen kopen. Je kunt data van een vergelijkbare groep gebruiken als benchmark en zo bijvoorbeeld ontdekken dat mensen altijd teveel geld uitgeven als het om hun kinderen gaat. Je moet data scrapen van het internet, data kopen. Je kan zelf informatie verzamelen door onderzoeken te doen, controlegroepen op te zetten, klanten vragenlijsten te laten invullen. Op die manier kun je gegevens koppelen, patronen herkennen en voorspellingen doen, en bijvoorbeeld het moment herkennen waarop mensen in de fout gaan. Dan zou je een app kunnen ontwikkelen die op tijd aangeeft: pas op, je gaat over je budget heen!’ Maar voordat het zover is, moet je wel weten hoe je de data organiseert. Dat is het lastige deel, aldus Van den Born. Welke data is waardevol, waar willen toekomstige klanten voor betalen?

Slimme jongens en meisjes

Zijn devies is om data scientists in te huren die je helpen die vragen te beantwoorden. ‘Als je toegevoegde waarde wil leveren, heb je data nodig en science. Twee kennisgebieden die veel mkb-bedrijven nog niet in huis hebben. Je hebt slimme jongens en meisjes nodig die bruikbare informatie weten te filteren uit alle gegevens.’ Niet voor niets is Van den Born een van de grondleggers van het Jheronimus Academy of Data Sciences (JADS) in Den Bosch, die dergelijke specialisten wil ‘leveren’. Extraatje is dat de afgestudeerden tijdens hun studie ervaring opdoen in het bedrijfsleven. ‘Data analisten zijn een resource waarin je moet investeren. ‘En ja, dat kost geld. Maar uiteindelijk kunnen zij helpen jouw bedrijf succesvol te transformeren naar een datagedreven organisatie.’

‘De wereld zit anders in elkaar dan je denkt’

Soft- en hardware

Ondernemers zijn vaak bang voor de technische kanten van data, merkt de hoogleraar.  ‘Maar wat makkelijk lijkt, is vaak moeilijk – en andersom. Het werken met hard- en software om data op de juiste manier te gebruiken, is uiteindelijk niet zo lastig. Er is veel beschikbaar.’ Met open source platform Kafka kun je bijvoorbeeld klantgedrag beter begrijpen (en uiteindelijk helpen voorspellen) op basis van alle data die via websites en social media kanalen binnenkomt. Software als Python wordt gebruikt om complexe algoritmes op te lossen.

Born’s devies: bundel je krachten. ‘Werk samen met andere sociale ondernemingen die  dezelfde missie hebben. Zet samen datasystemen op. Voor een kleine sociale onderneming met weinig data is het lastig, qua kosten en kennis, om een nieuwe tool te ontwikkelen. Software kopen is niet duur. Wat geld en tijd kost, is het verzamelen van data. Dan zie ik dat data science schaalvoordelen heeft.’

Ethiek

Wat ook vruchten afwerpt, is het continu uitproberen van toepassingen. ‘In de commerciële wereld experimenteren bedrijven steeds meer met data en oplossingen. Een onderneming als Booking.com doet meer dan 1.500 testen per dag. Zo leren ze wat wel of niet werkt, bijvoorbeeld in de lay-out van de website.’ Dat gebeurt vaak via een A/B test, waarbij je twee varianten van een bepaalde oplossing uitprobeert. Om te zorgen dat klanten zo min mogelijk ‘last’ hebben van jouw test, doe je dat in een beperkte tijdspanne.

‘Ook als social enterprise kun je op die manier experimenteren. Daar geldt nogmaals: denk aan je rol. Als je mensen uit de armoede wil helpen en daar een online oplossing voor bedenkt, kun je variant A testen bij mensen in Utrecht en variant B bij mensen in Amsterdam. Maar het kan niet zo zijn dat de ene variant een betere oplossing is. Gebruik data om te leren, maar doe dat op een verantwoorde manier. En wees je altijd bewust van Zwarte Zwaangebeurtenissen: ontwikkelingen die je niet hebt zien aankomen. De wereld is complex en zit anders in elkaar dan je denkt.’ 

Relevante links: