Big data, big relevance?

Big data, big relevance?

10-05-2019
Tamara Breevoort, ASR

De technologische ontwikkelingen gaan in sneltreinvaart. Blockchain, machine learning en artificial intelligence lijken dé technologieën die bedrijven moeten omarmen. Toch is het niet de technologie zelf, maar de toenemende beschikbaarheid van big data die de ontwikkelingen enorm versnelt.

Neem AI: in 1997 was wereldkampioen Gary Kasparov behoorlijk ontgoocheld toen hij werd verslagen door IBM’s Deep Blue. Daar ging een hoop programmeerwerk aan vooraf en er was een grote rekencapaciteit voor nodig. En in 2017 werd Lee Sedol, één van de beste spelers van het spel Go, verslagen door Google Deepmind. Kortom, het is verstandig om niet alleen te focussen op technologie. Volg ook de ontwikkelingen op het gebied van big data en stel vast wat die voor jouw organisatie kunnen betekenen.

DELTA-model
Tijdens het derde blok van de leergang 'Digitale transformatie van klantgerichte organisaties' van het Institute for Service Leadership werd bovengenoemd vraagstuk onderzocht aan de hand van het DELTA-model dat Davenport in 2010 ontwikkelde. Uitgangspunt hiervan is dat organisaties die willen groeien in big data analyse, zich moeten richten op vijf succesfactoren: Data, Enterprise, Leiderschap, Targets en Data Analisten. Op elk van deze factoren beschrijft dit model een groeipad in de ontwikkeling naar meer volwassenheid. Daarbij wordt duidelijk dat alle succesfactoren nodig zijn om door te groeien in de analyse van big data. Zonder datastrategie en doelen is de organisatie stuurloos en kan het enthousiasme omslaan in teleurstellingen en frustraties. Als leiders hun beslissingen niet consequent baseren op feiten vanuit data-analyse, leveren de investeringen weinig op. En uiteraard moet de kwaliteit van de data op orde zijn.

Kanttekeningen
Naast mooie voorbeelden zijn er ook minder positieve kanten besproken. De Britse econoom en latere Nobelprijswinnaar Ronald Coase zei het in 1960 al: 'If you torture the data long enough, it will confess'. Meer recent kennen we allemaal voorbeelden waar gegevens op straat kwamen te liggen door gebrek aan dataveiligheid. Zoals de aanval op LinkedIn in 2012 waarbij zowel het emailadres als het wachtwoord van maar liefst 117 miljoen accounts werd gestolen. Ook privacykwesties halen regelmatig de voorpagina’s. Denk aan ING, dat in 2014 data over betalingen wilde gebruiken om gepersonaliseerde aanbiedingen te doen. De kop in de krant? 'ING verkoopt klantgegevens'. En tijdens de verkiezingen in de Verenigde Staten heeft Cambridge Analytics* de campagne van Trump mede vormgegeven op basis van process mining (o.a. Facebook en Twitter) en behavioural modelling. Dit voedde de publieke onrust over de beïnvloeding door middel van het grootschalig inzetten van geautomatiseerde trollen.

Business case
Het is dus niet vanzelfsprekend om zonder meer te kiezen voor groei in big data (analyse). Niet alleen vanwege de kanttekeningen, maar ook omdat in de meeste organisaties de vraag beantwoord dient te worden: loont het om (verder) te investeren in big data? Of anders gezegd: wat is de business case?
In het boek 'Waarde creëren met big data analytics' van Peter Verhof, Edwin Kooge en Natasha Walk, worden drie verschillende baten onderscheiden: het verbeteren van processen en producten, het ontwikkelen van nieuwe klantoplossingen (proposities) en effectievere marketingcampagnes.

Bij a.s.r. zetten we big data daar in waar het 'big relevance' oplevert. Voor preventiedoeleinden onderzoeken wij hoe we big data kunnen inzetten, plus we gebruiken big data voor fraudedetectie. Om impact te maken op basis van big data, vragen we ons dus vooral af of het waarde toevoegt voor de klant.

* Cambridge Analytics is in mei 2018 opgeheven nadat het faillissement had aangevraagd. De aanleiding was een groot datalekschandaal dat wereldwijd publiciteit en vraagtekens opriep.

Tamara Breevoort, ASR