CREATIEF MET DATA...8 oktober 2015 –Xplor –Enterprise Information Management - Zaltbommel 30 Met big data een bestseller Resumé: wat kunnen we er dan mee? - om de voorspelbaarheid

8 oktober 2015 – Xplor – Enterprise Information Management - Zaltbommel 1

CREATIEF MET DATA

Patrick Swart

Michel Blaauw


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’?



Wie is GEA?



GEADATA portfolio



Wie ben ik?



Wie ben ik?



Data ‘self assesment’



Data self assesment…












Data mining you…


Hoe ‘data driven’ zijn jullie eigenlijk?


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?


Wat is ‘big data’ eigenlijk?

Het speelveld & de data maturity index


Big data is eigenlijk de verkeerde term


Het verbindende vakgebied heet ‘data science’

Data

science

Artificial

Intelligence

Big Data

Text

analytics/

NLP

Machine

Learning Programming

Econometrie

VisualisationWiskunde/

statistiek

Data mining



Het doel is het creëren van ‘actionableinsights’ en het worden van een ‘data gedreven’ organisatie


Hoe ziet deze ontwikkeling er van een afstand uit?


Met big data een bestseller

Case 1: kun je een bestseller voorspellen?





Bestsellers en badsellers

OMZET

KOSTEN

1000K

800K

600K

400K

200K

0K

100K 200K 300K 400K 500K 600K 700K 800K 900K 1000K


publisher (house)

title

author

ISBN code

NUR code (classification)

translations y/n

pages

prices

prices print

prices e-book

hard coverfolded y/n

pocket

tags #measures

weight

Mb/Kb

amount of words

lay-out typifications

fontsize

line spacings

sequals j/n

statistics readability

reference books

books from same author

demografic data

ratingsspychografic data

book returns (reversed logistics)

sales per day_week_month

turn-over per day_week_month

Retail cash register data

comments

GOOGLE

search history

metadata

royalties

additional

ISBN codes (versions)

value chain costs

languagesBOL.com

Amazon.comGoodreads

Crimezone

Boekenliefdeetc...

cost allocationscreation costs

production costs

distribution costs

marcom costs

storage costs

descriptive analysis

readability

lexicon diversity

sentiment analysis

keyword analysis

similarity

language detection

named entity extraction

cash conversions per day

audience classifications

delivery data online sales

user profiles

media mentions

touchpoints

blogsreviews

newsgroups

influencers

page views

order history

ONLINE RETAILERS

sentiment analysis

visitor data

frequence

Wat we weten van

een boek








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)



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



Was 50 tinten grijs te voorspellen?


Met big data churn minimaliseren

Case 2: contract opzeggen ja/nee


Van ‘Sense & Respond’ naar ‘Predict & Act’

2014

2016


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)


Het optimaliseren van klant retentie en voorkomen van churn



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.


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.



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


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…)


Hoe ziet een core data team er dan uit?

creatieve strateeg

aanjager

veel domeinkennis

verbinder

opereert met mandaat

van directie

linking-pin business

strategische functie

data scientist

lead data scientist

data strategie

linking pin

technologie

strategische functie

minimaal 1

data analist

stuurt eventueel

andere analisten

aan

verzamelt data

voert analyses uit

inrichten op

minimale capaciteit

in huis

data visualiser

presentaties

vormgeving

dashboards

inrichten op

minimale capaciteit

in huis

Data engineer

soms code kloppen

borgt performance

opslag vraagstukken

ontsluiting data

inrichten op

minimale capaciteit

in huis


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


• onomkeerbaar proces

• welk effect heeft het op jouw

business?


De essentie van elke transitie…

+ +

= TransitieMiddelenPrikkelsVisie Vaardigheden+ + + + Plan van aanpak

Vaardigheden + Prikkels Middelen+ + = VerwarringPlan van aanpak

Visie Prikkels + Middelen = Ongerustheid+ Plan van aanpak

Visie Vaardigheden+ Middelen = Weerstand+ Plan van aanpak

PrikkelsVisie Vaardigheden Plan van aanpak

MiddelenPrikkelsVisie Vaardigheden+ + +

+

+

+

= Frustratie

= Tredmolen


Maturity index van de ‘data driven organisatie’


Positie op de maturity index

- Waar staat je organisatie

- Welke te nemen stappen zie je

- Wat ga je morgen al op de agenda zetten, wat neem je mee naar huis?

WHAT

HAPPENED

WHY DID IT

HAPPEN

WHAT WILL

HAPPEN

WHAT IS THE

BEST THAT

COULD HAPPEN

Sense & Respond Predict & Act


Any further or data related questions?


GEADATA aanbod

Accelerator workshop ‘creatief met data’

Voor meer info over de inhoud en opzet: Patrick Swart 06 520 71 825 of kijk op

geadata.nl (vanaf 1 november)

Documents

CREATIEF MET DATA...8 oktober 2015 –Xplor –Enterprise Information Management - Zaltbommel 30 Met big data een bestseller Resumé: wat kunnen we er dan mee? - om de voorspelbaarheid