Gaat het ooit nog wat worden met datadriven-organisaties?

Al die overspannen verwachtingen, die kermis rondom Big Data. Zullen we ooit succesvol zijn in datadriven-marketing?

Dé droom: van big data naar werkelijk inzicht. Het vinden van de sleutel waarmee je nu eindelijk het verband tussen alle klantinformatie en omzetdoelstellingen kunt aantonen. De transitie naar een echte datadriven-organisatie is volledig. Alle data gecentraliseerd, zuiver, organisatiebreed toegankelijk. Maar helaas. Voor het gros van de organisaties neigt de belofte naar een hype, neigt de hype naar een utopie. Of gewoon – zoals altijd – naar Excel.

30 seconden eurohouse

We zijn op de Data Driven Marketing Association Dag 2019. Gehoord op die 24 januari: “Het is een actueel onderwerp”, “Mooie schoenen draag je”, “Het gaat om verleiding”. Ook gehoord: 30 seconden afschuwelijke ‘eurohouse’ en 2 blazende confettikanonnen bij de uitreiking van de Customer Data Award 2019.

Dezelfde schoorsteen, andere brandstof

Nog geen 10 minuten nadat dagvoorzitter Ronnie Overgoor in zijn dagopening de stelling poneert dat data ‘de smeerolie van de economie’ zijn, wordt dezelfde bewering door Pim Nauts, Lead Data Science bij Bol.com, afgeserveerd als bullshit (de zaal lacht). Op het presentatiescherm verschijnt een pompende jaknikker en een animated.gif van een facepalm.

Praten over data is niet altijd gemakkelijk en al helemaal niet als je tot de verbeelding sprekende beeldspraak gebruikt. Want: een liter olie wordt op zichzelf niet waardevoller als je er nog eens een liter olie aan toevoegt. Data worden wel waardevoller als je er meer data aan toevoegt.

Maar ook dan kan er iemand opstaan die zegt: “Jongens, niet zo snel”. Je kunt dezelfde hoeveelheid data namelijk net zo makkelijk minder waardevol maken als je er kwalitatief slechte data aan toevoegt. En misschien is in beide gevallen je raffinageproces een bende en je output dus kwalitatief minder waard dan waar je mee begon.

Verwarring

Daar houdt de verwarring niet op, want waar Pim in zijn praatje vertelt over het succes van het opgerichte data-scienceteam bij Bol.com wordt even later bij de presentatie van Dela verteld dat de organisatie zijn data-scienceteam onlangs toch maar heeft ontbonden.

Bedrijven zijn ook slechts op zoek naar hun eigen pragmatische modus, een eigen manier om de belofte van de datadriven-organisatie waar te maken. Motto: van data tot insights. De uitingen van dit motto zorgen op deze congresdag hier en daar voor wat nuchtere dissonantie: “Oh, jullie doen het zo.  Nou ja, wij doen het zo, voor ons werkt dat ook – even goede vrienden.”

Over wat dat resultaat dan moet zijn is men vrij eensgezind. Niet zo vreemd: alles staat nog steeds ten dienste van de omzetambities. In de hype van het moment (Big Data! Customer Relevance! Next Best Action!) zou je het bijna vergeten. Dezelfde rookontwikkeling, dezelfde schoorsteen, andere brandstof. Zolang je het maar (geen) olie noemt.

Over draagvlak

Ook is er, in de woorden van Reineke Reitsma, vice-president en research director bij Forrester, doom & gloom. Kommer en kwel: data-analisten en marketeers en de strijd om relevantie.

Krijg die datarelevantie maar eens over de tafel bij je salesmanager, die het ook alleen maar 30 jaar op dezelfde manier doet. Toon maar eens aan hoe je met die dataverzameling je omzetdoelstellingen echt nog veel efficiënter kunt behalen. Krijg die middelen maar eens vrij en die datadriven-transitie maar eens van de grond.

Nog hogere drempel

De drempel komt ineens nog een flink stuk hoger te liggen wanneer het niet alleen blijkt te gaan om een andere manier van werken (confetti op de afdeling Data Science als er eindelijk budget vrijkomt voor het ontwikkelen van een eenvoudig dashboard).

Er staat namelijk nog veel meer meer op het spel: het gaat om het doorbreken van ideeën, patronen en gewoonten met wortels die kilometers (kilometers!) diep gaan. Grond die verschoven moeten worden, een cultuur die volledig op zijn kop moet.

Nut aantonen

Uitdaging: wil je die datatransitie op gang trekken, dan zul je ergens het keiharde, cijfermatige nut van die transitie moeten aantonen. Blijf praten, blijf signaleren, ga desnoods helemaal alleen aan de slag met een dashboard.

Stel in ieder geval jezelf in staat om de inzichten die je uit data kunt halen, te koppelen aan de commerciële doelstellingen van de organisatie. En dan volhouden, misschien wel heel erg lang. Daar blijft het dan bij – het hoe-dan hangt als een groot, onzichtbaar vraagteken boven de zaal, blijft daar hangen.

Op het meegegeven flyertje ‘DDMA Data Driven Marketing Onderzoek 2018’ staat bovenaan: ‘Mens en cultuur zijn grootste uitdagingen voor succes datadriven-marketing’.

Over klantobsessie

Er is meer: klantobsessie is namelijk het nieuwe ‘klant centraal stellen’. Blijkbaar is het good old De Klant Is Koning anno 2019 niet meer goed genoeg, maar moet je geobsedeerd, geheel in beslag genomen worden door de klant, de klant en alleen nog maar de klant (jij dus, jij daar). Je bent bevorderd tot obsessie-object. Niet door één organisatie, maar als het aan Reineke ligt door iedere organisatie die in 2019 nog iets wenst voor te stellen.

Stel dat je haren nu van afgrijzen recht overeind staan, dan mag je die fysiologische reactie aan te de kant schuiven. Cijfers liegen namelijk niet: kijk maar eens naar Amazon, waar customer obsession gewoon leadership principle #1 is. En kijk dan eens naar de financiële cijfers. Trek nu dat causale verband maar.

De Wikipedia-definitie maakt het plaatje er niet vrolijker op:  “Een obsessie is dwangmatig denken, een geestestoestand waarin een persoon [of organisatie, RS] bezeten is van een specifiek idee. Een persoon die ergens door geobsedeerd is, kan de gedachten niet uit zijn hoofd zetten, hoewel hij of zij dit meestal wel wil. Het dwangmatig denken leidt vaak tot dwanghandelingen.”

Een bijkomstigheid aan de kant van de organisatie (de verzender) is dat obsessie kan leiden tot een gevoel van doelgerichtheid, het gevoel iets te zijn, het gevoel iets te kunnen. Het doel is in die zin niet zozeer het ‘optimaliseren van de klantervaring’, maar, nog altijd, het behalen van doelstellingen in termen van winst en omzet. Je bent geen product, je bent een middel. 2 basisideeën:

1. Als de klant je vertrouwt wil hij alles met je delen
2.  Als je de klant iets waardevols terug kunt geven wil hij alles met je delen

Waar iedereen zo de mond van vol heeft

KPN is er in geslaagd om, door gebruik te maken van data, passende commerciële aanbiedingen te doen naar een inbellende klant. De gehanteerde term is Next Best Actions, wat in de praktijk betekent dat het systeem 3 service-aanbiedingen suggereert. Gevolg: churn een stuk omlaag, omzet een stuk omhoog.

Na afloop van de presentatie van KPN stelt de zaalhost de vraag of dit systeem nu goed is voor de klant of goed voor KPN. Het antwoord komt er in hoofdzaak op neer dat de omzetdoelstellingen in het verleden voorrang hebben gekregen en dat nu meer de beweging richting de klant wordt gemaakt.

Minstens zo opvallend, zo niet opvallender is dat uitgerekend deze winnaar van de DDMA Customer Award 2019 tijdens datzelfde vragenmomentje het volgende aangeeft: “360 graden-klantbeeld, waar iedereen zo de mond vol van heeft – we hadden het niet en we hebben het niet.”

In de ochtend heb ik met een congresbezoekster een kort gesprek over de hype en de belofte van Big Data en de hele kermis eromheen; op een gegeven moment zegt ze: “Ik heb het gevoel dat iedereen toch weer altijd uitkomt bij Excel.”

Daar lach ik om, omdat het de droom en de dagelijkse praktijk in een prettig, nuchter licht plaatst. Ik lach omdat die opmerking de angel trekt uit allerlei overspannen dataverwachtingen. Toch razen de technologische ontwikkelingen onverminderd en onverschillig voort.

De Data Driven Marketing Association Dag 2019 in 4 punten:

1. Er is een verband tussen het centraliseren van (klant)data en het beter kunnen
   uitserveren van klantspecifieke aanbiedingen.
2. Er lijkt een verband te bestaan tussen het vermogen om klantspecifieke aanbiedingen te kunnen doen en het vermogen om een bepaalde omzet of churndoelstelling te halen
3. De voorspellende waarde van historische data is redelijk gering: data van toen zeggen nog altijd (januari/februari 2019) weinig over klantspecifiek gedrag van morgen.
4. 360-gradenklantbeeld: we hadden het niet en we hebben het niet.