Data analytics is ‘hot’. Maar waarom eigenlijk? Is goede informatie om de juiste beslissing te kunnen nemen niet iets van alle tijden? Jacques de Swart, hoogleraar Toegepaste Wiskunde, kan dat alleen maar beamen. ‘Maar wat is goede informatie? En de juiste beslissing kun je pas nemen als je de uitkomst van een data-analyse weet te vertalen naar business waarde. Daar is voor financials nog een wereld te winnen.’
De Swart heeft een passie voor wiskunde. Hij heeft er zijn beroep van gemaakt om dit vakgebied te ontsluiten voor organisaties om ze te helpen meer uit hun business te halen. ‘Daar hoef je echt geen wiskundige voor te zijn!,’aldus De Swart. Natuurlijk, data analytics vereist enig denkwerk en creativiteit maar tegenwoordig staan de financials zo veel hulpmiddelen ter beschikking dat dit geen probleem meer mag zijn. ‘Vroeger had je een grote computer nodig vanwege de benodigde rekenkracht. Vervolgens moest je een dure expert inhuren om de uitkomsten te laten analyseren. Maar heden ten dage zijn de computers zo snel en geavanceerd, dat financials een vliegende start kunnen maken dankzij alle open source software die er tegenwoordig voorhanden is op het gebied van business intelligence.’
Misplaatste focus
Da’s mooi maar wat is dan het probleem? ‘Dat zijn de financials zelf,’ stelt De Swart. Naast zijn hoogleraarschap werkt hij ook als data-analist en consultant bij PwC Consulting. Uit hoofde van die functie heeft hij veel contact met financials in de praktijk en ziet hij waar ze over struikelen. ‘Big data is toch nog vaak een ‘ver-van-mijn-bed-show’ voor ze. Ze focussen te veel op de randvoorwaarden, zoals het maken van aansprekende rapportages en het verkrijgen van het eigenaarschap van data. Maar het gaat niet om de plaatjes of het bouwen van een datawarehouse. Financials moeten accepteren dat ze bij big data nooit het volledige eigenaarschap zullen hebben, zeker niet van externe data. Het zwaartepunt moet liggen op kwaliteit en het laten spreken van de cijfers. Wat betekenen ze nu voor de dagelijkse praktijk en welk advies volgt daaruit voor het management?’
5 V’s
De Swart haalt de vijf belangrijke aandachtspunten, de vijf ‘v’s’ van big data aan. ‘Ten eerste velocity dat staat voor snelheid,’ legt hij uit. ‘Dat is belangrijk om realtime te kunnen rapporteren. Ten tweede: volume. Oftewel veel gegevens, big data. Ten derde: variety. Zorg voor een variëteit aan zowel interne als externe data. Dat is de basis voor integrated reporting waarbij je gegevens uit meerdere vakgebieden meeneemt zoals sales, HR, strategisch management en dergelijke. Ten vierde: veracity. Hoe staat het met het waarheidsgehalte van de data? Kloppen de gegevens? En tot slot value. Wat heb je eraan? Het gaat er natuurlijk om de uitkomsten te vertalen naar business waarde.’
Vertaalslag maken
Volgens De Swart is er voor financials nog een wereld te winnen op dit gebied. ‘Ik daag financials uit: ga je data en rapportages eens na aan de hand van deze vijf v’s. Doe je er al wat mee? Hoe vaak? Met voldoende volume? Zowel intern en extern? En wat levert het dan uiteindelijk op? Als je dat in kaart hebt, kun je vaststellen hoe ver je al op de ladder bent: de eerste trede is ‘descriptive’: de cijfers beschrijven de stand van zaken, niet meer en niet minder. De tweede trede is ‘diagnostic’: aan de cijfers wordt een conclusie verbonden. De derde trede is ‘predictive’: de cijfers worden geëxtrapoleerd en vertaald naar trends. Het hoogste niveau is ‘prescriptive’: de cijfers worden vertaald naar een advies voor het management om een bepaalde beslissing te nemen. Dat laatste is overigens niet hetzelfde als werken met scenario’s: die zijn passief. Ze geven weer wat kan gebeuren maar de vertaalslag naar businesswaarde zoals bij prescriptive ontbreekt.’
Terug naar de bron
In de praktijk wordt big data nogal eens aangevlogen als managementproject waarbij men in het stadium van het samenbrengen van data in een datawarehouse al vastloopt. ‘Je kunt niet meer alle data in huis willen hebben. Dat is niet meer van deze tijd. Ga terug naar de bron anders verzand je in een datamanagement project waarbij het alleen nog maar gaat over IT en issues over datakwaliteit. Geen wonder dat er dan geen inspiratie meer is om die essentiële laatste stap te zetten naar prescriptive data-analyse. Competitief gezien heb je dan al een achterstand,’schetst De Swart.
Praktijkvoorbeelden
Een voorbeeld uit de praktijk. ‘Ons team van econometristen en computational scientists bij PwC ontving de loonaangiftegegevens van een zorginstelling. In feite is dat een foto van het personeelsbestand. Wij hebben van die foto een ‘film’ gemaakt door het loonkostenverloop bij de huidige formatie te vertalen naar de toekomst. Dit plaatje hebben wij tegen het personeelskostenbudget en het formatieplan gehouden. Zo werd duidelijk dat zonder ingrijpen de personeelskosten uit de hand dreigden te lopen. Wij hebben de klant helpen uitrekenen hoe en op welk niveau recruitment hier tijdig op in kon springen. Zo blijf je in control voor je loonkosten.’
Nog een voorbeeld. ‘Een retailer beschikt over salesdata per product, per klant en per vestiging. Dit hebben wij in een applicatie verwerkt tot benchmark. Daar kwam uit naar voren dat een van de filialen significant lager scoorde op cross selling. Nader onderzoek leverde op dat deze vestiging een andere aanpak hanteerde. Het personeel aldaar werd geleerd hoe andere teams dit beter wisten aan te pakken waarna ook zij beter gingen scoren.’
Inspiratie
De Swart is ervan overtuigd: data-analyse businesswaarde geven is mogelijk voor alle sectoren en kent een brede toepassing. ‘Tijdens de Nationale Controllersdag geef ik financials tips en tools waar ze de volgende dag al aan de slag mee kunnen. Maar bovenal wil ik financials inspireren meer uit hun data-analyses te halen.’
Auteur: Bianca Minkman
