Nu steeds meer data beschikbaar is zijn steeds meer mensen nodig om data te analyseren. Logisch want het bezitten van data is alleen zinvol als je er betekenisvolle inzichten uit haalt, leidend tot acties. Hiervoor zijn mensen nodig die patronen uit data vertalen naar inzichten. Data-analist is snel een populair beroep geworden. Maar de ene data-analist is de andere niet. Je komt ze tegen als controllers, marketeers, bedrijfsonderzoekers en voorspellers. Wat doen ze en hoe voorzie je tegelijkertijd van bruikbare business intelligence data?

De controller

Hoe ontwikkelt zich de omzet per product of vestiging, in verhouding tot kosten en investeringen? Waar kunnen we besparen, meer verdienen? Zomaar wat vragen voor de controller. Een Data-analist die gebruikt maakt van interne bronsystemen. De boekhouding gecombineerd met het kassa-, ERP of CRM systeem. Controllers zijn binnen het bedrijfsleven goed ingeburgerde data-analisten. Vaak zijn het tovenaars in Excel. Ook wel gesignaleerd als externe consultant op de financiële afdeling met een direct lijntje naar de directie. Controllers gebruiken modellen, afgeleid van beschrijvende statistiek. Een klassieke aanpak is het gebruik van kritische prestatiefactoren (KPI), gelinkt aan de bedrijfsstrategie. Waarmee allerlei interne managers op hun donder krijgen als de toegewezen KPI niet goed presteert. Wat bij slordig gebruik overigens tot perverse prikkels oplevert. Een leuk vraagstuk waar academici zich lekker op kunnen uitleven. Daarom zijn slimme controllers zorgvuldig in het bepalen van KPI’s. Om te begrijpen wat er in bedrijven gebeurt zijn controllers als data-analisten onmisbaar en zeer gewaardeerd. De data-analist gebruikt queries en downloads op interne databases om de gewenste inzichten boven water te krijgen en systemen zoals Power BI en Tableau om de inzichten te presenteren. Datapreparatie kost veel tijd en gaat samen met risico’s op fouten een datalekken. Vandaar dat controllers graag toegang hebben tot datamodellen, klaargezet door een handige data-engineer. Maar welke data-analist wil dit nu niet?

De marketeer

Kijkt de controller graag vooral binnen, de marketeer is gericht op de buitenwereld. En die buitenwereld start bij https://www. Ieder bedrijf dat zaken doet op het internet (en wie doet dat nu eigenlijk niet) heeft marketeers nodig. De slimmeriken onder de marketeers zijn, net als controllers, goed ingeburgerde data-analisten. Om de eigen site op zoekwoorden te optimaliseren, slimme e-mails te sturen en de klanten/marketingdatabase bij te houden. Met dank aan Google Analytics en andere externe dataleveranciers beschikken marketeers over veel externe data waarmee lekker geanalyseerd wordt. Data die ook graag met data uit interne (kassa)systemen gecombineerd wordt. Doel kan bijvoorbeeld het optimale prijsbeleid of het verbeteren van de conversie zijn. Hoe zorg je klanten dat niet alleen kijken op de site maar ook kopen. Moeten site-elementen geel of rood gekleurd worden, of toch beter oranje? Zoveel vragen, zoveel data analyses en aanpassingen aan de online presentatie. Door steeds twee varianten te vergelijken kom je hierachter. Marketeers gebruiken campagnemanagement en e-mail systemen en zijn als data-analist te vinden op de marketing of reclameafdeling. Hier wordt samengewerkt met creatieve artiesten en webdevelopers. Met de groei het internet wordt online steeds belangrijker. Binnen veel bedrijven heeft de rol zich ontwikkeld van vrolijke stageplaats tot een rol voor iemand die het verschil maakt. Die online data omzet in commerciële actie. Terecht noemt deze waardevolle professional zichzelf nu ook data-analist, net als de controller. Hun dagelijks werk verschilt nogal. Wat niet verschilt is dat marketeers ook graag toegang hebben tot datamodellen, klaargezet door een handige data-engineer. Maar welke data-analist wil dit nu niet?

De bedrijfsonderzoeker

Behalve analyses van financiële- en marketingdata zijn ook bedrijfsanalyses nodig. Meestal voor het ondersteunen van strategische beslissingen. Van waardebepaling bij overname, tot investeringsbeslissingen en procesverbetering . Dit is het traditionele werkgebied van de bedrijfsonderzoeker. Bij grote bedrijven toegevoegd aan afdelingen zoals strategie of innovatie. Binnen het MKB vaak ingehuurd als management consultant. In het verleden ging de bedrijfsonderzoeker op pad, gewapend met gevalideerde vragenlijsten om de verkregen data vervolgens om te zetten in inzichten. In plaats van vragenlijsten wordt nu data gebruikt. Van online vragenlijsten wordt namelijk iedereen  zo moe dat ze niet meer ingevuld worden en zeker geen betrouwbare uitkomsten opleveren. Vergeet de vragenlijst! Gelukkig beschikt de bedrijfsonderzoeker van nu over steeds meer online, openbare of aangekochte data. De bedrijfsonderzoeker kan hiermee naar hartenlust aan de slag. Externe data met interne data  combineren. Vaak met dezelfde beschrijvende statistiek als door de controller gebruikt, deels met dezelfde databronnen als de online marketeer. Vandaar dat de bedrijfsonderzoeker volkomen terecht nu ook goed met voorbereide datamodellen aan de slag wil. Niet alleen de kwaliteit van het onderzoek wordt zo beter, het scheelt ook veel tijd, lees: geld. Ook bedrijfsanalisten voorzie je als bedrijf daarom maar beter van goede datamodellen, klaargezet door een handige data-engineer. Maar welke data-analist wil dit nu niet?

De voorspeller

Sinds kort kennen ook nog datascientisten, de voorspellers. Iedere ondernemer of directeur droomt van betrouwbare voorspellingen. Want wie de toekomst kan voorspellen en zo op tijd op veranderingen inspeelt kan glanzende winstcijfers tegemoet zien. Wie wil dit niet? Vandaar dat veel directies graag luisteren naar zelfverzekerde goeroes die van hun onderbuik en gespekt met enkele succescases de toekomst voorspellen. De seminarindustrie vaart er wel bij. Dat de voorspellingen vaak nergens op gebaseerd zijn en de mislukte cases weg zijn gemoffeld kan de pret niet drukken. Allemaal niets op tegen maar wie serieuze voorspellingen wil zoekt contact met de datascientisten. Dit zijn wetenschappelijke geschoolde data-analisten die niet alleen het verleden maar ook de toekomst analyseren. Deze knappe koppen zijn in staat om datamining in te zetten om met wiskundige en statistische technieken voorspellingen te doen. Wie gaat reageren op een marketingactie, frauderen of het abonnement opzeggen? Waar moeten we de nieuwe winkel openen, en wat gaat die opleveren? Voorbeelden van vragen die datascientisten met predictive analytics beantwoorden. In het verleden door complexe data analyses met peperdure software en bij grote bedrijven zoals banken en verzekeraars en telecomaanbieders. Nu met open source technieken bij iedereen die maar wil. Een datascientist als toekomstvoorspeller voert geavanceerde data-analyses uit en visualiseert de uitkomsten. De analyses worden losgelaten op dezelfde bronnen die de controller, marketeer en bedrijfsonderzoeker benutten. Helaas verdoen veel datascientisten meer dan de heft van hun tijd aan datapreparatie. Ook datascientist voorzie je als bedrijf daarom maar beter van goede datamodellen, klaargezet door een handige data-engineer. Mijn voorspelling is dat ze dit bijzonder graag willen.

Het Business Intelligence team

In een datagedreven organisatie komen worden alle hier genoemde data-analisten bediend door een Business Intelligence team. Van oudsher maakt dit team kant en klare rapportages en andere informatieproducten. Dit werk verschuift geleidelijk naar afdelingen waar zowel de behoefte als meer bedrijfskennis aanwezig is. Data-engineers ontsluiten en combineren data uit bronsystemen, maken de nodige aanpassingen zorgen voor veilige uitlevering naar gebruikers. Data-engineers zorgen dat data-analisten hun werk goed kunnen doen.

Als data-engineer vind ik het fijn om betrouwbare datastromen aan controllers, marketeers, bedrijfsonderzoekers en voorspellers te leveren. Wil hierover eens vrijblijvend wil brainstormen kan bellen voor een afspraak.