Een van de eerste echte datagedreven marketingorganisaties in de financiële sector in Nederland was De Postbank, later ING. In 1988 realiseerde deze bank als eerste een directmarketing database, met segmentatie en klantwaardemodellen. Bovendien deed de bank aan churn prediction – een voorspelling van welke klanten naar verwachting als eerste de bank de rug zouden toekeren – en first party data marktonderzoek: onderzoek naar gegevens die bedrijven rechtstreeks van klanten en prospects verzamelen.

Voorspellen van toekomstige trends
Na tien jaar analyse van marketingdata, waren advanced analytics in opkomst. Bij advanced analytics gaat het niet zozeer om het beschrijven van de huidige situatie, maar juist om de inzet van technieken voor het voorspellen van toekomstige trends, gebeurtenissen en gedrag. Vergelijkbare technieken werden al langer toegepast bij risk afdelingen van financiële instellingen, maar sinds het begin van deze eeuw werden ze gangbaar in de marketing en daarbuiten.

Datakwaliteit
In die tijd werd ook de basis gelegd voor het verbeteren van de datakwaliteit. Modelleren op basis van slechte data levert geen goede inzichten op. Maar wat zijn slechte data? Dat werd hét onderwerp van de periode 2002-2005. Als gevolg van het gebruik van slechte data kon het gebeuren dat een 60-jarige man bij het verlengen van zijn polis te horen kreeg dat pre-natale testing niet meer in het basispakket zit. Niet heel passend dus. Maar wat zijn passende data? Om welke data gaat het eigenlijk? Zijn de data waarover we het hebben ondersteunend aan het doel dat we beogen? Of in termen van CRISP-DM (de Cross Industry Standard Process for Data Mining): is de ‘data understanding’ een logisch voortvloeisel van ‘business understanding’?

Van datakwaliteit naar data governance
Wie is verantwoordelijk, wie mag wat met de data en wie bepaalt dat? En wie moet beschikken over welke data? Daarover gaat data governance. Niet de applicaties zijn bepalend voor databesturing; het zijn de processen met de verschillende datadomeinen die daarin een rol spelen. Zo krijgt James Martin – die dit principe al beschreef in ‘The Great Transition’ na meer dan 25 jaar toch gelijk. Waardeketens worden waardestromen en de data in deze stroom zullen waardebepalend zijn.

Van data governance naar data compliance

De basis voor compliance ontstond in 2001, toen Harvard Business Review met een baanbrekend artikel kwam: persoonsgegevens mogen niet meer lukraak worden verzameld en gebruikt door adverteerders. De consument is zelf eigenaar van de data en moet toestemming geven voor het gebruik. De basis voor privacywetgeving was geboren. Data zijn niet meer abstract, maar een verwijzing naar de menselijke werkelijkheid. Daarom is regelgeving en transparantie nodig. Waarom zit ik als consument in deze selectie van een bedrijf? Waarop kiest een bedrijf überhaupt? Voor de echte datagedreven marketeer eerder een uitdaging dan een belemmering. Hoewel compliance officers daar anders over denken.

Specialisatie van het datavak

Vanaf 2012 wordt het data analysevak verrijkt met andere disciplines: de data scientist doet zijn intrede, mede door het artikel ‘The sexiest job of the 21st century’, van Davenport & Patil. Het is het begin van een trend die we ‘specialisatie van het datavak’ noemen. De data analist en de data engineer bouwen pipelines: van extractie tot koppeling tot nieuwe dataset. De Business Intelligence specialist bouwt dashboards, de datamanager slaat de brug tussen ICT en gebruiker en de data governancespecialist stelt verantwoordelijkheden vast.

Waarde halen uit groeiende hoeveelheid data
Data science is gelukkig niet hetzelfde lot beschoren als ‘big data’. Daarover waren de verwachtingen zo hoog dat de werkelijkheid er niet meer tegenop kon. Toch zie je geleidelijk aan ‘commodity-denken’ ontstaan over data science: het wordt gemeengoed. Dus is er behoefte aan een nieuwe hype: AI ofwel kunstmatige intelligentie.

De rode draad blijft wel de vraag: als data in vorm, type en hoeveelheid blijven toenemen, hoe kunnen organisaties hier dan nog waarde uithalen? En ook al noemen we misschien binnenkort data science ‘AI’, dit blijft toch de kern. Op zichzelf maken data en technologie je organisatie niet succesvoller. Dat doen mensen. Cmotions zet je met de juiste inzichten in de driver seat, waardoor je fact-based beslissingen neemt en een stevig fundament bouwt om vooruit te bewegen. Zo houd je de focus op een duurzaam resultaat voor de toekomst waarin jij je eigen ambities waarmaakt.

Onze belofte voor de komende 20 jaar die wij alleen maar samen met elkaar waar kunnen maken: creating a better future with data!