Gaat het quantuminternet voor een revolutie zorgen?

Wat gaan de quantumcomputer en het quantuminternet voor de economie en de maatschappij betekenen? Wanneer kunnen we de eerste quantumcomputer verwachten? Op Emerce Next leer je alles over quantumtechnologie dankzij wetenschapper Julia Cramer van QuTech.

Kwantumcomputers opereren op een heel ander niveau dan klassieke computers: ze bieden oplossingen voor belangrijke problemen waarin patroonherkenning niet meer volstaat. Bijvoorbeeld omdat er simpelweg geen data beschikbaar zijn, en de vereiste rekenkracht om uit alle mogelijke opties een antwoord te destilleren niet toereikend is.

Julia Cramer is gepromoveerd aan het instituut QuTech. Ze werkte er aan het corrigeren van fouten in quantumberekeningen met quantumdeeltjes in diamant. Cramer studeerde aan de TU Delft en ETH Zurich en ontving een vierjarige Casimir-beurs voor haar promotie. Voor haar promotieonderzoek ontving ze de Minervaprijs van NWO.

Hieronder een greep uit haar videopublicaties.

Wordt open data onder- of overgewaardeerd?

Open data speelt geen grote rol bij Business Intelligence (BI) of Data Analytics-implementaties en -programma’s binnen het bedrijfsleven. Waarom niet? Op het web zijn enorme hoeveelheden openbare datasets te vinden, beschikbaar gesteld door voornamelijk publieke organisaties.

Aan de hand van een casestudy proberen we antwoord te geven op de vraag: “Zien bedrijven de waarde van open data over het hoofd of wordt de waarde van open data juist overschat?” Het volgende gebeurt als geregistreerde voertuigen binnen Nederland in kaart worden gebracht.

CDP of DMP? Een combinatie kan ook

Als je tegen de grenzen van je CRM-systeem aanloopt, dan kun je een CDP (customer data platform) of een DMP (data management platform) overwegen. Beide hebben hun voor- en nadelen. Wat zijn de verschillen en hoe kun je ze combineren?

DMP

Voor wie een opfrisser nodig heeft: DMP staat voor Data Management Platform. Dat is software die aan de hand van cookies analyseert hoe een bezoeker sites of apps gebruikt, hoe hij zich beweegt over verschillende platformen en hoe vaak hij terugkomt. Ook kun je ermee zien hoe die bezoekers omgaan met de advertentie die je levert op andere sites. Een DMP levert anonieme data op van gebruikers, die in te delen zijn in segmenten. Het geeft een goed beeld van je publiek, is goed te analyseren en integreert met vrijwel alle bestaande ad-servers.

CDP

Een CDP overlapt enigszins met een DMP. CDP staat voor Customer Data Platform. Waar een DMP anonieme data verzamelt, creëert een CDP juist een 360 graden beeld van individuele klanten. Daarbij maakt het gebruik van alle bronnen die je tot je beschikking hebt. Niet alleen gebruiksgegevens van de website dus, ook offline interactie met de klantenservice, contact met een chatbot, aankoopgeschiedenis en e-mailconversaties worden aan elkaar gelinkt. Een CDP stelt je in staat om een bezoeker op je site precies te identificeren, tot in de lengte van dagen.

Verschillen CDP en DMP

Beide systemen bestaan naast elkaar en overlappen enigszins. Zoals Bram de Ruyck van Belgisch consultancybureau element61 beschrijft, is een DMP vooral geschikt voor het verhogen van awareness en consideration van je product. Op die manier helpt het bij het genereren van leads. Een CDP doet dat ook, maar pas als een klant een eerste interesse heeft getoond. Vervolgens is een CDP wel uitstekend geschikt om klanten te sturen richting een aankoopbesluit en om de data later te gebruiken in after-sales en service.

Allebei hebben tekortkomingen

Beide systemen bieden veel mogelijkheden voor online marketeers, maar hebben ook hun tekortkomingen. Een DMP biedt een erg lineaire visie op data. Je kunt zien dat een bepaalde cookie op een bepaalde website iets gedaan heeft. Deze data kun je activeren door een segment te bouwen om vervolgens te retargeten op mensen die in hetzelfde segment zitten. Het geeft je echter niet de mogelijkheid om een klant te volgen over meerdere kanalen. Goed beschouwd leveren DMP’s daardoor matige data.

Volledig beeld gebruiker

Een CDP doet dat niet. Door data te verzamelen uit alle on- en offline bronnen die tot je beschikking staan, krijg je een volledig beeld van de gebruiker en kun je die data op een interessante manier presenteren. Deze data is echter weer niet te activeren voor je online kanalen. Zelfs als je het koppelt aan een DMP, zul je merken dat het activeren van de verzamelde data niet eenvoudig is.

Combineer de voordelen

Moeten beide systemen dan niet volledig geïntegreerd worden? Dat is een interessante vraag. Je wilt immers een oplossing die 360 graden beeld van je klanten biedt én waarvan je de data gemakkelijk kunt activeren. Dat laatste wil je zonder dat je daarvoor alle informatie van het ene systeem naar het andere hoeft te verplaatsen, met alle risico’s op verlies van data die daarbij komen kijken.

Met een fullstack oplossing, waarbij een CDP en DMP hun belangrijkste functies perfect combineren, kun je overal data vandaan halen, zonder dat er mensen bij betrokken worden als er iets veranderd of geüpdatet wordt. Zo’n full stack DMP/CDP kan alle benodigde analytics uitvoeren, een 360 graden beeld geven van klanten en alle functies van een CDP bieden. Tegelijk kan de data die het verzamelt geactiveerd worden op alle kanalen, zoals bijvoorbeeld display, e-mail of sms. Meer dan een simpele druk op de knop is daar niet voor nodig.

Full stack DMP/CDP: toekomstmuziek?

Dat betekent dat er advertenties gericht kunnen worden aan specifieke klanten, of berichten gestuurd kunnen worden op basis van sociale demografie. Gestructureerde data kunnen gebruikt worden om geoptimaliseerde 1-op-1 berichten te sturen naar specifieke klanten. Een geïntegreerd platform om automatisch cross-device, real-time marketingcampagnes voor elke afzonderlijke gebruiker samen te stellen. De juiste advertentie, altijd op het juiste moment en op de juiste plaats?

Het hoeft geen toekomstmuziek te zijn. Cdiscount, één van Europa’s marktleiders op het gebied van e-commerce, heeft dit al volledig geïmplementeerd: “We dachten niet aan CDP’s of DMP’s”, is hun redenering. “We dachten aan de toepassingen die we nodig hadden. Pas nadat we een fullstack solution hadden geïmplementeerd, realiseerden we ons dat we DMP en CDP features nodig hadden.”

Nederland als nieuwe fintech-hub [8 trends]

In 2018 waren er meer dan 400 bedrijven actief in de Nederlandse fintech-markt en dat aantal neemt dagelijks toe. Nederland is koploper op het gebied van fintech-innovaties met een bloeiende start-upscene. Nederlandse bedrijven omarmen dan ook de innovatie en transparantie van fintech-start-ups en ondersteunen hen waar ze kunnen. Hoe zit het met de trends? De […]

Gemeenten ontdekken eigen data voor datagedreven werken

Steeds meer gemeenten werken datagedreven. De één doet dat relatief zelfstandig, een ander zoekt de samenwerking op, zoals bijvoorbeeld met het Centraal Bureau voor de Statistiek (CBS). Het toont aan dat er meerdere wegen leiden naar datagedreven werken binnen de overheid. En dat is ook goed voor burgers.

Data laten spreken en als belangrijk beleidsinstrument zien; steeds meer overheden zijn zich ervan bewust dat de inrichting van een goede datahuishouding een betere feitelijke onderbouwing van beleid en besluiten mogelijk maakt, waardoor de kwaliteit toeneemt.

Alhoewel steeds meer overheden informatiegestuurd gaan of willen werken, blijkt tegelijkertijd dat veel van hen dat pittig vinden. Dat is overigens niet vreemd, omdat datamanagement voor gemeenten nooit een kerntaak is geweest. Desondanks is het besef bij veel besturen doorgedrongen dat een datagedreven werkwijze onomkeerbaar is. Omdat je op een dergelijke wijze beleid kunt voeren en besluiten kunt nemen op basis van feiten en data. Maar hoe doe je dat als gemeente? Een belangrijke stap is om samenwerkingsverbanden aan te gaan.

Initiatief nemen

In bijvoorbeeld ‘Kansen en vragen rond toenemende databerg’ bevestigt Albert Meijer, hoogleraar Publieke Innovatie aan de Universiteit Utrecht, dat de steeds grotere beschikbaarheid van data legio kansen biedt en dat voor verzilvering van die kansen samenwerking tussen burgers, overheden, maatschappelijke partijen, wetenschappers én commerciële partijen essentieel is. En in ‘Geef structureel ruimte aan de triple helix’, betoogt hoogleraar digitale overheidsdiensten aan de Universiteit Twente Wolfgang Ebbers – vanuit het perspectief van digitale dienstverlening – dat overheid, universiteiten en bedrijven structureel zouden moeten samenwerken, maar dat het onduidelijk is wie het initiatief moet nemen.

Slimme samenwerking

Het CBS en PA Consulting discussieerden met tientallen deelnemers van zeer diverse overheidsorganisaties over het onderwerp ‘meer waarde uit data door slimme samenwerking’. Een gedeelde mening daarbij: Datagebruik binnen de overheid is zo belangrijk dat het een kernactiviteit moet zijn. Met tegelijkertijd het besef dat de expertise zo nieuw is en zich zo snel ontwikkelt dat het noodzakelijk is om samen te werken met kennisinstellingen en bedrijfsleven om die kennis in huis te krijgen.

Urban data centers

Een voorbeeld van meer waarde uit data creëren door slimme samenwerking, is de ontwikkeling van urban data centers. In ons land zijn inmiddels veertien UDC’s actief, waarin een gemeente en het CBS data en kennis delen. De databerg vanuit het CBS verschaft gemeenten inzicht in wat er feitelijk aan de hand is in hun stad of dorp. Daarbij vertaalt het CBS grote ontwikkelingen naar microniveau, waardoor een gemeente daadwerkelijk weet aan welke knoppen het moet draaien. Bijvoorbeeld wat betreft lokale economische groei, armoede per wijk, vervoersbewegingen per straat, veiligheid, milieuvraagstukken, beste locaties voor laadpalen, etcetera.

Zo kan door combinatie van de data en competenties van CBS en gemeenten de kwaliteit van besluiten met impact in de gemeenten sterk toenemen. Momenteel gebruiken gemeenten de data van het CBS vooral om het datagedreven werken binnen een gemeente te stimuleren. Ook vindt veel onderzoek plaats in het sociaal domein, zoals armoede-onderzoek, of onderzoek of bepaalde groepen gebruikmaken van bepaalde regelingen. De ervaringen met een UDC typeren gemeenten dan ook als zeer waardevol. Daar waar een gemeente niet over alle data beschikt, kan met de kennis en kunde en data van het CBS immers nieuwe data worden verkregen.

Datafabriek

De datafabriek is een Rotterdamse metafoor om alle organisatorische en technische veranderingen te typeren die het werken met data met zich meebrengt. Het (her)gebruik van bestaande en nieuwe datasets vereist dat gegevens makkelijk gevonden worden en zonder belemmeringen ‘door de organisatie kunnen stromen’. Maar dat vraagt bijvoorbeeld ook om een veilige en gestructureerde manier van werken, om kwaliteitsnormen, heldere privacyregels en gecontroleerde doorloopsnelheden. Rotterdam ziet data als een continue grondstof voor informatieproducten. Het is een logische vervolgstap om (open) data op een gecontroleerde en veilige manier met derden te delen.

Ook werkt Rotterdam samen met andere partijen om op basis van gezamenlijke data meer waarde te creëren. Dat zal zorgen voor geheel nieuwe inzichten en overzichten. Waarbij algoritmes worden ingezet om de besluitvormingsprocessen te ondersteunen voor medewerkers in de organisatie. Maar ook algoritmes op processen gericht op de klant die producten aanvraagt. Daarmee kan data op algoritmebasis de relatie tussen Rotterdamse burgers onderling en tussen burger en overheid wezenlijk – positief – veranderen.

Het is natuurlijk uiteindelijk de keuze aan de overheden zelf op welke wijze ze datagedreven werken aanpakken. Duidelijk is wel dat een goede datahuishouding leidt tot veel nieuwe inzichten en op termijn tot lagere kosten. En dat samenwerking tussen partijen een voorwaarde is. Dat is niet alleen goed voor de overheden, maar juist ook voor de inwoners en de ondernemers. Tel uit je winst.

Waarom bedrijven moeite hebben om datagedreven te worden

Na jaren van focus op big data, is 72 procent van de ondernemingen er nog niet in geslaagd om een datagedreven cultuur te creëren. Het verlangen om te veranderen naar een organisatie waar beslissingen worden genomen op basis van data die is bewerkt tot inzichten is groot want kostenbesparend. Maar waarom zou je dan eerst kijken naar de middelen om data te verzamelen in plaats van te bepalen welke data er eigenlijk nodig is om succesvoller te worden?

Die 72 procent komt uit het ‘Big data & AI executive survey 2019’ van NewVantage partners. Het cijfer heeft betrekking op grote organisaties en zal onder MKB-bedrijven nog veel hoger uitvallen. Ondanks het feit dat bedrijven dus fors investeren en heel veel praten en discussiëren over big data, zijn ze blijkbaar niet in staat om een cultuurverandering tot stand te brengen. Waar ligt dat nu aan?

Data gedreven is net als klantgedreven

Zoals het onderzoek laat zien, vinden veel bedrijven dat ze iets met data moeten. Dit betekent echter wel iets voor de manier waarop een bedrijf wordt gestuurd. Het is namelijk niet alleen een kwestie van veel data verzamelen en deze analyseren.

Data gedreven werken houdt namelijk in dat diverse factoren die bepalend zijn voor het DNA van een organisatie moet worden bekeken. Vergelijk het met een bedrijf die als doelstelling heeft om klantgedreven te gaan werken. Dan volstaat het instrueren en trainen van medewerkers niet. Het betekent ook dat systemen in staat moeten zijn om belangrijke klantgegevens te tonen en dat er procedures zijn beschreven die de klant op de eerste plaats zetten.

Dit geldt dus ook voor de transformatie naar een datagedreven organisatie. De eerste stap is dus niet om te gaan onderzoeken waar men overal data vandaan kan halen. Het is belangrijker om te bepalen welke data in eerste instantie nodig is om datagedreven beslissingen te maken en op welke manier deze data kan worden verkregen. Vaak wordt er echter meteen gezocht naar externe bronnen terwijl in de meeste gevallen data al lang en breed in huis aanwezig is. En dan maak je eigenlijk al een valse start waardoor een organisatie direct een verkeerde koers gaat varen.  

Technologie kan je ook in de weg staan

Systemen worden ook vaak overslagen, zeker met de huidige technologische mogelijkheden ontkom je er niet meer aan om hierin te investeren. Data-analisten zijn vaak driekwart van de tijd bezig om data te bewerken zodat deze kan worden gebruikt voor analyse. Dat heeft te maken met de manier waarop data in CRM, financiële applicaties en ERP-systemen wordt opgeslagen. Het kost veel tijd om dezelfde data uit verschillende systemen met elkaar te kunnen verbinden. Met het op de juiste manier registreren kunnen dus al grote voordelen worden behaald op het gebied van efficiency. Dit betaalt zich uiteindelijk uit in waardevolle inzichten. Op deze manier kun je technologie voor je laten werken.

Succes van een datagedreven organisatie

Het succes of de kans van slagen van een datagedreven organisatie is dus niet afhankelijk van het op een grote hoop vegen van alle beschikbare data. En deze dan tot in het kleinste detail analyseren.

Er zullen hoogstwaarschijnlijk interessante inzichten ontstaan, maar op de lange termijn zal dit weinig kans van slagen hebben. Bedrijven moeten zich realiseren dat in het begin een kleine cultuurverandering nodig is om succesvol te zijn.

Iedere werknemer kan namelijk bijdragen aan het hogere doel door het belang in te zien van data. Maar nog belangrijker is dat het management inziet dat de doelstelling om data gedreven te worden niet alleen wordt behaald door het aanstellen van een data analist of zelfs het opzetten van een data—unit. Data zal net als andere onderdelen van een organisatie deel moeten gaan uitmaken van het DNA van je organisatie.

Exactere targeting Digital Out Of Home door inzet GPS-data en GSM-masten

Hoe kun je meten welke mensen je Digital Out Of Home (DOOH) uitingen zien? Dat is het vraagstuk waar alle DOOH-adverteerders antwoord op willen. Door GPS-data en gegevens van GSM-masten te combineren is daarop een antwoord te vinden. Daarmee kan de effectiviteit van campagnes snel omhoog.

Niet alleen voor adverteerders, maar vooral voor de overheid is het essentieel om accurate informatie te hebben over verplaatsingsgedrag. Op basis van deze informatie worden beslissingen genomen over miljardeninvesteringen in infrastructurele projecten. De kwaliteit van mobiliteitsinformatie is daarvoor van essentieel belang. Logisch dat er voortdurend onderzoek wordt gedaan naar het nog beter in beeld brengen van mobiliteit. En die kennis komt nu ook beschikbaar voor de buitenreclame.

Mobiliteitsspecialist DAT.Mobility heeft een oplossing waarmee we vanuit BEREIK als launchpartner de eerste DOOH publisher in Nederland worden. DAT.Mobility is samen met zusterbedrijf Goudappel Coffeng markt- en kennisleider op het gebied van mobiliteitsvraagstukken. Samen doen ze al decennnia mobiliteitsonderzoek voor Nederlandse overheden. De opgebouwde expertise is nu ingezet om te komen tot landsdekkende, actuele informatie over mobiliteit. Om de effecten van verkeersbeleid te kunnen monitoren heb je namelijk continu inzicht nodig in het gebruik van het wegennet en wil je over een langere periode op uniforme wijze meten. In een nog steeds drukker wordend verkeersbeeld heeft dit grote waarde voor adverteerders.

Datafusie

Er zijn veel manieren om informatie te vergaren over verkeersdrukte en relatiepatronen, bijvoorbeeld met tellingen, enquêtes, camera’s of navigatiesystemen. Hoewel deze bronnen alle hun waarde hebben, zijn ze te beperkt of te kostbaar om een voortdurend, compleet en actueel beeld te geven van verkeersstromen in heel Nederland.

Vanuit de behoefte om in advisering te kunnen beschikken over actuele, uniforme, landsdekkende mobiliteitsinformatie is Mobiliteitsbeeld Nederland ontwikkeld. Door gebruik te maken van diverse vormen van mobiele data en innovatieve datafusietechnieken brengt het bedrijf de verplaatsingen actueler en uitgebreider in kaart dan met telsystemen langs de weg kan. Hoe? Dit doen ze actief via GPS in apps en met GSM-data uit mobiele telefoons. Voordeel van GPS is dat je een exacte plaatsbepaling kunt doen en precies weet wat de reistijd, verblijfsduur en afgelegde routes zijn. Je hebt uiteraard wel een opt-in nodig van je doelgroep. Het bereik blijft daarom relatief klein, want niet iedereen wil die toestemming geven.

GPS en GSM-masten

Daarom worden er behalve GPS ook digitale sporen uit GSM-masten ingezet. Hiervoor voert men samen met Mezuro analyses uit op geanonimiseerde locatiegegevens die beschikbaar zijn via Vodafone. Deze gegevens leveren informatie over de verplaatsingen van maar liefst vier miljoen Nederlanders. Het is een plaatsbepaling bij benadering, omdat je meet langs welke masten iemand zich begeeft,  je weet de exacte route niet. Deze informatie biedt wel een volledig beeld van de herkomsten en bestemmingen van een zeer groot deel van de Nederlandse bevolking. De combinatie van GSM en GPS metingen is de basis en leidt ertoe dat het de mobiliteitsdata-oplossing met de hoogste penetratiegraad in Nederland is.

De mobiele telefoniedata wordt met een gevalideerde methode opgehoogd naar de  mobiliteit van de gehele bevolking. Vervolgens worden deze verfijnd naar adresniveau, en met verkeersmodelleringstechnieken als verkeersstromen op het wegennet gezet. Hierdoor weet je bijvoorbeeld hoe ‘dik’ de vervoersstromen zijn van Amsterdam naar Almere en vice versa. Maar belangrijker: je weet hoeveel mensen een willekeurig wegvak in Nederland passeren, en waar deze mensen vandaan komen en naartoe gaan. Heel zinvolle informatie voor wegbeheerders, bijvoorbeeld om vooraf de impact van een wegafsluiting te kunnen toetsen. Vandaar dat het nu tijd is om dezelfde hoogwaardige informatie inzichtelijk te maken voor adverteerders in de buitenreclame, zodat we per DOOH scherm gedetailleerd inzicht in de passanten kunnen verkrijgen en zo bouwen aan een nieuwe informatiestandaard voor adverteerders. Op het CVS (gerenommeerd congres voor beleidsmakers en mobiliteitsonderzoekers) ging DAT.Mobility vorig jaar met de prijs voor beste bijdrage naar huis, en ook het CBS heeft de achterliggende Mobiele Telefoniedata al getest en positief beoordeeld.

Nederlands Verplaatsingspanel

Het is voor een adverteerder op zich al interessant om te weten dat 80 procent van de automobilisten die om 10 uur ’s ochtends langs zijn boodschap rijdt afkomstig is uit Rotterdam. Maar die informatie kan nóg nauwkeuriger door de samenwerking met Mobidot en Kantar. Samen hebben de partijen het Nederlands Verplaatsingspanel (NVP) opgericht, bedoeld om van 20.000 Nederlanders de mobiliteit 24 uur per dag, 365 dagen per jaar exact te meten. Uiteraard met hun toestemming en geheel volgens Europese privacywetgeving.

Het NVP geeft aanvullend op de informatie uit GSM-masten een ongekende database over routes, locaties, afstand, datum, tijdstip en andere feitelijke gegevens. Je weet ook de leeftijd, gezinsgrootte en -samenstelling, arbeidssituatie, enzovoorts. Kortom, door de innovatieve datafusie van mobiele telefoondata (GSM) en NVP (GPS) is er te destilleren op welk tijdstip, hoeveel mensen, met welke achtergrondkenmerken de campagne van adverteerders te zien krijgen op een DOOH object.

Voor zowel directe campagnes als programmatic inzet biedt dit interessante perspectieven. Het targeten en plannen van campagnes wordt immers gemakkelijker en de effectiviteit groter. DOOH blijft natuurlijk een massamedium, dus het doel is niet om zo granulair te targeten als bijvoorbeeld in een online campagne, maar om het bereik van het medium gerichter in te zetten en er voor te zorgen dat adverteerders kunnen inkopen en plannen met zekerheid.

Mobiliteitsdata zorgt ervoor dat de potentiële audience inzichtelijker wordt. Dit opent meer opties voor de gerichte inzet van bijvoorbeeld dynamische, html5 creatives.

In vijf stappen naar een culture of analytics

Zou je willen dat je marketeers niet terugdeinzen voor het gebruik van data maar juist zelf op zoek gaan naar bruikbare inzichten? Dan heeft je marketingorganisatie een ‘culture of analytics’ nodig. Dit bereik je in vijf stappen.

Eerst een disclaimer: om een cultuur te creëren waarin mensen en data elkaar vinden, heb je een lange adem en focus nodig. Maar het is de moeite waard omdat medewerkers tot inzichten komen waar het bedrijf van profiteert. De volgende vijf stappen zijn hierin belangrijk:

1. Omarm de nieuwe rol van IT

Veel bedrijven hebben het idee dat ze moeten kiezen tussen ofwel data governance, waarbij IT de leiding heeft, ofwel medewerkers toegang geven tot de informatie zodat zij zelf analyses kunnen maken. Als de keus valt op data governance, dan zorgt de IT-afdeling voor de analyses en ontvangt de business hier rapportages over. Je krijgt dus wel antwoord op je vraag, maar niet het achterliggende inzicht. En doorvragen kost tijd.

Een tussenoplossing voor dit probleem is dat IT de databronnen beschikbaar stelt aan de business, zodat medewerkers zelf op onderzoek uit kunnen gaan. Maar in dit scenario is er sprake van silo’s. En doordat IT geen zicht heeft op wat de business met de data doet, ontstaat er een securityrisico.

In een culture of analytics zorgt IT voor een gecentraliseerde omgeving van betrouwbare data en content, waar de business toegang toe heeft en op zoek kan gaan naar de antwoorden op hun vragen. Het is een agile manier van analyses mogelijk maken, zonder dat de veiligheid in het geding is.

2. Zorg voor steun op managementniveau

Een nieuwe bedrijfscultuur moet gestimuleerd worden door de leiders van de organisatie. Uit een wereldwijd onderzoek van McKinsey blijkt dat organisaties met sterke analyseprogramma’s meer dan drie keer zo vaak op C-niveau steun hiervoor hebben dan minder presterende bedrijven.

Alleen het hoger management heeft de antwoorden op belangrijke vragen als: hoe kunnen we medewerkers stimuleren om vragen te stellen? Hebben ze hier de juiste tools voor? Worden ze aangemoedigd om hun bevindingen te delen met de rest van het bedrijf en wordt er dan ook daadwerkelijk iets mee gedaan? Door zelf altijd te vragen waar een voorstel of besluit op is gebaseerd, maakt het management de organisatie bewust van het strategische belang van data-analyses.

3. Leg de fundering

Het spreekt voor zich dat je de juiste technologie nodig hebt om een culture of analytics mogelijk te maken. Een selfservice platform dat intuïtief is, gemakkelijk in het gebruik en krachtige, diepgaande analyses mogelijk maakt, zonder dat er script of codes bij komen kijken. Je wilt immers zo laagdrempelig mogelijk zijn zodat alle medewerkers ermee aan de slag kunnen en willen gaan.

Als de tool staat, ga je communiceren naar medewerkers wat het doel is: een organisatie waar iedereen data kan omzetten in actiematige inzichten en de resultaten met elkaar deelt, zodat de impact op de business maximaal is. Laat zien hoe je tijd en geld bespaart of nieuwe kansen ontdekt met behulp van data. En help mensen om zelf tot inzichten te komen, zodat ze de kracht van data-analyse direct ervaren.

4. Schaal op met oog voor mensen en processen

Zodra het juiste technologieplatform staat, kun je je richten op de twee p’s, people & processes. Als het goed is, gaan straks steeds meer medewerkers gebruikmaken van de analysemogelijkheden die je aanbiedt. Dat betekent dat de tool schaalbaar moet zijn als het gaat om het managen van databronnen en gebruikersautorisatie. Daarnaast moeten de security en governance goed afgedekt zijn en moet je de kwaliteit van de gebruikte data bewaken. Monitor waar de gaten zitten en zorg voor een oplossing als je tekortkomingen signaleert.

Wanneer dit allemaal goed in elkaar steekt, kun je het aantal gebruikers uitbreiden. Zorg voor trainingen waarin het proces en de technologie aan bod komen. Leer IT hoe ze de business het beste kunnen ondersteunen in hun nieuwe rol. En train de business hoe ze de data kunnen gebruiken en hun bevindingen kunnen delen en toepassen. Misschien is het handig om een aantal IT’ers en gebruikers uit de business in een team te zetten dat de voortgang in de gaten houdt, behoeften begrijpt, kennis deelt en ervoor zorgt dat de culture of analytics die aan het ontstaan is top of mind blijft.

5. Zie de waarde van zowel empirische data als intuïtie

In een culture of analytics worden data benut om beslissingen te nemen. Dat betekent echter niet dat er geen plek is voor menselijke intuïtie. Alle data-analyses beginnen immers met een hypothese, een idee of gevoel, die met data kan worden bewezen of ontkracht.

Zo gebruikt het verkoop- en marketingteam van De Bijenkorf analyses om nieuwe informatie te vinden over koopgedrag en welke factoren van invloed zijn op aankoopbeslissingen. Dit gebeurt bijvoorbeeld door verkoopgegevens in verband te brengen met trends op social media. Hierdoor achterhaalt De Bijenkorf wat de verkoop van bepaalde producten stimuleert, binnen de grenzen van de AVG natuurlijk.

Waar sta jij als marketeer op de ladder van datagedreven marketing? Ben je net begonnen of al een data rockstar? En wat zijn dan je next steps? Je leest het in de whitepaper The Marketing Evolution: how data-driven is your organization?

Master Data Management: één waarheid voor alle betrokkenen in de keten

Was een ‘single source of truth’ voorheen alleen belangrijk voor eigen bedrijfskritische gegevens, nu blijkt het op orde hebben van die data van waarde voor de gehele keten. Om samen met externe stakeholders gebruik te maken van productinfo, onderling co-design op te zetten of intern juist tot betere branding van producten te komen. De rol die systemen voor het beheer van master data innemen groeit.

Tot niet zo heel lang geleden werden platformen voor Master Data Management (MDM) met name ingezet om de klant-, product- en financiële data uit verschillende systemen bij elkaar te brengen. Inmiddels krijgt een MDM-platform een grotere rol toegedicht. Die verandering signaleert bijvoorbeeld Forrester in de meest recente kwartaalupdate over het thema.

Een MDM-platform belooft werelden bij elkaar te brengen: ERP, CRM, PIM, e-commerce, winkels, maar ook belangrijke digitale assets komen bijeen. Daarmee treedt het op als een moedersysteem dat vervolgens met die ‘single source of truth’ – met uniforme en kloppende data – andere kanalen en bedrijfsprocessen voedt. Een fabrikant zorgt er daarmee voor dat de productinfo en -attributen in de eigen online catalogus overeenkomen met die van een marktplaats of ander verkoopkanaal. Een retailer weet op zijn beurt patronen in de eigen data te vinden en zo incomplete klantprofielen met elkaar te verenigen.

Doorsturen naar juiste partners

In toenemende mate verbinden de platformen ook bedrijven binnen een keten aan elkaar. En zorgen er juist voor dat bedrijven intern efficiënter kunnen werken. Van bol.com is bijvoorbeeld bekend dat de keuze voor een MDM-oplossing van Stibo Systems, met daarin een systeem voor Product Informatie Management (PIM), zijn vruchten heeft afgeworpen. De tijd die nodig is om nieuwe categorieën op te tuigen en alle leveranciers- en productgegevens (geautomatiseerd) bij elkaar te krijgen is met weken afgenomen. Dat is niet alleen een stuk efficiënter, klanten zijn altijd verzekerd van kloppende data.

De bredere rol brengt een aantal interessante uitdagingen met zich mee, zo ervaren experts. Hoe zorg je voor de juiste processen rondom de – door Forrester ‘zero party data’ genoemde – gegevens die door klanten proactief zijn afgegeven? En hoe ga je als bedrijf optimaal om met Voice of the Customer-data zoals productbeoordelingen en commentaren? Een MDM-oplossing moet in zo’n geval over algoritmes beschikken die deze data op de goede manier interpreteren, met elkaar verbinden en vervolgens doorsturen naar de juiste partners. Lang nog niet iedereen slaagt daar op dit moment in.

Data emotioneel maken

Mogelijk nog urgenter is de vraag hoe al die feitelijke gegevens behapbaar blijven en vervolgens persoonlijk en emotioneel zijn te maken. Want, zo ervaren retailers, met het klakkeloos presenteren van álle specs zijn lang niet alle klanten meer geholpen. In plaats van uitsluitend te praten over de lengte van een snoer, wil je als merk ook verleiden.

Hoe daarmee om te gaan? Voor de één komt het erop neer op die attributen te gaan meten. Want wie honderdduizend artikelen verkoopt, kan slechts met heel veel moeite voor alle producten unieke en overtuigende teksten, opsomming van feiten en video’s maken. Geregeld blijkt er na onderzoek een directe relatie te zijn tussen bepaalde content en de conversie. De belangrijkste producten, bijvoorbeeld gemeten naar marges en omzet, zijn vervolgens te verrijken.

Geautomatiseerd Master Data inzetten

Anderen kiezen inmiddels voor een meer experimentele en geautomatiseerde aanpak. Zo wordt er bij bedrijven getest of afbeeldingen met kunstmatige intelligentie zijn te herkennen. Om zo vervolgens met behulp van aanvullende productdata automatisch een passend verhaal te schrijven. Het doel is om in die automatisering ook de verschillende fasen van de funnel mee te nemen als belangrijke factor. Klanten die zich nog oriënteren op een aankoop, hebben immers behoefte aan andere productgegevens dan iemand die nog twijfelt tussen de laatste fabrikanten.

Een enkeling grijpt de aanwezigheid van de uniforme master data al aan om intern andere partijen bij elkaar te brengen. Te denken valt aan (brand)marketeers of productontwikkelaars. Met zogeheten vijf-seconden-tests, leggen zij consumenten vervolgens productfoto’s en bepaalde productattributen voor. Deze online tests maken goed duidelijk hoe informatie op het eerste gezicht wordt geïnterpreteerd, welke gegevens beter achterwegen kunnen blijven en hoe de verschillende data elkaar en de conversie beïnvloeden.

De feedback leidt nogal eens tot effectievere branding van unique selling points, betere copy en op den duur meer conversie. Het lijkt bijna een vergeten stap om multidisciplinaire teams te vormen rondom de beschikbare data. Van ontwikkelaar en creatief marketeer tot aan de analist. Door te valideren welke data de wereld in moeten en in welke vorm, ontstaat een beter begrip van wat op welk kanaal werkt.

Hoewel hieruit blijkt dat het de mens is die uiteindelijk breder naar data kan kijken en zo de waarde ervan bepaalt, groeit het belang van een complete dataweergave. Het neemt interne silo’s weg en maakt effectief gebruik ervan mogelijk. Om met Forrester te spreken: de volgende generatie van platformen voor master data, brengt zowel intern als buiten de organisatie partijen bij elkaar.

Data-dashboards ontwerpen begint met ‘design thinking’

Dashboards zijn een van de meest gebruikte zakelijke communicatiekanalen om data-inzichten te delen en zo cruciale informatie op de meest effectieve wijze over te brengen. Maar hoe zorg je ervoor dat de aandacht van het publiek bij elk dashboard naar de juiste delen wordt getrokken?

Om te begrijpen hoe mensen dashboards gebruiken, hebben we een eye-tracking-onderzoek uitgevoerd. Hiermee konden we inzichten verwerven over hoe algemene ontwerpelementen visueel de aandacht trekken. Het doel was om te observeren hoe mensen ‘instinctief’ een dashboard bekijken dat ze nog nooit eerder hebben gezien. Sommige onderzoeksresultaten moeten we verder bestuderen. Maar met wat we al wel hebben geleerd kunnen we alvast een deel van het mysterie van het dashboardontwerpproces oplossen en tips geven over het ontwerpen van efficiënte dashboards.

Het onderzoek

Binnen het eye-tracking onderzoek stelden we een aantal hypothesen op over hoe mensen naar dashboards kijken, opgesplitst in twee aannames. Ten eerste gingen we ervan uit dat bepaalde ontwerpelementen op het scherm onweerstaanbaar de aandacht zouden trekken, ongeacht hun locatie in het dashboard. We verwachtten veel visuele aandacht voor algemene dashboardelementen zoals lijndiagrammen, kaarten en pictogrammen.

Ten tweede wilden we kijken of mensen geneigd zijn een dashboard net zo te ‘lezen’ als een op tekst gebaseerde webpagina. Andere vormen van digitale media hebben aangetoond dat visuele ‘aandacht’ doorgaans een ​​F-patroon volgt, dat wordt gedefinieerd als de neiging van mensen om webpagina’s te consumeren in een “linksboven> rechtsonder” patroon. We wilden nagaan of mensen hetzelfde F-type patroon zouden aanhouden op onze dashboards.

Veel van de analyses waren gebaseerd op het bekijken van de oogbewegingen over alle dashboards. Er werden voor elk dashboard aandachtsgebieden (Areas Of Interest: AOI’s) gemaakt om aggregatie en vergelijking tussen dashboards mogelijk te maken.

Hierbij hielden we twee categorieën dashboard-AOI’s aan: dashboard elementen en het raster. Dashboard-elementen zijn de ontwerp-elementen waarvan we verwachtten dat ze visuele aandacht zouden krijgen, zoals lijndiagrammen, pictogrammen, kaarten, enz.

Wat betreft het raster werden alle dashboards gesegmenteerd in 3×3 rasters om ons in staat te stellen de neiging van kijkers te analyseren om de inhoud in een F-patroon te consumeren.

Resultaten

De resultaten van de studie lagen behoorlijk in de lijn van de verwachtingen. Veel van de uitkomsten rijmen met standaarden die we kennen uit visuele en user experience (UX) ontwerptheorieën. Er zijn echter ook een paar opvallende bevindingen te vermelden.

  1. We hebben kunnen aantonen dat mensen inderdaad de neiging hebben dashboards te bekijken op eenzelfde manier als andere digitale content zoals webpagina’s. Data geaggregeerd over alle deelnemers en dashboards suggereert een sterke neiging om de aandacht initieel te fixeren op de linkerbovenhoek en daarvandaan de aandacht met vergelijkbare waarschijnlijkheid naar rechts en naar de onderkant te verdelen. Deze gegevens ondersteunen de hypothese dat deelnemers de neiging hebben om een ​​F-patroon te volgen tijdens het bekijken van de dashboards.
  2. We hebben de aantrekkingskracht onderschat die ‘grote getallen’ op mensen uitoefenen. Grote getallen worden gedefinieerd als grote cijfers die visueel opvallen in een dashboard. We hebben de ‘tijd tot de eerste fixatie’ berekend voor alle dashboardelementen, waardoor we reacties van deelnemers op elk element konden vergelijken. Grote getallen wonnen het met één seconde (in een kijkperiode van 10 seconden) van alle andere elementen (lijnen, pictogrammen, logo’s en kaarten).
  3. Er zijn andere ontwerppatronen van toepassing op dashboards die bepaalde gedragingen lijken te ontlokken:
  • Herhalende visualisaties hebben de neiging om kijkers visueel te vermoeien.

Afnemende concentratie van boven naar beneden voor de elementen die zich herhalen op het dashboard

  • Hoog contrasterende elementen verdeeld op een dashboard kunnen helpen de aandacht te sturen.
  • Mensen besteden vaak meer tijd aan het kijken naar het bovenste gedeelte van een dashboard.
‘Design thinking’ toepassen

Met de constatering dat het mogelijk is om te voorspellen waar mensen op een dashboard zullen kijken, een paar tips om deze kennis in het dashboardontwerpproces toe te passen.

  1. Ontwerp doelbewust: de wisselwerking tussen mensen en jouw dashboard lijkt sterk op die tussen mensen en andere vormen van digitale content. Dit maakt van jou net zo goed een designer als analist. Hou daarom je gebruikers in gedachten bij het ontwerpen van hun ervaring. Stel jezelf de vraag welk verhaal je wilt vertellen over jouw gegevens op basis van wat voor de gebruikers interessant is. Weerspiegelt de ontwerphiërarchie van je dashboard deze doelen en interesses? Als dat niet het geval is, verbeteren trucjes als het vergroten of verplaatsen naar de bovenste helft van de pagina van belangrijke informatie en het opdelen van de visuele ruimte hun ervaring met je dashboard aanzienlijk.
  2. Blijf je ontwerp kritisch bekijken: behandel je dashboardontwerp alsof het een hypothese is. Neem aan dat sommige dingen echt goed werken en dat andere dingen mogelijk moeten worden verbeterd. Zoek naar manieren om deze hypothese te testen. Vraag een vriend om ernaar te kijken en gebruik het dashboard om een ​​vraag te beantwoorden. Voer een ‘squint-test’ uit op je dashboard (kijk met samengeknepen ogen zodat je zicht wazig wordt). Welke delen van het dashboard springen eruit als je ernaar kijkt? Jouw focus weerspiegelt naar alle waarschijnlijk de focus van je gebruikers.
  3. Ken je vormen: alle dashboards hebben een bepaalde vorm (kolomvormig, rij-gebaseerd, grid-gebaseerd, hybride). Bewust omgaan met deze vormen kan je beduidend effectiever succesvolle dashboardontwerpen laten bouwen. Anticipeer waarop je gebruikers hun aandacht zullen richten op basis van de vorm van je dashboard en gebruik dat in hun voordeel. Als je bijvoorbeeld weet dat ze een bepaalde key performance indicator (KPI) moeten zien en je hebt een kolomvormig dashboard gebouwd, plaats die KPI dan niet rechts of onder aan het dashboard.

Design-thinking helpt om de belangrijkste data in je dashboard ook echt de hoofdrol te laten spelen. Op die manier kan kennis en informatie optimaal met het publiek gedeeld worden en stel je hen in staat om eenvoudiger beslissingen te nemen. Design thinking is dus een krachtig instrument op weg naar data-gedreven ondernemen. Moet je binnenkort data tot leven brengen in een dashboard? Probeer bovenstaande tips dan eens uit.

Inzichten verkrijgen in data: Wordt het een CDP, DMP of marketing data warehouse?

Er komt een moment waarop het aan elkaar knopen van marketingtools middels exportbestanden niet meer voldoende is om de juiste inzichten te verkrijgen en acties te doen. Dat is het moment waarop je voor de keuze staat; wordt het een CDP, DMP of data warehouse?

Aan alledrie deze oplossingen hangt een redelijk tot stevig prijskaartje, uitgedrukt in Euro’s en uren. Het is dus belangrijk de juiste keuze te maken. Laat dit artikel jou hierbij helpen. Het is niet de bedoeling van dit artikel om je te vertellen welke oplossing beter is, wel om aan te geven wanneer je het beste een CDP, DMP of (marketing) data warehouse kunt gebruiken.

CDP, DMP, data warehouse. What the …?

Leuk, al die afkortingen en buzzwords, maar waar staan ze eigenlijk voor? Wat is het en wat kan je ermee?

Customer Data Platform (CDP)

Een customer data platform (CDP) is een oplossing waarin data van (potentiële) klanten en contacten uit verschillende systemen wordt gemodelleerd, geprofileerd en geactiveerd. Het gaat dan om data uit systemen voor advertising zoals Google AdWords of Facebook, campagne en email management systemen zoals Hubspot of MailChimp, CRM-systemen zoals Salesforce of MS Dynamics, test- en personalisatie-oplossingen zoals VWO of Optimizely, e-commerce systemen zoals Magento of Shopify, aangevuld met data uit webanalyticstools zoals Google Analytics.

Bron afbeelding: Emailvendorselection.com

Op basis van de activaties stuurt het CDP op zijn beurt deze systemen weer aan. Zo kan je bijvoorbeeld op basis van email open- en klikgedrag een contact targeten binnen Google AdWords. Klikt dit contact binnen een bepaalde periode niet op een advertentie dan wordt hij benaderd binnen Facebook. Wordt het contact klant dan ziet hij bij zijn eerstvolgende website bezoek geen wervende landingspagina meer maar branded pagina die zijn keuze bevestigt. Een beetje CDP kan voor het faciliteren van deze customer journey ook profielen verrijken met data uit onder andere data warehouses of externe bronnen.

De focus van een CDP ligt dus duidelijk op marketingacties en -activaties. Voorbeelden van populaire CDP’s zijn BlueConic, AgilOne, Datorama, QuickPivot, Tealium en WiQhit. Een CDP klinkt als de natte droom van iedere marketeer maar heeft ook nadelen. Het belangrijkste nadeel is dat de meeste CDP’s data nauwelijks tot niet opslaan maar voornamelijk profileren, uitzonderingen als Datorama en Nominow daargelaten waarbinnen data herleid kan worden naar klant/ID. Hierdoor is een CDP in het algemeen geen bron voor analyses en inzichten, en is het dus vooral een tactische en operationele oplossing.

Data Management Platform (DMP)

Een data management platform (DMP) is een oplossing waarin first-, second- en third-party audience data (cookieID’s) wordt opgeslagen en geprofileerd. Op basis van die profielen kunnen campagnes en advertenties worden opgezet en aan de juiste personen getoond. DMP’s worden vooral ingezet voor advertentiedoeleinden door publishers en hun klanten. Voorbeelden van populaire DMP’s zijn Adobe Audience Manager, BlueKai, Relay24 en SalesForce DMP.

Het belangrijkste verschil tussen een CDP en een DMP is dat een CDP werkt met herkenbare en naar personen herleidbare klant- en contactdata, en een DMP vooral met ongepersonaliseerde en niet (of lastig) naar personen herleidbare data. Daarnaast bewaart een DMP data relatief kort om een kostbare data-explosie te voorkomen.

Data warehouse (DWH)

Een data warehouse (DWH) is een oplossing die grote hoeveelheden (actuele en historische) data centraal opslaat voor met name analyses en rapportages. In tegenstelling tot een CDP en een DMP doet een data warehouse zelf niets met die data; het stelt de data alleen maar beschikbaar voor andere systemen zoals business intelligence tools.

In de praktijk worden data warehouses vooral gebouwd en onderhouden door IT teams met veel technische know-how maar weinig marketing affiniteit. Een marketing data warehouse is, zoals de naam al zegt, een data warehouse waarin vooral data wordt opgeslagen. Met moderne ETL (Extraction, Transformation en Load) tools zoals Stitch en Segment kan data uit diverse marketing tools en andere systemen in populaire data warehouses zoals Google BigQuery of Microsoft Azure worden opgeslagen. Dit geldt dus ook voor de data die verzameld wordt door campagne-, advertising-, CRM-, email-, e-commerce en webanalyticstools en systemen. Deze data is daarna beschikbaar voor strategische en tactische analyses, rapportages en dashboards in business intelligence tools zoals Power BI.

Waar een CDP nog redelijk ‘plug & play’ is, moet bij de inrichting van een marketing data warehouse toch iets meer denkwerk worden verricht. Met name de ETL-processen dienen goed te worden uitgedacht en beschreven zodat een IT team hiermee aan de slag kan, anders wordt data niet op de juiste manier verwerkt en opgeslagen en is het onbruikbaar voor marketingdoeleinden. Het beschrijven van deze processen is daarom een klus die toch echt op het bord van de marketeer ligt.

Keuze: CDP, DMP of DWH?

Wanneer kan je het beste kiezen voor een CDP, DMP of marketing data warehouse? Wat stop je in je martech stack? Uiteraard is die keuze afhankelijk van de strategie en dus voor iedere organisatie anders, maar in grote lijnen kies je een:

  • CDP als je voornamelijk marketingacties en -campagnes wilt opzetten en uitvoeren om de omnichannel customer journey van (eigen) relaties (suspects, prospects, klanten) te bevorderen;
  • DMP als je voornamelijk korte termijn advertising campagnes wilt opzetten, en beschikt over cookie data maar niet over relatiegegevens;
  • Data warehouse als je data wilt verzamelen voor strategische en tactische analyses, rapportages en inzichten.

Natuurlijk heb ik zelf ook mijn voorkeuren. Mijn ideale martech stack voor bedrijven die zelf hun klant- en contactgegevens beheren (wat voor de meeste bedrijven en organisaties geldt) bestaat uit een CDP als centrale oplossing voor inbound en outbound marketingacties en -campagnes, een data warehouse voor de opslag van die en andere actuele en historische data, en een tool als Power BI voor analyses, rapportages en dashboards.

Amazon aftroeven lukt alleen met juiste targeting van eigen data

Het recept voor Amazon’s succes in andere landen zou ook in Nederland de nekslag kunnen betekenen voor veel online retailers. Hoe kunnen zij weerstand bieden tegen de oprukkende reuzen die de markt bestormen? Het antwoord ligt vaak dichterbij dan ze zelf denken.

Amazon heeft kwaliteiten in huis die zelfs de beste online retailers nog missen. Ze verkopen alles en doen dat goed. Maar de grootste gamechanger ten opzichte van de concurrentie is de manier waarop ze hun data gebruiken en monetariseren. Andere online retailers kunnen hier een voorbeeld aan nemen.

Data is gouden handel

De wereldwijde advertentieomzet van Amazon was in 2018 een goede tien miljard euro en vormde het grootste gedeelte van hun netto resultaat. Hoewel Amazon hier nog niet heel groot is en geen omzet per land bekend maakt, kun je je voorstellen dat ook de impact op de Nederlandse markt aanzienlijk zal zijn.

Amazon is zo succesvol omdat het een perfecte beheersing heeft van de data die ze bezitten. Aan de hand van het gedrag van hun bezoekers, schat het nauwkeurig in waarnaar diegene op zoek is. Kijkt iemand op de site voor het eerst naar babykleertjes of -ledikantjes, dan weten ze dat er waarschijnlijk iemand in blijde verwachting is. Amazon kan met die data het merk Pampers de mogelijkheid geven die gebruiker te targeten op hun website, in de app of ergens anders op internet.

Het gaat niet alleen om toeleveranciers waarmee ze al zaken doen. Slim gebruik van data verbreedt de horizon enorm. Neem het voorbeeld van de klant die naar babyspullen aan het kijken is. Die zou normaal niet snel bij een autofabrikant op de radar verschijnen. Maar gezinsuitbreiding is natuurlijk een uitgelezen moment om een ruimere auto voor te stellen.

De omzet uit de verkoop van data voor advertenties stelt Amazon er vervolgens toe in staat de marges in hun webwinkel lager te houden dan de concurrentie. Bovendien kan Amazon al die data ook voor hun eigen retail gebruiken. Door gebruikers op het juiste moment het juiste product aan te bieden, verkopen ze gemakkelijker dan hun concurrenten.

Inspelen op het succes van Amazon

Veel winkeliers beschikken – soms onbewust – over een enorme berg gegevens. Ze weten precies wie hun klanten zijn, wat ze doen en wanneer ze ergens in geïnteresseerd zijn. Hun eerste uitdaging is het vinden van het juiste dataplatform om al die data te verzamelen en te combineren. Vervolgens moet die data geactiveerd worden, via alle mogelijke kanalen. Van display tot e-mail tot sms en zo verder. En tegelijkertijd is het zaak om te voorkomen dat dit allemaal zo complex wordt, dat het implementeren jaren duurt en budgetten overschrijdt. Vervolgens kunnen ze dan met die data aan de slag. Bijvoorbeeld zo:

  1. Gebruik je data om de eigen targeting te verbeteren: target je klanten met de juiste aanbieding en leer van iedere marketing campagne om de targeting nog verder te verbeteren
  2. Wanneer de klant op de website is, gebruik je data dan om aanvullende producten voor te stellen en
  3. Monetariseer je media en data in campagnes met suppliers en adverteerders.

De Casino groep in Frankrijk heeft bijvoorbeeld een heel succesvol saleshouse gebouwd, genaamd 3WrelevanC. Dit saleshouse is zo succesvol dat het nu zelfs andere uitgevers buiten de retailwereld die geen onderdeel zijn van de Casino groep heeft geïntegreerd. Zo profiteert het optimaal van een groeiende hoeveelheid data.

Besluit nu, want Amazon is nog maar het begin

De retailer wordt met slim gebruik van zijn eigen data zo een media-platform. Het is precies die aanpak die Amazon miljarden opbrengt. Als de Amerikaanse webwinkel de Nederlandse markt serieus gaan nemen, kan het hard gaan. Voor e-retailers is er geen tijd om besluiteloos te zijn. Zij moeten inzien dat de data die ze hebben de manier is om Amazon af te troeven. Ze kunnen het zich niet veroorloven te wachten, om hun data te laten verstoffen. Want wie denkt dat Amazon snel kan oprukken, kan zijn borst natmaken als Chinese e-tailer Alibaba werk gaat maken van Europa.

De ingrediënten voor een effectieve infographic [infographic]

Al enige jaren delen we in de serie Infographic Day visuals over marketing, online en social. Steeds meer bedrijven passen infographics toe om gegevens, onderzoeksresultaten en tips op een visuele manier weer te geven. De een nog mooier dan de ander. Maar wat maakt de ene infographic beter dan de ander? En uit welke elementen […]

Hoe ziet een standaard authenticatieproces er in de praktijk uit?

Consolidatie van authenticatie bij een paar belangrijke partijen kan ons online leven een stuk makkelijker en veiliger maken: Consumenten volgen een bekend authenticatiepatroon, en komen daardoor minder onaangename verrassingen tegen. Overigens bestaan er al een aantal digitale identiteiten. Een voorbeeld hiervan is DigiD. Het introduceren van een breder toepasbare digitale identiteit is een uitgelezen kans voor banken.

PSD2 geeft wie toegang tot wat?

We lezen in deze periode vlak voor de deadline, erg veel over PSD2. Er klinken veel geluiden, om niet te zeggen waarschuwingen. Door de betalingsrichtlijn zijn banken verplicht de klantaccount-data beschikbaar te stellen voor derde partijen als consumenten dat willen. Zulke derde partijen kunnen fintech start-ups zijn, maar ook grootmachten zoals Apple, Amazon of Facebook.

Bijzonder aan het verhaal over PSD2 is het authenticatieproces. De nieuwe wet maakt het namelijk mogelijk om authenticatie voor social media en shopping accounts te consolideren naar een digitale identiteit. Een voorbeeld: stel, een consument logt in bij een webshop. Nu moet daarvoor nog een gebruikersaccount worden aangemaakt, met bijbehorend wachtwoord. Het is met PSD2 mogelijk om webshops te linken aan de bankrekening van de consument. Zo kan de consument met een klik op de knop inloggen met dezelfde systematiek die hij gebruikt om zich te identificeren bij zijn bank. Dit dringt het aantal gebruikersnamen en wachtwoorden enorm terug. Kortom, gebruikersvriendelijkheid en veiligheid kunnen prima samen.

Nu roept dit voorbeeld voor velen de vraag op of het dan niet erg is dat webshops toegang krijgen tot bankgegevens. Dit is een misvatting; de informatieflow loopt precies andersom. De webshop krijgt je authenticatiegegevens en eventuele bankgegevens helemaal niet te zien. Bij het inloggen word je gewoon even naar de website van de bank geleid om daar in te loggen volgens een bekend systeem, net zoals nu bij iDeal betalingen ook al gebeurt. De bank geeft slechts een seintje aan de webshop na authenticatie dat de persoon die inlogt inderdaad de persoon is die hij beweert te zijn.

Digitale identiteit beschermen en beheren

Laten we de hypothetische authenticatiemethode uit het voorbeeld voor het gemak BankID noemen. Wanneer een consument inlogt op een webshop, krijgt hij of zij de optie om via BankID in te loggen. In de vorm van een pop-up verschijnen vervolgens de bankgegevens, vergelijkbaar met wanneer we een aankoop doen via iDeal. Hier kunnen consumenten dan aangeven of ze BankID willen gebruiken om in te loggen op de webshop en tot welke gegevens deze dan toegang mag hebben. Om dit proces te voltooien is dus expliciete goedkeuring nodig, precies zoals de PSD2 voorschrijft.

Een dergelijke vorm van centrale authenticatie maakt ook het centraal beheren van wie je gegevens heeft veel makkelijker. Binnen dit systeem kunnen consumenten alle webshops en social mediasites terugvinden waarop ze met BankID in kunnen loggen en welke gegevens ze toegankelijk hebben gemaakt voor die derde partijen. Ze kunnen daar dan kiezen of ze het delen van hun gegevens willen intrekken met een aan/uit schakelaar.

Gehoor geven aan consumentvertrouwen

Langzaam maar zeker zal de vraag naar een overkoepelende digitale identiteit steeds toenemen onder consumenten. Het is een kwestie van tijd voordat spelers oplossingen gaan lanceren om dit gat in de authenticatiemarkt te vullen. Sterker nog, er zijn al een aantal overkoepelende oplossingen beschikbaar, zoals DigiD van de Nederlandse overheid. Toegegeven, deze oplossing kan nog wat gebruiksvriendelijker gemaakt worden en is beperkt bruikbaar, namelijk alleen voor het inloggen op overheidswebsites.

Om een overkoepelende digitale identiteit te maken die bruikbaar is voor alle social media en webshops, is het belangrijk dat consumenten de partij door en door vertrouwen. Als consumenten mochten kiezen, zouden ze dan liever een tech-gigant zoals Apple, een kleine fintech start-up of een bank vertrouwen met hun digitale identiteit? We weten dat banken in Nederland op het gebied van vertrouwen nog een kleine voorsprong hebben als het gaat om consumentvertrouwen. Het is belangrijk om daar gehoor aan te geven en op te zinspelen. Bovendien behouden banken op deze manier een competitief voordeel. Met de verschuivingen in de betaalmarkt en de intrede van nieuwe innovatieve spelers op de betaalmarkt, is de rol van banken als geldbewaarder niet meer onverwoestbaar. Door te blijven innoveren op het gebied van authenticatie, versterken banken hun vertrouwenspositie in de markt.

Page generated in 1,670 seconds. Stats plugin by www.blog.ca