Predictive Analysis: Hype of dé toekomst?

Je kent ze wel, van die Tech Trends die opkomen en je ineens overal om je heen hoort. Binnen het vakgebied van Business Intelligence (BI) kennen we dit ook. Eén van de trends waar BI bedrijven vol op inzetten is Predictive Analysis, ofwel in goed Nederlands: voorspellende analyse.

Wat zijn Predictive Analysis?

Simpel gesteld is Predictive Analysis het met data voorspellen wat er gaat gebeuren in de toekomst. Technisch gezien betekent dit het extraheren van informatie uit bestaande datasets, met behulp van voorspellende modellen en statistische analyses. Hiermee kunnen patronen worden gevonden in historische en transactionele data. Op basis van deze patronen kunnen er vervolgens beslissingen worden genomen ten behoeve van een doeltreffende(r) bedrijfsvoering.

Terug naar de vraag in de titel. Is Predictive Analysis nu slechts een hype of juist dé toekomst? Een doorbraak of hetzelfde snoepje in een nieuw papiertje?

Predictive Analys is een blijvertje

Predictive Analysis is een blijvende trend. Een ontwikkeling die aansluit op de behoeften waar veel ondernemingen mee worstelen. Het is immers een logisch vervolg op de ontwikkeling die de afgelopen jaren is ingezet op het gebied van data-analyse en BI.

Het onderstaande model van Gartner geeft deze ontwikkeling goed weer. Met behulp van Descriptive en Diagnostic Analysis leggen bedrijven verbanden tussen de data die beschikbaar is in het bedrijf. Dit is de meest simpele vorm van analyses; denk aan een overzicht van het verloop van de omzet, marges, klantaankopen en urenbesteding over de tijd. Een stapje verder gaat Predictive Analysis: op basis van het verleden worden er voorspellingen gemaakt over de toekomst. Vervolgens borduurt Prescriptive Analysis hier verder op en beantwoordt de vraag hoe we op de gemaakte voorspellingen kunnen inspelen.

predictive-analysis

 

Leuk denkt u, maar is dit niet typisch iets voor nerds en geeks? Wat kan ik ermee in de praktijk en op welke wijze helpt Prescriptive Analysis mijn klant te begrijpen? Om dat duidelijk te maken, raad ik aan deze blog van Jake Sorofman in de Harvard Business Review (HBR) te lezen. Het artikel start met een kernachtige beschrijving van de nieuwe consument: drentelend in de winkel, gebogen over de smartphone bezig met het vergelijken van prijzen en reviews, voordat hij of zij tot een aankoopbeslissing komt.

Gepersonaliseerd aanbod

Herkenbaar? Tijdens het shoppen kiezen we inderdaad steeds vaker voor allerlei applicaties die ondersteuning bieden bij het maken van de juiste keuze. Denk bijvoorbeeld aan de populaire app voor wijnliefhebbers: Vivino. Na het scannen van de barcode op de fles toont deze app de gemiddelde prijs, drinkadvies en de meningen van anderen. En tsja, wie wil nou niet weten wat de aankooprijs was van het gekregen flesje wijn op het laatste verjaardagsfeestje?

Jake Sorofman beschrijft in zijn blog de ontwikkeling van consumentengedrag en strategieën om hier op in spelen. In de blog onderstreept hij het belang van data het gebruik ervan om iedere klant een gepersonaliseerd aanbod te kunnen aanbieden. Predictive Analytics maakt dit mogelijk.

Zinvol data gebruiken

Bedrijven weten doorgaans wel dat er veel informatie van klanten ‘ergens’ in hun systemen te vinden moet zijn, maar om van die data zinvol gebruik te maken is buitengewoon lastig. De kunst is om van de complexiteit ‘onder de motorkap’ een eenvoudig te gebruiken app te bouwen, waarmee de ondernemer zijn afnemers op maat kan bedienen en tegelijkertijd de klant de beleving kan geven dat hij een voorkeurspositie heeft.


De kunst is om van de complexiteit ‘onder de motorkap’ een eenvoudig te gebruiken app te bouwen, waarmee de ondernemer zijn afnemers op maat kan bedienen en tegelijkertijd de klant de beleving kan geven dat hij een voorkeurspositie heeft.


Ten slotte. Het succes van Predictive Analytics valt of staat – zoals altijd in de IT – niet bij de gebruikte tool (de data of technologie). Het gaat om de mate waarin bedrijven in staat zijn om data toe te passen als strategisch bedrijfsmiddel. Dit start daarom met het stellen van de juiste vragen.

  • Waarop willen we sturen?
  • Wat is het doel (kostenreductie, winstmaximalisatie of klanttevredenheid)?
  • Hoe willen we daar komen?

Pas in een vervolgstap kijken we naar de beschikbare data, die de basis vormen van de analyse. De juiste kennis en tooling is vervolgens nodig om de voorspellende analyse te kunnen uitvoeren.