Hoe je met datagedreven werken je organisatie slimmer en efficiënter maakt

Van klantgegevens, verkoopcijfers en technische specificaties tot informatie afkomstig van social media of uit cookies: veel bedrijven en organisaties beschikken over enorme hoeveelheden data. Daar komen vaak nog allerhande meetgegevens bij: data uit camera’s, machines, voertuigen en tal van andere slimme apparaten.

Al die gegevens kun je gebruiken om goed onderbouwde beslissingen te nemen. Zeker nu de mogelijkheden voor complexe, geautomatiseerde data-analyse snel toenemen. Maar welke nieuwe, datagedreven toepassingen zijn er zoal? Wat kun je met al die data? 6 voordelen van datagedreven werken.

1. Betere producten maken

De eerste toepassing van datagedreven werken is vrij basaal: door gegevens te verzamelen over producten en hun gebruikers, kun je het desbetreffende product gericht verbeteren. Blijkt uit een analyse van gegevens van je klantenservice dat veel vragen of klachten gaan over een specifiek (onderdeel van je) product? Dan is het hoog tijd om daar eens kritisch naar te kijken.

Maar ook gegevens van social media kunnen een dankbare bron zijn als je je product of dienst wil verbeteren. Zo besloot de R&D-afdeling van een levensmiddelenfabrikant de samenstelling van een van de tandpasta’s te veranderen. Al snel bleek dat klanten de voorkeur gaven aan de ‘oude’ tandpasta. Analyse van gegevens van de klantenservice en reacties op social media had kunnen zorgen voor een betere match tussen productontwikkeling en klantbehoefte. Wat willen je klanten nou écht?

2. Betere service leveren

Steeds meer bedrijven zetten data-analyse in om meer zicht te krijgen op de klanttevredenheid. Zo kunnen technieken op het gebied van natural language processing (NLP) worden gebruikt om telefoongesprekken die binnenkomen bij de klantenservice geautomatiseerd om te zetten in tekst. Het systeem analyseert deze gegevens en zoekt naar indicatoren dat een klant niet tevreden is. Hoe meer data, hoe makkelijker het wordt om producten en diensten precies dáár te verbeteren waar het nodig is.

Een ander voorbeeld is het Amerikaanse Intuit. Deze ontwikkelaar van fiscale software gebruikt big data om te voorspellen in welke mate gebruikers een controle van de belastingdienst kunnen verwachten. Dat gebeurt op basis van klantervaringen in het verleden.

3. Inspelen op klantwensen

Analyse van klantdata kan ook meer licht werpen op individuele klantwensen en -voorkeuren. Daardoor kun je – net zoals grote spelers als Coolblue, Bol.com of Netflix – individuele klanten steeds beter bedienen. Bijvoorbeeld met een perfect op de klantvoorkeur toegespitst aanbod. Of met suggesties voor producten of diensten die óók interessant kunnen zijn.

4. Sneller inspelen op de markt

Bedrijven die beter of eerder dan de concurrent weten wat er speelt op de markt, kunnen daar hun voordeel mee doen. Big data kunnen je hierbij helpen. Door bijvoorbeeld goed in de gaten te houden waarover consumenten praten op social media, kun je trends in de markt en in de maatschappij tijdig herkennen en erop inspelen.

5. Slimmer onderhoud

Op het snijvlak van sensortechnologie en big data ontstaan voor bedrijven allerlei interessante mogelijkheden voor smart maintenance. Zo kunnen machinebouwers op basis van meetgegevens over zaken als temperatuur, drukverschillen en slijtage steeds beter voorspellen wanneer een machine stuk gaat. Op die manier kunnen ze proactief ingrijpen en onnodige downtime voorkomen.

Een voorbeeld is HTC Parking & Security uit Waddinxveen, dat zogenoemde speedgates voor parkeergarages ontwikkelt. Het bedrijf monitort de conditie van zijn vouwbare hekken permanent op basis van 150 parameters. Wijzen de data uit dat een (onderdeel van de) speedgate het dreigt te begeven? Dan kan het bedrijf de beheerder ter plekke adviseren of een onderhoudsmonteur sturen. Daarmee komt ook predictive maintenance binnen bereik: het nauwkeurig voorspellen van wannéér een poort onderhoud nodig heeft.

6. Kosten besparen

Big data kunnen goed van pas komen bij het optimaliseren van je bedrijfsprocessen en het op die manier terugdringen van je kosten. Een bekend voorbeeld is dat van vervoerder UPS. Het Amerikaanse bedrijf liet grote hoeveelheden data vanuit zijn voertuigen analyseren. Daaruit bleek dat het bedrijf flink zou kunnen besparen als chauffeurs op kruispunten zo min mogelijk linksaf zouden slaan. Linksafslaand verkeer moet namelijk wachten op een doorgang in de verkeersstroom uit tegenovergestelde richting. En dat kost (alles bij elkaar opgeteld) veel benzine en tijd.

UPS stelde de navigatiesystemen in zijn bestelbussen zó in, dat een bezorgroute zo min mogelijk bochten naar links telt. Het resultaat: een besparing van 38 miljoen liter brandstof per jaar en 20.000 ton minder CO2-uitstoot. Tegelijkertijd nam de efficiency toe; dankzij de maatregel kon het bedrijf 350.000 extra pakjes bezorgen én waren er 1.100 bestelwagens minder nodig. Een goed voorbeeld van hoe data en data-analyse kunnen leiden tot aanzienlijk meer efficiency en kostenbesparingen.

Dit artikel is onderdeel van het dossier ‘Performance Verbeteren’ op mt.nl. Dit dossier wordt mede mogelijk gemaakt door House of Performance. House of Performance is specialist in het verbeteren van prestaties op de werkvloer door datagedreven werken te implementeren.

Lees ook:

• Zo word je een datagedreven organisatie in 7 stappen
• Impact maken met data? Deze bedrijven doen het al
• Hoe je met data de customer performance verhoogt
• Wat je moet doen als je team niet meewerkt