Op werkdagen voor 23:00 besteld, morgen in huis Gratis verzending vanaf €20
David Stephenson: ‘Je moet mensen hebben die de business én de big data snappen’ interview
16 november 2018 | Bas Hakker

David Stephenson is een expert op het gebied van big data die over de hele wereld werkt. Hij gaf en geeft leiding aan big data teams bij grote bedrijven als eBay, Coolblue, adidas, en de Duitse uitgever Axel Springer. Onlangs schreef hij het zeer praktische Big data ontrafeld waarmee bedrijven direct aan de slag kunnen met big data.

Het is een heel praktisch boek geworden dat ook begrepen kan worden door leken. Waarom was het nodig om zo’n boek te schrijven?
Ik werkte natuurlijk op het gebied van big data bij eBay en Marktplaats en later werd ik freelancer voor Coolblue en adidas. Dan doe je veel praktijkervaring op en die ervaring wil ik doorgeven om bedrijven beter te maken. Verder vind ik het heel interessant om alles uit te leggen op het gebied van artificial intelligence en big data.

Kwam de opzet er als vanzelf uitgerold?
Zeker, het eerste gedeelte is bedoeld als een introductie in het vakgebied. Ik vertel iets over de basis van het onderwerp; waarom is big data een belangrijk onderwerp, hoe is artificial intelligence mainstream geworden en wat is cloud computing? In het tweede gedeelte ga ik dieper in op hoe je echt waarde kan toevoegen aan het bedrijf als je big data and data science gaat gebruiken. Hoe bedenk je een strategie, hoe kies je tussen de verschillende mogelijkheden een goede techniek en hoe huur je de goede mensen om het werk te doen? Het gaat me er echt om dat mensen ermee aan de slag gaan.

Dat laatste heb ik nog niet zo vaak gezien in andere boeken, vaak is het vrij abstract allemaal. Het is een soort handboek geworden en daar werd u ook voor geprezen in de media toen de Engelse versie uitkwam in februari van dit jaar.
Dat was de bedoeling, de persoon bij Adidas die verantwoordelijk was voor big data, zei tegen me: als ik dit boek had gelezen toen ik met het formeren van een big data strategy begon dan had het mij negen maanden werk gescheeld.

Onderschat het bedrijfsleven de mogelijkheden van big data?
Mensen realiseren door bedrijven als Google en Amazon dat big data veel potentie heeft dus de uitdaging is niet de onderschatting overwinnen. Er is voldoende bereidheid bij grote bedrijven om te investeren in big data, maar vaak weten ze niet precies wat ze ermee moeten doen. En het grote gevaar is dat als je niet weet waar je moet beginnen dat je een geweldig duur systeem koopt waar je vervolgens helemaal niets mee kan. Dan laat je je door verkopers verleiden in plaats van wat nodig is.

U gebruikt veel cases. Welke case heeft het meeste indruk gemaakt?
Ik vind de case van de Duitse webshop Otto wel een goed voorbeeld van de manier waarop de business analyses en de analyse van big data bij elkaar komen. Het begon met de probleemstelling dat het bedrijf veel geld verloor als gevolg van de grote hoeveelheid producten die retour gingen. De data leerde hen dat veel van die producten terugkwamen omdat het meerdere dagen duurde voordat ze er waren en daarna kochten consumenten het ergens anders. De oplossing was dat big data werden gebruikt om de productvraag beter te voorspellen zodat ze voorraad veel nauwer aansluit op de vraag. Er werden echt miljoenen data gebruikt van oude transacties om dit vast te stellen. Uiteindelijk kwam er een tool waarmee ze met 90 procent zekerheid 30 dagen verkoop kunnen voorspellen, ook op basis van zaken als het weer of de feestdagen. Door deze actie nam het aantal retouren af met een vijfde.

Wat kunnen we daarvan leren?
Dat voor een succesvolle inzet niet alleen een goed big data systeem nodig is, maar dat je moet beginnen met goed inzicht van jouw business. Je moet heel goed snappen hoe mensen jouw product kopen en waar eventueel nog winst te behalen is. Otto heeft zich niet gestort op big data omdat iedereen het doet, maar ze zijn begonnen met het probleem en daar zijn ze steeds dieper op ingegaan waardoor ze het ook konden oplossen.

U bespreekt ook een big data case waarbij het misging. IBM ging in 2013 samenwerken met het Anderson Cancer Center van de Universiteit van Texas. Zij zouden patiënten koppelen aan archieven met medische onderzoeken. Eind 2016 werd het project gestopt en de 62 miljoen dollar had heel weinig opgeleverd. Wat ging er mis?
Er waren simpelweg te weinig goede onderzoeken voorhanden om sterke conclusies te trekken, vaak moeten medici kiezen tussen verschillende behandelmethodes die nog helemaal niet onderzocht zijn. Uiteindelijk kun je stellen dat er vooraf een te hoog ambitieniveau is neergelegd waar de data nog niet aan toe was. Je kunt beter eerst aan de slag gaan in relatieve stilte en dan steeds meer je conclusies trekken. Daarom heb je flexibiliteit nodig in je team. Natuurlijk moet je een goede probleemstelling hebben, maar die moet je ook kunnen aanpassen als dat te hoog gegrepen is.

Kunt u vertellen hoe een succesvol big-datateam is samengesteld?
Het is belangrijk om echte inhoudelijke ‘big data scientists’ te hebben natuurlijk, maar het is net zo belangrijk dat je goede ‘business analists’ in je team hebt. Het gaat vaak mis omdat je te veel technische mensen hebt die de data niet kunnen toepassen op de business. Ikzelf begin altijd met de bedrijfsanalyse, maar je moet daarna wel snel je team gaan samenstellen hoor. Het is namelijk heel lastig om goede mensen te krijgen dus het is verstandig om te starten met wat goede externe mensen en dan kun je later opschalen met interne mensen. Het mooie aan deze tijd is dat je snel je hypotheses kan testen om slimmer te worden.

Wat is het grootste probleem waar bedrijven tegenaanlopen als ze een big data systeem gaan implementeren?
Het is in de praktijk vooral heel lastig om echt een verbetering in de business uit de analyse van de big data te halen. Je moet daarvoor echt een senior level hebben en dat niveau is in beperkte mate aanwezig. Zij moeten een visie, technische kennis en verstand van communicatie hebben en dat is heel vaak niet voorhanden. Het is mijn werkwijze om die datatechniek en de bedrijfsanalytische kant echt samen te brengen.

Is het makkelijker om een goed big data systeem te introduceren bij techbedrijven zoals Coolblue of bol.com dan bij traditionele bedrijven?
Techbedrijven staan er wat meer voor open, maar er zijn ook steeds meer banken en verzekeraars die de mogelijkheden van big data ontdekken. Grote bedrijven beseffen wel dat ze daar iets mee moeten, maar wat ik zei: ze weten niet hoe ze het moeten aanpakken.

Dus er is nog genoeg te doen voor u?
Zeker. Ik werk vaak een paar maanden in een bedrijf waarbij ik het systeem ga implementeren. Dat moet wel want elk bedrijf heeft specifieke eisen. Wat ik vaak doe, is helpen met het inhuren van goede mensen zodat ze aan de slag kunnen. Dat is namelijk iets waarmee directies geen ervaring hebben. Het probleem is dat er veel juniormensen zijn van rond de 20, maar mensen met wat meer ervaring zijn schaars. Je hebt echt meer leiders nodig. 


Big data ontrafeld - Neem betere zakelijke beslissingen met big data, data science en AI preview
8 oktober 2018 | David Stephenson

Steeds vaker horen we term ‘big data’ voorbijkomen. Maar wat houdt het eigenlijk in en waarom wordt het gezien als een game changer voor je organisatie?

Op welke manier kunnen big data de resultaten van jouw bedrijf verbeteren en zorgen voor een voorsprong op de concurrentie? En wat is het verschil tussen big data en traditionele data en hoe pas je ze toe?

Een nieuwe categorie data

De term ‘big data’ verwijst naar een nieuwe categorie data: grote, zich snel vermenigvuldigende hoeveelheden data, die vaak niet in een traditionele structuur passen. De data zijn met recht zo ‘big’ dat de complexiteit van de situatie eigenlijk niet uitgelegd kan worden. De hoeveelheden data zijn niet alleen groter dan we gewend zijn, ze zijn ook fundamenteel anders. Big data brengt nieuwe mogelijkheden en inzichten met zich mee, zoals machine learning. Op deze manier kunnen auto’s bestuurd worden door middel van een computer en kunnen hartinfarcten beter voorspeld worden.

Bovendien zorgt big data voor het vervagen van traditionele grenzen en vereist het een paradigmaverschuiving met betrekking tot hoe we tastbare waarde ontlenen aan deze data.

Big data als game changer

Big data maakt het mogelijk om meer diepgaande inzichten uit je data te halen, inzichten in wat jouw klanten motiveert en wat jouw productielijnen afremt. Big data biedt de data en het rekenvermogen om miljoenen klanten uitermate gepersonaliseerde ervaringen te bieden, maar ook om miljarden datapunten wetenschappelijk te analyseren op gebieden als kankeronderzoek, astronomie en deeltjesfysica. Het maakt kunstmatige intelligentie mogelijk en biedt vooruitgang op het gebied van deep learning.

Big data toepassen in jouw organisatie

Het doel van mijn boek is de term ‘big data’ te ontrafelen en praktische manieren te vinden om deze data in jouw organisatie in te zetten met behulp van data science en machine learning. Dit kan door middel van een zogenaamd big data-ecosysteem, een systeem bestaande uit onderdelen en analysemethodes die voor jouw toepassingen het beste werken. In een overzicht van tools, toepassingen en processen wordt uitgelegd hoe je waarde kunt ontlenen aan moderne data in al hun vormen.

Indeling van het boek

Het boek bestaat uit twee delen en bevat twaalf hoofdstukken. In het eerste deel belicht ik de meer theoretische kant van big data en beantwoord ik verschillende belangrijke vragen, zoals hoe is big data uitgegroeid tot een fenomeen? Waarom is big data de afgelopen jaren zo’n belangrijk thema geworden? Waar komen die data vandaan, wie gebruiken ze en waarom? Wat is het nut van big data? En wat betekent het om datagestuurd te werken? Daarnaast bied ik onder andere een overzicht van twintig veelvoorkomende bedrijfstoepassingen van (big) data, analytics en data science.

In de tweede helft toon ik hoe je big data nu eigenlijk toepasbaar maakt voor je organisatie. Op welke manier kunnen ze je helpen om je strategie te bepalen? Hoe formuleer je je strategie voor big data en data science? Hoe implementeer je deze? Hoe stel je het juiste team samen?

Aangevuld met toegankelijke voorbeelden en verschillende tips toont dit boek je hoe je met behulp van big data het beste uit je business kunt halen. Immers: Big data make big difference.

David Stephenson is internationaal spreker en expert op het gebied van data science en big data analytics. Al ruim 20 jaar geeft hij advies aan (internationale) bedrijven, private equity-ondernemingen en managementadviesbureaus. Hij heeft leidinggegeven aan wereldwijde analytics programma’s van Amerikaanse en Europese bedrijven zoals eBay (waaronder Marktplaats), Axel Springer, Belvilla en Cool Blue. Verder was hij betrokken bij het ‘global digital inititiative’ van Adidas en trainde hij tientallen data scientists voor Nederlandse bedrijven. David Stephenson woont sinds 2006 in Amsterdam. Hij is de auteur van Big data ontrafeld.

Populaire producten

    Personen

      Trefwoorden