Waarom denken zonder data tot betere beslissingen leidt

Professor Bart De Langhe stelt zijn nieuwe boek 'Decision-driven analytics' voor

Stel dat je het klantverloop van je bedrijf wilt terugdringen. Je beschikt over een grote hoeveelheid data over de eerdere uitgaven van je klanten en je hebt geïnvesteerd in een geavanceerd model voor churn prediction dat een lijst genereert van klanten bij wie de kans op vertrek het grootst is. Je besluit om alleen die specifieke klanten te targeten met promoties en aanbiedingen. Volgens de best practices is dat immers de manier van werken. Waarom geld verspillen aan klanten die niet van plan zijn te vertrekken, nietwaar? Fout. In Decision-Driven Analytics leggen professor Bart De Langhe en professor Stefano Puntoni uit waarom je het beter anders aanpakt. Daarnaast zetten ze vraagtekens bij onze ideeën over datagedreven besluitvorming in een wereld waar big data de plak zwaait.

web-insights-bart-de-langhe-decision-driven-analytics

We staan aan de vooravond van een nieuwe revolutie onder impuls van artificiële intelligentie. Nooit eerder hadden bedrijven zoveel data ter beschikking. En om al die data te analyseren investeren ze in steeds geavanceerdere tools. "Toch zeggen veel executives dat die investeringen niet het verhoopte resultaat opleveren", aldus Bart. Hoe komt dat?

video-thumbnail-bart-de-langhe-decision-driven-analytics

Menselijke intelligentie als sleutel om de kracht van data te ontsluiten

Professor Bart De Langhe stelt zijn nieuwe boek 'Decision-driven analytics' voor. In het boek dat hij samen met professor Stefano Puntoni schreef, stelt hij een radicaal andere aanpak voor. Daarbij begin je bij de beslissingen, en werk je geleidelijk aan terug naar de data. Het boek focust op beslissingen, mensen en psychologie in plaats van op data, technologie en statistiek.

Duikers zijn geen hardlopers

Veel organisaties slagen er niet in hun data om te zetten in waarde door de kloof tussen wie de data analyseert en wie de beslissingen neemt. Bart legt uit wat het probleem is: "Om het eenvoudig te houden, zijn er twee soorten mensen in organisaties: duikers en hardlopers. Duikers houden van een mooie dataset. Ze vinden het fantastisch om in al die informatie te duiken, hun statistische modellen erop los te laten en inzichten te vergaren. Hardlopers daarentegen voelen de tijdsdruk en willen zo snel mogelijk de nodige informatie om beslissingen te kunnen nemen."

Het probleem schuilt volgens Bart in de kloof tussen die twee groepen. Ondanks aanzienlijke investeringen in data en tools hebben de inspanningen op het gebied van data-analyse hierdoor geen invloed op de besluitvorming. "Zelfs als organisaties zwaar investeren in data-analyse, worden er met andere woorden nog steeds beslissingen genomen zonder optimaal gebruik te maken van de beschikbare data", concludeert hij.

Focus op beslissingen, niet op data

Datagedreven besluitvorming lijkt de verwachtingen dus niet in te lossen. Daarom stellen Bart en Stefano voor om data naar de achtergrond te verschuiven – niet meteen iets wat je zou verwachten in een boek over data-analyse. "Wij stellen een radicaal andere aanpak voor, namelijk decision-driven analytics of beslissingsgestuurde analyse. Daarbij begin je bij de beslissingen, en werk je geleidelijk aan terug naar de data. Ons boek focust dan ook op beslissingen, mensen en psychologie in plaats van op data, technologie en statistiek."

Voor wie de achtergrond van de auteurs kent, komt dat niet als een verrassing. Bart studeerde psychologie en verdiepte zich later in statistiek, en Stefano begon zijn loopbaan als datawetenschapper, waarna hij de overstap maakte naar de psychologie. Hun paden kruisten elkaar toen ze beiden als academici aan de slag gingen bij een business school. Dit boek is het resultaat van hun jarenlange ervaring als professoren in managementopleidingen aan prestigieuze instellingen en als consultants voor bedrijven over heel de wereld. Wat bracht hen ertoe dit boek te schrijven? "We hebben onze methode in de loop der jaren bijgeschaafd en denken dat dit het juiste moment is om ons framework te delen met het grote publiek", aldus Bart. "Het doel van dit boek is simpel: we willen dat organisaties op een andere manier naar data-analyse gaan kijken. We hopen dat het boek een katalysator kan zijn voor positieve verandering in de manier waarop organisaties data gebruiken om beslissingen te nemen."

Van beslissingen naar antwoorden

Bij decision-driven analytics gaan organisaties beslissingen nemen door op strategische wijze de intelligentie en het beoordelingsvermogen van de mens te combineren met geavanceerde data-analyse. De methode omvat vier opeenvolgende stappen, die elk in een apart hoofdstuk van het boek aan bod komen.

  • Beslissingen: Decision-driven analytics begint bij het identificeren van alternatieve beslissingen. Welke verschillende opties of acties zijn er? "Het is niet de bedoeling om zo breed mogelijk te gaan," zegt Bart, "maar om te focussen op de opties die haalbaar zijn en impact hebben."
  • Vragen: De tweede stap is het formuleren van vragen. Welke vragen moet je beantwoorden om een beter onderbouwde keuze te kunnen maken tussen de verschillende opties? Het advies van Bart is eenvoudig: "Stel de juiste vragen en wees zo precies mogelijk. Dubbelzinnige vragen kunnen namelijk tot misverstanden en slechte beslissingen leiden." Waarom je de juiste vragen moet stellen, wordt perfect geïllustreerd door het eerder genoemde voorbeeld van klantverloop. Het model voor churn prediction vertelt je hoe groot de kans is dat een bepaalde klant vertrekt. Maar om je promoties verstandig in te zetten, zou je eigenlijk een andere vraag moeten beantwoorden, namelijk 'welk effect heeft onze actie op de kans dat een bepaalde klant vertrekt?'. "Het antwoord op die vraag vind je niet in historische uitgavendata", zegt Bart. Dus welke data moet je dan wel verzamelen? Hij glimlacht. "Daarvoor zal je het boek moeten lezen. Maar ik kan alvast dit delen: best practices toepassen kan er net voor zorgen dat die specifieke klanten nog sneller vertrekken."
  • Data: Pas bij de derde stap moet je beginnen focussen op data. Welke data moet je verzamelen en analyseren om de vragen te beantwoorden die je in de vorige stap hebt geïdentificeerd? Bart benadrukt dat het bij decision-driven analytics niet draait om big data, maar om relevante data. "Je zult vaak merken dat de data die je hebt, niet de data zijn die je nodig hebt", zegt hij. "Hoe je data geproduceerd worden, is net zo belangrijk – zo niet belangrijker – dan de data zelf."
  • Antwoorden: De laatste stap van decision-driven analytics bestaat uit antwoorden. En in tegenstelling tot de vragen, die ondubbelzinnig moeten zijn, moet je hier wél rekening houden met onzekerheid. Bart licht toe: "Zorg ervoor dat deze antwoorden niet té precies zijn, want precieze antwoorden zijn vaak fout."

Een middel om een doel te bereiken

De voordelen van het framework voor decision-driven analytics zijn tweeledig. "Enerzijds verhoogt het de effectiviteit van de besluitvorming", legt Bart uit. "Door ons framework te gebruiken zullen organisaties namelijk de juiste data analyseren en daardoor betere beslissingen nemen. Anderzijds verhoogt het de efficiëntie van de besluitvorming. Zoals ik al zei, investeren veel organisaties sterk in technologie voor data-analyse, maar zien ze vaak niet het gewenste resultaat. Ons framework vermindert die inefficiëntie."

Als er één boodschap is die lezers uit dit boek moeten meenemen, dan is het deze: data-analyse is een middel om een doel te bereiken. Welk doel? Betere beslissingen nemen. "En om dat doel te bereiken", zegt Bart, "moet je de juiste data hebben. Organisaties beschikken tegenwoordig over massa's data, waar ze vervolgens een doel voor proberen te vinden. Daar zit de fout. Je moet net op zoek gaan naar de data die relevant zijn voor het doel dat jij voor ogen hebt."

Stof tot nadenken

Hoewel het boek een frisse kijk biedt op data-analyse, is het verre van theoretisch. Het zit boordevol praktijkvoorbeelden uit uiteenlopende sectoren, waaronder financiële dienstverlening, technologie, farmaceutica, consumentengoederen, e-commerce en de auto-industrie, en behandelt verschillende bedrijfsfuncties zoals klantenbeheer, bedrijfs- en merkwaardering en digitale reclame. Het bevat ook voorbeelden uit niet-zakelijke domeinen, zoals vaccinontwikkeling en politieke campagnes. Daarbovenop wemelt het boek van de geweldige anekdotes en interessante weetjes. Toch is het met iets meer dan 100 pagina's een kort en bondig werk in toegankelijke taal, zonder jargon. "Je kunt het in een paar uur uitlezen," verzekert Bart, "maar we hopen dat het je nadien nog veel langer aan het denken zal zetten."

Voor beginners en experts

Bart en Stefan hebben het boek geschreven voor iedereen die beslissingen neemt op basis van data – van beginners die data beter willen begrijpen en gebruiken die betere beslissingen willen nemen, tot experts die teleurgesteld zijn over hoe hun analyses gebruikt worden en de communicatie met de besluitvormers willen verbeteren.

Benieuwd wat de London Whale Trade te maken heeft met datagedreven analyse? Waarom is Meta's bewering over de effectiviteit van gepersonaliseerde reclame fundamenteel onjuist? Wat zijn de gevaren van categorisch denken? En waarom betekent het feit dat gevaccineerde personen tijdens de COVID-19-pandemie in het ziekenhuis belandden, niet noodzakelijk dat vaccins hun effectiviteit verliezen? Er is maar één manier om daar achter te komen ...

Meer lezen?
Decision-Driven Analytics – Leveraging Human Intelligence to Unlock the Power of Data is gepubliceerd door Wharton School Press, onderdeel van University Of Pennsylvania Press. Je kunt het boek ook bestellen bij Amazon.

Over de auteurs

  • Bart De Langhe is professor Marketing aan Vlerick Business School en KU Leuven, België. Hij is ook de oprichter van Behavioral Economics and Data Analytics for Business (BEDAB), een adviesbureau dat bedrijven helpt om hun besluitvorming en prestaties te verbeteren door middel van gedragswetenschappen en data-analyse.
  • Stefano Puntoni is Sebastian S. Kresge Professor of Marketing aan de Wharton School, University of Pennsylvania, VS. Hij is ook co-director bij AI at Wharton, een initiatief dat onderzoek naar en onderwijs over artificiële intelligentie aan de Wharton School stimuleert, coördineert en bevordert.

Neem contact op!

Bart De Langhe

Bart De Langhe

Professor of Marketing