Data kunnen cruciaal zijn om het bedrijf te laten groeien. Daarom wordt de functie van data-analist alleen maar belangrijker: tegen 2020 zou het aantal jobs binnen dit segment met 16 procent stijgen, hoewel het een heuse uitdaging wordt sterke profielen binnen machine learning en big data te vinden. Kleinere ondernemingen kijken voor data-analyse naar agencies en consultancies, terwijl grotere brands deze rollen intern rekruteren of extern huren.

De taak van de data-analist binnen de organisatie? Data verzamelen en analyseren en zodoende trends, impactpunten en red flags detecteren – niet op anekdotische, maar analytische wijze. Want alleen door data te koppelen aan beslissingen zal een organisatie erin slagen een data-driven cultuur te installeren, bij zowel technologische ontwikkelingen als dagdagelijkse besluitvorming.

Elke wetenschapper is een analist, maar niet elke analist is een wetenschapper

Toch mag een data-analist niet verward worden met datawetenschapper. Hoewel beiden op zoek gaan naar antwoorden achter de data, is de wetenschapper eerder gefocust op statistiek en theorie, terwijl de analist doorgaans meer een uitvoerende rol heeft (databank-management, gebruik van analytische platformen en Power BI,…). In dat opzicht is elke wetenschapper een analist, maar niet elke analist een wetenschapper, wegens niet altijd dezelfde interesse in de theorie die achter de uitvoering of processen schuilgaat.

Data-analyse as a service

De hamvraag voor organisaties is dus: moét een organisatie een data-analist inhuren? Het antwoord hierop hangt af van in hoeverre een bedrijf bereid is hierin te investeren en data-analyse deel te laten uitmaken van marketing en contentbeheer. Bedrijven met voldoende resources kunnen overgaan tot het inhuren van zo’n profiel, terwijl kleinere bedrijven misschien een beroep kunnen doen op derde partijen die data-analyse as a service aanbieden.

Een derde mogelijkheid is dat organisaties van hun marketeers zelf verwachten data-analyse onder de knie te krijgen. Maar dat vraagt twee belangrijke engagementen van die marketeer: het eerste is nieuwsgierig zijn en vragen stellen als ‘wat weten we niét over onze marketingpraktijken dat ons zou kunnen helpen betere beslissingen te nemen?’ Het tweede is trends ontwaren en linken leggen die verder gaan dan campagnes en de daaruit volgende click rate.

Niet alle bedrijven zijn geneigd te investeren in data-analyse en het installeren van nieuwe processen, die ze louter zien als duur en tijdrovend. Fout natuurlijk: weigeren te investeren in data-analyse komt neer op het verkiezen van de kortetermijnwaarde van de status quo boven de langetermijnwaarde van verbeterde groei.

Pas wanneer een organisatie op een zinvolle en werkbare manier reageert op data, zal duidelijk zijn dat de data op de juiste manier worden verzameld

Maar ook zijn niet alle marketeers bereid om data te verzamelen, evalueren en rapporteren. De reden hiervoor kan zijn dat ze niet over de nodige tijd, tools of skillsets beschikken. Toch bestaan er basic en heel gemakkelijk te integreren analysetools voor kleine (marketing)teams die trends willen spotten en analyseren. Om nog te zwijgen van ingebouwde tools in een technologieplatform – bijvoorbeeld een content management- of klantenrelatiemanagement-platform – dat vrijwel automatisch rapportage genereren en mits wat aanpassingen perfect kan gebruikt worden voor de eigen bedrijfsnoden. Kortom, organisaties zonder de middelen om een data-analist in te huren of extra oplossingen aan te kopen, kunnen dus kijken binnen bestaande tools of de skills van eigen medewerkers.

Rapportage kan sterker

In een ideale wereld heeft elke marketingbeslissing een achterliggende datacomponent die adequate rapportage mogelijk maakt. En het bedrijf kan hier proactief op inspelen, door bijvoorbeeld bij een e-mailcampagne op voorhand de belangrijkste datapunten te identificeren (inkomsten gegenereerd door de campagne, demografische uitsplitsing van personen die hebben gereageerd …). Deze rapporten kunnen dan worden teruggekoppeld naar andere teams in de organisatie. Zo kunnen merchandising-teams de mogelijke correlatie zien tussen de types advertenties en de gekochte producten.

Ook grotere componenten, die betrekking hebben op de ganse organisatie, moeten overwogen worden. Zo moet het tijdens bedrijfsbrede marketingbijeenkomsten mogelijk zijn om succesvolle trends te analyseren. Zoals de geografische locaties waar marketing de grootste impact heeft, of de soorten producten of content die de beste resultaten opleveren. Dit alles moet binnen een termijn worden gekaderd die de organisatie toelaat effectief beslissingen te nemen. Een jaar kan te ruim zijn, omdat zo de aankoopnuances binnen de verschillende seizoenen verwaarloosd worden. Dagelijks is ook geen optie, wegens de grote kans op informatie-overload. Een ideaal kader kan met andere woorden maandelijks zijn. Dit laat afdelingsvergaderingen toe om flexibeler te reageren en next step-oplossingen vorm te geven.

Analyse met een doel

Het mag er nooit gaan om data te verzamelen om het verzamelen ervan – er moet een purpose zijn. Pas wanneer een organisatie op een zinvolle en werkbare manier reageert op data, zal duidelijk zijn dat de data op de juiste manier worden verzameld. In het andere geval – de organisatie die geen resultaten zien in hun data-analyse – zal er ook geen investering gebeuren om verder data te verzamelen of statistieken te analyseren.

Dat ligt ook deels aan de organisatie, die zich geen duidelijke doelen stelt, noch feedback loops uitzet zodat de juiste vragen worden gesteld waarop ze relevante antwoorden nodig hebben. Als marketeers bijeen zouden komen om hier samen over te reflecteren, zouden ze zich de kwaliteiten van datawetenschappers kunnen eigen maken en nieuwe inzichten verwerven in de winsten en verliezen – zowel op niveau van departement als van de volledige organisatie.

Wil jij ook inzicht verwerven in data om jouw algemene klantenervaring te verbeteren? Download dan het Digital Agility Model (e-book) van Episerver en test hoe matuur jouw bedrijf is.