Future Bright - Decisions at the speed of Right by SAS Nederland

244 Omslag BigData fc+goud.indd 1

160

170

5,5

170

160

12-09-12 12:23

FUTURE BRIGHT Decisions at the speed of right

INHOUDSOPGAVE

Voorwoord door Karel Kinders

Visie SAS

Edwin Peters en Jeroen Dijkxhoorn - ‘High-Performance Analytics verandert het speelveld’

Interview

Dennis Kamst (RWE) - ‘Datastroom creëert nieuwe waarde binnen energiesector’

5 vragen aan …

Aloys Kregting (DSM) - Zandkorrels in de woestijn

Visie

Dan Ariely - ‘We zijn voorspelbaar irrationeel’

Interview

Derek Wylde (HSBC) - ‘Snelheid en nauwkeurigheid zijn fundamenteel’

5 vragen aan …

Jacco van der Weerd (Rabobank) - Vragen en vervolgvragen

38 Interview

Bank of America en UOB - Banken beperken kredietrisico’s met High-Performance Analytics

Interview

Natasha Zharinova (Marktplaats.nl) - ‘Geen tijd verliezen met het verzamelen van gegevens’

5 vragen aan …

Arjan de Ruiter (bol.com) - Inspirerende winkelomgeving

Interview

Kerem Tomak (Macy’s) - ‘Relevanter zijn voor klanten’

Profiel SAS

60 Colofon

voorwoord

Een belangrijk onderwerp als analytics verdient een benadering in heldere, praktische termen. Zoals bij zoveel technologisch gedreven ontwikkelingen wordt de aandacht te vaak in hype-achtige bewoordingen verlegd naar begripsdefinities, drempels en valkuilen in plaats van een focus op de meerwaarde. Voor je het weet worden nieuwe mogelijkheden gezien als een bedreiging, terwijl ze juist kansen zijn. Dit boek laat zien dat het ontsluiten en ontginnen van steeds grotere hoeveelheden gegevens laagdrempeliger is dan vaak wordt gesuggereerd. Sterker: de voordelen van een effectieve analytics-aanpak liggen meer dan ooit voor iedereen binnen handbereik. Organisaties hebben te maken met steeds sneller, groter en gevarieerder wordende datastromen. Bij een term als big data denken zelfs goed ingevoerde IT’ers, analisten en businessmensen al snel aan een ongebreideld groeiende wirwar van gegevens uit een groot aantal gestructureerde en ongestructureerde bronnen – een stortvloed aan data die vanuit verschillende hoeken op de organisatie af dendert. Maar wie een beetje afstand neemt, ziet al snel een meer natuurlijke ontwikkeling waar alle organisaties op kunnen inhaken. Ongeacht het volwassenheidsniveau. Het pad van business intelligence naar big data analytics is voor iedereen te bewandelen. Het begint bij het aggregeren en ontsluiten van afgebakende hoeveelheden gegevens, om vervolgens met behulp van nieuwe technologieën toe te werken naar de realtime analyse van nagenoeg onbegrensde hoeveelheden data. Een pad dat van reactief naar proactief loopt, maar ook van terugkijken naar voorspellen. Op welk niveau je als organi satie de eerste stappen zet, is minder belangrijk dan de beslissing om mee te gaan. Dit vereist visie. Het gaat uiteindelijk allemaal om snellere toegang tot relevante informatie. Om daarmee de voorheen niet zichtbare patronen, sentimenten en verbanden te onthullen en betere beslissingen te nemen. Het liefst in realtime en on the fly. Het gaat daarbij overigens niet alleen om snelheid; de inzichten en beslissingen moeten ook nog eens kloppen en bovendien op het juiste moment genomen kunnen worden. ‘Decisions at the speed of right’ dus. High-performance technologieën zoals parallel computing, snellere processoren, In-Memory analytics en goedkopere opslag maken het inmiddels mogelijk... Vooralsnog lijkt High-Performance Analytics voor veel organisaties nog niet veel meer dan een stip aan de horizon. De weg ernaartoe ligt echter open voor iedereen. Begin met het werken vanuit de bestaande omgeving, ontdek de toegevoegde waarde van grotere hoeveelheden en meer gevarieerde data. Om op basis daarvan sneller betere beslissingen te kunnen nemen en nieuwe mogelijkheden te ontdekken. Maar laat u eerst inspireren door de verhalen in dit boek. Ik wens u veel leesplezier! Karel Kinders Managing Director SAS Nederland

VISIE

ANALYTische tools en vaardigheden vereist

High-Performance Analytics verandert het speelveld Door Edwin Peters en Jeroen Dijkxhoorn

De wereldwijde hoeveelheid data verdubbelt volgens schattingen elke twee jaar. Dergelijke hoeveelheden data vertegenwoordigen weliswaar een schat aan inzichten en antwoorden, maar hoe meer data in allerlei vormen, hoe lastiger en tijdrovender de snelle verwerking ervan is. Maar wat als je in plaats van vijf uur slechts enkele minuten nodig had voor het vinden van antwoorden op belangrijke vragen? Dan zou onze manier van werken, maar ook onze businessmodellen wel eens heel anders kunnen worden ingericht. High-Performance Analytics is een werkwijze om razendsnel inzichten uit enorme hoeveelheden gegevens te halen en zo het speelveld ingrijpend te veranderen. Het spel verandert volledig wanneer organisaties alle relevante informatie uit uiteenlopende bronnen, direct kunnen meenemen in hun beslissingen en acties. Denk aan retailers die nu prijzen voor duizenden producten in realtime kunnen optimaliseren, overheden die fraude daadkrachtiger kunnen bestrijden, banken die risico’s in realtime kunnen beheren en bedrijven die klanten via cross- en up-selling beter bedienen. De mogelijkheden zijn legio en we staan nog maar aan het begin.

Big Data Informatie is voor organisaties altijd al van grote waarde geweest. Maar data is niet hetzelfde als informatie. De strategische inzet van business analytics zet data om in informatie en inzichten, waardoor de waarde ervan sterk toeneemt. De hoeveelheid, snelheid en variëteit aan gegevens groeit intussen steeds sneller en raakt de grenzen van wat organisaties qua systemen en infrastructuur aan kunnen. Dit wordt ook wel ‘big data’ genoemd en het fenomeen komt niet uit het niets. Het is het resultaat van elkaar versterkende ontwikkelingen op het gebied van informatie, technologie en cultuur. E-mail en social media, foto’s en video zorgen voor een explosieve toename aan ongestructureerde data. Daarnaast zorgen slimme energiemeters, mobiele apparatuur en online gekoppelde sensoren, die gegevens over bijvoorbeeld weer, verkeer en water registreren, voor een snel uitdijende en 7

steeds gevarieerder wordende datastroom. Tegelijk is er een technologische revolutie gaande waarbij de sterk verbeterde capaciteit en verwerkingsnelheid van systemen realtime inzicht, analyse en besluitvorming mogelijk maken. Een kansrijke uitdaging. Snellere processoren, de opkomst van parallel computing (waarmee rekenkracht wordt verdeeld over meerdere machines), dalende opslagkosten en cloud computing zijn stuwende factoren op technologiegebied. Om alle in de data opgesloten waarde te ontginnen, zijn niet alleen het juiste technologische tools nodig, maar ook een informatiegerichte cultuur. Vooral op het laatste punt vindt momenteel een belangrijke verschuiving plaats; (big) data is sexy en heeft binnen veel organisaties de volle aandacht. Door advanced analytics toe te passen op grote hoeveelheden gevarieerde gegevens krijgen organisaties meer inzicht in hun klanten, de markt en de buitenwereld. Op basis daarvan nemen ze betere beslissingen. Hierbij onderscheiden we beschrijvende en voorspellende analyses. Bij het eerstgenoemde analysemodel wil je vooral begrijpen wat er is gebeurd en hoe dit tot stand is gekomen. Het tweede type analyses gaat over vooruitkijken of het voorspellen van veranderscenario’s. De combinatie van deze twee analysevormen biedt inzicht, helpt organisaties zich voor te bereiden op de toekomst en stelt ze in staat beter te sturen. Een hogere productiviteit, efficiëntere processen, concurrentie

‘De essentie van big data is de combinatie van groeiende volumes en complexiteit van data’

Big Data: waar praten we over? De essentie van big data zit niet alleen

heid en variatie aan data de normale

in de groeiende volumes maar vooral

opslag- en verwerkingscapaciteit van

ook in de snelheid en complexiteit van

een organisatie overstijgen. SAS ziet

data. De uitdaging is om niet alleen

het vermogen van een bedrijf of instel-

gestructureerde maar ook ongestruc-

ling om snel correcte beslissingen te

tureerde en semigestructureerde data

nemen in het licht van de complexiteit

snel en accuraat te verwerken. De va-

en de relevantie van de gegevens voor

riëteit van de datastroom en de daar-

de beoogde analyses.

uit voortv loeiende complexiteit van de verwerking vormen de kern van de uit-

High-Performance Analytics

daging.

De combinatie van analytics met High-

McKinsey typeer t big data als datasets die te groot zijn voor standaard database tools om te kunnen ontsluiten, vastleggen, beheren en analyseren. Onderzoeksbureau Gartner stelt dat het niet alleen over volume gaat maar net zo goed om variatie, snelheid en complexiteit. IDC omschrijft big data als ‘een nieuwe generatie technologie en architectuur, ontworpen om economische waarde te halen uit grote en gevarieerde hoeveelheden data, door middel van een verwerking op hoge snelheid. Indien daarbij ook analyse plaatsvindt, spreekt men van big data analytics.

Performance Computing (HPC) wordt High-Performance Analytics (HPA) genoemd. Deze vorm van analyse bestaat uit drie onderdelen: 1. G rid computing maakt dat bestaande computers optimaal worden ingezet. 2. I n-Database analytics brengt de analyse naar de data, zodat deze niet eerst hoeven worden samengebracht in een datawarehouse. 3. I n-Memory analytics voert beschrijvende en voorspellende analyses in het RAM-geheugen uit, waardoor meer scenario’s in veel kortere tijd kunnen worden doorgerekend. Samen vormen deze technologieën

Dat laatste komt aardig in de buurt

een geïntegreerd en krachtig platform

van de zienswijze van SAS. We spre-

waarmee bedrijfsvraagstukken kunnen

ken van big data als de situatie zich

worden opgelost die tot voor kort on-

voordoet waarin de hoeveelheid, snel-

mogelijk leken.

voordelen en een beter bedrijfsresultaat komen binnen handbereik. Advanced Analytics is hiermee van belang voor elke organisatie. Een bedrijf dat niet of te laat weet wat er in de markt en onder afnemers speelt, loopt kans op omzetverlies en een slechtere dienstverlening, met uiteindelijk reputatieÂ schade en aantasting van de concurrentiepositie.

High-Performance Analytics Met nieuwe technologieĂŤn kunnen we steeds meer gegevens verzamelen en verwerken. Zo is het nu mogelijk om analytics toe te passen op volledige datasets met talloze variabelen en waarnemingen. Zogenoemde High-Performance Analytics (HPA, zie kader) maakt het werken met zulke grote hoeveelÂheden data een stuk eenvoudiger. Omdat het rekenwerk bij HPA In-Memory plaatsvindt, is het niet langer nodig om te werken met kleinere, deelverzamelingen van gegevens. Met HPA is het mogelijk om de maximale hoeveelheid data te verwerken en modellen zelf te laten bepalen welke gegevens relevant zijn en welke niet. HPA geeft niet alleen antwoord op de gestelde vraag, maar helpt bovendien nieuwe vragen te ontdekken die eerst onzichtbaar bleven. Je weet immers niet wat je niet weet. Dit resulteert in geheel nieuwe variabelen en modellen waarvoor nieuwe en andere infrastructuur, strategie en analytische vaardigheden nodig zijn.

Jeroen Dijkxhoorn

Edwin Peters

Business en IT Informatietechnologie speelt een belangrijke rol bij het managen en analyseren van data en het bieden van inzichten. Veel op te lossen bedrijfsproblemen vereisen een intensieve wisselwerking tussen IT en de business. Voor projecten waarbij geavanceerde analysetechnieken worden ingezet, gelden enkele randvoorwaarden; je moet de beschikking hebben over schone, relevante en accurate data en de betekenis ervan moet voldoende helder zijn. Daarnaast is het belangrijk kennis te hebben van zowel de bedrijfsprocessen als de benodigde analysetechnieken. Ook moet het analyseproces transparant en controleerbaar zijn. Analysesoftware wordt gelukkig steeds toegankelijker voor gebruikers zonder analytische achtergrond. Uit onderzoek van Bloomberg blijkt dat het aantrekken van analytisch talent een behoorlijke 10

Sneller innoveren en concurreren Door het analyseren van grote hoeveelhe-

al voorbeelden van dergelijk gegevensge-

den data kunnen organisaties sneller inno-

bruik te vinden.

veren en beter concurreren, blijkt uit het onderzoek Big data, the next frontier for innovation van McKinsey. Op basis van de studie worden zes belangrijke conclusies getrokken:

1. D ata is een belangrijke productiefactor naast arbeid en kapitaal. 2. Gebruik van big data kan op vijf manieren waarde creëren.

4. H et gebruik van big data zorgt voor nieuwe golven van produc tiviteitsgroei. Big data biedt aanzienlijke voordelen aan zowel consumenten, bedrijven als organisaties. Denk bijvoorbeeld aan locatiegebonden diensten die alleen mogelijk zijn door persoonlijke gegevens van personen te koppelen aan de actuele tijd en plaats waar iemand zich bevindt.

maken en vaker te gebruiken. Daarnaast

5. G ebruik van big data is voor alle sectoren van belang.

kunnen organisaties nauwkeuriger en ge-

Binnen bepaalde sectoren liggen voor de

detailleerder prestatie-informatie verza-

hand liggende winsten in het verschiet. De

melen over van alles door meer transacti-

kansen en uitdagingen variëren per sector.

onele gegevens in digitale vorm te creëren

Zo zullen de elektronica- en ICT-sector,

en op te slaan. Verder stelt big data be-

maar ook financiële dienstverleners, ver-

drijven in staat tot steeds ver fijndere

zekeraars en de overheid, aanzienlijk pro-

klantsegmentatie en dus ook tot veel

fiteren van gebruik van big data.

Allereerst door informatie transparant te

nauwkeuriger aanbiedingen van producten of diensten, via het meest geschikte kanaal. Daarnaast kan de besluitvorming aanzienlijk worden verbeterd door verfijnde analyses. Ten slotte is big data waardevol voor de ontwikkeling van nieuwe generaties producten en diensten.

3. H et gebruik van big data wordt een belangrijke factor in de concurrentie en groei van individuele bedrijven.

6. E en tekort aan analytisch talent lijkt onvermijdelijk. Tegen 2018 zal er alleen al in de VS een tekor t zijn van 140.000 tot 190.000 mensen met een diep analytisch vermogen. Liefst 1,5 miljoen managers en analisten moeten daarom de broodnodige know how ontwikkelen om big data-analyse te gebruiken bij het nemen van effectieve beslissingen. De onderzoekers van McKinsey geven ove-

Big data moet serieus worden genomen.

rigens nog wel aan dat zaken als privacy-

In de meeste industrieën zullen zowel de

beleid, veiligheid, de juiste interpretatie

gevestigde orde als nieuwkomers data-ge-

van gegevens en intellectueel eigendom

dreven strategieën inzetten om te innove-

ook moeten worden meegenomen als fac-

ren, concurreren en extra waarde te ge-

toren om het volledige potentieel van big

nereren. In alle onderzochte sectoren zijn

data te benutten.

uitdaging vormt. Slechts 14 procent van de Nederlandse respondenten zegt genoeg analytische vaardigheden in huis te hebben. Dit legt enerzijds meer druk op het aantrekken en opleiden van analytische talenten, maar tegelijkertijd is het een reden om de gebruiksvriendelijkheid van software te verbeteren. De toegankelijkheid van de software neemt toe en inmiddels kan bijna elke willekeurige manager met de juiste software snel zelf de juiste inzichten krijgen. Alleen de achterliggende complexiteit is dan nog een zorg voor de analist en IT’er. Deze zijn vooral nog nodig in de voorbereiding – denk daarbij bijvoorbeeld aan modelontwikkeling, selectie van de datasets en het beheer van de High-Performance Analytics omgeving. De IT-specialist heeft een rol bij de kwaliteit van de data en het beschikbaar stellen ervan.

Winst in snelheid en nauwkeurigheid HPA heeft een grote impact op de manier van werken en de business modellen van organisaties. Zo wist een grote Amerikaanse retailer dankzij HPA de tijd die hij nodig had voor het analyseren en doorrekenen van marketingscenario’s en -acties drastisch terug te brengen van 170 uur tot minder dan drie

Analytics Lifecycle: mensen, processen Met de inzet van High-Performance A nalytics krijgt de beantwoording van de vragen een steeds meer iteratief karakter en zien we dat de business steeds

How can we create strategic advantage?

meer zelf kan doen. Oplossingen zoals SAS V isual Analytics zijn zo intuïtief dat exploratieve analyses, modellen en rapport ages binnen bereik komen van d e n iet-analytisch geschoold e manager. HPA maakt het mogelijk om het analy tics-proces zo vaak aan te passen en te h erh alen als nodig is. Het gehele proces kan dan ook het beste beschreven wor den in termen van een cirkel, namelijk de A nalytics Lifecycle.

1. H et begint altijd met een probleem, een vraagstelling, die zo concreet en zuiver mogelijk moet worden geformuleerd. Wat wil je weten? 2. Vervolgens moet je kijken welke data je daarvoor nodig hebt, in welke vorm en waar vandaan.

minuten. Deze retailer hanteert nu een iteratieve, realtime aanpak, in plaats van eens per week een berekening uit te voeren waarmee de hele week moet worden gewerkt. Hij is daardoor veel beter in staat in te spelen op vragen uit de markt, prijsstelling bij zijn concurrenten of zijn eigen voorraadontwikkeling. Een ander voorbeeld betreft High-Performance Analytics bij een hypotheekverstrekker die risico’s moet inschatten. Als zijn beoordeling van aanvragen om capaciteitsredenen slechts gebaseerd is op een kleine selectie van gegevens, bijvoorbeeld van twee jaar tijdens een recessie, dan zou hij de kans op wanbetaling wellicht te hoog inschatten en leningen weigeren aan mensen die zich anders - in betere tijden - moeiteloos zouden kwalificeren. Door nu te werken met alle data ontstaat een veel betrouwbaarder beeld, en kan hij meer klanten bedienen en zijn resultaat en marktpotentie sterk verbeteren.  Jeroen Dijkxhoorn is Head of Strategic Initiatives & Alliances, Global CoE Information Management & Analytics en Edwin Peters is Manager Business Unit Solutions bij SAS.

en technologie 3. D e volgende stap is het onderzoeken van die data; is het bruikbaar, welke data heb je wel nodig, welke niet? Waar liggen verbanden?

Zo niet, gaan we weer een paar stappen terug. 8. D e uitkomsten worden uiteindelijk getoetst aan de vraag. Beantwoordt het

4. D an moet de gewenste data in een voor

mijn vraag en kan ik met de uitkomsten

modellen bruikbare vorm worden omge-

verder? Zo niet, waar ligt het aan? De

zet. Welke data in welke tabellen, welke

cirkel wordt dan weer geheel of gedeelte-

frequenties en nauwkeurigheden?

lijk herhaald.

5. D e vijfde stap is het bouwen van het model. Met welk model kan ik best komen

Ook is het zo dat omstandigheden verande-

tot beantwoording van mijn vraag?

ren, data kunnen veranderen, de vraagstel-

6. H et model moet daarop worden gevali-

ling kan veranderen, randvoorwaarden veran-

deerd en geverifieerd. Komen de juiste

deren. Hierdoor moet de cirkel weer geheel

antwoorden eruit en levert het inderdaad

of gedeeltelijk worden doorlopen. De winst

antwoord op mijn vraag? Zo niet: gaan

van HPA zit in zowel de doorloopsnelheid van

we weer terug.

de gehele cirkel als de tijdwinst van individu-

7. A ls het model helemaal klopt, gaan we

ele segmenten en de hogere kwaliteit van de

het model inzetten en kijken hoe het func-

modellen en de uitkomsten. Hierdoor zijn

tioneert. Werkt het goed en snel en le-

minder iteraties nodig. Het wiel van de Analy-

vert het de gewenste uitkomsten?

tics Lifecyle draait daarmee steeds sneller.

INTERVIEW

Uitdaging: S tructurele veranderingen 足b innen de energiesector vragen om een andere inzet van IT. Oplossing: Het opbouwen van big data-capabilities. Resultaat: Informatie wordt gezien als een echte asset die centraal staat binnen 足a lle nieuwe ontwikkelingen.

Programmadirecteur Dennis Kamst van RWE:

‘Datastroom creëert nieuwe waarde binnen energiesector’ Dennis Kamst geeft leiding aan een groot programma dat binnen RWE moet leiden tot een kostenbesparing van minimaal 100 miljoen euro. Daarbij moet de inrichting van IT worden geoptimaliseerd om proactief in te spelen op grootschalige veranderingen b innen de sector en meer waarde te creëren voor de business. Binnen deze future role of IT gaat de omgang met grote hoeveelheden data een cruciale rol spelen. RWE is een internationaal energieconcern met activiteiten in heel Europa. In Nederland is RWE vooral bekend via haar dochterbedrijf Essent.

Binnen de energiewereld is in korte tijd veel veranderd. Op de Europese markt is sprake van over capaciteit, onder meer door decentrale opwekking van energie. “De enorme opkomst van zonne panelen heeft bijvoorbeeld de Duitse markt structureel veranderd”, vertelt Dennis Kamst die voorheen CIO was bij Essent. “Recent gebouwde gascentrales draaien op zonnige dagen slechts een beperkt deel van hun capaciteit – een effect dat in combinatie met windenergie nog eens wordt versterkt. Investeringen leveren veel minder op dan gedacht. Daar komt nog eens bij dat diverse nucleaire centrales in Duitsland zijn uitgezet. Vanuit de overheid komen er bovendien allerhande belastingen op energieopwekking bij. Dit alles bij elkaar heeft een groot effect op het traditionele businessmodel binnen onze sector.” Energiebedrijven moeten volgens de programmadirecteur van RWE een vlucht naar voren maken en werken aan een nieuwe rol. “Er komen heel veel verschillende vormen van energieopwekking bij, die op lokaal, nationaal en regionaal niveau moeten worden gemanaged. We gaan toe naar een situatie 15

waarin huishoudens zonnepanelen en windturbines op hun dak hebben, maar ook beschikken over een slimme koelkast, een elektrische auto en een home energy management-systeem. Steeds meer lokaal opgewekte energie wordt lokaal gebruikt en misschien ook wel lokaal verhandeld. Op dit moment wordt deze zelf opgewekte energie nog teruggeleverd aan de energieleverancier, maar we krijgen in de toekomst vast en zeker de mogelijkheid om energie te leveren aan degene die daarvoor de hoogste prijs wil betalen. De inkoopmogelijkheden worden dus steeds fijnmaziger: je kunt bijvoorbeeld energie verhandelen met de buren of met familie in Groningen. En aan organisaties buiten de energiesector zoals de ANWB. Het hele model gaat op de schop.”

Energietransitie “De hele energietransitie hangt aan elkaar van ICT en ICT-oplossingen”, vervolgt Kamst. “Je kunt je voorstellen dat de volumes en stromen aan data meer dan exponentieel zullen toenemen. De data zelf wordt daardoor een bron van waarde. We hebben het dan aan de ene kant over data binnen het energiebedrijf, zoals inzicht in en voorspelling van elektriciteitsgebruik en -opwekking. Hierdoor kan je een beter opwek- danwel inkoopbeleid van energie voeren. Aan de andere kant betreft het data binnen

‘Hoe beter je kunt voorspellen hoeveel energie je moet inkopen of opwekken, hoe meer je bespaart in de totale waardeketen’

huishoudens, die afkomstig is uit bijvoorbeeld social media, slimme apparatuur en energieplanners. Op basis van die laatste informatie is het voor consumenten mogelijk om een gedetailleerd beeld van het eigen energieverbruik te krijgen. De data laat je bijvoorbeeld zien dat je een oud type, energie-onzuinige koelkast hebt. Je kunt je voorstellen dat je consumenten vanuit een nieuw soort energiemanagementservice op basis van van deze informatie interessante aanbiedingen kunt doen, vlak voor zijn verjaardag of tijdens een verbouwing.” Hoewel data binnen elke organisatie steeds meer op waarde wordt geschat, is het binnen de energiesector een echte asset geworden die centraal staat bij alle ontwikkelingen. “Wanneer je als energieleverancier de data van binnen het bedrijf koppelt aan informatie van buiten de organisatie, dan ben je in staat om binnen een omgeving waarin de marges afnemen toch nog een boterham te

verdienen met nieuwe services voor zowel zakelijke als consumenten markten. Er zullen daarbij veel nieuwe spelers opduiken die zich vooral op de nieuwe informatiestromen richten. Ik kan me voorstellen dat er een soort ecosysteem van gespecialiseerde kleine en grote partijen komt, waaraan organisaties zoals RWE zich verbinden. Bedrijven die niet de capaciteiten ontwikkelen om op intelligente wijze met al deze datastromen om te gaan, en daar dus niet in investeren, verliezen de slag bij voorbaat.”

Big data De term big data behelst volgens Kamst de ‘bijna realtime verwerking en analyse van grote volumes, zeer gevarieerde (zowel gestructureerde als ongestructureerde) data vanuit interne en externe bronnen tot informatie die zo valide en betrouwbaar is dat ze ook direct kan worden gebruikt’.

“Daarin onderscheidt big data zich in mijn ogen van business intelligence, al voorzie ik dat traditionele BI-oplossingen door steeds meer uitbreidingen big data-achtige kenmerken gaan vertonen.” Kamst maakt aan de hand van een voorbeeld duidelijk hoe een organisatie als RWE te maken krijgt met het fenomeen big data. “Vanuit de oude regelgeving stopten we als energiebedrijf eenmaal per jaar een kaartje bij klanten in de bus waarop ze hun meterstanden opgaven. Inmiddels zijn we in het kader van de nieuwe eisen in staat om de standen elk half uur of kwartier te verwerken. Als je dit gegeven doorvertaalt naar het datavolume, dan zie je dat hier exponentiële veranderingen plaatsvinden. En dit is nog maar een heel klein begin. We gaan bovendien steeds meer naar realtime informatie toe.” Om alle nieuwe mogelijkheden binnen een energiebedrijf optimaal te benutten, hoort de business, volgens de programmadirecteur, eigenaar te zijn van de data. “Tegelijk zie ik dat de business binnen veel organisaties die rol van data owner niet van nature oppakt of in zich heeft. Iemand die p rimair met sales of marketing bezig is, heeft doorgaans andere belangen en bezigheden dan ervoor te zorgen dat de data accuraat en kloppend is. Masterdatamanagement is niet de eerste zorg. Tegelijkertijd wordt het vermogen om big data-capabilities op te bouwen wel degelijk een onderscheidende factor voor het energie bedrijf. De IT-functie is bij uitstek toegerust om in dit gat te springen.”

Nieuwe rollen binnen IT Een veranderend speelveld vraagt om andere vaardigheden binnen de functie van IT in organisaties. “Men moet het oude denken en handelen rond IT loslaten en doordringen tot het hart van de business”, zegt voormalig CIO van Essent en RWE-programmadirecteur Dennis Kamst. “Ik zie daarin een zware rol voor statistici en analisten, mensen die snappen hoe je datamanagement en statistiek bedrijft en die tevens de vertaalslag maken van data en informatie naar businessprocessen, businessconcepten en de waarde die informatie biedt.” Deze nieuwe IT-medewerkers moet je volgens Kamst bij voorkeur inzetten in de buurt van hun marketing- en financiële collega’s die ook veel met dataanalyse bezig zijn. “In de kruisbestuiving tussen verschillende disciplines zullen mooie nieuwe dingen ontstaan. IT’ers kunnen bijvoorbeeld helpen om meer eenheid en structuur aan te brengen in de energiewaardeketen door ‘verspilling’ te identificeren. Bovendien kruipen IT en marketing steeds dichter naar elkaar toe. Zij kunnen samen op basis van interne en externe infor matie – bijvoorbeeld uit social media – analyseren welke specifieke behoeftes er zijn binnen de diverse segmenten en markten. De één vanuit een technisch perspectief – onder meer door het ontsluiten en koppelen van data – en de ander vanuit een commercieel perspectief.” Kamst denkt dat CIO’s en IT-directeuren die enkel beschikken over een zuiver technische achtergrond het zwaarder krijgen. Vooral wanneer ze niet in staat zijn om in termen van business en businessmodellen te praten met de andere belanghebbenden binnen hun organisatie. “Met het oog op de beweging naar een wereld waarin steeds meer IT ‘uit het stopcontact’ komt, is het niet meer zo relevant dat CIO’s tot in detail weten hoe een datacenter is gebouwd”, aldus Kamst. “Als IT-verantwoordelijken kunnen we ons in de toe komst wel op andere gebieden onderscheiden, en één ervan is het omgaan met grote hoeveelheden informatie. Dat vereist wel een verlegging van focus. Waar de nadruk voorheen vooral lag op de ‘T’ uit IT, zie ik de ‘I’ steeds belang r ijker worden. En dat is iets waar ik mij helemaal in kan vinden.”

‘Big data leidt tot meer, andere en ook nieuwe datastromen die allemaal moeten worden gemanaged’

Waardevermeerdering Een belangrijke bron van waardevermeerdering is een diepe en fijnmazige kennis van het energie verbruik. Als energieleverancier is het van groot belang dat je niet meer energie inkoopt dan dat je verkoopt. “Anders gezegd: je moet proberen net zoveel energie op te wekken als je moet leveren. Hoe beter je kunt voorspellen hoeveel energie je moet inkopen of opwekken, hoe meer je bespaart op inefficiëntie in de totale waardeketen. Dit is een aspect waar met name de IT een grote bijdrage kan leveren. Denk aan de uitrol van oplossingen die in staat zijn om alle relevante informatiestromen aan elkaar te knopen en waarmee je conclusies kunt trekken op basis van de gegenereerde gegevens. Als het gaat om het razendsnel afstemmen van de energebehoefte op de verwachte vraag, ligt er voor IT een enorm potentieel. Traditioneel gezien zijn dat soort IT-systemen niet realtime, al is er nu zeker sprake van een verschuiving naar doorlopende actuele analyses op basis van zeer grote hoeveelheden gegevens.” De businessmodellen binnen de energiesector veranderen dus, maar volgens Kamst niet in de eerste plaats onder druk van big data. “De veranderingen worden gestuwd door een aantal factoren die ik al eerder noemde. Er is wel een samenhang met big data; er komt een veel fijnmaziger en kleinschaliger behoefte aan en opwekking van energie. Dit leidt tot meer, andere en ook nieuwe datastromen die allemaal moeten worden gemanaged. Om het businessmodel überhaupt overeind te houden en te k unnen meebewegen met alle veranderingen, is het opbouwen van big data-capabilities een noodzaak.” 

Aloys Kregting

CIO van DSM

Vijf vragen aan Aloys Kregting

Zandkorrels in de woestijn Mensen weten vaak niet op welke informatiegoudmijn ze zitten. Dat is de opvatting van CIO Aloys Kregting van DSM. De vraag vanuit de business is daardoor tot nu toe beperkt. Het thema big data behelst voor Kregting vooral zendelingenwerk; een kwestie van verleiden en met concrete voorstellen laten zien welke kansen nieuwe technologische ontwikkelingen kunnen bieden.

Wat is big data voor uw organisatie? “Grote hoeveelheden data kunnen ontsluiten voor een grote groep mensen. Het betekent dat de eindgebruikers de beschikking krijgen over tooling waarmee ze met die hele grote bak aan gegevens kunnen spelen. Je geeft mensen in feite nieuwe schepjes, waarmee ze in plaats van in de zandbak ineens in de Sahara mogen graven. Een belangrijke voorwaarde van deze ontwikkelingen is masterdatamanagement: weten welke zandkorrels je zoal in de zandbak hebt. Pas dan wordt de big data ineens een stuk zinvoller. Wanneer je intelligentie wilt loslaten op een bak met gegevens, zul je eerst moeten vaststellen wat alles precies betekent. Dat geldt ook voor sociale media. De informatie daaruit dien je eerst te categoriseren om deze vervolgens te koppelen aan andere bronnen.”

Wat is nodig om big data binnen de organisatie optimaal te benutten? “Het heeft lange tijd ontbroken aan goede frontend-tooling die gebruikers in staat stelt om op een eenvoudige manier te spelen in de grote zandbak. Dat heeft geleid tot uiteenlopende additionele software die bovenop het ERP-systeem is te gebruiken. Tablets hebben aan de gebruikerskant wel voor een belangrijke ontwikkeling gezorgd: leuke dingen doen met apps. We hebben daarmee binnen DSM een aantal geslaagde proof of concepts laten zien. Nieuwe high performance-technologieën aan de achterzijde zijn randvoorwaardelijk omdat bestaande systemen bij grote datavolumes tekort schieten.”

‘Masterdatamanagement: weten welke zandkorrels je zoal in de zandbak hebt’

â&#x20AC;&#x153;Met oog op big data zou het mooi zijn wanneer leveranciers met instap-tools komen, zodat je met een aantal simpele en basale zaken kunt starten. Het rumoer rond het onderwerp is vooralsnog namelijk niet in lijn met wat er werkelijk mee gebeurt. Het is voor veel bedrijven nog een lange weg want de tooling ontbreekt, de datagovernance is niet goed ingeregeld, de IT-competenties zijn onvoldoende en de business weet nog niet wat men er zoal mee kan. Er zullen nog heel wat terabytes door de Rijn stromen voordat big data business as usual is.

‘Er zullen nog heel wat terabytes door de Rijn stromen voordat big data business as usual is’ Welke waarde levert het nemen van de beslissing op het juiste moment? “In onzekere tijden willen mensen op basis van de beschikbare gegevens vaker weten waar ze staan. Snelheid is daarbij altijd belangrijk; niet alleen in relatie tot big data maar ook binnen de normale informatievoorziening en traditionele BI.”

Leidt het optimaal benutten van big data tot nieuwe businessmodellen? “Een andere omgang met informatie kan tot mooie en interessante ontwikkelingen leiden. Dat bewees b ijvoorbeeld een autobandenverkoper die rij-informatie teruggekoppelde naar zijn klanten. Dat leidde er niet alleen toe dat ze rustiger gingen rijden, maar ook dat hun banden gemiddeld 30 procent langer meegingen. Aan een bestaand product werd dus een informatie-element toegevoegd. Dat kun je op veel verschillende terreinen doen. DSM verkoopt bijvoorbeeld patenten. Daarbij zouden we kunnen meten hoe goed die gekochte kennis vervolgens wordt toegepast. Het resultaat is gelijk een ander businessmodel. Je helpt niet alleen de klant sturen, maar dit patent wordt daarmee ook meer waard in de markt.”

Wat betekent dit voor de rol van IT en van de business? “Om je als IT-functie te onderscheiden, moet je het niet langer hebben van de basic utilities, want die betrek je bij wijze van spreken uit de muur. Het wordt al een stuk spannender als we alles bij elkaar brengen en er één geheel van maken. Onze echte waarde zit ’m vooral in de organisatiespecifieke toepassing van dit alles. Dat vraagstuk zou je als IT-afdeling in samenspraak met de business moeten oppakken. Je kunt je dan bijvoorbeeld samen buigen over de vraag wat een fenomeen als big data het bedrijf aan toegevoegde waarde kan bieden. De rest is commodity.” 

VISIE

â&#x20AC;&#x2DC;We kiezen bij voorkeur voor de optie die anderen ons al hebben voorgeschoteldâ&#x20AC;&#x2122; Dan Ariely 24

Onderzoeker Dan Ariely over b eslissingsillusies en cognitieve missers

‘We zijn voorspelbaar irrationeel’

Dat mensen soms onverstandige keuzes maken en irrationele dingen doen is tot daar aan toe. Het opmerlijke is volgens Dan Ariely dat dergelijk gedrag zo voorspelbaar is. De psycholoog, gedragseconoom en auteur van het boek Predictably Irrational dook in de materie en kwam erachter dat onze instincten het nemen van de juiste beslissingen veelvuldig in de weg staan. “Het gaat erom onze tekortkomingen te onderkennen en te voorkomen”, zegt de Amerikaan. Mensen zijn onverstandig en irrationeel, ook als de bedoelingen goed zijn en de risico’s bekend. Je kunt heel bewust aan het lijnen zijn, maar in het restaurant toch voor een te zoete of vette hap kiezen. Je kunt de gevaren van onveilige seks onderkennen, maar op het moment suprème toch voor de bijl gaan. Hetzelfde geldt voor autogordels. Eigenlijk weet iedereen wel dat ze veiligheid bieden, maar toch gebruiken velen ze niet. Mensen kunnen het goede willen en bedoelen en vanuit die optiek ogenschijnlijk de juiste keuze maken, maar toch ongewild en onbewust leed en schade veroorzaken. Voor anderen en voor henzelf. Dan Ariely heeft het bovenstaande aan den lijve ondervonden. “Mijn kennismaking met irrationaliteit vond jaren geleden plaats, toen ik het herstellende was van de verwondingen die ik had opgelopen bij een explosie. De behandelingen op de brandwondenafdeling en met name de dagelijkse schoonmaakbeurt, waren herhaaldelijk enorm pijnlijk. Zo werd het oude verband bijvoorbeeld in één keer snel losgetrokken, in plaats van het stukje bij beetje te verwijderen. De verpleegster dacht hiermee het juiste te doen: een korte en hevige pijnscheut was in haar ogen minder erg dan een langdurige minder intense kwelling. Toch vertelde mijn gevoel dat het precies andersom was.”

Onderzoek Bij het verlaten van het ziekenhuis wilde de Amerikaan beter weten hoe het zat met dergelijke irrationaliteit en begon met het doen van onderzoek. “Ik werd geobsedeerd door het besef dat we in de vele aspecten van ons leven herhaaldelijk en voorspelbaar de verkeerde beslissingen nemen. Met mijn onderzoek hoopte ik eraan te kunnen bijdragen om een aantal van deze patronen te ontdekken en veranderen.” Irrationeel gedrag genoeg. Stel, je vertrekt naar een ander land en wilt een renterekening openen. Je hebt daarbij de keuze tussen twee voor jou vergelijkbare banken, die allebei rekeningen aanbieden met nagenoeg dezelfde voorwaarden en rentes. In praktijk kiest de helft van de mensen voor de ene bank en de andere helft voor de andere. Maar uitgaande van de theorie van Ariely zijn er situaties 25

denkbaar waarbij dat niet zal gebeuren. Stel dat de eerste bank nog een tweede renterekening aanbiedt met dezelfde rente en nagenoeg identieke voorwaarden, maar dat bij deze tweede rekening 20 euro openingskosten betaald moeten worden. Omdat niemand voor deze duidelijk ongunstiger optie kiest, zou je zeggen dat de verdeling fifty-fifty blijft. Het gekke is echter dat opeens een meerderheid voor het aanbod van de eerste bank kiest. “Het originele aanbod van die bank ziet er ineens namelijk beter uit door er een slecht alternatief ernaast te zetten.”

Illusies Irrationeel gedrag derhalve, maar daarmee nog niet onvoorspelbaar. Met de juiste gegevens en modellen kun je namelijk prima inschatten wat de klant voor irrationeels gaat doen. Ariely werkt ter illustratie van dit fenomeen graag met optische illusies. Bijvoorbeeld een plaatje van twee tafels: één ogenschijnlijk langwerpige die in het verlengde van het gezichtsveld staat en een korte brede die overdwars geplaatst is. De eerste lijkt beduidend langer, maar wat blijkt wanneer je ze meet? Ze zijn precies even lang! Ariely: “Het leuke is dat, ondanks dat door meting is aangetoond dat beide tafels dezelfde lengte hebben, je niets hebt geleerd. Want ik voorspel je dit: als je de meetlat weglaat en wederom naar het plaatje kijkt, lijkt de ene tafel nog steeds langer dan de andere.”

Optische illusie is voor Dan Ariely echter slechts een metafoor. De hele dag nemen we als mens zaken waar. Maar als we dag in dag uit fouten maken bij een dergelijk basale menselijke functie, dan mogen we wel aannemen dat we nog veel meer fouten maken bij activiteiten waarvoor we minder goed zijn toegerust. Neem het nemen van financiële beslissingen, iets waar we vanuit onze evolutie gezien, totaal niet op gebouwd zijn.” Hij spreekt in dat kader van ‘beslissingsillusies’, die in tegenstelling tot optische illusies veel lastiger zijn aan te tonen.

Orgaandonatie De professor heeft een voorbeeld van zo’n congitieve misser. Hij toont een diagram met een aantal landen en het percentage mensen dat hun organen ter beschikking stelt na hun dood. Waar in Oostenrijk, Frankrijk, Polen en Portugal vrijwel alle mensen hun organen afstaan, is dat in bijvoorbeeld Denemarken, Nederland, Groot-Brittannië en Duitsland met percentages tussen de 4 en 28 procent aanzienlijk lager. “De meest voor de hand liggende verklaring is dat culturele verschillen hier een rol spelen; de mate waarin men om elkaar en de gemeenschap geeft. Maar die vlieger niet op. Landen die cultureel erg op elkaar lijken, vertonen als het gaat om orgaandonatie namelijk opmerkelijke verschillen.” 26

Het geheim van de hoog scorende landen is de keuze voor opt-out in plaats van opt-in. Je vraagt mensen niet om aan te geven dat ze aan het orgaandonatieprogramma willen deelnemen, maar om actie te ondernemen wanneer ze dat niet willen. “In beide gevallen kruisen mensen niets aan, maar in plaats van dat ze door niets te doen niet meedoen, zijn ze ineens participant!” “Besef goed wat dit betekent”, vervolgt de Amerikaan. “Je staat ‘s morgens op en start met het nemen van beslissingen; wat je aantrekt, wat je gaat doen en wat je ’s avonds gaat eten. Heel veel van deze beslissingen komen kennelijk niet vanuit onszelf, maar hangen samen met de keuzevorm en -momenten. Niet alleen jijzelf maar ook de buitenwacht heeft een enorme invloed op wat je denkt en doet. Het idee dat we altijd zelf in de bestuurdersstoel zitten als het gaat om het nemen van beslissingen is onjuist.”

‘De consument wil over het algemeen dat keuzes hem of haar gemakkelijk worden gemaakt’ Het effect treedt volgens de deskundige overigens niet alleen op bij zaken van ondergeschikt belang, zoals orgaandonatie. Irrationeel gedrag komt het vaakst voor bij zaken die zowel belangrijk als complex zijn. “Zo belangrijk en complex dat we onzeker zijn over de te nemen keuzes. Om die reden kiezen we bij voorkeur voor de optie die anderen ons al hebben voorgeschoteld. Je ziet het ook terug bij experts binnen diverse vakgebieden: naarmate de beslissing complexer wordt, bij bijvoorbeeld twee of meer extra opties in plaats van de gebruikelijke oplossing, wordt vaker voor de standaardaanpak gekozen.”

Consumenten Dan Ariely is uiteindelijk weer terug bij het individu als consument. Die wil over het algemeen dat keuzes hem of haar gemakkelijk worden gemaakt en kiest bij voorkeur voor zogenoemde defaultoplossingen en -suggesties. “Het is daarbij goed te weten dat men niet louter voor de rationeel meest gunstige keuze kiest. Stel dat iemand een weekendje weg wil en de keuze heeft uit Rome en Parijs. Beide reisjes zijn all-inclusive. Daarnaast is er een extra Rome-optie, waarbij in de ochtend voor de koffie betaald moet worden. In dat geval lijkt de optie ‘Rome met de hele dag door gratis koffie’ de beste keus, ook ten opzichte van Parijs. Nogmaals: overduidelijk waardeloze alternatieven voor één van de opties, doen het oorspronkelijke aanbod ineens aantrekkelijker lijken.” In de economie en het bedrijfsleven speelt de menselijke aard en dergelijk gedrag een grote rol. Om klanten echt te kennen, moeten grote hoeveelheden data worden doorgewerkt en geanalyseerd, om uiteindelijk consumentengedrag te voorspellen. Predictive analytics biedt de mogelijkheid om deze inzichten te verkrijgen. Ariely: “We kennen onze beperkingen en verzinnen er oplossingen voor: auto’s, mobiele apparaten, noem maar op. Maar zodra je de iets minder fysieke wereld betreedt, zoals de gezondheidszorg, bedrijfshiërarchieën of de aandelenbeurs, dan lijkt het wel alsof we onze beperkingen ineens vergeten. Wanneer we onze mentale tekortkomingen ook binnen deze omgevingen onderkennen, dan zouden we met zijn alleen effectief kunnen werken aan een betere wereld.”  27

INTERVIEW

Uitdaging: Proactief frauderisico’s realtime inschatten en tegelijk zorgen voor een b lijvend positieve klantervaring. Oplossing: Implementatie van fraud management voor realtime fraudedetectie en voortdurende monitoring van creditcardtransacties. Resultaat: Lagere verliezen door fraude en een sneller en accurater geholpen klant.

HSBC gebruikt realtime fraudedetectie voor optimale klantservice en -bescherming Derek Wylde van HSBC:

‘Snelheid en nauwkeurigheid zijn fundamenteel’ HSBC Group is een van ‘s werelds grootste financiële dienstverleners. Zoals veel organisaties in deze sector dient het bedrijf zich continu te wapenen tegen creditcardfraude. Maar dan wel zonder dat de klant hier hinder van ondervindt. “Banken en andere financiële dienstverleners worden uitgedaagd om datgene te leveren wat de klant wil en ze tegelijkertijd toch maximaal te beschermen tegen fraude”, aldus Derek Wylde, verantwoordelijk voor de Group Fraud Risk van HSBC. Realtime fraudedetectie biedt de oplossing.

“Stel: je hebt je hele familie uitgenodigd voor een goed diner. De rekening komt en met een zwierig gebaar overhandig je je creditcard. Je neemt het laatste slokje wijn en ineens komt de ober terug met de boodschap dat de kaart is geweigerd. Indien er daadwerkelijk fraude in het spel was en je kaart geblokkeerd is, dan ben je dankbaar en neemt je vertrouwen in je bank toe. Als je kaart echter per abuis is geweigerd, is je loyaliteit aan stukken en zou het zomaar kunnen gebeuren dat je overstapt naar een andere bank. Zie daar het dilemma van de creditcardmaatschappijen; te vroeg afsluiten leidt tot irritatie en mogelijk weglopen van een klant, te laat afsluiten kan resulteren in hoge kosten.” Aan het woord is Derek Wylde, die de scepter zwaait over de Group Fraud Risk van HSBC. “De bank moet realtime correcte beslissingen nemen, iets anders is onaanvaardbaar.” HSBC Group is een van ‘s werelds grootste financiële dienstverleners met meer dan 89 miljoen klanten in 85 landen. HSBC had eind 2011 maar liefst 2.555 miljard dollar op de balans. Toch maakt het niet uit of je een bank van deze omvang bent of een lokale speler; het is even belangrijk om bij te blijven op het gebied van de ontwikkelingen en trends in fraude om misdadigers voor te blijven. 29

Chipkaart Misdadigers azen volgens de HSBC-deskundige op de naïviteit en onvoorzichtigheid van klanten. Fraudeurs hebben wachtwoorden nodig die ze ontfutselen via malware, een verzamelnaam voor kwaadaardige en/of schadelijke software, of door het zogenoemde phishing: het sturen van een e-mail aan klanten waarin ze mensen vragen hun account te updaten via een link in die e-mail. Nog steeds geven te veel klanten zo hun wachtwoorden weg – het kroonjuweel van de informatie. “De huidige trends laten zien dat creditcardfraude de afgelopen jaren in het Verenigd Koninkrijk is gedaald. Dit is waarschijnlijk te danken aan de chipkaart. Deze is inmiddels in de meeste landen ingevoerd, met uitzondering van de VS. Creditcardfraude komt daar dan ook veel meer voor en blijft naar verwachting ook verder stijgen. De VS moeten hier nu echt werk van maken”, zegt Wylde zonder aarzeling. “De meest dramatische toename van fraude zien we op dit moment in zogeheten card not present-fraude, waarbij de beveiliging wordt omzeild door middel van phishing-tactieken in combinatie met online bankieren.” Phishers zijn nog altijd zeer succesvol bij het hengelen naar persoonlijke en fraudegevoelige gegevens. De zogeheten Anti-Phishing Working Group meldde recent dat ze bijna 30.000 phishers uit de lucht hadden gehaald, maar er zijn nog talloze anderen over en er komen er steeds meer bij. Beveilingssoftware bedrijf Symantec registreerde in 2011 ruim 5,5 miljard kwaadaardige aanvallen op systemen, een stijging van 81 procent ten opzichte van een jaar eerder.

‘Subtiele bedreigingen die afzonderlijk bekeken goedaardig lijken, wijzen samen toch op fraude’

“Nu de vraag van klanten naar online bankieren verschuift naar mobiel, zal de oorlog tegen fraude zich verplaatsen naar dit terrein”, aldus Wylde.

Geldautomaten Onlangs is een zorgwekkende trend zichtbaar geworden, waarbij oplichters in staat zijn om malware te injecteren in geldautomaten. Zo leed een Mexicaanse bank een paar jaar geleden een groot verlies toen criminelen een aantal afgelegen geldautomaten bij benzinestations en treinstations wisten te openen en het systeem via een USB-poort wisten te infecteren met kwaadaardige software. Deze malware kon kaartgegevens tijdens de transactie afvangen en opslaan. Nog veel alarmerender was het dat ook de pincodes werden onderschept. Wylde: “Leveranciers zouden meer kunnen en moeten doen. Als je een auto koopt, zitten daar standaard tal van veiligheidsvoorzieningen op. Bij geldautomaten zijn die zaken echter altijd optioneel. Banken zouden toch in staat moeten zijn om zo’n apparaat te kopen voorzien van standaard veilig30

heidsmaatregelen. Automaten worden echter nog steeds vooral op prijs gekocht en dus in de meest eenvoudige configuratie. Het eerder genoemde onderzoek van Symantec spreekt over 403 miljoen gevallen van malware. Dat is een schrikbarend hoog aantal.”

Uitgedaagd “Banken en andere financiële dienstverleners worden uitgedaagd om datgene te leveren wat klanten willen en hen tegelijkertijd toch maximaal te beschermen tegen fraude”, vervolgt Wylde. “De klant wil op elk moment van de dag in staat zijn om een bankrekening te openen, zonder papierwerk of een handtekening. Dat is een enorme uitdaging voor ons. Wanneer je voorheen een bankrekening online aanvroeg, stuurden we vervolgens een brief waarin we vroegen om de opgegeven informatie 31

Banken schatten proactief risico’s in Het proactieve element van risico-inschatting is cruciaal. Een grote Canadese bank wilde diens twaalf jaar verzamelde creditcardgegevens combineren met kredietregistratie-informatie en bankgegevens om de risico’s van het verstrekken van leningen of het verhogen van kredietlimieten beter in te kunnen schatten. Het liefst in realtime. Er werd gekozen voor een aanpak met High-Performance Analytics (HPA) waarbij de inzet van In-Database analytics zorgde voor een 70 keer snellere risicoberekening.

Herkenning Op het terrein van creditcards betekent proactieve analyse dat fraudeurs al herkend worden voordat ze duizenden dollars aan valse kosten hebben gemaakt. Tegelijkertijd is het cruciaal dat alleen bij daadwerkelijke gevallen van fraude wordt ingegrepen, zodat legitieme aankopen niet ten onrechte worden tegengehouden (false positives). Een andere grote, wereldwijd opererende bank maakt gebruik van analytics om elke keer weer op het moment van een aankoop te kunnen vaststellen of deze aankoop legitiem is. Deze bank is zo enthousiast over de vermindering van de verliezen door fraude dat men de inzet van HPA nu ook uitbreidt naar het terrein van de online banktransacties. Doel hiervan is het vaststellen van nauwkeuriger klantprofielen; wat is ‘normaal’ gedrag voor een klant en wat zijn de signalen dat een account in gevaar is gebracht? Voor de komende jaren is het de uitdaging voor financiële instellingen om de toenemende weten regelgeving en de vraag naar meer efficiëntie in balans te houden met de vraag naar betere klantervaringen en winstgevende innovaties. High-Performance Analytics is daarbij een belangrijk instrument.

‘Banken moeten datgene leveren wat de klant wil en hen tegelijkertijd maximaal beschermen’ Derek Wylde 32

te bevestigen. Tegenwoordig willen klanten zonder papierwerk online binnen een paar minuten een bankrekening openen, terwijl wij nog steeds een bepaalde minimale hoeveelheid informatie nodig hebben om vast te kunnen stellen dat iemand daadwerkelijk is wie hij zegt dat hij is. Dat betekent dat er toch gevoelige informatie online heen en weer gaat.” HSBC gebruikt SAS Fraud Management voor realtime fraudedetectie en beschermt 100 procent van de creditcardtransacties in realtime. De eerste SAS-implementatie bij HSBC is in 2007 live gegaan in de Verenigde Staten. ”In de VS bevindt zich ons grootste portfolio, we hebben daar ongeveer 30 miljoen kaarten uitstaan. We zijn erg blij met de SAS-modellen. Die wijzen uit dat onze detectiecijfers op het gebied van geldautomatentransacties zeer goed zijn. We geloven dat we nu beschikken over de beste anti-fraudemodellen die er zijn en dit wordt bewezen door onze fraudecijfers, onze detectiegraad en onze false positives, die nog steeds aan onze ambitieuze doelstellingen voldoen.”

Symantec registreerde in 2011 ruim 5,5 miljard kwaadaardige aanvallen op systemen, een stijging van 81 procent. Aanpassing Financiële fraude is een ongelooflijk dynamisch fenomeen en fraudemodellen hebben een zeer korte houdbaarheid. Als HSBC ergens een gat in het net dicht, dan weten criminelen wel weer nieuwe te vinden. Als gevolg hiervan vragen fraude-controlealgoritmen en scoringmodellen om constante updates en aanpassingen. ”Vanwege de aard van deze strijd is het van kritisch belang om voortdurend te controleren of je fraude-opsporing nog voldoet.” HSBC wil in dat licht meerdere transacties over verschillende kanalen volgen, om hiermee een meer klantcentraal beeld te krijgen van fraudebedreigingen. In plaats van geïsoleerde teams te laten kijken naar respectievelijk internetbetalingen, pinpastransacties en creditcardaankopen, bekijkt HSBC met behulp van SAS-technologie de geaggregeerde gegevens. ”Soms zijn er subtielere bedreigingen die afzonderlijk goedaardig lijken. Maar als je ze samenbrengt, kun je toch fraude ontdekken”, aldus Wylde. “Bijvoorbeeld, als de creditcard van een klant gebruikt wordt kort na zijn bankpas en er is ook activiteit op internetbankieren, dan wil je niet dat al die activiteiten worden beoordeeld door drie afzonderlijke analisten op drie verschillende locaties. In plaats daarvan moeten alle klanttransacties samen worden bekeken in één klantactiviteit-detectiesysteem.” 

Jacco van der Weerd

directeur ICT Beleid & Architectuur Rabobank

Vijf vragen aan Jacco van der Weerd

Vragen en vervolgvragen Rabobank heeft een indrukwekkende track record als het gaat om innovatie. De eerste Nederlandse geldautomaat, internetbankieren, digitale televisie en mobiel betalen, komen allemaal uit de koker van deze bank. Momenteel ligt een deel van de innovatiefocus op big data. Interne en externe gegevens w orden gecombineerd en gebruikt om klanten meer controle over hun persoonlijke situatie te geven. Zo wordt de dienstverlening beter, veiliger en flexibeler.

Wat is big data voor uw organisatie? “De hoeveelheid data in onze organisatie vermenigvuldigt zich in rap tempo. Voorheen bewaarden we vooral noodzakelijke klantgegevens en transactiedata. Met big data is er interessante nieuwe informatie te halen uit de combinatie van onze eigen gegevens en andere publiek beschikbare data. De veranderende manier van werken met gegevens en de bijbehorende tooling belooft nieuwe mogelijkheden. Voorheen werden informatiesystemen ontworpen vanuit de vraag die ze moesten beantwoorden. Het exact bepalen en structureren van de data die je nodig had, was een standaard onderdeel van de bouw. Maar zodra het systeem klaar was, doken onmiddellijk vraagstukken op die je er níet mee kon beantwoorden. Big data gaat juist uit van het opslaan van gegevens in hun bron formaat. Het staat bovendien snellere iteraties van vraag tot antwoord toe.”

Wat is nodig om big data binnen de organisatie optimaal te benutten? “Rabobank bevindt zich in de pilotfase. We testen de technologie en daarbij onderzoeken we wat de toegevoegde waarde is. Wij hebben gekozen voor het gebruik van best of breed open source-tools en hebben een aantal mensen met ervaring aan boord gehaald. Zo proberen we opstartproblemen en beginnersfouten te voorkomen. We gebruiken bewust geen cloud-tools, om allerlei vraagstukken op gebied van informatiebeveiliging te vermijden.” “Werken met big data stelt andere eisen aan medewerkers. Je zoekt feitelijk mensen die met één been in IT staan en met het andere in de business. Medewerkers moeten de semantiek van de data goed snappen en handig zijn met allerhande IT-gereedschappen. Bovendien worden veel vraagstukken via een iteratieve werkstijl aangepakt. Je begint met één vraag, maar het antwoord leidt tot vervolgvragen. Iteratief werken in een multidisciplinair team levert snelle resultaten.” 35

‘Werken met big data stelt andere eisen aan medewerkers’ Welke waarde levert het nemen van beslissingen op het juiste moment? “We hebben een flink aantal kleinere proof of concepts gedaan; cases die variëren van het optimali seren van klantinterfaces, security en fraude-monitoring tot het optimaliseren van interne processen. Deze cases leveren interessante resultaten op. Tot nu toe hebben ze nog geen nieuwe producten of business modellen opgeleverd, maar dat kan nog komen.”

Leidt het optimaal benutten van big data tot nieuwe businessmodellen? “Big data stelt ons in toenemende mate in staat te handelen op basis van feiten. Het maakt bovendien een meer individueel gerichte klantinteractie mogelijk. Onze marketingmensen zijn nu nog vooral gericht op campagnes ten behoeve van klantsectoren. In de toekomst zullen er meer gerichte campagnes worden ontwikkeld voor kleinere, specifieke segmenten. Ook op het gebied van security en fraude kan big data van waarde zijn. Nu het geldverkeer meer en meer elektronisch wordt, verschuift ook de criminaliteit naar elektronisch waardeverkeer. Big data kan helpen vreemde patronen te ontdekken en fraude te beperken.”

Wat betekent dit voor de rol van IT en van de business? “Business en IT zullen steeds meer naar elkaar toe groeien. Voorheen had je al de database- marketeer: iemand die de semantiek van de data goed begreep en tevens het nodige wist over databasetechnieken. Tegenwoordig zie je veel jonge medewerkers van de universiteiten komen die niet als IT’ers zijn geschoold maar wel verdomde handig zijn met IT-tools. Het klassieke onderscheid tussen business en IT zal vervagen. De introductie van nieuwe technologieën en tools heeft bovendien een steile leercurve tot gevolg. Het komt neer op multidisciplinaire teams, een goede samenwerking en een meer iteratieve stijl van werken.” 

‘Het klassieke onderscheid tussen business en IT zal vervagen’ 36

INTERVIEW

Uitdaging: B eter anticiperen op economische ontwikkelingen en andere externe factoren om kredietrisico’s te beperken. Oplossing: P ortefeuillewaardering en kredietrisico-modellering b innen high-performance grid-omgeving. Resultaat: Veel kortere doorlooptijden en wanneer nodig een s nellere besluitvorming.

Bank of America en United Overseas Bank

Banken beperken kredietrisico’s met High-Performance Analytics Bij grootschalige kredietverstrekkingen, hypotheken, creditcard- diensten en andere financiële producten lopen banken een groot risico dat al het uitgeleende geld plus rente niet meer terugkomt. Het snel en effectief omgaan met grote hoeveelheden data helpt zowel Bank of America als United Overseas Bank om leningen te waarderen en kredietrisico’s te beperken. “Het verwerken van enorme multi-terabyte datasets op een snelle en efficiënte manier was voor ons een belangrijke vereiste”, aldus Stephen Lange, verantwoordelijk voor de Corporate Investment Group.

Tijden van economische turbulentie maken het voor de financiële instellingen moeilijker om te anti ciperen op probleemsituaties. Als er maar iets misgaat zijn de gevolgen voor zowel de kredietgever als de kredietnemer enorm. Banken maken daarom veelvuldig gebruik van kredietrisico-oplossingen en -processen om kredietportefeuilles te bewaken en te beoordelen. Zo hebben ze op elk gewenst moment inzicht in de waarde en risicopositie van de activa. Binnen het complexe en voortdurend veranderende financiële systeem zijn technologische hulpmiddelen onontbeerlijk om zowel de eigen organisatie als de klanten te behoeden voor onaangename verrassingen.

Wanbetaling Bank of America is met ongeveer 59 miljoen particuliere en kleinzakelijke relaties, pakweg 6.000 kantoren en meer dan 18.000 geldautomaten één van ‘s werelds grootste financiële instellingen. Het bedrijf richt zich met een volledig assortiment van onder meer bankieren, beleggen en vermogens 39

beheer op zowel consumenten als het midden- en kleinbedrijf en grootzakelijke ondernemingen. De zogeheten Corporate Investments Group (CIG) is verantwoordelijk voor het modelleren en berekenen van de kans op wanbetaling bij de 9,5 miljoen lopende hypotheken. Daarnaast berekent de groep de marktwaarde, aflossingssnelheid en de gevoeligheid voor veranderingen in rentevoeten voor de 19 miljard dollar aan hypotheekverplichtingen, om deze de risico’s vervolgens effectief te kunnen afdekken. Onlangs is de CIG begonnen met het voorspellen van eventuele verliezen op leningen binnen het creditcard-portfolio van de bank.

Snelheid De CIG doet op basis van analysetechnologie al jaren aan kredietrisico-modellering. Doordat de groep ook de verantwoordelijkheid kreeg om creditcardverliezen in te schatten, moest de organisatie de inrichting van een uitgebreide centrale omgeving overwegen en de verwerkingscapaiciteit verhogen. Hierbinnen moesten alle modellerings- en berekeningsprocessen worden uitgevoerd. Dit zou bijdragen aan een aanzienlijke verkorting van de verwerkingstijd, snellere toegankelijkheid van gegevens en een betere beschikbaarheid van ad hoc-analyses. Daarnaast was de bedrijfscontinuïteit voor deze missiekritische functie gewaarborgd.

‘De bank heeft een sterke behoefte om eventuele verliezen zo nauwkeurig en snel mogelijk te kunnen voorzien’

High-Performance Banking Big data verandert het speelveld van

17 dimensies op onder meer produc-

financiële dienstverleners. Analisten

ten, klanten, producten per klant en

van McKinsey schatten dat alle Ame-

klanten per product.

rikaanse financiële instellingen samen in 2009 al beschikten over meer

Potentiële afhakers

dan een exabyte (ofwel 1.000.000

Een Amerikaanse bank maakt gebruik

terabyte) aan opgeslagen gegevens.

van gegevens van 17 miljoen klanten

Die hoeveelheid data vereist een uni-

en 19 miljoen transacties per dag

form data-managementsysteem en

om klanten die overwegen bij de bank

High-Performance Analytics (HPA)

weg te gaan zo vroeg mogelijk op het

om resultaten te verbeteren, risico’s

spoor te komen. Een wereldwijde finan

te verminderen, fraude te voorkomen

ciële instelling implementeerde HPA

én te blijven voldoen aan weten regel

om de verplichte kapitaalberekenin-

geving.

gen en rapportages op groepsniveau

Binnen die enorme hoeveelheden ge-

uit te voeren. De bank verwerkt daar-

gevens en die miljoenen transacties

toe meer dan honderd miljoen rijen

bevindt zich de sleutel tot enerzijds

gegevens per maand, samen met een

de voorkeuren van consumenten, de

rapportage-datawarehouse van meer

alerts en red flags die wijzen op fraude

dan vijf miljard rijen. De firma beschikt

of het witwassen van geld en ander-

nu over een eenduidig beeld van zo-

zijds de middelen om risico’s te be-

wel risico’s als financiën, waardoor

heersen. De vraag is hoe je die gege-

het sneller de boeken kan sluiten.

vens snel en kosteneffectief ontsluit

Een Aziatische bank gebruikt HPA om

en voor je laat werken.

een reeks liquiditeitsmaatregelen door te rekenen. Het is nu in staat om

Vandaag de dag gebruiken meer en

een por tefeuille van der tig miljoen

meer banken High-Performance Ana-

complexe cash flow-instrumenten

lytics om beslissingen te nemen rond

over 50.000 verschillende scenario’s

om bijvoorbeeld marketingcampag-

in minder dan acht uur te analyseren.

nes en het verminderen van risico’s.

De mogelijkheid om elke nacht het li-

Zo gebruikt een grote internationale

quiditeitsrisico opnieuw vast te stel-

speler op het gebied van bet aaldien

len, zorgt voor financieringsbeslissin-

sten predictive analytics voor zijn

gen op basis van de juiste infromatie,

prijsstrategie. Het bedrijf analyseert

zelfs in tijden van hoge marktv ol at il i

20.000 transacties per seconde in

teit.

“We hadden een oplossing nodig waarmee we invulling konden geven aan de bestaande behoefte, maar die voldoende flexibiliteit bood voor nu en in de toekomst”, aldus Stephen Lange, die aan het hoofd staat van de Corporate Investment Group binnen Bank of America. “Het verwerken van enorme multi-terabyte datasets op een snelle en efficiënte manier was voor ons een belangrijke vereiste. SAS heeft hier als leverancier vlekkeloos in voorzien. Zonder SAS zouden de doorlooptijden langer zijn, risico-afdekkende beslissingen trager worden genomen en uiteindelijk zou de bank achterop zijn geraakt bij de markt.”

Resultaten Om aan de hoge prestatie-eisen te kunnen voldoen, verhuisde de CIG de gegevensverwerking naar een dedicated platform op basis van technologie van SAS en IBM. De resultaten liegen er niet om; de tijd die de bank nodig heeft om de kans op wanbetaling te berekenen is teruggebracht van 96 uur tot slechts vier uur. De doorlooptijd voor ad hoc-opdrachten is volgens Lange maar liefst 90 procent korter. De nieuwe omgeving betrekt en combineert gegevens uit acht verschillende systems of record tot een verzameling van honderden miljoenen opgeslagen brongegevens – in totaal zo’n 30 terabyte. Het systeem consumeert pakweg 3,9 gigabyte per seconde. Ongeveer dertig gebruikers hebben daarmee onbelemmerde toegang tot de nieuwe SAS- en IBM-gebaseerde modellerings- en analyseomgeving. Dit betekent een gigantische vooruitgang ten opzichte van de oude situatie, waarin het aantal actieve gebruikers en verwerkingsopdrachten van grote invloed waren op de responsetijden. “We hebben nu een robuust platform om modelleringen en berekeningen op basis van de eisen voor verwerkingsduur te plannen en te prioriteren”, zegt Stephen Lange. “Hierdoor concurreert ad hocgebruik niet langer met de geplande werkzaamheden. Het geavanceerde grid-platform biedt sowieso ongekende prestaties. SAS is binnen onze organisatie onmisbaar om grote datasets te verwerken.”

United Overseas Bank en realtime risicobeheersing Ook de United Overseas Bank (UOB) gebruikt een dergelijke combinatie van High-Performance Analytics op basis van grid computing, matrix-gebaseerde calculaties en In-Database analytics. UOB’s voormalig Chief Risk Officer Tham Ming Soong vertelt over de aanleiding en resultaten van realtime risiscoberekeningen: “We hebben allemaal kunnen zien hoe de huidige crisis zich ontvouwde. We bevonden ons in een situatie waarin we werden ingehaald door de gebeurtenissen die voor een groot deel buiten onze invloed lagen. De crisis heeft ervoor gezorgd dat we ons ervan bewust moeten zijn hoe diverse vormen van risico en gebeurtenissen met elkaar samenhangen. Kredietrisico’s moeten daarbij niet langer worden benaderd als een silo, maar vanuit het geheel.” “Het doorrekenen van oude kredietrisicomodellen op basis van een Monte Carlo-simulatie (een simulatietechniek waarbij een fysiek proces niet één keer maar vele malen wordt gesimuleerd; elke keer met andere startcondities, red.) duurde meer dan drie dagen”, vervolgt Ming Soong.

‘SAS is binnen onze organisatie onmisbaar om grote datasets te verwerken’ 42

Tham Ming Soong “Met behulp van SAS-technologie deden we dit in ongeveer acht uur. Nu we marktrisico’s willen toevoegen, realiseren we ons dat het modelleren weer elf dagen kan gaan duren. Op basis van grid computing kunnen we zeer complexe berekeningen zelfs in minuten draaien.”

Scenario’s Ook Bank of America’s Stephen Lange geeft een voorbeeld waarbij grid computing de prestaties enorm verbeterde. “Het kostte het systeem voorheen drie uur om een portefeuille van 400.000 leningen te waarderen. En wel op basis van meerdere scenario’s en met inachtneming van een gemiddelde looptijd van 360 maanden per hypotheek. Inmiddels vergt het dankzij de ingebouwde parallellisatiemogelijkheden slechts tien minuten. Deze prestatieverbetering geeft blijk van een enorme toename van ons vermogen om informatie te leveren en beslissingen te nemen.” “De bank heeft een sterke behoefte om eventuele verliezen zo nauwkeurig en snel mogelijk te kunnen voorzien, om deze informatie vervolgens direct te kunnen doorspelen naar de senior executives van de organisatie”, vervolgt Lange. “De enige manier waarop we dat kunnen doen is door te beschikken over voldoende IT-middelen om leningen te waarderen en risico’s op de juiste wijze te beoordelen. De samenwerking tussen SAS, IBM en onze interne technologie-afdeling is een uitstekende basis gebleken voor een leiderschapspositie op het terrein van risicomanagement.” 

INTERVIEW

Uitdaging: Klanttevredenheid maximaliseren door pro足actief verbeteren van customer experience en het aanbieden van de best mogelijke service. Oplossing: Inzicht in en analyse van grote hoeveelheden klantgegevens en handelsstromen. Resultaat: Gegevensanalyse helpt Marktplaats.nl bij het evalueren en verbeteren van elk aspect van de gebruikerservaring. 44

Marktplaats.nl benut markten klantkennis om concurrentievoorsprong te vergroten Natasha Zharinova van Marktplaats.nl:

‘Geen tijd verliezen met het verzamelen van gegevens’ Marktplaats.nl behoort al jaren tot de populairste sites van Nederland. De drukbezochte advertentie-site brengt vraag en aanbod in de meest uitlopende producten- en dienstencategorieën bij elkaar. Marktplaats.nl is sinds november 2004 onderdeel van eBay en de inzet van analytics is volgens hoofd strategie en financiën Natasha Zharinova een belangrijke succesfactor.

De website Marktplaats.nl heeft maandelijks meer dan zes miljoen unieke bezoekers en per dag worden ruim 300.000 nieuwe advertenties op de site geplaatst. Het tweedehands en nieuwe aanbod van en voor particuliere en zakelijke gebruikers is evenals dat van eBay groot en gevarieerd. Van kleding en verzamelobjecten tot auto’s en diensten. Marktplaats is de populairste Nederlandse website voor online handel en de derde grootste Europese business binnen eBay. Het interessante is dat de website beschikt over informatie over de aan- en verkooppatronen van maar liefst 70 procent van de Nederlandse internetgebruikers. Het bedrijf past analytics met succes toe om klanten te helpen bij het kopen en verkopen van goederen. Analytics zit diep verankerd in het DNA van het bedrijf. Niet alleen om de klanten beter van dienst te kunnen zijn, maar tevens voor het doen van voorspellende analyses en het onderbouwen van een snelle en flexibele besluitvorming.

Datamanagement In 1999 was Marktplaats.nl één van de eerste websites in Nederland die zich volledig richtte op rubrieksadvertenties. Als marktleider biedt het platform de gebruikers naar eigen zeggen voortdurend ‘voor iedereen een voordeel’. Hiertoe steunt de site op een gedegen datamanagement en toegankelijke analyses en prognoses van het koop- en verkoopgedrag van de ruim zes miljoen maandelijkse 45

bezoekers. “Deze technologie helpt met het inzichtelijk krijgen en het optimaal benaderen en bedienen van onze klanten”, stelt Natasha Zharinova, verantwoordelijk voor de strategie en financiën. Mensen kiezen voor Marktplaats.nl vanwege het laagdrempelige karakter: iedereen kan adverteren in de 37 rubrieken. De bezoekers zijn daarbij al lang niet meer alleen op zoek naar tweedehands producten, maar vinden er ook nieuwe spullen, auto’s en zelfs woningen. De verbindende functie en de grote bezoekersaantallen maken de site ook aantrekkelijk voor aanbieders van diensten. “De bezoekers bepalen het succes van Marktplaats.nl”, benadrukt Zharinova. “Onze relaties met hen zijn gebaseerd op wat we elkaar wederzijds te bieden hebben.” Het schijnbaar eenvoudige gebruik van de site leunt op geavanceerde monitoring en analyses van het surf-, oriëntatie- en koop- en verkoopgedrag van bezoekers. Op basis van targeting benut Marktplaats.nl de verzamelde gebuikersgegevens zodat bezoekers een optimaal passend aanbod ontvangen. Deze kerncompetenties helpen om de juiste persoon de juiste aanbiedingen te sturen, op het juiste moment en binnen het juiste umfeld. Niet alleen via de PC, maar ook op mobiele apparaten en via social media zoals Facebook. “Dankzij deze technologie ontsluiten we enorme hoeveelheden gestructureerde en ongestructureerde data vanuit interne en externe bronnen. Op basis hiervan maken we statische analyses en rapportages om voorspellingen te doen. Op deze manier verkrijgen we diepgaand inzicht in de handel en het klantgedrag. Doordat we wel twee tot drie lagen de diepte in kunnen gaan, zijn we in staat om het koop- en verkoopgedrag van onze bezoekers ook echt beter te begrijpen en hierop in te spelen.”

‘We kunnen diep in de data duiken om tot in detail uit te zoeken waarom iets niet volgens verwachting verloopt’ “Klanten die bijvoorbeeld zoeken in categorieën waarin kinderkleding wordt verkocht, groeperen wij in het segment ‘ouders’. Op basis van de kledingmaten waarin zij zoeken of bij positiekleding, stellen wij de leeftijd van hun kind vast. Met deze informatie in de hand sturen wij hen – indien zij hier prijs op stellen – regelmatig passende aanbiedingen. Dit doen we vanaf de zwangerschap totdat hun kind vijf jaar is. Wij bieden eerst handige babyproducten, vervolgens de mogelijkheid tot het verkopen van deze spullen en dan weer een overzicht van kinderkleding die te koop is in de volgende maat van hun kind. Dit alles helpt de klanttevredenheid te verbeteren. De inzichten helpen ons ook om de richting van onze groeiambities verder te bepalen en om te innoveren in het optimaal bedienen van onze klanten en adverteerders.”

Eenduidige kijk De technologie die Marktplaats.nl inzet, is in staat om informatie uit enorme hoeveelheden gegevens en databronnen toegankelijk en bruikbaar te maken. Zharinova: “We zijn nauwelijks tijd kwijt met het verzamelen van gegevens en kunnen ons daardoor concentreren op het benutten van waardevolle inzichten en klantgegevens. Met minimale inspanningen beschikken we over grafisch weergegeven rapportages, een antwoord op ad hoc-vragen en inzicht in what if-scenario’s.” Rapportages zijn volgens

Barometer van de samenleving Marktplaats.nl is in staat om te voorspellen hoe intensief, wanneer precies en in welke producten de handel zal zijn door datum, dag en tijd te koppelen aan allerlei externe variabelen zoals het weer, feestdagen en speciale evenementen. Ook bij de ontwikkeling van eigen diensten wordt predictive analytics ingezet om te zien hoe de verschillende onderdelen van de dienstverlening en actuele aanbiedingen elkaar beïnvloeden. Door middel van kannibalisatieanalyse is Marktplaats.nl in staat om te voorspellen of bepaalde nieuwe functies wel of niet een positieve invloed hebben op de bottom line. Analytics stelt Marktplaats.nl in staat om zogeheten behavioral targeting te doen. Zo zijn mensen in de leeftijd van 18 tot 25 jaar vaak op zoek naar een auto in de prijsklasse van 2.000 tot 4.000 euro. Omdat het vaak gaat om de aanschaf van hun eerste auto, worden advertenties getoond van autoverzekeringen en hulpdiensten. Leden die DVD’s of boeken verkopen, krijgen op maat gesneden aanbiedingen door post- en expressdiensten DHL of TNT.

Natasha Zharinova voor verschillende afdelingen direct en gemakkelijk en in elk gewenst formaat beschikbaar, zoals PowerPoint, Excel of Word. “Ze kunnen ook snel en gemakkelijk verspreid worden. Daardoor is er bedrijfsbreed een eenduidige kijk op de werkelijkheid en worden beslissingen genomen op basis van feiten.” Marktplaats.nl kan de inkomstenstromen dankzij de inzet van SAS-technologie tot in detail voorspellen en meteen inspelen op trendbreuken. “We weten in te schatten hoe zaken als het tijdstip en de dag waarop transacties plaatsvinden, schoolvakanties, vrije dagen en weersomstandigheden de handel beïnvloeden. Een groot voordeel is de mogelijkheid om databronnen te herleiden. Als iets niet volgens verwachting verloopt, kunnen we diep in de data duiken om tot in detail uit te zoeken waardoor dit komt.” Dankzij onder andere de voortdurende inspanningen om de bezoekerservaring te optimaliseren, loopt Marktplaats.nl al sinds 1999 voorop in een competitieve industrie die zich razendsnel ontwikkelt. “Deze voorsprong danken we aan onze kennnis van markt en van bezoekers, maar ook aan het consequent vasthouden van het uitgangspunt dat alles altijd beter kan. We gebruiken onze analytische kracht om complexe vragen te onderzoeken die de basis vormen voor segmentatie, customer life cycle-programma’s en het aanscherpen van marketingcampagnes. Bovendien kunnen we vooraf beter de effecten inschatten op veranderingen op de site. Ook nieuwe producten en diensten kunnen we hiermee beter volgen.” Waar Marktplaats.nl voorheen altijd voor elke bezoeker er hetzelfde uitzag, biedt de site steeds meer bezoekerservaringen op maat. “Ervoor zorgen dat bezoekers direct de informatie en producten aan gereikt krijgen waarvoor ze komen, is voor ons de ultieme uitdaging”, zegt Zharinova. “Dankzij SAS hebben we inzicht in klantgegevens en in de handel en zijn we in staat om verbanden te zien die ons helpen op het juiste tijdstip, naar specifieke doelgroepen acties te nemen die bijdragen aan een positieve klantervaring.” 

Arjen de Ruiter

projectmanager software足 ontwikkeling 足 bol.com

Vijf vragen aan Arjen de Ruiter

Inspirerende winkelomgeving Bol.com heeft 3,4 miljoen actieve klanten en een assortiment van ruim 5,5 miljoen unieke producten. Een van de uitdagingen van het online winkelbedrijf is om al deze consumenten en artikelen samen te brengen. Dat gebeurt volgens project manager softwareontwikkeling Arjen de Ruiter door mensen te inspireren zodat de winkel voelt alsof die persoonlijk voor de klant is ingericht. “Bijvoorbeeld door de site op basis van zoeken aankoopgedrag te laten inspelen op de persoonlijke voorkeuren van de klant.” Big data speelt daarbij een grote rol.

Wat is big data voor uw organisatie? “Het begrip wordt vaak in relatie gebracht met de drie v’s: volume, variety en velocity. Bij bol.com gaat het met name om de eerste en laatste. Binnen onze omgeving is de variëteit van data namelijk beperkt; het gaat vooral om de gegevens over zoeken, browsen en kopen. Deze activiteiten zijn voor ons de belangrijkste bronnen van informatie over klantgedrag.” “In de toekomst gaan we waarschijnlijk meer ongestructureerde informatie gebruiken om deze klantgegevens te verrijken. We hebben bijvoorbeeld plannen voor verder gebruik van sociale media. Dat wordt naast onze webshop, de e-mailings en mobiele apps feitelijk een extra touch point met de klant. Het zijn allemaal platformen om klanten te inspireren en naar de winkel te trekken.”

Wat is nodig om big data binnen de organisatie optimaal te benutten? “We gebruiken analysetools om bij campagnes precies die klanten te selecteren die waarschijnlijk zullen reageren. Waar we mensen voorheen benaderden met een algemeen bericht volgens onze eigen planning, geven we nu een persoonlijk bericht wanneer de klant dat nodig heeft. Doordat we zo meer customer centric zijn, is onze benadering veel effectiever.” “We gebruiken Hadoop als zelflerend dataverwerkingplatform en daar komen vrijwel geen mensen aan te pas. Dit systeem zit in de site en genereert automatisch aanbevelingen voor klanten door te tonen welke vergelijkbare producten andere kopers hebben aangeschaft en welke andere bekeken producten relevant kunnen zijn voor die individuele klant. Met andere vormen van big dataverwerking, bijvoorbeeld voor marketing-doeleinden, komen we meer op het terrein van de data-modelers en datamining-specialisten.” 49

Welke waarde levert het nemen van beslissingen op het juiste moment? “Bij bol.com verwerken we enorme hoeveelheden data. Deze wordt pas echt van waarde als we op basis hiervan de informatie die in de webshop wordt getoond relevant maken voor klanten. Denk aan boeken over een specifiek interessegebied, speelgoed passend bij de leeftijd van iemands kinderen of andere producten waarvan wij veronderstellen dat men ze interessant vinden. Dat is plezierig voor kopers en het leidt uiteindelijk tot betere resultaten.” “Hoe sneller je iemands persoonlijke behoeften verwerkt, hoe relevanter de getoonde informatie wordt. Stel dat je vorig jaar op zoek was naar een bepaald boek en vandaag kijk je naar een ander product, dan moet bij het volgende bezoek het gedrag van gisteren verwerkt zijn. Momenteel worden de gegevens van een winkelbezoek een dag later al meegenomen in een nieuw gepersonaliseerd aanbod. In de nabije toekomst willen we dit in realtime aanbieden.”

‘Het systeem genereert automatisch aanbevelingen voor klanten’ Leidt het optimaal benutten van big data tot nieuwe businessmodellen? “Het principe van customer centric selling bestaat al langer dan het fenomeen big data. Het eerste wordt wel gemakkelijker met behulp van een snelle analyse. Grote hoeveelheden gegevens maken het ons mogelijk de klantbenadering verder te verfijnen. Dit levert ons beslist een concurrentievoordeel op; wij zijn ervan overtuigd dat het voor klanten heel plezierig is als een webwinkel door een hoge mate van relevante informatie aanvoelt als een warme jas.”

Wat betekent dit voor de rol van IT en van de business? “Het is bij ons niet altijd zo dat de business functioneel iets vraagt en de IT dat vervolgens levert. Omgekeerd zien programmeurs ook de businessmogelijkheden van een nieuwe technologie en zullen deze proactief zonder businessrequirements inbrengen. Vervolgens testen we het samen met de business uit en afhankelijk van de uitkomst besluiten we of we de oplossing implementeren. Ook de gehanteerde Scrum-ontwikkelmethode, waarbij altijd de businesswaarde centraal staat, draagt bij aan de wisselwerking tussen IT en de andere bedrijfsfuncties.” 

‘Hoe sneller je iemands persoonlijke behoeften kunt verwerken, hoe relevanter de getoonde informatie is’ 51

INTERVIEW

Uitdaging: De verkoopresultaten stimuleren door sneller en beter inzicht in het gedrag en de wensen van consumenten. Oplossing: High-Performance Analytics om ruwe gegevens te 足verwerken tot informatie die zinvol is voor de business. Resultaat: H et assortiment is beter afgestemd op zowel de 足v erkooplocatie als de individuele klant, waardoor de omzet is gegroeid.

Macy’s optimaliseert assortiment met High-Performance Analytics Kerem Tomak van Macy’s:

‘Relevanter zijn voor klanten’ Macy’s is een van de grootste en bekendste retailers van de Verenigde Staten. Het bedrijf maakt dankbaar gebruik van big data en HighPerformance Analytics-software om klanten beter te begrijpen en de winstgevendheid te vergroten. Kerem Tomak is verantwoordelijk voor analytics binnen Macys.com: “High-Performance Analytics is van grote toegevoegde waarde voor het bedrijf.”

Big data betekent voor Macy’s zowel kansen als uitdagingen. Het mooie is volgens Kerem Tomak dat Macy’s door analyse van gegevens beter in staat is te begrijpen hoe het bedrijf in de markt presteert. “Als het gaat om bijvoorbeeld de verkoop van onze producten op Macys.com en in de winkels”, aldus de analytics-verantwoordelijke. “We kunnen daarnaast de impact van onze marketinginspanningen op de online en offline verkoopresultaten meten. De uitdaging is de juiste gegevens te verzamelen en deze op tijd om te zetten in relevante inzichten zodat we snel en adequaat kunnen reageren op de vraag van consumenten en veranderingen in de markt. Hiermee kunnen we ons onderscheiden van de concurrentie.” Naarmate de hoeveelheid te verwerken of te analyseren data groter is, wordt de performance van de systemen de beperkende factor. De inzet van High-Performance Analytics (HPA) rekent af met dit gebrek aan verwerkingscapaciteit. “Met HPA zetten we frontaal de aanval in”, vertelt Tomak. “Ruwe gegevens worden verwerkt tot informatie die niet alleen zinvol is voor ons als analisten, maar ook voor andere belanghebbenden in de organisatie. Pas als managers het verhaal achter de gegevens begrijpen, kunnen ze op basis daarvan de juiste beslissingen nemen.” 53

Indrukwekkend Een groeiend aantal retailbedrijven boekt al indrukwekkende resultaten door het snel en efficiënt beschikbaar stellen van informatie aan de business. Businessgebruikers zijn hiermee in staat om de winstgevendheid te vergroten door kleine veranderingen in prijs en assortiment door te voeren. Zo kunnen ze inspelen op snel veranderende trends en sentimenten. Een dergelijke supersnelle, adequate en meer fijnmazige informatievoorziening maakt in toenemende mate het verschil. Voorheen werd het uitverkoopbeleid bij retailorganisaties bijvoorbeeld op regionaal niveau bepaald, waardoor eventuele lokale kansen werden gemist. Inmiddels bepalen steeds meer winkels op basis van dagelijkse of zelfs realtime zeer gedetaileerde informatie plaatselijk hun eigen beleid. Men kan met nieuwe technologische mogelijkheden decentraal desgewenst dagelijks inzoomen op de lokale data. Het productaanbod en kortingsacties worden hierdoor beter afgestemd op de lokale behoefte.

‘We hebben op een zeer gedetailleerd niveau een beeld van iedere afnemer en elk specifieke product’ Kerem Tomak

High-Performance Retail Steeds meer winkelbedrijven implemente-

vendien meer gepersonaliseerde en

ren geavanceerde analyse-systemen om

gelokaliseerde prijsstrategieën, maar het

voortdurend te kunnen inspelen op veran-

schijnbaar oneindige aantal combinaties

deringen. Dat is het terrein van de zoge-

van product-prijscombinaties stelt winkel-

noemde High-Performance Retail (HPR).

bedrijven voor een enorme uitdaging.

De inzet van technologieën zoals HighPerformance Computing en razendsnelle

Technologische mogelijkheden

en effectieve data-analyse verhogen op

In-Database Analytics brengt gedegen

deze manier de bedrijfsprestaties. HPR

o nderbouwde besluitvorming binnen hand-

helpt retailers bij het creëren van nieuwe

bereik. Kassa-informatie wordt in de data-

inzichten, stelt hen in staat om gericht

base geladen en gecombineerd met aan

act ie te ondernemen en businessimpact

koopgedrag. Zo is het systeem in staat om

te creëren. En dat alles resulteert uitein-

het toekomstige winkelgedrag van de ko-

delijk in hogere marges, omzet, loyaliteit

per te voorspellen en suggesties te doen

en klanttevredenheid.

voor meer toepasselijke en gepersonaliseerde aanbiedingen. Op basis van real-

Impulsaankopen

time verwerking kan dergelijke informatie

“Impulsaankopen bestaan straks mis-

in theorie al worden geleverd terwijl de

schien niet meer”, zegt Frank Nauta, ad-

klant zich nog in de winkel bevindt. Voor-

viseur op het gebied van retail en consu-

heen moesten eerst de kassagegevens

mentenproducten binnen SAS.

worden geladen, verwerkt en weer terug-

“Consumenten zijn gedurende het aan-

geplaatst – een proces dat geen seconden

koopproces steeds beter geïnformeerd.

maar uren of zelfs dagen in beslag nam.

Ze gaan slimmer en zuiniger om met geld.” Omdat nieuwe productmodellen en –uit-

In-Memory Analytics maakt het mogelijk

voeringen steeds sneller op de markt ver-

om conclusies te trekken op basis van een

schijnen, moeten winkelbedrijven hun voor

continue gegevensstroom. In een groot

raden volgens hem slimmer en strakker

warenhuis met miljoenen unieke product-

beheren, zodat snel verouderde produc-

codes duurde deze vorm van analyse zon-

ten niet tegen een flinke korting verkocht

der In-Memory-Systemen nog minimaal

hoeven worden.

enkele uren. Nu alle actuele gegevens in

Met name in de razendsnel bewegende

het werkgeheugen worden opgeslagen, is

markt voor consumentengoederen, elek-

het mogelijk om de beste verkoopstrategie

tronica en kleding is een snelle doorver-

in realtime te bepalen om daarmee een

koop cruciaal. De nieuwe tijd vereist bo-

hogere omzet te genereren.

Hadoop Tomak: “Bij Macy’s gebruiken we tools om gegevens uit Hadoop te halen en deze door te sluizen naar systemen voor analyes en modellering. We zijn hiermee in staat om dingen te doen die we nooit eerder hebben gedaan. Gegevensverwerking en analyse in een high performance-omgeving leveren bovendien verbluffend snel resultaten op. Op basis van de geagreggeerde data genereren we tegenwoordig honderdduizenden modellen in plaats van de tien tot honderd van vroeger. High-Performance Analytics (HPA) gaat binnen Macy’s nu en in de toekomst absoluut het verschil maken.” Kerem Tomak onderschrijft de stelling dat HPA het hele competitieve speelveld binnen de retailbranche overhoop kan halen. Neem alleen al het feit dat het met behulp van krachtige analysetools mogelijk is om op productniveau diepgaande inzichten te krijgen. “Traditioneel waren we niet in staat om voor een specifiek product de omzetsnelheid, de voorraad of de invloed van de prijs of promotie-actie te analyseren. We bestudeerden het allemaal wel, maar op productgroepniveau of hoger.” Dankzij de grote hoeveelheden gegevens en de technologie om deze adequaat te verwerken zijn retailers in staat om duizenden modellen op productniveau toe te passen. Denk bijvoorbeeld aan what-if-analyses, waarbij het effect van opruiming, voordeeltjes en andere prijsstrategieen wordt berekend voor miljoenen product-locatie-combinaties. Ook is het mogelijk specifieke producten op basis van de locatie in het assortiment op te nemen. “Het brengt ons echt naar de plek waar we willen zijn”, vervolgt de analytics-specialist. “Het geeft bijvoorbeeld een antwoord op de vraag hoe groot de kans is dat een product met een aantal specifieke kenmerken op een bepaalde locatie op een zeker tijdstip wordt verkocht. En zo kunnen we met behulp van HPA vast nog veel meer interessante vragen beantwoorden. Daarmee komt daadwerkelijk het volgende, nog diepere niveau van assortiment-optimalisatie in zicht.”

Klantniveau Het diepere inzicht blijft niet beperkt tot alleen de producten. High-Performance Analytics biedt bovendien een veel gedetailleerder beeld van de koper, waardoor de klantervaring aanzienlijk wordt verbeterd. Wanneer men de winkel betreedt en de klantenkaart laat inlezen, krijgt men bijvoorbeeld geïndividualiseerde aanbiedingen te zien. Daarnaast kunnen consumenten via mobiele apps of geotargeting-oplossingen op de hoogte worden gebracht van op de persoon gerichte kortingsacties. Tomak: “We hebben op zeer gedetailleerd niveau een beeld van iedere afnemer en elk specifieke voorradige en verkochte product. Waar is het aangeschaft? Is het gekocht via de website of bij een bepaalde vestiging? Is het artikel in de winkel eenvoudig vindbaar voor de klant? En zo niet, dan kan hij of zij het misschien eenvoudiger aanschaffen op Macys.com?” Zo zijn er nog veel meer mogelijkheden. Tomak constateert bijvoorbeeld een toenemende interesse in het gebruik van High-Performance Analytics om meer inzicht te krijgen in het effect van reclame displays en advertenties op internet. In het ideale geval worden de banners voorgeschoteld aan de mensen die interesse hebben in hetgeen getoond wordt en bereid zijn om de reclame te lezen en door te klikken. “High-Performance Analytics helpt bij het verhogen van de relevantie van online advertenties omdat de inhoud en informatie zo goed mogelijk is afgestemd op de wensen en interesses van degene waarop deze gericht zijn.” En dat komt niet alleen de omzet ten goede, maar ook de klanttevredenheid. 

OVER SAS Dagelijks nemen CEO’s, CFO’s, CMO’s, Risk Officers, directeuren en managers beslissingen die de richting van een organisatie op korte of langere termijn blijvend beïnvloeden. SAS levert software om daadwerkelijk inzicht voor deze bedrijfskritische beslissingen te verkrijgen. SAS brengt de beslisser van het - te vaak - nemen van beslissingen op onderbuikgevoel naar beslissen op basis van feiten. Van data naar informatie, van informatie naar inzicht. SAS is specialist op het gebied van Business Analytics-software en -dienstverlening, en de grootste onafhan kelijke business intelligence leverancier. Met innovatieve oplossingen binnen een geïntegreerd raamwerk, helpt SAS klanten op meer dan 60.000 locaties om hun prestaties te verbeteren en waarde te creëren door sneller, betere beslissingen te nemen. SAS biedt naast branchespecifieke ook generieke oplossingen en is sterk op het gebied van datamanagement, analytics en reporting vanuit een bedrijfsbreed Business Analytics framework. SAS levert haar klanten al sinds 1976 The Power to Know. High-Performance Analytics SAS biedt zijn advanced analytics-oplossingen nu ook op basis van high-performance. Hiermee halen klanten sneller het vereiste inzicht uit de snel groeiende hoeveelheden data, met toenemende variatie en hogere complexiteit (big data). Alles draait om het sneller beschikbaar hebben van de relevante gegevens en het aan het licht brengen van niet eerder zichtbare patronen, nuances en relaties, binnen een realtime architectuur. SAS High-Performance Analytics is gebaseerd op SAS’ eigen grid, In-Database en In-Memory computing technologie en biedt de benodigde antwoorden in minuten of seconden in plaats van dagen of uren, zodat managers en bestuurders tijdig hun beslissingen kunnen nemen. De onderneming groeit continu en is vanaf de oprichting winstgevend. Jaarlijks investeert SAS 24 procent van de omzet in Research & Development; meer dan het dubbele van wat concurrenten investeren. Wereldwijd werken er ruim 13.000 medewerkers bij SAS, in meer dan 56 landen, vanuit 400 SAS-kantoren. SAS is sinds 1986 actief in Nederland. Het Nederlandse kantoor is gevestigd in Huizen op landgoed ‘Oud-Bussem’, waar ruim 150 medewerkers werken. SAS staat bekend als een van de beste werkgevers en scoort daarom ook al sinds haar oprichting jaarlijks zeer hoog in de verschillende ‘Best Company to work for’ ranglijsten.

COLOFON Realisatie:

SAS Nederland Redactie:

Ilanite Keijsers, Wouter de Wijn Auteurs:

Jeroen Dijkxhoorn Edwin Peters James Taylor Hotze Zijlstra Fotografie:

Eric Fecken Cover:

Philip van Tol, Amsterdam Vormgeving:

Goedhart Ontwerp, Aarlanderveen Drukwerk:

Twigt GrafiMedia, Alphen aan den Rijn Projectbegeleiding:

René Frederick Projectmanagement, Alphen aan den Rijn

Het boek Future Bright – Decisions at the Speed of Right is gemaakt in opdracht van SAS Nederland. Informatie uit deze uitgave mag uitsluitend worden overgenomen, gekopieerd of gereproduceerd door middel van druk, fotokopie, film, internet of op andere wijze met de expliciete toestemming van de directie van SAS Nederland en met bronvermelding. SAS Nederland is niet verantwoordelijk voor uitspraken gedaan door geïnterviewde personen in dit boek.