5 manieren waarop ‘data’ waarde toevoegt aan jouw organisatie

In iedere organisatie en discipline kan data een rol spelen. Weet jij welke data er bij jou beschikbaar is en hoe jij deze in kunt zetten om hier waardevolle informatie uit te halen? In dit artikel geven wij jou 5 ideeën om waarde toe te voegen met behulp van data. Met praktische voorbeelden bij iedere discipline. Dus: wil jij binnen jouw team ‘data’ een prominente rol laten spelen? Lees dan verder.

Het kan soms lastig zijn passend talent te vinden voor je organisatie. Zeker binnen vakgebieden zoals IT. De vraag is nog steeds groter dan het aanbod. Data kan het zoekproces ondersteunen. Er is namelijk een grote hoeveelheid informatie beschikbaar over kandidaten, via social media, corporate databases en banensites. Data scientists weten hoe ze deze informatie bruikbaar kunnen maken voor recruiters. Hierdoor kunnen zij een voorselectie maken en de best passende kandidaten voor de functie selecteren.

Je kunt hierbij gebruik maken van een Applicant Tracking system, zoals Recruitee. Dit is een talent acquisitie platform dat helpt input over kandidaten te verzamelen zoals: cv, sollicitatiebrief, assessments, social media etc. Vervolgens kun je met behulp van voorspellende modellen analyseren of een kandidaat een goede match is. Zo kunnen beslissingsbiases voorkomen worden en voorspellingen gedaan worden met behulp van algoritmes in plaats van op basis van gevoel.

Met behulp van ‘predictive analytics’ kunnen inzichten gegeven worden op onder andere de volgende vlakken: hoe waarschijnlijk is het dat de kandidaat goed zal performen, hoe lang zal een nieuwe medewerker blijven, wat de meest effectieve platforms zijn om kandidaten te vinden en welke screeningstechnieken effectief zijn. Enkele manieren om meer inzicht te geven in job performance zijn:

• Bepaal welke kwalificatie eigenschappen het meest correleren met job performance.
• Onderzoek welke soft skills de meeste invloed hebben op hoe succesvol een kandidaat zal zijn.

Als het juiste talent eenmaal binnengehaald is, kan data helpen met het ondersteunen en coachen van werknemers. Stel je bent een manager van een goed presenterende werknemer van midden 20. Je wilt hem graag behouden en zo goed mogelijk begeleiden om verder te groeien. De werknemer in kwestie heeft alleen nog niet veel nagedacht over waar hij naar toe wil met zijn carrière.

Data van voorgaande werknemers kan helpen om dit uit te zoeken. Zo kunnen verschillende carrièrepaden van vergelijkbare werknemers uitgetekend worden. Om vervolgens aan de hand daarvan opties te bespreken, doelen op te stellen en een tijdlijn te schetsen. Uiteindelijk kan er dan voor de werknemer een passend carrièrepad gecreëerd worden met daarin verschillende opties aan doorgroeimogelijkheden en tijdlijnen. Op basis van data kan een geschikte mentor uit het werkveld gezocht worden om de werknemer optimaal te ondersteunen bij het bereiken van zijn of haar doelen.

Met behulp van data science kunnen aanbevelingen gedaan worden op basis van analyse van onder andere historische (aankoop)data, de concurrentie en de markt. Het kan bijvoorbeeld inzicht geven in waar of wanneer je product of service het beste zal aanslaan of een manier zijn om je product of service te verbeteren.

Zo heeft PostNL de mogelijkheden binnen de PostNL-app steeds verder uitgebreid, waardoor klanten die een pakket willen ophalen bij een pakketpunt kunnen zien hoe druk het is. Sinds de corona-uitbraak willen mensen drukke plekken kunnen mijden, waarop PostNL heeft ingespeeld. Met behulp van historische data kan deze voorspelling gedaan worden. Ook kunnen klanten zelf aangeven hoe druk het op een punt is. Zo kan de service steeds verder verbeterd worden.

Uiteindelijk kun je dus met behulp van data meer te weten komen over klantgedrag, waardoor je het product beter kunt aanbieden op basis van de behoeften van de klant.

Door klantdata uit verschillende bronnen, zoals Google Analytics, sociale media, surveys etc., te combineren, kunnen inzichten ontstaan waardoor klanten beter getarget kunnen worden. Door deze informatie is het mogelijk om producten en/of services gepersonaliseerd aan te bieden aan beoogde doelgroepen.

Zo kun je er na een correlatieanalyse achter komen dat een nieuwe doelgroep bereikt kan worden door middel van een specifieke aanbieding. Een voorbeeld: je bent eigenaar van een exclusieve sportschool, maar merkt dat het op vaste momenten erg rustig is. Uit de analyse is gebleken dat studenten op de minder drukke uren beschikbaar zijn om te gaan sporten. Je kunt nu een marketingcampagne afstemmen op deze doelgroep om ervoor te zorgen dat jouw sportschool ook op de minder drukke momenten goed bezet is. Inzichten door data verkregen die je anders wellicht links had laten liggen in je marketingstrategie.

Als er op basis van nieuwe inzichten beslissingen worden genomen, kunnen deze ook getest worden. Hebben de veranderingen tot de verwachte resultaten geleid? Kan het eventueel verder uitgebreid worden? Of is er misschien iets over het hoofd gezien?

Je hebt dus iemand nodig die belangrijke key metrics gerelateerd aan belangrijke veranderingen kan meten en het succes kan kwantificeren. Er kan bijvoorbeeld met behulp van A/B testen geëxperimenteerd worden met de layout van een website. Wanneer je wijzigingen doorvoert, dan kun je met A/B testen instellen welk percentage de gewijzigde website krijgt te zien en welk percentage de huidige website. Op basis van de interactie wordt bijgehouden en gemeten welke van de twee het beste resultaat laat zien. De ‘data analist’ kan deze informatie verzamelen, verwerken en conclusies hieraan verbinden.

We hopen je met dit artikel enkele inzichten gegeven te hebben die jij kunt toepassen binnen jouw organisatie. Heb je vragen of (nog) niet de juiste mensen in jouw team? Onze data scientisten kunnen jou een boost geven om van data, ‘waardevolle’ data te maken. Neem vrijblijvend contact met ons op en we bespreken graag hoe we elkaar verder kunnen helpen.