Data, data, data; oneindig veel -big- data. Het is als olie in de jaren ’50, de motor van de economie. Wat destijds olie was voor het industriële tijdperk, is data nu voor het technologische tijdperk. Het is de drijvende kracht, een overvloedige bron van alles wat je maar kan bedenken. Hoe moet je het gebruiken voor besluitvorming?
Het is niet het product waar je direct iets mee kan, je moet het bewerken en verwerken voordat het waardevol wordt. Met olie alleen doe je weinig, maar met een auto waar olie in zit wel. Met die auto ben ik ineens in staat om op vakantie te gaan.
Met data is het net zo: je hebt een soort verbrandingsmotor nodig. Maar wat is de motor waar je data in moet gieten?
Data betekenis geven is een hele industrie geworden. Beginnend bij infographics van data maken. Tot heel wat uitdagender: op ieder moment van de dag een account manager inzicht te geven in de status van zijn klanten. Tussen data en dit soort inzichten is een analyse nodig. Met de output in gedachten, ga je de beschikbare data analyseren. Geef mensen informatie en hun kennis over een onderwerp wordt vergroot, waarmee ze hun leven of werk anders kunnen inrichten. Op basis van een stappenteller weet je of je genoeg beweegt. Met een management dashboard weet je hoeveel nieuwe klanten er nog nodig zijn in de regio Noord.
Met inzichten kun je de essentie en relevantie van data overbrengen aan je doelgroep. Dit kan voor vermaak zijn, ter inspiratie of om iemand in staat te stellen iets met deze inzichten te gaan doen. Deze volgende stap is van inzichten naar acties. Hier komen infographics, acties en notificaties bij elkaar. Een voorbeeld is het berichtenscherm op een iphone, waar getoond wordt hoe lang de reisduur is naar je volgende afspraak of naar huis. Dit wordt berekend op basis van veelbezochte locaties met je telefoon en een koppeling met verkeersdata.
Nobelprijswinnaar en psycholoog Daniel Kahneman heeft het over twee systemen, ‘System 1′ – given over to snap, intuitive judgments, and ‘System 2′ – which we use consciously to solve problems in a more rational way.
Nog een stap verder is inspelen op hoe de hersens het makkelijkst informatie in zich opnemen: met beeld en door aanspraak te maken op je snelle oeroude deel van je brein (‘Systeem 1′) in plaats van je trage denkende brein (‘Systeem 2′) aan te zetten om info te vertalen. Daarmee bedoel ik bijvoorbeeld: ‘neem vandaag je paraplu mee’, in plaats van ‘over een uur is de kans op regen 60%’. Als je met de deur in je hand naar buiten wil, weet je in het eerste geval direct dat je een paraplu nodig hebt en in het tweede geval moet je nog een afweging maken of je die paraplu mee zal nemen.
Deze weer-notificatie app bestaat trouwens al. Het briljante is hoe hier ingespeeld wordt op de twee systemen van ons brein:
Een korte en visuele boodschap die weinig verwerkingstijd vraagt én een onderbouwing met cijfermatig bewijs. Zowel aan iemand met haast, als iemand die genoeg tijd heeft om de aanbeveling te begrijpen is gedacht.
Hoe vaker deze notificaties zullen kloppen, hoe vaker je ze zal gebruiken. In het zakelijke leven kun je je voorstellen dat je telemarketeers laat bellen naar de meest prangende klanten, die ontevreden zijn met je dienstverlening of waar cross-sell kansen het meest waarschijnlijk zijn.
De motor waar de data in moet, is kortom mensen. Mensen zetten informatie om in acties. Wij voeren acties uit om een klant te helpen of een bedrijfsstrategie te bepalen. Zoals je met een auto naar vakantie gaat. Voorwaarde is altijd dat je de data eerst analyseert en verrijkt. Dit kun je zelf doen door databestanden te analyseren (datamining) of door grote hoeveelheden data in machines te stoppen, om slimme algoritmes te krijgen. Algoritmes moeten zorgen dat voorspellingen zo goed worden, dat we er altijd op durven vertrouwen. Dan kunnen mensen zich focussen op waar zij goed in zijn: gedrag en acties die nodig zijn.
En hoe toepasselijk is het dat juist data – dit soms twijfelachtige product van de digitale revolutie – zo van meerwaarde kan zijn voor ons, de mensen? Door de psychologie van mensen als vertrekpunt te nemen, weten we hoe we met data om moeten gaan. Niet andersom.