Data als concurrentiewapen

30-07-2009 | Auteur: Marco Gianotten | Beeld: Aad Goudappel

Data als concurrentiewapen
VAN ‘DATAHAMSTEREN' NAAR DATA-ANALYSE

Meer software, meer rapportages en een overdaad aan cijfers bieden bedrijven weinig tot geen houvast bij het sturen op de toekomst. Bedrijven die inzicht willen krijgen in hun bedrijfsprocessen en marktontwikkelingen, zullen de brij aan data grondig moeten analyseren. Data-analyse heeft dan ook de toekomst.

Datawarehouses die uit hun voegen barsten zijn eerder regel dan uitzondering. Analisten, controllers en andere specialisten hebben er immers een handje van data, data en nog eens data te verzamelen. Lijnmanagers spreken vaak laatdunkend over ‘rapportagehamsters' en trekken de waarde van de gepresenteerde cijfers in twijfel. En die cijferallergie zal niet verdwijnen wanneer data-analyse uitsluitend op individueel of afdelingsniveau wordt erkend. Het management in een dergelijke cultuur blijft dan beslissingen maken op basis van intuïtie, het zogeheten schieten vanuit de heup. Dat is spijtig als we bedenken dat de beschikbare data een schat aan bruikbare informatie herbergt die de concurrentiepositie van een organisatie kan versterken. Slim gebruik van data houdt geen gelijke tred met de groei van de hoeveelheid data. Paradoxaal genoeg neemt concurrentie op basis van data-analyse toe, maar dreigen veel managers bedolven te raken onder information overload.

Koren en kaf
De explosieve groei van de hoeveelheid data komt voort uit de hoge vlucht van ERP-systemen (Enterprise Resource Planning) de afgelopen decennia, de digitalisering van ongestructureerde gegevens zoals tekst en de technologische mogelijkheid alles en iedereen te labelen (RFID). Maar het is als met die uitpuilende fotodoos op zolder. Gesteld dat je al weet welke foto's zich in die doos bevinden, kun je op zoek naar één specifieke foto een hele avond kwijt zijn. Weliswaar vermakelijk, maar tijdrovend en zonder resultaat, want die ene foto blijft meestal spoorloos. Hoe scheid je het koren van het kaf? Hoe breng je orde in de chaos? Hoe zorg je ervoor dat ‘dirty data', inconsistente, gefragmenteerde of uit zijn verband gerukte informatie, niet op het bureau van de druk bezette executive belandt, maar dat de juiste informatie op de juiste plek komt? Met andere woorden: Hoe maak je van data-analyse een goed hanteerbaar en doeltreffend wapen? Corporate performance management (CPM) is de oplossing in ieder geval niet. CPM doet weinig anders dan de informatie gelikt presenteren. Qua functionaliteit voegt het niets toe. Anno 2008 doet het merendeel van de organisaties weinig anders met CPM dan het plannen, het stellen van targets als marsorders en het managen van budgetten die bovendien bijna gedachteloos worden gehangen aan een vaste tijdcyclus van bijvoorbeeld één jaar. Dat vaste element werkte uitstekend in een stabiele wereld waar de aanbodkant grote invloed had op de markten, en het push-principe nog werkte.


Lijnmanagers spreken vaak laatdunkend over ‘rapportagehamsters'


Markten worden echter steeds instabieler en klanten zijn niemands eigendom meer. De werkelijkheid van de markt haalt het strategische vijfjarenplan van weleer in. Elke dag biedt in zekere zin een nieuwe realiteit. De high performers beschikken in de hedendaagse onvoorspelbare wereld over grote flexibiliteit en hoge snelheid (time-to-market). Idealiter weten we van dag tot dag wat er speelt van klantwens tot de uiteinden van de keten. CPM schiet hierin dramatisch tekort. Hoewel er meer dan genoeg redenen zijn om die jaarlijkse planning en budgetten overboord te gooien, blijft de financiële wereld deze manier van werken dicteren.


De oplossing voor ratioterreur
Wat wel werkt, is een nieuwe stijl van performance management waarbij het presteren van een organisatie niet aan één ratio, maar aan meerdere ratio's wordt opgehangen. Ratio's die bovendien zinvol zijn en een duidelijk doel dienen. Een voorbeeld van hoe om te gaan met ratio's is Toyota. Een van de pijlers van de Toyota managementstijl is dat kwaliteit gaat voor kwantiteit. Vanuit deze lange termijngedachte hanteer je geen ratio's die de kwaliteit negatief beïnvloeden. Veel key performance indicatoren (KPI's) zijn eerder een afrekenratio voor een persoon of afdeling dan dat het echte graadmeters zijn voor het succes van de onderneming. Wanneer een manager zonder al te grote inspanning voor een bepaalde ratio 95 scoort op een schaal tot 100, werkt dat luiheid in de hand. De enige waarde van die KPI is dat de manager goede sier kan maken. Menig bedrijf heeft teveel KPI's en tegenstrijdige ratio's. Dit kan ertoe leiden dat afdelingen met elkaar concurreren, wat weer suboptimalisatie in de waardeketen tot gevolg heeft. Er ontstaan onderlinge conflictsituaties wanneer de afdeling sales bij een verzekeraar wordt afgerekend op groei van het verkoopvolume en de afdeling underwriting wordt afgerekend op het verlagen van de risico's per klant. Wanneer een distributiecentrum wordt gemanaged op vrachtkosten gaan ze voor de beste deals en volle vrachtwagens, zelf als dat betekent dat klanten langer moeten wachten dan nodig of zelfs in voorraadproblemen komen. Wanneer klanten een servicecontract hebben bij een machinebouwer moet het de normaalste zaak ter wereld zijn dat de kosten van de voorraad aan reserveonderdelen zijn verdisconteerd in de totale onderhoudskosten.


Veel managers raken bedolven onder ‘information overload'


Als die machinebouwer dankzij een systeem voor preventief onderhoud tijdig onderdelen kan vervangen, wordt schade of ‘down-time' van een productieplant en daarmee veel hogere kosten vermeden. Sommige ‘super KPI's' zijn vanuit de waardeketen het belangrijkste voor het verdienmodel van een onderneming. Wanneer het snel op trends inspelen belangrijker is dan de hogere productiekosten die dat met zich meebrengt, zoals in de mode of consumentenelektronica, dan moeten de super KPI's dominant zijn en mogen alle andere ratio's niet tegenstrijdig zijn aan elkaar. Time-to-market, faalkosten en klantloyaliteit zijn in toenemende mate bepalend voor het echte succes van een onderneming. Deze zaken vormen de basis voor de dominante KPI's die over de gehele waardeketen als shared goal en shared ratio leidend moeten zijn.


What gets measured, gets managed
Data-analyse biedt inzichten op basis van cijfers, zodat een manager beslissingen kan nemen op basis van feiten. Maar dan moet data-analyse in de organisatie wel een kans krijgen. En dat is niet altijd het geval. Een brede verspreiding van analytische kennis wordt vaak verhinderd doordat het meten - het verzamelen van data - wordt gescheiden van het eigenlijke werk. Werknemers die strikte procedures moeten volgen, richten zich uitsluitend op het halen van het target en de afrekenratio's. Dit heeft naast de cultuur binnen een organisatie ook te maken met de wijze van performancemanagement. Is een groter marktaandeel altijd goed? Is elke nieuwe klant een aanwinst? Is nog meer schaalvoordeel zinvol? Leiden verkooptargets voor salesmanagers tot betere winstgevendheid? Velen zullen deze op vragen vanuit een onderbuikgevoel een volmondig ‘ja' laten horen. What gets measured, gets managed. Nog los van de vraag of je daadwerkelijk ‘high performance' bereikt, maakt het lukraak stellen van targets effectieve sturing vrijwel onmogelijk. Slechts weinigen weten welke klanten in welke mate winstgevend zijn. Doorgaans wordt er gestuurd op gross profit - omzet minus directe kosten - terwijl de echte nettowinst pas zichtbaar wordt nadat ook de zogeheten below-the-line kosten zijn verdisconteerd. Dit zijn de veelal onzichtbare kosten voor de service en het support waar een deel van de klanten een beroep op doet. Vergroting van het marktaandeel zou dus heel goed negatief kunnen uitpakken voor de winstgevendheid, zoals ook schaalvergroting omwille van lagere kapitaalkosten de operationele efficiency kan schaden. Niet iedere klant is namelijk gelijkwaardig winstgevend. Stel dat een bedrijf met een grote klantpopulatie een winst maakt van 100 miljoen. Het is niet ondenkbaar dat 20 procent van alle klanten verantwoordelijk is voor 225 miljoen winst, maar dat de andere 80 procent vanwege hun gedrag 125 miljoen ‘verlies' veroorzaakt. Daarom blijft er slechts 100 miljoen winst over. Wie uit je klantenbestand behoort tot de winstmakers en wie tot de verliesgevers? En waarom is dat? Hoe transformeer je de ‘slechte' klanten naar ‘goede' klanten? En hoe stuur je daarop? Deze vragen worden vanuit data-analyse bestudeerd en beantwoord.

Uniform datamodel
Tesco, een grote Britse retailer, kan dankzij de data die zij verzamelen via de Tesco Clubcard, een onderscheid maken tussen klanten. Zij die voornamelijk de afgeprijsde producten kopen en steevast gebruik maken van de reductiebonnetjes uit de folders, worden geschaard onder de 'value-conscious' klanten. De groep die drie keer per week min of meer dezelfde boodschappen doet, zonder acht te slaan op acties, is opgebouwd uit 'convenience-conscious' klanten. Dit onderscheid stelt Tesco in staat om de acties 'tailor made' af te stemmen op de prioriteiten en voorkeuren van hun klanten. Dankzij de populariteit van de coupons in de folders kenmerkt de Tesco-klant zich door de hoge loyaliteit. Het weglopen van klanten kost ook veel geld. Wanneer het aantal opzeggende, niet meer terugkerende of ‘vluchtende' klanten wordt gehalveerd, kunnen de winsten verdubbelen. Dat een klant niet winstgevend is, ligt niet altijd aan diens gedrag, maar kan ook te maken hebben met interne inefficiency. Afscheid nemen van klanten waar je verlies op maakt, is dus niet altijd de juiste handelswijze. Bovendien kunnen sommige niet-winstgevende klanten wel strategische waarde hebben, omdat je van hen kan leren of omdat ze andere groepen positief beïnvloeden. Deze analyse van klantgedrag vult het verbeteren van winstmarges op unieke wijze aan. De volgende stap is het in elkaar laten overlopen van deze twee processen. Daarvoor moeten de klanten- en financiële systemen een uniform datamodel hanteren, zodat appels met appels kunnen worden vergeleken.

Democratiseer data-analyse
Data-analyse kan zowel voor interne als voor externe doeleinden worden ingezet. De bekendste interne toepassing van Business Intelligence is de financiële rapportage voor het management en voor de aandeelhouders. Een stap verder, bijvoorbeeld het transparant maken van kosten, kan buitengewoon verhelderend werken met betrekking tot de winstgevendheid van klanten. Bij een industrieel bedrijf als een autofabrikant kan het de productiefocus drastisch veranderen. De verkoopbaarheid van een product werd veelal pas bekeken nadat er binnen de mogelijkheden was geproduceerd. Nu maakt data-analyse een verhelderend plaatje van de exacte verhoudingen tussen vraag en aanbod. Zeker nu de krapte op de arbeidsmarkt toeneemt, kan data-analyse ook een bijdrage leveren op het gebied van Human Resources. Verbetering van klantenprocessen en prijsoptimalisatie zijn voorbeelden van extern georiënteerde data-analyse. De wereldwijde hotelketen Marriott hanteert het zogenoemde ‘revenue management' systeem. Met behulp van data-analyse kan ieder afzonderlijk hotel de hoogst haalbare prijs per kamer voorspellen, zonder dat het ook maar één boeking minder tot gevolg heeft. Bedrijven die overtuigd zijn van de voordelen van data-analyse, gebruiken al die terrabytes aan data waarvoor ze zijn bedoeld: het verkrijgen van feitelijk inzicht in performance op basis waarvan betere beslissingen kunnen worden genomen.


Slechts weinigen weten welke klanten in welke mate winstgevend zijn


Een belangrijke voorwaarde om concurrentievoordeel op basis van data-analyse te behalen is de toewijding van het senior management. De CFO is dan ook meer een Chief Forecasting Officer dan een Financial Officer. Die CFO maakt het verschil en treedt op als ambassadeur van data-analyse binnen de onderneming en richting de buitenwereld. CFO's die vragen om cijfers over nieuwe productintroducties, klanttevredenheid, foutreducties door kwaliteitsmanagement, cross-selling en doorgerekende prijsscenario's, geven vorm aan de managementcultuur. Zonder dergelijk ambassadeurschap van het senior management blijft data-analyse beperkt tot een marginale rol op een afdeling of, erger nog, bij een individuele adept. Wanneer data-analyse op corporate niveau wordt gedragen, krijgt een organisatie zicht op datgene wat het bedrijf groots maakt in de ogen van klanten, partners en uiteindelijk ook aandeelhouders.


Waar concurreren we straks op?
Het spel van het bepalen van en het specialiseren in kerncompetenties - productleiderschap, klantintimiteit en operationele excellentie - wordt steeds moeilijker. Succes wordt evenals efficiencyvoordeel sneller gekopieerd en het verkrijgen en behouden van klantloyaliteit vergt meer werk dan ooit tevoren. Het grondig analyseren van data vormt in snel toenemende mate de basis van het tijdig en onderbouwd aanbrengen van veranderingen. Het vertrouwde businessmodel verandert langzaam maar zeker in het nieuwe verdienmodel. Aan de basis van dat model ligt de vraag of je nog wel voldoende kunt verdienen aan de kernbusiness in de snel veranderende markten. Realiseert TNT groei met de verkoop van postzegels of met slimme logistieke diensten? Verdient Transavia.com aan het verhuren van vliegtuigstoeltjes of aan diverse en op maat geslepen reisdiensten? Vergroot Corus haar marktaandeel door nog meer tonnen ruwe staal op de dumpmarkt te gooien of door gerichte output van specialistisch staal? Naast het slim gebruik van data om de bestaande kerncompetentie te verbeteren kan data-analyse dus ook aan de basis staan van een compleet nieuw businessmodel. Concurrentie op basis van data-analyse zal toenemen en de meesters op dit gebied hebben de toekomst.

Lees ook:
> Dossier IT
> Biografie Marco Gianotten
> De impact van ICT
> ICT kruipt waar het niet gaan kan
> Waarom kost IT nog steeds teveel?

Wat vond u van het artikel? Stem / Waardeer:



Score 5 | 1 Waardering

Marco Gianotten

Functies Marco Gianotten


-
- CEO Giarte
- Oprichter Giarte

White collars working blue

Van knelpunt in uw operationeel proces naar meetbaar en blijvend resultaat? Kijk hoe First Consulting dit samen met uw medewerkers aanpakt. >> Bekijk filmpje

Meer achtergrond artikelen