Schakelen in de dataversnelling 

Het aanbieden van een relevante, persoonlijke customer journey is gebouwd op de acute beschikbaarheid van die data.

Klanten verwachten vandaag van bedrijven of merken dat zij de customer journey of de volledige ‘klantreis’ zo persoonlijk en prettig mogelijk maken. Dat is niet eenvoudig, want het huidige klimaat is juist ingericht op een kort maar krachtig bezoek: klik-en-koop. Wil je de customer journey optimaliseren? Dan moet je daarvoor zoveel mogelijk data, zo snel mogelijk ter beschikking hebben. Hoe doe je dat, als datasystemen steeds omvangrijker en complexer worden?

In elke stap van de customer journey bestaat voor bedrijven de mogelijkheid om data over hun bezoekers te verzamelen. Zo stapelen er zich snel bergen op met aparte gegevens. Deze ‘bergen’ worden ook wel data silo’s genoemd. Stel je voor dat een bezoeker eerst de webshop bezoekt (silo 1), daarna een fysieke winkel bezoekt (silo 2), en vervolgens online een bestelling plaatst (silo 3). Het is perfect mogelijk dat één persoon nu in drie databakken voorkomt, die allemaal gegevens bevatten die de winkel (in theorie) zou kunnen gebruiken. Silo 1 laat zien waar de klant zich op oriënteerde, silo 2 zegt waar hij woont, silo 3 wat hij kocht en voor hoeveel geld. Allemaal relevant, maar allemaal geïsoleerd van elkaar als er geen overkoepelend platform is dat structuur aanbrengt.

Schrijven of ophalen

In de traditionele samenstelling van veel databanken kun je grofweg onderscheid maken tussen twee veelvoorkomende taken: schrijven of ophalen. Databases die transacties vastleggen zijn gemaakt om te ‘schrijven’, terwijl analysetools vooral info ophalen. Dat werkt vertragend: soms wil je als analyticus onderzoek loslaten op transactiedata, een andere keer wil je gegevens ‘schrijven’ in een analytisch aangelegd bestand. Om nog maar te zwijgen van de samenwerkingen tussen die twee; dat kost tijd. 76 procent van de ondernemers zegt dat ze door deze vertragingen zakelijke kansen mislopen.

Realtime data voor de customer journey

Het aanbieden van een relevante, persoonlijke customer journey is gebouwd op de acute beschikbaarheid van die data. Er zijn al retailers die data uit verschillende silo’s in een oogwenk combineren, daar de relevante informatie uit filteren en die in real time gebruiken om een klant persoonlijke aandacht te geven. Stel je voor: jouw klant scant zijn of haar klantenkaart en binnen een tel gebruikt de computer (met goedkeuring) de aankoopgeschiedenis, de browsegewoonten en de gemiddelde uitgaven om een suggestie te doen voor de volgende aankoop: deze polo, in de favoriete kleur, in de uitverkoop, en beschikbaar in de winkel. En hier is een augmented reality voorstelling voor hoe de polo de klant zou staan bij de broek die net is afgerekend. Dat is dé persoonlijke customer journey.

Veel bedrijven moeten nog een digitaliseringsslag maken, voordat bovenstaande voorbeeld haalbaar is. Het is goed om weten dat elke stap die ze richting digitalisatie zetten, voor meer data en dus méér dataverkeer zorgt. Zonder proactieve aanpak om die gegevens te bundelen en behapbaar te maken wordt de druk op servercapaciteit steeds groter. Processen zullen trager en trager worden, en de mogelijkheid tot het bieden van een unieke experience verdwijnt.

Overkoepelend platform

Door gebruik te maken van een overkoepelend dataplatform kunnen merken en bedrijven de gegevens uit alle verschillende silo’s combineren en bruikbaar maken. Zulke platforms zijn gebouwd op drie pilaren, namelijk die van uniformiteit, interoperabiliteit en betrouwbaarheid. Het platform maakt data uniform bruikbaar, ongeacht het type data. Het is bijvoorbeeld denkbaar dat de website van een bedrijf gegevens oplevert in datatype X, maar Google Analytics levert datatype Y. Een platform kan daar (simpel geformuleerd) een dataset Z van maken, zodat X en Y samen kunnen werken. En dat is dan weer de interoperabiliteit. De betrouwbaarheid zit hem in het wegnemen van onnodige omwegen en structuren. Het systeem werkt, feilloos, juist omdat het zo simpel is.

De kosten rondom je hele IT-structuur kunnen naar beneden. Door een goed platform te gebruiken ga je ook gevoelig minder servercapaciteit nodig hebben. En waar het uiteindelijk allemaal mee begon: een platform maakt realtime analyse en gebruik van de verschillende datasets mogelijk, ongeacht hoe groot de datapool in de toekomst ook wordt.