Leiderschap voor big data

Leiderschap is een cruciale succesfactor bij traditionele analytics en is al net zo belangrijk bij big data. We beschikken niet over veel voorbeelden van leiders van ondernemingen die zich substantieel committeren aan big data. Leiderschap voor big data is schaars.

Een belangrijk leiderschapskenmerk met betrekking tot big data is de bereidheid om experimentele activiteiten met data op grote schaal te sponsoren. Big data vereisen, op dit moment althans, nog enig goed gefundeerd geloof. De ROI is moeilijk vooraf vast te stellen – vooral als het gaat om nieuwe producten en diensten of betere beslissingen. Dat geldt vooral in de discoveryfase. Zoals Tasso Argyros, medeoprichter van Aster Data (nu Teradata Aster) zegt: “Het is zeldzaam dat er een budget is voor discovery.” Hoe dan ook, er zijn enkele leiders die het risico durven aan te gaan op basis van overtuiging. Bij LinkedIn bijvoorbeeld was medeoprichter Reid Hoffman ook oprichter van PayPal geweest, en hij wist dat er substantiële kansen lagen voor het exploiteren van online transactiedata. Het was vooral zijn beslissing om datawetenschappers te gaan inhuren voor de productengineeringorganisatie. Hij moedigde ze niet alleen aan om te proberen nieuwe producten en diensten te ontwikkelen, maar ook om rechtstreeks met hem contact op te nemen als hun problemen vastliepen in het proces of de hiërarchie.

PYMK

Dat is precies wat Jonathan Goldman, een datawetenschapper bij LinkedIn die met hulp van Hoffman was gerekruteerd, deed toen hij een idee had voor een applicatie die People You May Know (PYMK) werd. De toepassing doet suggesties voor contact met mensen met wie je misschien zou willen netwerken en die in hun achtergrond kenmerken hebben die overeenkomen met die van jou. Goldman maakte een vroeg prototype van PYMK, maar had er moeite mee om de productengineeringorganisatie dat prototype te laten incorporeren in de LinkedIn-site, of om dat zelfs maar te proberen. Toen Goldman Hoffman benaderde met dit probleem, gaf Hoffman hem toestemming om een testadvertentie op de LinkedIn-site te zetten. Het doorklikpercentage was hoger dan ze ooit hadden gezien. Goldman verfijnde vervolgens de manier waarop de suggesties werden gegenereerd. Daarbij nam hij netwerkideeën op als triangle closing: stel dat jij Lars en Suzanne kent, dan is er een grote kans dat Lars en Suzanne elkaar ook kennen. Goldman en zijn team brachten bovendien de handelingen die nodig waren om op een suggestie te reageren terug naar één klik. De topmanagers van LinkedIn maakten van PYMK snel een standaardfeature. Toen ging het pas echt los. Ik zei in hoofdstuk 1 al dat de doorklikpercentages voor PYMK 30 procent hoger zijn dan bij alle andere reminders die LinkedIn aan mensen stuurt om de site opnieuw te bezoeken. Miljoenen mensen die dat anders niet zouden hebben gedaan bezochten de site opnieuw. Dankzij die ene feature schoot de groeicurve van LinkedIn significant omhoog. Het is aan PYMK te danken dat er een paar miljoen nieuwe gebruikers bij kwamen. Dat zou niet zijn gebeurd zonder Goldmans idee – en zonder Hoffmans ondersteuning. Het zal niet altijd nodig zijn dat datawetenschappers rechtstreeks naar het hoofd van de onderneming stappen, maar het is voor senior executives geen slecht idee om in de begindagen van het big-datatijdperk een direct kanaal te openen naar de datawetenschappers. Belangstelling tonen voor experimenteren betekent ook dat je hindernissen wegneemt voor het implementeren van innovatieve ideeën en innovatief aanbod.

Big-data-leiders hebben geduld nodig

Leiders van big-data-intensieve organisaties hebben ook een zekere mate van geduld nodig. Er kan flink wat ‘aanrommelen met data’ nodig zijn voor er enig zicht op uitbetaling komt. Het kan zelfs nodig zijn dat je data een paar jaar achter de hand moet houden voordat je weet wat de waarde ervan  is. Jeff Bezos van Amazon is bekend om zijn uitspraak ‘We gooien nooit data weg’, eenvoudigweg omdat het te moeilijk is om te voorspellen wanneer ze in de toekomst belangrijk zouden kunnen worden voor een productof dienstaanbod. Het leiderschap van big-dataondernemingen vereist waarschijnlijk enkele nieuwe seniormanagementrollen. Bij mijn weten is er geen voorbeeld bekend van een ‘senior vicepresident van big data’, maar er zijn wel een paar rollen die deze functie in zich dragen. Neem bijvoorbeeld Nora Denzel, die bij Intuit niet alleen senior vicepresident voor marketing was, maar ook voor big data en social design (en big data stonden daarbij voorop, want haar officiële functienaam was Senior Vice President of Big Data, Social Design and Marketing). Er schuilt logica achter het combineren van deze rollen: bij Intuit worden big data gebruikt om de website en de klanttevredenheid te verbeteren en de klantentrouw te vergroten – allemaal marketingdoeleinden. Intuit heeft geweldige resultaten geboekt met de ontwikkeling van producten, diensten en features gebaseerd op big data. In de belastingapplicatie TurboTax bijvoorbeeld worden gebruikers geïnformeerd over hoe waarschijnlijk het is dat ze een controle krijgen. Dat gebeurt op basis van klantervaringen in het verleden. In het boekhoudpakket Quickbooks vormen de producten die klanten kopen en in hun financiële verslagen opnemen de basis voor gerichte aanbiedingen (Easy Saver genoemd) van kortingen op die producten. Zowel Quickbooks als Mint, de personal finance-site van Intuit, informeert ondernemers over hoe hun performancemaatstaven en kosten zich verhouden tot die van andere kleine bedrijven.

Nieuwe rollen voor big data en management

Ook bij andere bedrijven zijn er nieuwe rollen voor het senior management rond de combinatie van big data en analytics. Managers lijken daarbij nieuwe vaardigheden nodig te hebben. De verzekeringsgigant AIG bijvoorbeeld haalde de zeer ervaren analyticsleider Murli Buluswar binnen als chief science officer – één voorbeeld van het groeiende aantal analyticsexecutives op C-niveau in grote bedrijven. Buluswar overziet een verscheidenheid aan analytische projecten en groepen, waaraan zowel big als small data te pas komen. Hij heeft zowel datawetenschappers als conventionele kwantitatieve analisten onder zich. Buluswar in een interview: “Vanaf de start van onze wetenschappelijke functie bij AIG lag de focus op traditionele analytics in combinatie met big data. We gebruiken gestructureerde en ongestructureerde data, opensourcetools en traditionele analyticstools. We werken aan traditionele onderwerpen binnen de verzekeringsanalytics zoals het optimaliseren van de prijsstelling en aan een paar exotische big-dataproblemen, in samenwerking met MIT. Het is en blijft een geïntegreerde aanpak.”

Datamanagement en governance

We beginnen meer en meer van dit soort rollen te zien, met uiteenlopende functienamen. Een variant is de rol van chief data officer (CDO), die vrij gebruikelijk is bij grote banken. In principe is het, in mijn ogen, een goed idee om de verantwoordelijkheid voor datamanagement en governance te combineren met het toepassen van data – ofwel analytics. Maar in de praktijk lijkt het merendeel van de huidige CDO’s het grootste deel van hun tijd te besteden aan datamanagement en nauwelijks aan analytics. De meesten van hen hebben evenmin een sterke analyticsachtergrond. Er zijn uiteraard een paar uitzonderingen. John Carter was CDO bij Equifax, waar hij leiding gaf aan het opbouwen van de analytische capaciteiten van het bedrijf – terwijl hij tegelijkertijd nog worstelde met allerlei datakwesties. En Carter is gepromoveerd in de statistiek. Nu heeft hij een andere baan, bij Charles Schwab. Daar is hij Senior Vice President of Analytics, Insight, and Loyalty, wat een zwaardere focus mogelijk zou moeten maken op wat het bedrijf doet met big data.

Roep functienamen in het leven

Er is een andere nieuwe analyticsintensieve rol bij eBay. Zoher Karu, die leiding gaf aan de analyticsinspanningen bij Sears, wordt de nieuwe Vice President of Customer Optimization and Data. Karu vertelt me dat de functie aanvankelijk beschreven werd in termen van customer analytics, maar dat hij het gevoel had dat de term optimization meer de nadruk legt op het behalen van resultaten. Andere bedrijven, zoals McGraw-Hill, werken met chief digital officers om big data en analytics een duw in de rug te geven én om de online kanalen te managen. Ook Bank of America en Wells Fargo combineren deze rollen, hoewel ze niet de functienaam gebruiken. Dan zijn er nog de functienamen op C-niveau die louter op analytics focussen. FICO, het University of Pittsburgh Medical Center en de Obama 2012-campagne benoemden alle drie chief analytics officers. Als het je echt menens is met analytics – dus niet alleen met de datamanagementactiviteiten die nodig zijn voor big data – en je wilt analytics inzetten in allerlei functies en businessunits in je organisatie, dan raad ik je aan om dit soort functienamen in het leven te roepen. Bron: Big data aan het Werk Door: David Davenport

Het boek: Big data aan het werk

Big data’ … je kent de term, maar hoe je ze op relevante wijze inzet binnen een organisatie is een heel ander verhaal. Big data aan het werk geeft jou als manager de informatie die je nodig hebt om big data te laten werken voor jouw business.

• Meer informatie over Big data aan het werk >>>