Webanalisten als dé (Big) Data Scientists van de toekomst

Voor wie dagelijks met plezier data analyseert is de opkomst van Big Data een interessante ontwikkeling. Volgens een studie van het McKinsey Global Institute [1] is data-driven dé werkwijze van de toekomst. In haar rapport voorspelt zij dat er op de Amerikaanse arbeidsmarkt over 5 jaar een tekort aan 150.000 – 190.000 Data scientists (data-analisten) [1,2,3,4] en nog een 1.500.000 extra data gedreven managers zal ontstaan.[5]

Omgerekend naar Nederland (ongeveer een factor 18 kleiner in aantal inwoners en omvang van BNP) betekent dit een tekort van 10.000 Big Data analisten in 2018. Een uitdaging voor bedrijven… maar een kans voor analisten! Maar welk type analisten is nu het makkelijkste bij te scholen? Wat mij betreft hebben webanalisten de beste papieren.

We believe that the shortage of deep analytical talent will be a global phenomenon. […] Developing deep analytical skills requires an intrinsic aptitude in mathematics for starters, and then takes years of training. Addressing the talent shortage will not happen overnight, and the search for deep analytical talent that has already begun can only intensify.

McKinsey Global Institute

Big Data Analist = Data Scientist?

Het McKinsey rapport stelt bovendien dat de benodigde skills niet van de ene op de andere dag zijn aangeleerd: een voorsprong dus voor álle data-analisten. Helaas beschikt nog bijna geen enkele data-analist in Nederland over de skill-set van een échte Big Data scientist. Toch hebben webanalisten naar mijn mening de beste papieren en wel om de volgende redenen:

  1. Webanalisten zijn al gewend aan niet-ideale data met een ‘menselijk’ component
  2. De tools waarmee webanalisten nu werken worden uitgebreid met Big Data analytics functionaliteiten

Big data gaat niet over data, maar over menselijke interactie

Sogeti-ViNT maakt in haar rapport “Creating Clarity with Big Data”[4] met onderstaande graphic mooi duidelijk waarom juist webanalisten de stap naar Big Data goed zullen kunnen maken: Voetbal is emotie, maar Big Data ook!

ERP > CRM > Webanalytics > Big Data

Big Data analytics logische uitbreiding skills van webanalisten Bron afbeelding: Sogeti ism Teradata

Deze graphic geeft duidelijk weer hoe data met toenemend volume ook steeds gevarieerder (meerdere data-bronnen en -typen) en ongestructureerder wordt.

There’s a drift toward data-driven discovery and decision-making in fields varying form science and sports, advertising to public health. “It’s a revolution”

Gary King, director of Harvard’s Institute for Quantitative Social Science.

Als de informatiestromen uit bovenstaande graphic in tabelvorm worden geplaatst, valt direct nóg iets op: de data wordt steeds persoonlijker, steeds “emotioneler”.

ERP CRM WEB BIG DATA
Betalingsregistratie (globale) Klant-segmentatie Web logs Business Data Feeds (APIs)
Order-informatie Product-aanbiedingen Aanbiedingen geschiedenis Externe / openbare (demografische) informatie
Aankoop registratie Klant-contactmomenten (in het algemeen) Dynamische Prijs-experimenten Audio, Video
Klantenservice contactmomenten Affiliate Netwerken Product / service Logs
Search Marketing USG (User Generated Content)
Behavioral Targeting Sensoren / RFID
Dynamische Conversie-trechters Klant/Doelgroep Sentiment
AB testen SMS / MMS
Micro-klant -segmentatie Sociale interacties
RSS feeds
GPS coördinaten
Spraak naar tekst
(multi-visit)
Click streams bezoekers

 

Niet voor niets betrekken steeds meer online optimalisatie-bureaus een psycholoog bij het optimaliseren van een website!

…the traditional data world of business transactions is now beginning to merge with that of interactions and observations.

Shaun Connolly (Hortonworks)

Web analytics tools worden Big Data analytics tools

Goed nieuws voor webanalisten met de ambitie om een Data-Analist / Big Data Scientist te worden: zij hoeven niet direct op cursus. Het enige dat ze hoeven te doen is… meegroeien met hun vakgebied!

Zodra Webanalisten naast Google Analytics ook Google’s Marketing Intelligence Tools [7] gaan gebruiken, worden ze bijna vanzelf Big Data scientists!

Justin Cutroni geeft op zijn blog al een klein voorpoefje van wat Google “Universal Analytics” gaat kunnen:

  • Volgen bezoekers over meerdere sessies (ondanks cookiewet)
  • Volgen bezoekers over meerdere devices
  • Integratie CRM met online sales (klachten, rating, emails, call center)
  • Integratie off-site sales met online leads of “closing the loop”, e.g. auto’s verkocht na online
  • aanvraag proefrit
  • Integratie productdatabase met online sales (automatische uitgebreide eCommerce tracking)

Bij het alles-in-één Digital Analytics pakket van Adobe (eigenaar van o.a. Site catalyst, Visual sciences, Omniture, zie ook interviewverslag [9]) vervagen niet alleen de grenzen tussen web analytics en Big Data, maar ook die tussen het creëren van content en het meten van de effectiviteit ervan:

  • Creëren campagnebanners
  • Taggen campagnebanners
  • Meten effectiviteit online campagnes
  • Automatische optimalisatie online campagnes
  • Creëren website (CMS)
  • Taggen en meten website (binnen CMS)
  • Content-experimenten en optimalisatie: AB-testen en Behavioral Targeting (binnen CMS)
  • Integratie CRM met online sales (klachten, rating, e-mails, call center)

Het verschil tussen Business Intelligence en Big Data analytics

Geregeld spreek in met iedereen die het maar horen wil (moet?) enthousiast over de mogelijkheden van Big Data. Leken vragen “Hoezo is dit nieuw?”. IT professionals en marketing analisten vragen dan “Wat is het verschil tussen Enterprise Data Warehousing (EDW) en Big Data?”.

Op deze vraag zal ik antwoord geven in een volgend artikel en aangeven waarom de skillset, werkwijze en praktijk van Business Intelligence analisten minder goed aansluit op Big Data analytics dan die van Webanalisten.

The role of a data scientist is not to replace any existing BI people but to complement them.

Chirag Metha

Bronnen

[1] Big data: The next frontier for innovation, competition, and productivity – McKinsey Global Institute

[2] Big Data en de impact op de arbeidsmarkt

[3] Big Data creates demand for analytics skills

[4] The Age of Big Data – GOOD with numbers? Fascinated by data? The sound you hear is opportunity knocking

[5] Hoe Big Data leiderschap verandert

[6] Creating Clarity with Big Data, or the Blessings of a Deluge [zondvloed] – Sogeti ViNT [PDF]

[7] Google’s Marketing Intelligence Tools

[8] Universal Analytics: The Next Generation of Google Analytics

[9] Interview met Neil Morgan van Adobe op EMERCE eday 2012

Reacties (7) Schrijf een reactie

  1. Interessant artikel Arend.

    Ik denk, dat je met big data ook veel meer met profielen kunt gaan werken. Dus veel meer op individuele basis gaan meten, dankzij de externe bronnen, die je in je webanalytics pakket integreert.

    Zo kun je veel gerichtere acties koppelen aan je analyses ( bijvoorbeeld creatie van persona’s per pagina).

    Hoe kijk jij hier tegen aan?

    Beantwoord

    • Hi Gerard,

      Dankjewel.

      Hoe beter je webanalytics implementatie (en je webanalisten :-), hoe beter je kunt segmenteren.

      Zo heb ik zelf al meerdere keren meegemaakt dat een AB-test in eerste instantie géén significante winnaar opleverde… tótdat ik ging filteren op “nieuwe bezoekers” of al het “affiliate verkeer met incentive” uitsloot: dan bleek dat bepaalde pagina’s onder bepaalde (gefilterde) segmenten wel degelijk veel beter converteerden!

      Koppeling van webstatistieken met externe bronnen laat je inderdaad nóg beter segmenteren en optimaliseren: misschien doet een bepaalde pagina het wél veel beter onder mannen, vrouwen, hardlopers, jonge gezinnen met kinderen, methodisch ingestelde bezoekers, bezoekers die een bepaalde coupon hebben ingeleverd, auto-eigenaars, plattelandsbewoners, etc…. én natuurlijk combinaties van deze segmenten.

      Uiteindelijk is er voor iedere bezoeker één pagina-variant die het beste werkt.

      Om al deze segmenten te verzinnen, in kaart te brengen en voor elk segment vervolgens een aparte paginavariant te ontwerpen is teveel werk om handmatig te doen.

      Mijns inziens werkt dergelijke micro-segmentering/één-op-één targeting daarom vooral in de vorm van Dynamic Content Serving: slimme CMS-systemen die gekoppeld zijn met zelf-lerende (Big Data) #RTD algoritmes die gebruik maken van met externe bronnen verrijkte webstatistieken.

      Beantwoord

  2. Uitstekende artikelen en evenzo goede reactie(s).
    Vraag: Ik ben op zoek naar iemand die data uit Gmail/Drive omgevingen kan interpreteren, wie neemt contact op?
    Erwin Sengers
    Hogeschooldocent HHS
    06-27002868

    Beantwoord

  3. Goed verhaal Arend,

    Ik ben erg benieuwd naar je vervolg!

    Zelf ook al jaren bezig en vanuit DIKW zien wij Data Science inderdaad als complementair aan BI. Data Science gaat veel verder, het gaat ook over competitive informatie en het enabelen van de organisatie om voordeel te doen met de vergaarde inlichtingen… Wij zien duidelijk drie onderdelen (BI, CI en dat uitmonden in de “intelligente organisatie”) die samen sterker zijn dan de losse componenten.

    Hugi

    Beantwoord

  4. Beste Arend,

    Ik lees je artikel nu pas, maar goed beter laat dan nooit. :-)

    Leuk artikel, maar denk je niet dat veel web analisten simpelweg niet de capaciteit hebben om data scientist te worden?

    In een groeimarkt kan iedere ‘handige jongen’ met vrij ondiepe kennis het verschil maken, maar die tijden zijn voorbij. Ik zeg hiermee zeker niet dat alle huidige web analisten handige jongens met ondiepe kennis zijn, maar er zijn er weinig met een MasterDegree in Econometrie of Wiskunde. De meesten zijn in de groeiperiode van de markt gewoon in dit vak gerold en hebben vaak een hele andere achtergrond. Ik ken zelf ook behoorlijk veel web analisten met een Alfa achtergrond in bijvoorbeeld communicatie.

    De volwassen markt die analytics nu wordt vraagt om mensen met een heel ander profiel.

    Naar mijn mening vraagt Bigdata analytics om daadwerkelijk universitair geschoolde analisten met specialisaties in bijvoorbeeld Econometrie, Wiskunde, Data modelling etc.

    De omvang van Bigdata zorgt ervoor dat verbanden niet meer met het blote oog te zien zijn. Er is wiskundige kennis voor nodig om die verbanden wel boven water te krijgen en er zijn econometrische/data modellen nodig om deze verbanden te vertalen naar business vallue.

    Het hele feit al dat er weinig concrete voorbeelden in de markt voorhanden zijn van Big data (analytics) toepassingen met echte business value is in mijn ogen een direct gevolg van het gebrek aan de kennis die ik hierboven noemde. Iedereen snapt het concept wel, maar het ontbreekt aan de kennis om er iets mee te kunnen doen.

    Ik denk dat er een kleine groep web analisten in staat zal zijn om zich om te scholen naar data scientist, maar dat we het met name moeten gaan hebben van de nieuwe generatie. En die paar jaar ervaring die zij dan nodig hebben om het vak te leren die zijn zo voorbij. Binnen nu en 5 jaar maakt de nieuwe generatie gewoon de dienst uit.

    Beantwoord

Geef een reactie

Verplichte velden zijn gemarkeerd met een *.