Het McKinsey Global Institute stelt in een rapport dat er een groot tekort aan data-analisten zal ontstaan. Hun skills zijn niet van de ene op de andere dag aangeleerd: een voorsprong dus voor álle data-analisten. Op dit moment beschikt nog bijna geen enkele data-analist in Nederland over de skill-set van een échte Big Data scientist. Maar welk type analisten is het makkelijkst bij te scholen? Wat mij betreft hebben webanalisten de beste papieren. 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.
Sluit ManagementsamenvattingVoor wie dagelijks met plezier data analyseert is de opkomst van Big DataBig Data is volgens sommigen "alle data die niet meer fysiek of logisch in één locatie of in één systeem kan worden opgeslagen”. Van belang is dan vooral hoeveel van deze data effectief gebruikt kan worden voor het analyseren van je website.Meer over: 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 [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
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:
- Webanalisten zijn al gewend aan niet-ideale data met een ‘menselijk’ component
- 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!

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 AnalyticsWeb analytics is het meten, verzamelen, analyseren en rapporteren over web / internet data, met als doel om inzicht te krijgen in bezoekersgedrag. Daarnaast kan deze informatie gebruikt worden om de website te optimaliseren.Meer over: Web Analytics tools worden Big Data analytics tools
Goed nieuws voor webanalisten met de ambitie om 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 TargetingBehavioral Targeting is een methode om bezoekersgedrag van een website vast te leggen, met als doel om inzicht te krijgen in de interesse van de bezoeker, om zodoende de content aan te laten sluiten op deze interesse.Meer over: 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
[2] Big Data en de impact op de arbeidsmarkt
[3] Big Data creates demand for analytics skills
[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
analytics expert
Online Dialogue BV
Arend is afgestudeerd in toegepaste natuurkunde en zijn carriere begonnen als strategieconsultant. Hij combineert zijn analytische skills en kennis van de technische aspecten van internet met consultancy vaardigheden. Sinds 3 jaar past hij...
Lees verder »Nieuwsbrief
Voortdurend op de hoogte van het laatste analytics en optimalisaties nieuws met onze nieuwsbrief!
Gebruik je al Feedbackify?
Deze User feedback software wordt in Nederland onder andere gebruikt door
Lees meer over FeedbackifyAangeboden door AboutAnalyticsNieuwste reacties
- Tim: Captcha is ook een van mijn grootste ergernissen. Vaak klopt de ingetypte code wel, maar rekent hij hem toch fout..
- Auke Molendijk: Gerard, Bij het instellen van meerdere conversiepunten moet uiteraard altijd de eindconversie (bijvoorbeeld een boeki...
- Gerard Rathenau: Cases zijn natuurlijk altijd interessant! VWO heeft ook een dergelijke tool om de traffic voor een test te laten uitrek...
- Auke Molendijk: Klopt, maar traffic is meer een randvoorwaarde voor de verwachte looptijd van een A/B test en om te bepalen hoeveel...
5 reacties
Goed artikel Arend.
Over het verschil tussen BI data en webanalytics en Big Data zegt Gary Angel: “I often describe this last problem as arising because the meaning in digital data doesn’t exist at the row level but at the “stream” level – the path or combination of multiple events.”
Zie ook mijn blog hierover op http://datadatadata.nl/de-kloof-tussen-webanalisten-en-databasemarketeers/
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?
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.
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
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