Dit artikel verscheen eerder in het Online Trendrapport van Digital Agency Wijs. Het volledige rapport kan je hier extragratis downloaden.
Ik werd dit jaar overstelpt met cijfers, tabellen, grafieken en scores tot ik gek werd. Data puke. En ik ben niet alleen. Een research rapport van de World Federation of Advertisers kopt “Marketeers seek data simplicity“. Het gevolg van de veelvoud aan data is schrijnend. Wie conclusies moet brouwen uit data heeft geen overzicht meer en verliest het vertrouwen van wie hij of zij adviseert.
Er is beterschap op komst. Wie goed opgelet heeft zag in 2012 al vijf datatrends opkomen die er in 2013 voor zorgen dat big data meer betekent dan verwarring in een grafiek.
Datatrend 1: brondata verzamelen zonder menselijke tussenkomst
De beste manier om een mens aan het liegen te krijgen? Hem vragen stellen over zijn of haar gedrag. De resultaten van enquêtes die pijlen naar gedrag zijn dan ook even onbetrouwbaar als de mensen die ze invullen.
Interessanter is gedragsdata verzamelen zonder menselijke filter. En dat is makkelijker dan ooit. Smartphones zitten vol sensoren, in elke laptop zit een camera, en zelfs in schoenen zitten chips.
Veel applicaties gebruiken de informatie uit sensoren om jou advies te geven. Bij Foursquare wordt data van jouw ‘check-ins’ gebruikt om leuke adresjes voor te stellen. Maar ik check niet in als ik wekelijks mijn mama bezoek. Het beeld dat Foursquare van mij heeft is een cafe-, restaurant- en station-bezoekende workaholic. Verre van correct.
De nieuwe applicatie ‘Jini‘ gaat een stap verder. De data die gegenereerd wordt door mijn sensoren wordt zonder mijn tussenkomst verzameld, waardoor ze vollediger en dus betrouwbaarder is. Aangezien Jini een veel completer beeld heeft op mijn gedrag, kan het ook veel beter advies geven.
We kunnen hiervan leren: probeer altijd het gedrag zelf te observeren via data in plaats van mensen zelf een inschatting te laten maken van hun gedrag. Elke keer een mens zelf beslist welke data hij deelt, is dat een meetfout.
Datatrend 2: data op grote schaal samenvatten tot een betekenisvol geheel
Er komt geen reis- of eten bestelsite voorbij of ik kan er op een schaal van 5 zien hoe tevreden iedereen was van zijn laatste hotelbezoek of pizza. Dat deze ratings vervuild zijn is geen nieuws. Het is zo ver gekomen dat we enkel nog producten vertrouwen die negatieve ratings hebben.
Het was een reden voor Foursquare om geen rechtstreekse ratings van gebruikers mogelijk te maken. Niet betrouwbaar. In plaats daarvan doet Foursquare wat je zelf zou doen: bezoekfrequentie, tips, vind-ik-leuks en social shares van anderen bekijken om zelf tot een ‘score’ te komen: “Hoe leuk is deze locatie?”.
Alleen kan foursquare dat in tegenstelling tot jouw brein systematisch en op grote schaal doen. Het resultaat presenteert Foursquare in een bevattelijke score op 10 die betrouwbaar is.
De les: als data van gedrag betrouwbaarder is dan meningen, dan moet je dat gedrag wel snel interpreteerbaar maken. Gebruikers kunnen niet alle brondata overlopen, afwegen en tot een goede algemene conclusies komen. Met algoritmes kan je trends detecteren in gedrag en dat vertalen naar een eenvoudig af te lezen conclusie.
Datatrend 3: enkel nog de hoofdzaken visualiseren
Foursquare vat data van gedrag samen in een score zodat ik een binaire conclusie kan trekken. Is een adres goed of slecht? Bij complexere vraagstukken gebaseerd op complexe data moet de visualisatie meer nuances weergeven dan een score op 10 kan.
Neem de zoektocht naar een hotel. Ik switch als een malle tussen Google Maps, Tripadvisor en Booking.com om het hotel te vinden met de beste ligging, de beste service en aan de beste prijs. Ik combineer – in mijn hoofd – complexe data uit drie verschillende bronnen om het perfecte hotel te boeken. Dat perfecte hotel is een persoonlijke afweging tussen drie componenten: prijs, service en ligging.
Een score op tien is hier niet voldoende omdat de drie componenten voor mij een specifiek belang hebben. Hipmunk snapt dat. Ze tonen mij een kaart waarop ik in één oogopslag zie welke hotels in een culturele buurt liggen, in welke prijsklasse ze liggen en wat de gemiddelde tevredenheid is.
Hipmunk toont me niet teveel details, maar wel genoeg om nog een persoonlijke keuze te kunnen maken. Dat is voor elke applicatie met data een belangrijke uitdaging: zoveel mogelijk data verstoppen, en wat overblijft op een gebruiksvriendelijke manier visualiseren.
Datatrend 4: integratie is de ultieme visualisatie
Een hoofdredacteur kijkt afwisselend naar zijn website en de statistieken om te beslissen welk artikel ‘in de kijker’ moet staan. Hij synthetiseert eerst historische data tot een binaire conclusie: staat dit artikel op de juiste plaats, ja of neen? Is het antwoord nee, dan bekijkt hij andere artikelen die mogelijks wel die plaats verdienen.
Chartbeat beweert die beslissing sneller en beter te kunnen nemen, en ze hebben gelijk. Met een overlay toont Chartbeat welk artikel zijn ‘in de kijker’ positie waard is op basis van de prestaties van alle voorgaande artikelen.
Het resultaat is een hoofdredacteur die in één oogopslag een artikelschikking kan doen, gebaseerd op jaren historische data van duizenden artikelen. Met als gevolg een dynamische hoofdpagina die permanent artikels in de kijker zet die het verdienen om daar te staan.
De conclusie: integratie is de ultieme visualisatie. Probeer in 2013 om data te presenteren op momenten dat het echt relevant is. Een geïsoleerd dashboard heeft veel minder impact dan cijfers die opduiken binnen een digitale werkomgeving op momenten dat ze nodig zijn.
Datatrend 5: automatiseren, als je durft
Als data beslissingen in dergelijke mate ondersteunt, is de stap klein om die beslissingen ook gewoon door de data te laten nemen. Het enige wat verdwijnt is de menselijke controle.
Je ziet dergelijke automatisering eerst waar de potentiële winst groter is dan het potentieel verlies. Last.fm automatisch mijn muziek laten kiezen is veiliger dan een wagen die vanzelf rijdt.
De winst die je met automatisering kan maken is enorm. Taken automatiseren creëert sowieso tijdswinst. Maar je boekt ook intelligentie-winst, gezien de vrijgekomen tijd besteedt kan worden aan taken waar menselijke intelligentie een grotere impact heeft.
Je hebt geen keuze
Jouw belofte voor 2013 is stoppen met het verspillen van menselijk intelligentie. Als er iemand in jouw organisatie uren zit te grasduinen in data, dan is het tijd voor verandering.
Je hebt maar 5 belangrijke todo’s voor 2013: enkel betrouwbare data verzamelen, bijzaken verbergen, hoofdzaken visualiseren, integreren waar mogelijk en automatiseren als je durft.
Als je daarin slaagt, ben ik zeker dat ik in 2013 nog van jou zal horen. Succes.
Eén probleem bij de ‘automatische’ beoordeling van plaatsen. Bezoekersfrequentie vind ik een goede, maar was als hier voornamelijk non-smartphone mensen komen? Dan zal de rating laag zijn, terwijl de plaats wel écht goed kan zijn. Ook zijn er bv. veel plaatsen die we wel frequenteren, maar niet de moeite doen om in te checken (boekenwinkel, supermarkt, schoenenwinkel, .. ;)). Het laatste kan alvast opgelost worden door Jini. 🙂