CRM en Big Data

Wanneer ik mensen vertel dat CRM Resultants zich vooral richt op de implementatie van Microsoft Dynamics CRM in het onderwijs en bij banken en verzekeraars, dan is de eerste reactie vaak: “Wat een verschillende branches”. Daarop leg ik dan uit dat er sprake is van meer overeenkomsten dan verschillen tussen deze segmenten, en dat het bij het implementeren van CRM tegenwoordig vooral gaat om het mogelijk maken van een goede match. Een match op de vraag van de klant en het aanbod van de leverancier. In het geval van het onderwijs gaat het dan bijvoorbeeld op het geven van studieadvies, waarbij de ambities en competenties van een student gematcht worden op het studieaanbod, of om het matchen van een student op een stageplek. Bij banken en verzekeraars is het maken van een dergelijke match ook steeds belangrijker, omdat consumenten bijvoorbeeld willen kunnen meebepalen of hun centjes al dan niet in groene fondsen belegd worden en omdat de financiële producten die aangeboden worden steeds complexer worden.

In de tegenwoordige ‘buyers market’ is het vervolgens belangrijk om het product- en dienstenaanbod flexibel af te kunnen stemmen op de wens van de klant. CRM systemen worden daarbij vooral ingezet om profielinformatie van de klant op te slaan en de dialoog met de klant (waarin de profielinformatie ook grotendeels vergaard wordt) op een effectieve manier te ondersteunen.

Moderne datamanagement technieken maken het echter ook in toenemende mate mogelijk om profielinformatie te verrijken met gegevens die verkregen zijn uit zogenaamd BIG DATA management. Onder BIG DATA wordt de veelheid van beschikbare gegevens uit interne en externe bronnen bedoeld. Bijvoorbeeld de gegevens die mensen over zichzelf op social media plaatsen, de bij het ministerie van onderwijs beschikbare vooropleidingsgegevens van een student of de historische schademeldingen van een verzekerde. Door de veelheid van data die beschikbaar is op een slimme manier te combineren en analyseren, en door klanten en prospects in te delen in bepaalde ‘archetypes’, kan BIG DATA uitstekend gebruikt worden om gedrag van deze klanten te voorspellen en/of het juiste match-advies uit te brengen.

Een andere overeenkomst tussen onderwijsinstellingen en financiële dienstverleners is dat beide type instellingen beschikken over een enorme hoeveelheid historische gegevens van hun klanten. De BIG DATA leeft dus reeds grotendeels in huis, en het gaat vooral om het slim analyseren en ontdekken van trends en patronen in deze data.

Het voorbeeld van Albert Heijn met de luiers en het bier is bij velen reeds bekend, maar te mooi om hier niet nog even te herhalen. Toen AH in het begin van de jaren negentig de bonuskaart invoerde kreeg de winkelketen namelijk voor het eerst goed inzicht in wat er bij de mensen in het boodschappenmandje lag. Velen vreesden destijds dat ze vervolgens door AH persoonlijk benaderd zouden worden met allerlei aanbiedingen, maar daar ging het AH helemaal niet om. AH wendde namelijk datamining technieken aan om te achterhalen welke combinaties van producten er in de mandjes lagen. En zo kwam men erachter dat veel jonge vaders die er door hun vrouw of vriendin op uitgestuurd werden om nog even een pak luiers te kopen, ook maar meteen wat bier meenamen. Door deze trend te herkennen kon AH het bier vervolgens fysiek in het schap naast de luiers plaatsen, waarna de omzet uit de verkoop van bier verdrievoudigde.

Bij BIG DATA analyse gaat het ook om het herkennen van dergelijke patronen. Vanuit de ICT hoek is men nu vooral nog bezig met het faciliteren van de dataopslag voor BIG DATA, waarbij per source initiatieven als Hadoop belangrijk zijn. Maar nog veel belangrijker zal uiteindelijk het ontdekken van trends en patronen in complexe en enorme hoeveelheden data zijn. Het gaat er daarbij om de data naar de bevraging te brengen, en niet de bevraging van de data, zoals we dat tot nog toe met het opstellen van rapportages vooral gewend zijn. Om dit goed te kunnen doen en om de aldus herkende trends vervolgens te matchen op (de archetypes van) klanten en prospects is zowel branche- als CRM kennis nodig. Ik zie hierin in de nabije toekomst een belangrijke rol voor CRM implementatie partijen weggelegd.